附录：AI PRD 完整模板
这一页给你一个可以直接复制改写的 AI PRD 模板。重点不是写得多，而是写得能帮助团队统一判断。
AI PRD 模板结构
graph TD
A["背景与问题"] --> B["目标与非目标"]
B --> C["用户与场景"]
C --> D["方案概述"]
D --> E["范围与优先级"]
E --> F["评估与验收"]
F --> G["风险与回滚"]
模板正文
| 模块 | 说明 |
|---|---|
| 背景 | 当前流程、当前问题、现有替代方案 |
| 问题陈述 | 谁、在什么场景、遇到什么损失 |
| 目标 | 业务目标、用户目标、系统目标 |
| 非目标 | 明确这次不解决什么 |
| 核心场景 | 高频场景、异常场景、边界场景 |
| AI 方案 | Prompt / RAG / Workflow / 人工介入 |
| 范围 | P0 / P1 / P2 |
| 评估 | 基线、目标值、观察周期、样本 |
| 风险 | 幻觉、越权、隐私、成本、知识过期 |
| 回滚 | 人工接管、功能关闭、版本切回 |
迷你示例
ai_prd = {
"问题陈述": "客服团队处理重复性订单问题成本高、首响慢",
"目标": ["首响时间下降", "人工重复工单下降"],
"非目标": ["替代所有人工客服"],
"P0": ["RAG 问答", "人工转接", "日志"],
"风险": ["误答政策", "知识过期"],
}
for key, value in ai_prd.items():
print(key, value)
使用 checklist
- 是否写清楚了问题，而不是只写功能
- 是否写清楚了非目标
- 是否写清楚了失败与回滚方式
- 是否写清楚了如何判断这版成功
本页小结
- PRD 要服务于判断，而不是服务于堆字数
- AI PRD 的关键是边界、评估、风险和回滚
下一页：附录：AI Fit 评估记分卡