我們?nèi)栽谟?10 年前的思維框架，描述10年后的產(chǎn)品形態(tài)

我在搜索引擎搜索「AI產(chǎn)品 PRD」，結(jié)果中除了人人都是產(chǎn)品經(jīng)理社區(qū)的一篇文章外，其他結(jié)果要么是怎么用 AI 寫 PRD 的、要么是 AI 生成的沒有信息量的水稿。

傳統(tǒng)產(chǎn)品的 PRD 敘事結(jié)構(gòu)已經(jīng)不太適配當(dāng)下熱門的 AI 產(chǎn)品了。

新舊 PRD 的敘事差異

傳統(tǒng)產(chǎn)品 PRD 的敘事是圍繞「人」的需求、「人」的故事、「人」的旅程展開的。

通過論述什么人在什么場景下為達(dá)成什么目標(biāo)所以需要什么功能來完成整個(gè)產(chǎn)品設(shè)計(jì)思路的呈現(xiàn)和要求陳述。

過去是用戶-產(chǎn)品這樣的二元交互：我們設(shè)計(jì)好一個(gè)產(chǎn)品，用戶與產(chǎn)品交互，獲取自己想要的結(jié)果。

所以我們在設(shè)計(jì)產(chǎn)品的時(shí)候，要考慮用戶的種種可能性：

• ? 用戶不點(diǎn)這個(gè)按鈕的話，有其他選項(xiàng)么？

• ? 用戶會(huì)不會(huì)在這里輸入奇奇怪怪的內(nèi)容？

• ? 這個(gè)功能是用戶想要的東西么，偽需求？

• ? ……

所以傳統(tǒng)產(chǎn)品的 PRD 要先寫需求背景，再寫用戶故事，然后是用戶旅程，之后才是功能清單、說明。

但是產(chǎn)品引入 AI 大模型后，「人」不再是唯一的不確定性了，整個(gè)交互變成了用戶-模型-產(chǎn)品三元。

傳統(tǒng) PRD 里花大量筆墨描寫的“用戶故事”和“用戶旅程”可以淡化了，取而代之的應(yīng)該是“模型故事”和“模型旅程”：

• ?模型故事用來描述大模型以什么角色，在什么場景下，為了完成用戶的什么目標(biāo)，需要調(diào)用哪些程序獲取上下文；

• ?模型旅程用來描述大模型在整個(gè)任務(wù)完成過程中如何感知、規(guī)劃、行動(dòng)和反饋的一系列動(dòng)作旅程。

整個(gè)產(chǎn)品中，不確定因素和所有程序的主要服務(wù)對象變成了大模型。

換句話說，對于 Agent 型產(chǎn)品，我們 PRD 的主敘事需要變成“我們?nèi)绾螢槟Ｐ吞峁┓?wù)，讓它能更好的服務(wù)用戶”。

新 PRD 的結(jié)構(gòu)嵌入型 AI 產(chǎn)品的 PRD

對于“嵌入型 AI 產(chǎn)品”，它們無非以下兩種情況：

1. 1.老樹開新花：原本就可以正常運(yùn)行的產(chǎn)品，現(xiàn)在把其中的某些環(huán)節(jié)替換成 AI 大模型來實(shí)現(xiàn)，以期有更好的交互體驗(yàn)。典型如“AI客服”類賦能型產(chǎn)品。

2. 2.久旱逢甘霖：由來已久的需求，傳統(tǒng)技術(shù)解決不了，現(xiàn)在終于可以用 AI 大模型技術(shù)產(chǎn)品化解決了。典型如“AI寫作”類創(chuàng)作生成產(chǎn)品。

在這兩類產(chǎn)品里，AI 是產(chǎn)品實(shí)現(xiàn)邏輯中一個(gè)“寫死”的環(huán)節(jié)：它接收一個(gè)固定的輸入、按要求給出一個(gè)預(yù)期的輸出。

