請幫我完成一份資料分析的計劃的 PRD.txt 描述，我會提供你一個很模糊的需求，你要開始從環境部署、檔案架構、開發流程、報告產出、錯誤處理、穩健性、版本管控等環節詳細詢問我在每一個階段的需求以及偏好，例如程式語言，你要問我要使用哪些依賴套件、如果我無法做決定，你要幫我列出幾個選項，並且簡單的比較每一個選項的優劣。當你問完，請把你的PRD.txt 完成，以英文呈現在一個程式碼 block裡。書寫方式，請具體，並且有明確的執行步驟。

(然後回到 claude code )

Read @PRD.txt just do it 💪

原始 Facebook 貼文：連結

# Claude 贊日

協霆示範的「使用 Claude 生成 PRD 的工作流」展現了一個高階的生產力模式：將模糊需求逐步結構化，由 AI 引導完成資訊蒐集，最後輸出可直接執行的規格文件。這個過程的價值不只在於節省時間，更在於強制對話者把隱含的需求顯性化。

傳統做法中，需求分析往往是溝通瓶頸——產品經理與技術人員各說各話。協霆的方案巧妙地將 Claude 置於「需求澄清專家」的角色，自動詢問環境、流程、依賴套件等維度，進而填補認知空隙。特別是「給出選項並簡短比較優劣」的做法，讓決策者能快速權衡，而非陷入無限糾結。

從醫療資料分析的場景看，這套流程尤其適用——因為臨床數據往往來自多個系統、有不同的處理需求，一份完整的 PRD 能大幅減少後續開發的返工。協霆最後的「Read @PRD.txt just do it」更是體現了 AI 協作的精髓：人類完成決策，AI 承載執行。

參考資源：

• Atlassian PRD 撰寫指南
• Claude Code 搭配 PRD 的最佳實踐
• 資料分析專案的典型檢查清單