PRD 在 AI 时代该怎么写，才真的有用
AI 时代最差的 PRD，是把一堆页面说明和想法堆在一起，最后谁都看不出这份文档想解决什么、如何验证成功、风险在哪里。
好的 PRD 不该只是“交付说明书”，而应该是“团队的共同判断文件”。
AI PRD 至少要解决五件事
- 说明问题和目标
- 定义场景和边界
- 描述产品与系统流程
- 写清风险、验收和回滚
- 帮团队做优先级取舍
AI PRD 的推荐骨架
| 模块 | 重点 |
|---|---|
| 背景与问题 | 当前流程、痛点、替代方案 |
| 目标与非目标 | 想改善什么，不想解决什么 |
| 用户与场景 | 角色、任务、异常、边界 |
| 方案概述 | Prompt / RAG / Workflow / 人工介入点 |
| 范围与优先级 | P0 / P1 / P2 |
| 验收标准 | 指标、阈值、样例 |
| 风险与治理 | 幻觉、权限、隐私、成本 |
PRD 里最容易被漏掉的三块
1. 失败时怎么办
AI 一定会失败，所以 PRD 里必须写：
- 拒答条件
- 人工接管条件
- 错误案例分类
- 回滚方式
2. 怎么评估
不能只写“功能上线”，还要写：
- 评估样本
- 指标定义
- 观察周期
- 决策门槛
3. 什么明确不做
这是防止范围膨胀最有效的一页。
一个简化 PRD 数据结构
prd = {
"问题": "客服重复性问答占比高，首响慢",
"目标": [
"首次响应时间降到 2 分钟内",
"重复工单占比从 72% 降到 50%",
],
"非目标": ["自动处理投诉赔付", "替代全部人工客服"],
"P0": ["知识检索", "回答生成", "人工转接", "日志"],
"风险": ["误答", "知识过期", "高峰延迟"],
}
for key, value in prd.items():
print(key, value)
常见误区
| 误区 | 表现 | 后果 |
|---|---|---|
| 写很多页面逻辑，却没写目标 | 文档很厚但没方向 | 团队难以判断取舍 |
| 只讲 happy path | 没写失败与兜底 | 上线后体验断裂 |
| 验收标准模糊 | “效果好一点” | 争议不断，无法收口 |
课堂案例：重写一份没法落地的 PRD
原始写法
“做一个 AI 客服，支持用户提问、推荐答案、提升体验。”
为什么不行
- 没写问题背景
- 没写目标值
- 没写边界
- 没写高风险问题怎么处理
- 没写验收标准
教学改写
重写后至少应包含：
- 当前重复性问题占比与首响基线
- 第一版只承接哪些问题
- 哪些问题必须人工接管
- 用什么指标判断第一版成功
练习题
- AI PRD 与传统功能 PRD 的关键差异是什么
- 为什么失败机制必须写进 PRD
- 你会如何在 PRD 里描述“非目标”
标准答案提示
- 重点放在风险、评估、回滚、人机协作和不确定性管理
- 因为 AI 失败是高概率事件，不写失败机制就等于把风险推迟到上线后
- 非目标要具体到本版不做的能力、场景和自动化边界
本章 checklist
- 我是否写清楚了目标与非目标
- 我是否写了场景、边界、异常和人工介入点
- 我是否定义了评估和验收标准
- 我是否能让设计、工程、AI 团队从同一份 PRD 中读出相同理解
本章小结
- AI PRD 的价值不在于字数，而在于能否统一团队判断
- 失败机制、评估标准、非目标，是 AI PRD 的关键部分
- 让文档帮助决策，而不是增加阅读负担
下一节：02-AI-PRD标准结构与写作模板 — 一份可直接套用的 AI PRD 模板，覆盖目标、场景、边界、失败机制与验收标准。