沒有感知、沒有決策、沒有手腳，跟查天氣的 API 接口沒有任何區(qū)別。

這種情況的產(chǎn)品設(shè)計(jì)中，PRD 完全可以采用傳統(tǒng)的敘事邏輯，只需要額外增加三個(gè)板塊即可：

1. 1. AI引入可行性分析：為什么引入AI（輸入彈性or規(guī)則彈性）、AI 的可控性論述(規(guī)則語言化&上下文可得性&能力邊界)

2. 2. 提示詞設(shè)計(jì)邏輯：模型角色、核心挑戰(zhàn)、設(shè)計(jì)策略的可行性分析、完整提示詞、輸出約束

3. 3. 評估和測試標(biāo)準(zhǔn)：輸入輸出的可容納彈性空間、不可控節(jié)點(diǎn)、重點(diǎn)關(guān)注維度、評估測試數(shù)據(jù)集要求

關(guān)于“AI引入可行性分析”，我一般從輸入彈性、規(guī)則可語言化水平、示例可得性、輸出彈性、重復(fù)度、容錯(cuò)空間幾個(gè)維度拆解。

前兩個(gè)與 AI 最相關(guān)的兩個(gè)維度，決定了能不能引入 AI，后面 4 個(gè)主要用來評估引入價(jià)值。

這個(gè)板塊，可以論述一下上下游情景、處理邏輯和模型的不可控風(fēng)險(xiǎn)：

1. 1. 上下游情景，對應(yīng)到大模型需要的輸入（上下文構(gòu)建）和輸出（是否需要結(jié)構(gòu)化、格式）

2. 2. 處理邏輯，即大模型扮演的角色和完成任務(wù)的方式

3. 3. 不可控風(fēng)險(xiǎn)，比如模型有可能輸出非結(jié)構(gòu)化，或者輸出 JSON 是帶著```json標(biāo)識(shí)符號(hào)

實(shí)際上，一個(gè)優(yōu)秀的提示詞，本身已經(jīng)是當(dāng)前節(jié)點(diǎn)的 PRD 了。

提示詞貼出來大家也就知道這里在干嘛、有啥風(fēng)險(xiǎn)了，因?yàn)橄嗤男畔ⅲ阋矐?yīng)該通過提示詞告知大模型。

Agent 型產(chǎn)品的 PRD

Agent 型產(chǎn)品才能撐起真正的“AI 產(chǎn)品革命”，它的底層思維是相信大模型可以，即便它有數(shù)不清的不確定性。

產(chǎn)品經(jīng)理的職責(zé)就是盡最大可能消滅這些不確定性，釋放大模型的能量。

所以，回到 Agent 型產(chǎn)品的 PRD，我建議專門增加三個(gè)板塊：模型故事、Agent工作流程和 Agent 的提示詞設(shè)計(jì)。

接下來，我以字節(jié)開源的 deer-flow 產(chǎn)品為例，反向思考，回到產(chǎn)品立項(xiàng)的起點(diǎn)，用我們以上的框架模擬一下這款產(chǎn)品的 PRD。

Agent 產(chǎn)品 PRD 模版

先說明： 文檔是根據(jù) deer-flow 的開源代碼反推產(chǎn)品功能和交互，在此基礎(chǔ)上推演了產(chǎn)品的目標(biāo)用戶和需求痛點(diǎn)，然后再基于此推演了用戶故事和用戶旅程，進(jìn)一步設(shè)計(jì)了各項(xiàng)功能。 因此，文檔并沒有涵蓋原始產(chǎn)品的所有功能。其中的提示詞設(shè)計(jì)思路也是從功能需求反推的。完整提示詞為原始提示詞的中文翻譯。 如有雷同，請發(fā)offer。

文檔包含了常規(guī) PRD 的需求背景、產(chǎn)品定位、用戶故事，但沒搞原型圖（畢竟人家產(chǎn)品都發(fā)布了，再畫原型圖實(shí)在沒意義）。

