从一个BA Agent的例子说起

从一个BA Agent的例子说起

视频

一个小型CRM：从一句话到完整需求资产

先看一个实际案例。

输入是一份概念级需求文档，典型"一个特性一句话"："做一个支持线索管理、客户管理、商机管理、联系人管理的小型CRM系统。"没有原型，没有流程图，没有字段定义。

将这份概念需求输入 BA Master Agent 后，它产出了以下需求资产：

• 需求规格说明书——从"根目的"出发，渐进式澄清场景、约束与范围
• 业务流程建模——每个场景对应一套泳道图、状态机、时序图、决策表
• 数据字典——数据实体、字段规范、ER图、数据流图，可直接作为SA和DBA的设计输入
• 用户故事文档——标准故事卡（As-I-Want-So-That + Given-When-Then验收标准），附带故事地图与优先级排序
• UI视图规格——组件映射、数据转化规则、阀门条件、操作链，在视觉设计之前先锁定交互逻辑
• 合规审查报告——从数据安全、资金安全、业务合规、技术合规四个维度对PRD进行结构化审查

完整产出仓库：一个小型CRM系统的需求过程

这套产出，一个有经验的BA手工完成，保守估计需要一到两周。当然，重点还不在于写文案的效率问题。

BA的核心命题

以我多年的观察，BA要解决的核心问题可以归纳为三个方面。

第一，补全输入与输出之间的Gap。输入是一份模糊的想法，输出是开发团队能够直接执行的结构化需求。补全的过程需要同时满足两个条件：有效（需求真实且可行），以及有效率（时间窗口始终是紧约束）。

第二，信息的无损传递。向业务方确认需求时不能遗漏，向开发团队传达需求时不能失真。信息每经过一次传递必然衰减，BA的工作就是将衰减控制在可接受范围内。

第三，范围控制。在范围、成本、进度、质量的相互约束中，将需求范围收敛到一个合理、可交付的边界。这项能力比"会写PRD"关键得多。

优秀BA与普通BA的差距，正体现在这三件事的完成度上。而差距的来源至少横跨三个维度：业务领域知识的积累、BA工作流程与工具的掌握、与各类干系人的沟通能力。

AI能在多大程度上填补这些Gap

上面的CRM案例已经给出了部分答案。以下逐一分析三个维度。

业务领域知识的Gap

CRM的领域知识——线索与商机的区别、销售漏斗的设计逻辑——LLM具备通用层面的理解。但"你所在组织的CRM应该怎么设计"，LLM并不掌握。通用知识无法替代一个具体项目中的领域上下文。

因此，Agent MCP Warehouse 的做法是由组织在LLM之外，构建与业务领域强相关的专有知识库。这些知识库承载组织特有的业务规则、术语体系、流程约定，在Agent的结构化交互流程中被注入到需求分析过程中。真实BA的角色是在此基础上进行确认和裁剪。

这类专有知识库的价值体现在两个层面。其一，弥补LLM在特定领域知识上的欠缺——通用模型不可能覆盖每个组织的业务细节。其二，即便某方面知识LLM本身就具备，通过知识库注入的方式让模型强化聚焦，token消耗更可控，幻觉也会更少。将通用知识框架与项目专有知识结合，帮助你不遗漏关键要素——这对弥补BA在领域知识上的Gap，是有实际意义的。

工作流程与工具的Gap

这是当前AI补全效果最显著的维度。BA Agent内置了完整的BA工作流——从根目的发现到合规审查，八个阶段渐进式推进。交互模式不是"你问一句，AI答一句"的对话式问答，而是一套结构化对话引擎：Agent引导流程推进，人在关键节点进行决策。

产出物（PRD、泳道图、数据字典、用户故事、UI规格、合规报告）自动生成，格式统一，版本可追溯。即便是一个新人BA，借助这套流程也能完成一次相对完整的需求分析。

沟通技巧的Gap

客观地说，这是当前AI最薄弱的环节。与业务方沟通时，措辞的分寸、提问的时机、确认的语气——这些需要对人性和组织政治有深度理解的能力，Agent尚不具备。

但它能做的是：将需要沟通确认的关键点明确标识（标记为"待确认"），由真实的BA去完成"最后一公里"的沟通。这实际上是重新划分了BA的工作边界——将结构化的分析工作交由Agent承担，让BA的精力集中在需要判断力、沟通力和决策力的事务上。

对未来BA工作范式的判断

基于以上实践，我对BA角色演进有以下判断：

角色重心将发生转移。BA的"翻译"职能——将业务需求转写为PRD、用户故事——会逐渐弱化，这一部分Agent的完成度正在持续提升。而"用户代表"的职能会强化：更深入地理解业务语境、更精准地判断需求优先级、更有效地在多方干系人之间实现平衡。

可支撑的业务领域范围将显著扩展。过去，BA的业务领域知识储备直接决定了能接手哪些项目——不懂支付清算的BA很难做支付系统，没接触过供应链的BA面对进销存需求往往无从下手。而专有领域知识库的引入，有望在一定程度上降低这种掣肘：组织积累的业务规则、术语和流程约定，通过Agent注入到需求分析过程中，BA不再需要"从零开始"熟悉一个领域。

沟通的投入不会减少。写PRD、画流程图、整理数据字典的时间被释放后，这些时间并不会消失——它们会转移到与业务方和开发团队的深度沟通上。这实际上是BA价值密度的提升：你的时间更多地花在"只有你能做的事情"上。

结语

BA Agent 的定位不是替代BA，而是重新划分工作边界：将结构化的需求分析工作交给Agent，让BA的精力聚焦在判断、沟通和决策上——这些才是BA不可替代的价值所在。

上述CRM案例的完整过程可在以下地址查阅和复现：

• 实践站点：mcp.smartmoves.com.cn
• Skill 定义文件（开源）：skillhub.cn/skills/ba-master
• 完整需求过程仓库：gitcode.com/weixin_38688012/ba-agent-work

本文是"Agent MCP Warehouse 实践系列"的第二篇。前篇讨论了软件研发的"工艺方差"问题及AI的结构性变量，本篇以BA Agent为切面，具体观察AI如何在实际工作流中发挥作用。