4 min read893 words

附录工具包：模板、判断表与上线清单

这一页不是概念说明，而是给你在真实项目里直接复用的工具骨架。你可以把它们当成开项目、切 MVP、做上线准备时的标准模板。

AI Product Delivery Loop

graph TD A["Discover
发现问题"] --> B["Define
定义目标"] B --> C["Break Down
拆解场景"] C --> D["AI Fit
判断 AI 适配"] D --> E["Solution Design
设计方案"] E --> F["Scope MVP
定义 MVP"] F --> G["Prototype & Validate
原型验证"] G --> H["Delivery Planning
交付准备"] H --> I["Launch & Monitor
上线监控"] I --> J["Iterate
持续优化"]

工具 1：问题陈述模板

项目	填写方式
用户角色	谁遇到问题
场景	在什么流程中发生
当前做法	今天怎么解决
主要痛点	慢、贵、错、乱，分别体现在哪里
影响范围	多少人、多高频、多大损失
非目标	这次明确不解决什么

示例句式：

“[用户角色] 在 [场景] 中，需要通过 [当前做法] 完成任务，但因为 [痛点] 导致 [损失]。现有方法不足以稳定支撑，因此需要设计新的解决方案。”

工具 2：AI Fit 判断表

判断维度	低	中	高
任务规则清晰度	固定规则即可	规则 + 少量判断	高度语义理解
容错要求	几乎不能错	可容忍小错	可接受概率型输出
知识变化频率	很少变化	周期更新	高频变化，需要检索
可解释性要求	必须强可解释	部分可解释	可接受黑盒结果
数据可得性	几乎没有	有部分数据	数据与反馈闭环完整

结论规则：

规则清晰、容错极低的场景，优先考虑规则引擎
语义理解强、知识频繁变化的场景，可优先评估 RAG
高风险自动决策场景，优先做人机协作，不直接全自动

工具 3：MVP 范围表

级别	定义	例子
P0	不做就无法验证核心价值	FAQ 检索、回答日志、人工转接
P1	能明显提升体验，但第一版可延后	个性化推荐、多轮记忆
P2	未来增强项	自动学习、复杂 Agent 编排

切 MVP 时，问自己三个问题：

如果只保留最关键能力，用户还能完成核心任务吗？
如果这个能力效果不稳定，是否有人工兜底？
上线两周内，我们能清楚判断它有无价值吗？

工具 4：PRD 最小骨架

模块	内容
背景	当前问题、业务背景、已有替代方案
目标	业务目标、用户目标、非目标
用户与场景	主要角色、关键任务、异常场景
方案概述	产品流程、AI 能力、人工介入点
范围	P0/P1/P2、明确不做
验收	成功指标、验收标准、上线门槛
风险	幻觉、权限、隐私、合规、成本

工具 5：上线检查清单

launch_checklist = {
"产品": ["目标明确", "用户路径清晰", "异常流程定义完成"],
"AI": ["Prompt 版本确认", "知识源可追踪", "高风险问题可拒答"],
"工程": ["日志可查", "监控可看", "回滚方案可执行"],
"运营": ["反馈入口准备好", "人工接管流程明确", "FAQ 更新机制就绪"],
"合规": ["权限校验通过", "敏感数据处理确认", "审计记录开启"],
}
for area, items in launch_checklist.items():
print(f"\n[{area}]")
for item in items:
print(f"- {item}")

工具 6：复盘问题清单

维度	复盘问题
价值	这次版本真的改善了哪个结果
使用	用户在哪一步放弃或转人工
质量	主要错误类型是什么
成本	Token、人工、维护成本是否可接受
节奏	哪个协作环节最拖慢交付
下一步	应继续优化、扩大，还是停止投入

本章小结

工具的意义不是增加文件，而是帮助团队统一判断方式
好模板应服务于真实决策，而不是制造文档负担
先用最小模板跑通一次项目，再逐步补强细节

返回目录：AI时代产品经理实战手册