产品需求池最容易失控的地方，不是没有反馈，而是反馈太散。客户访谈里说了一遍，客服工单里又出现一次，销售备注写了类似问题，群聊里还有几句抱怨。最后需求池里堆出十几个相似待办，看起来都重要，实际没有人知道该先做哪一个。
AI Agent 适合做需求池的第一轮去重和归并。它不替产品经理拍板，而是把分散材料合并成可讨论的需求条目，接上 客服工单根因聚类、销售漏斗健康检查 和 证据链。
先保留反馈来源
去重不能只看语义相似。两个客户都说“导出不好用”，背后可能一个是字段不全，一个是审批太慢，一个是下载链接过期。Agent 在合并前要保留来源、时间、客户类型和原话片段。
这一步很重要，因为后面排优先级时，团队需要知道需求来自真实客户、内部猜测，还是一次临时抱怨。
把相似反馈合成需求主题
归并时可以先按主题分组，比如导出、权限、通知、审批、报表、知识库、移动端。每个主题下面再列具体场景，而不是把所有相似词直接合成一个大需求。
好的需求条目应该能回答三件事：谁遇到问题，在哪个流程遇到，当前替代做法是什么。回答不了这三点，就先放进待澄清区。
频次要和客户价值一起看
出现次数多不一定最优先。一个低价值场景被重复提到十次，和一个关键客户的上线阻塞问题，不能用同一把尺子衡量。Agent 可以帮忙统计频次，但优先级还要结合客户价值、收入影响、战略方向和交付成本。
这也能接上 续费风险雷达。如果某类需求和续费风险、工单升级、销售卡点同时出现，它的优先级就应该提高。
输出要能进入产品待办
最后的输出不要停留在一份摘要。更实用的格式是：需求主题、代表客户、证据片段、出现频次、影响范围、建议动作、待确认问题和负责人。
这样产品经理可以直接把成熟需求进入待办，把证据不足的内容退回访谈，把重复项合并到已有史诗或任务里。
总结
用 AI Agent 做需求池去重，重点不是把反馈压缩成更短的摘要，而是把重复反馈合并成可追踪需求。证据、频次、客户价值和优先级放在一起，产品排期才不会只靠印象。
