业务复杂项目：需求理解前梳理三大规则 + 基于Dify搭建完整知识库方案
针对业务复杂、尚未深入拆解需求的场景，核心思路是：先全域摸底划边界 → 分层拆解业务/约束/数据三大规则 → 标准化结构化内容 → 适配Dify做分片、索引、应用配置 → 建立长效更新机制。
全程先梳理规则、再对接需求，避免需求理解混乱、规则遗漏、团队口径不统一；同时结合Dify知识库的向量检索、语义问答能力，把零散规则沉淀为团队可复用的业务资产。
一、前置准备：需求理解前的业务全域摸底（打底工作）
还未深入需求时，不要直接抠细节，先锁定业务范围、干系人、现有资产，避免梳理方向跑偏。
1. 盘点现有业务资产（优先利用存量）
收集项目全量历史资料，这是规则来源核心：
- 业务类：老系统操作手册、业务流程文档、线下作业台账、客户对接协议/业务约定、历史培训资料；
- 问题类：历史工单、故障记录、驳回案例、客诉问题（反向提炼约束与异常规则）；
- 技术类：旧库表说明、接口报文、报表模板、上下游系统对接文档；
- 合规类：行业监管要求、公司内控条例、数据安全规范。
2. 锁定核心干系人（规则求证对象）
业务复杂项目必须对齐一线角色，按优先级访谈：
3. 绘制极简业务主链路（框定范围）
不用画详细流程图，仅梳理核心角色、核心模块、业务流向、上下游系统，明确：
- 整个业务分哪几个大模块（如用户、订单、结算、风控、仓储）；
- 模块之间的先后顺序、数据流向；
- 外部对接的第三方系统/平台。
作用：后续所有规则都按业务模块拆分，避免规则杂乱无章。
二、核心环节：分层梳理 业务规则 / 约束规则 / 数据规则
三大规则定义、梳理维度、方法、产出物严格区分，禁止混写（混写会导致后续Dify检索、团队查阅效率大幅下降）。下面分别说明，附统一梳理模板。
（一）三类规则核心定义（先分清边界）
| 业务规则 | 业务正常运转的逻辑、计算、场景分支（业务本身“该怎么做”） | 业务行为逻辑，回答「业务流程/计算/场景是什么」 |
| 约束规则 | 全流程硬性边界、限制、卡点、权限、合规（什么能做、什么绝对不能做） | 行为红线，回答「哪些操作/状态被禁止/限制」 |
| 数据规则 | 数据定义、格式、校验、关联、流转、编码（数据本身的标准） | 数据标准，回答「数据长什么样、怎么传、怎么存」 |
（二）1. 业务规则梳理
1. 梳理维度（按模块拆解）
围绕业务流程、场景、逻辑展开，重点覆盖：
2. 梳理方法
- 跟着现有系统/线下流程全场景走查，模拟完整操作链路；
- 枚举典型场景：正常场景、边缘场景、高频异常场景；
- 访谈业务专家，重点挖掘口头约定、隐形业务逻辑（复杂项目重灾区）。
3. 标准产出物
《XX模块-业务规则清单》，建议用表格标准化记录：
| BUS-001 | 订单模块 | 计算规则 | 订单满200元立减30元，上不封顶 | 普通零售订单 | 商品为非特价品 | 业务负责人A |
（三）2. 约束规则梳理（硬性红线，优先级最高）
复杂项目80%的线上问题来自约束遗漏，需重点梳理。
1. 梳理维度
2. 梳理方法
- 复盘历史驳回记录、风控拦截、故障工单；
- 核对合规文件、内控要求、对外合作协议；
- 梳理业务状态机，画出状态流转禁止路径。
3. 标准产出物
《XX模块-约束规则清单》《业务状态约束表》，格式同上，重点标注**“禁止/限制/仅允许”**等关键词。
（四）3. 数据规则梳理（系统落地的基础）
所有业务最终都会落地为数据，需求未明确前先统一数据标准，避免后续返工。
1. 梳理维度
2. 梳理方法
- 提取旧系统库表、接口报文、报表字段；
- 整理各类编号、编码的生成规则；
- 汇总日常数据报错、格式异常问题，反向补全校验规则。
3. 标准产出物
《数据字典》《XX模块-数据规则清单》。
三、内容结构化：适配Dify知识库的前置加工
Dify基于向量检索+语义问答工作，大段杂乱文本、口语化描述、整份巨型文档会严重降低检索精度。梳理完规则后，必须做标准化加工。
