客户不知道自己要什么，客户说的和做的是两回事，最高质量的调研发生在共同劳动中。这三句话，是 FDE 需求调研方法论的全部。翻译成人话：别问客户想要什么，去看他每天怎么干活。
为什么「问」出来的需求不靠谱
传统需求调研的信条是「问」：问卷、访谈、焦点小组。FDE 的信条是「看」和「做」。原因有三层，一层比一层要命。
第一层：面对全新品类，用户没有参照系。2004 年的情报分析软件、2025 年的企业智能体，客户没法凭空描述「我要什么」。但人对「哪里不对」的判断力，远强于对「要什么」的想象力——给方案挑毛病是人类的天赋，凭空描述理想方案是人类的短板。
第二层：客户说的和做的，是两回事。问卷调研「是否愿意用专业 AI 工具」，采购部门会说意愿强烈——毕竟刚花了五万美元买工具；但观察律师们的实际行为，他们在用免费的 ChatGPT 起草合同。企业语境下，「说」被太多因素污染：政治正确、对供应商的客气、对自身角色的维护。只有行为不会撒谎。
什么是影子工作法
跟着真实用户，过完他真实的一天。不是采访他，是坐在他旁边看他工作——看他打开哪些系统、在哪些电子表格之间复制粘贴、在哪些环节皱眉头、绕过哪些「官方流程」。
OpenAI 的 FDE 团队在约翰迪尔项目里就是这么做的：飞到爱荷华州，跟着农艺专家和农场主下地，看他们如何做施药决策、看哪些信息真正进入决策、看季节死线如何支配一切。有个细节说明这套方法的发现对象：最值钱的情报不是「客户告诉你的需求」，而是「没写进文档的工作流、人们真正信任的数据源、知道流程为什么是那样的那个人」——这三样东西，每一样都只能现场找到。
重点观察「变通」，而不是「流程」
官方流程图告诉你组织「应该怎么运转」，变通告诉你组织「实际怎么运转」。每一个变通，都是一个未被满足的痛点。
变通是组织的疤，每道疤下面都是一次系统的失败，也都是智能体落地的机会。我们在 交付流程的「场景澄清」阶段做的事，本质上就是把这套观察方法制度化：不急着写需求文档，先派人到业务现场待几天，把真实的动作、真实的变通、真实的痛点摸清楚。
警惕「翻译过的痛点」
你听到的需求，如果是经客户信息部门、采购部门、咨询顾问转述的，每转一手就失真一次——信息部门把业务痛点翻译成技术需求（「需要一套数据平台」），采购部门把它翻译成合规条目（「需要满足某某标准」）。传统软件项目的灾难往往从这里开始：厂商对翻译件负责，而不是对痛点本身负责。
「需求」是痛点的二手叙述，「使命」才是痛点的一手出处。做智能体落地，第一要务是绕过翻译件，直达疼痛的神经末梢。这跟 知识库的「脏数据」问题是同一件事的两面：你接到的需求越「干净」，越说明它离真实的工作现场很远。
最高质量的调研，发生在共同劳动中
访谈里，客户是「被研究对象」，警惕而表演；并肩干活时，客户是同事，松弛而真实。客户会在调试的间隙随口说出「其实这个字段我们从来不信」「这条流程表面走系统，实际还是打电话」——这些话在正式访谈里永远不会出现，因为它们看起来「不正式」。
所以有效的场景澄清不是开需求会，而是和客户的业务骨干一起，把一份真实的周报、一张真实的报表、一次真实的异常处理过一遍。答案藏在共同劳动里。制造、政务、金融的场景我们都走过这条路：制造业的知识助手要接的是设备台账和工艺文档的「真实版本」，政务的政策助手要处理的是「文件为什么是这么写的」，这些只有站在旁边看才看得见。