Grift —— 把散落的客户声音，转化为开发团队的规格

课题

在受托开发的现场，案件入口处“客户真正想要的东西”大多尚未被语言化。咨询表单、聊天记录、会议纪要中散落着零碎的需求，开发团队要靠人工逐一解读，再翻译成需求定义。大量时间就消耗在这“最初的梳理”上。

还有一个课题，是我们自身也身处其中的：报价的依据。即便是类似的案件，出价方式也会因负责人的经验与直觉而产生偏差，有时无法向客户与团队完整说明“为什么是这个金额”。属人化的报价，在资深成员离开的瞬间就会变成黑箱。Grift 正是为同时解决这两个课题而诞生的产品。

思路

我们没有直接处理不定形的文本，而是设计为让 AI 经历“意图的分解 → 缺失信息的补全 → 结构化”这几个阶段。最终判断仍由人来掌握，机械性的梳理交给 AI，以此减少遗漏与返工。

关于报价，我们同样没有让 AI 直接给出金额。设计理念是：以过往实绩与市场行情等素材为基础，组建成一份“人能够解释为什么是这个金额”的参考报价。我们不把一切甩给 AI 就算完事，而是坚守最终判断与说明责任由人承担这条底线。

实装

AI 会解析输入的原始文本，将其分解为变更需求的单位。缺失的信息以追加提问的形式提示，待回答齐备后对完整度进行评分。信息足够充分的需求会被转换为需求定义、报价与作业包，以开发团队可以直接着手的形式输出。

在生成报价时，系统会将结构化后的需求与过往实绩、行情感知等素材相互印证，并附上依据作为参考报价呈现。让团队不仅能确认金额，还能确认“这个数字基于什么得出”，正是这款产品的用心之处。目前 Grift 处于 Team Beta 阶段，在公司内外的实际案件中持续验证，相关介绍也可参见 griftai.org。

成果

案件入口处发生的“为了梳理而梳理”被压缩了，开发团队得以把更多时间投入到需求的确认与实装的判断上。与客户的往来中，什么已经确定、什么尚未确定变得可见，认知偏差也更不容易发生。

由于报价的依据能够被语言化，过去属人化的判断得以在团队内共享与交接。Grift 本身仍是验证中的产品，但“不把报价甩给 AI”这一理念，正是我们在受托开发案件中每天面对的课题。我们希望先在自己的现场把它培育起来，再以有把握的形态对外传达。