1. 统一文档规范（强制要求）
命名规范
格式：【业务模块】-【规则类型】-规则文档.md
示例：【订单模块】-业务规则.md、【用户模块】-约束规则.md
内容文风
全部使用书面化、精准语句，删除口语、模糊描述；
例：错误→“订单好像不能改地址”；正确→“订单状态为「已支付」时，禁止修改收货地址”。
目录分级
单文档内用 markdown 分级：一级标题=模块，二级标题=场景/子功能，三级标题=具体规则。
2. 文档切片（Dify核心优化点）
禁止把全项目规则合并为一个文件，按「模块+规则类型」拆分为独立小文档：
- 单文档篇幅：控制在 200~600字 最佳；
- 拆分逻辑：一个业务模块下，业务规则、约束规则、数据规则分为3个独立文档；
- 复杂子模块再二次拆分：如订单模块拆分为「下单规则」「售后规则」「结算规则」。
原理：Dify向量分片越小，语义匹配越精准，复杂业务必须精细化切片。
3. 统一打标签/关键词（用于检索过滤）
为每一份文档提取元数据标签，后续在Dify中实现筛选检索：
- 固定标签维度：业务模块、规则类型、适用角色、风险等级（普通/风控/合规）；
- 示例标签：订单模块、约束规则、运营角色、高风险。
4. 内容汇总包
最终整理成果包结构（直接用于上传Dify）：
项目业务规则知识库/
├─ 用户模块/
│ ├─ 用户模块-业务规则.md
│ ├─ 用户模块-约束规则.md
│ └─ 用户模块-数据规则.md
├─ 订单模块/
├─ 结算模块/
└─ 公共通用规则/（全局约束、通用数据规则）
四、基于Dify搭建专属业务规则知识库（全流程落地）
以Dify 公有云/私有化部署通用流程为例，分为：知识库创建 → 文档导入 → 索引配置 → 应用搭建 → 权限管控 5步。
步骤1：新建专属知识库
步骤2：批量导入文档 + 分片微调
- 开启「自动语义分段」；
- 分段长度：设置为 300字符左右（匹配我们前期的文档切片）；
- 关闭“整文档作为一个片段”；
步骤3：索引与检索策略配置（提升问答准确率）
针对业务规则、约束、数据规则这类强精准需求，做双索引配置：
步骤4：搭建两类应用（团队不同场景使用）
根据团队诉求，搭建「检索查询应用」和「智能问答应用」，覆盖所有使用场景。
应用A：知识库检索工具（适合研发、测试、产品自查）
- 用途：精准查找某条规则、核对边界；
- 配置：仅开启「知识库检索」，关闭大模型总结，直接展示原文片段。
应用B：智能问答助手（适合业务、新人、问题排查）
支持自然语言提问（例：“已发货订单有哪些约束？”“手机号的数据规则是什么？”），重点配置提示词（Prompt） 杜绝大模型幻觉：
【标准提示词模板（直接复制使用）】
你是本项目的业务规则专家，仅基于关联知识库内容回答用户问题。
步骤5：权限管控（多人协作必备）
复杂项目团队角色多，按权限分级：
五、上线校验 + 长效迭代机制（业务复杂项目重中之重）
规则不是一次性工作，业务会迭代、规则会变更，必须建立运维机制。
1. 上线校验（验收知识库效果）
2. 日常使用规范
要求团队：需求沟通、开发、测试、问题排查，优先查询Dify知识库，统一业务口径。
3. 规则更新流程（标准化变更）
4. 定期复盘补全
- 每周：结合线上问题、工单，查漏补缺遗漏规则；
- 每月：全量巡检知识库，删除失效规则、合并重复规则。
六、高频避坑点（针对复杂业务专属）
本方案核心就是「需求理解前先定规则」，否则需求会反复变更、边界混乱。
混写会导致Dify检索内容杂乱，团队查阅分不清逻辑、边界、数据标准。
单文件超过1000字必然导致向量分片失效，检索精度暴跌。
规则类内容一旦编造会引发线上故障，提示词必须强制“仅引用知识库”。
复杂项目大量规则存在于业务人员口头，必须通过访谈、复盘历史问题补齐。
七、快速落地总结
整套方案落地后，不仅能搞定需求理解阶段的规则统一，还能把零散业务经验沉淀为团队资产，新人上手、跨角色协作、问题排查效率都会大幅提升。
