用途：作为需求获取方法论的中心枢纽，帮助选择获取技术、编排多来源获取流程，并配置 AI 辅助的自主级别。触发关键词包括需求收集、需求获取、干系人需求、需求发现、用户需求、功能请求、访谈、需求会议。
技术选择（决策树）：有干系人可访谈时用 interview-conducting；有文档/PDF 可挖掘时用 document-extraction；独自工作需多视角时用 stakeholder-simulation；需要领域知识时用 domain-research；检查完整性时用 gap-analysis；准备规格时用 /export 命令。
四类获取技术：1）干系人访谈，采用研究支持的 LLMREI 提示策略，适合可直接接触干系人、复杂领域探索、捕捉隐性知识；2）文档提取，从既有需求文档、会议记录、法规文档、竞品分析中挖掘；3）干系人模拟，多角色模拟，适合无直接干系人访问、需多视角、验证完整性；4）领域研究，通过 MCP 查询获取领域知识、行业标准、竞品与技术约束。
自主级别：guided（AI 建议问题、人工批准，逐条验证需求，人工控制访谈流程，适合敏感或受监管领域）；semi-auto（AI 访谈带检查点，人工批量验证，定期进度审查）；full-auto（端到端获取，仅审查最终输出，适合熟悉领域、时间紧迫、初步发现）。
标准流程：1 上下文收集并选择自主级别；2 多来源获取；3 综合（合并、去重、按功能/非功能/约束分类、MoSCoW 优先级）；4 验证（缺口分析、完整性检查、冲突检测、INVEST 评分）；5 输出到 .requirements/{domain}/ 并生成摘要报告。
输出为预规范化 requirements.yaml，含来源、需求（id、文本、来源、优先级、类别、置信度、验证状态）、缺口与元数据。可用命令：/requirements-elicitation:export --to canonical|ears|gherkin。
相关技能：interview-conducting、document-extraction、stakeholder-simulation、gap-analysis、domain-research。参考文件：references/llmrei-patterns.md、references/technique-matrix.md、references/autonomy-levels.md。
限制：资料未提供具体收费、定价、平台支持或实际效果数据。