即便是模擬的 PRD，也有 4 萬+字，沒法貼在文章里，完整文檔的鏈接在文末。

簡單串一下每一個(gè)板塊的撰寫思路：

• ?模型故事板塊：描述模型在接收到用戶需求后，如何思考、規(guī)劃、執(zhí)行和驗(yàn)證的過程。

• ?Agent 工作流程設(shè)計(jì)板塊：描述單 Agent 執(zhí)行任務(wù)或多 Agent 分工協(xié)作的過程，核心是任務(wù)目標(biāo)如何在流程中被執(zhí)行、各流程節(jié)點(diǎn)如何傳遞數(shù)據(jù)。使用流程圖和時(shí)序圖呈現(xiàn)：

• • ? 流程圖是外部視角：理清任務(wù)如何一步步被消解掉

  • ? 時(shí)序圖是內(nèi)部視角：數(shù)據(jù)如何傳遞、如何加工

• ?提示詞設(shè)計(jì)板塊：圍繞系統(tǒng)中的 Agent 設(shè)計(jì)，每個(gè) Agent 一個(gè)/一組提示詞，以角色、挑戰(zhàn)、策略、提示詞和輸出控制 5 個(gè)板塊呈現(xiàn)。

• ?評估標(biāo)準(zhǔn)和測試數(shù)據(jù)集板塊：圍繞整個(gè)流程中所有已經(jīng) list 出來的模型不確定性組織物料，規(guī)則和測試數(shù)據(jù)對應(yīng)每個(gè) Agent 或模型交互節(jié)點(diǎn)中潛在的風(fēng)險(xiǎn)。

一些缺陷：

• ? 模型上下文需求的論述和呈現(xiàn)：任何一個(gè)與模型交互的節(jié)點(diǎn)，都應(yīng)該有充足的模型上下文構(gòu)建策略論述，但是我暫時(shí)還沒想好把它放在 PRD 文檔的哪個(gè)板塊。我在模型故事板塊每個(gè)模型故事最后增加了一個(gè)“為什么需要這些”，初衷是解釋當(dāng)前模型對上下文的需求，但它顯然應(yīng)該有更充分的論述和構(gòu)造策略。

• ? 一個(gè)產(chǎn)品從構(gòu)思到上線過程中一定會(huì)遇到大量被卡主的問題，其中大部分是邊做、邊發(fā)現(xiàn)、邊迭代的。但是這個(gè) PRD 是從完全體倒推的，繞不開“上帝視角”問題。我在拆解的過程一旦完成了“這個(gè)實(shí)現(xiàn)太巧妙了”的驚嘆，就很難再假裝這個(gè)問題沒有被發(fā)現(xiàn)、被解決了，所以文檔中有很多“使用 XX 工具處理”這樣的表述。

• ? 這份模擬 PRD 文檔更適合作為立項(xiàng)后項(xiàng)目實(shí)施推進(jìn)，立項(xiàng)前的場景引入 AI 可行性分析和引入價(jià)值分析沒寫。

以上，希望能拋磚引玉為大家提供一些思考的抓手。

容我宣傳一下我和人人都是產(chǎn)品經(jīng)理社區(qū)一起運(yùn)營的「AI 學(xué)習(xí)行動(dòng)圈」，加入后領(lǐng)取4 萬+字的 AI 產(chǎn)品 PRD 模板

AI學(xué)習(xí)行動(dòng)圈

這是我 23 年底開始，和人人都是產(chǎn)品經(jīng)理社區(qū)共同運(yùn)營的一個(gè)圈子，截止目前已經(jīng)持續(xù)運(yùn)營、維護(hù)超過 700 天了。

我的各種 AI 研究心得、發(fā)現(xiàn)的好應(yīng)用、開發(fā)的小項(xiàng)目都會(huì)在里面分享，目前圈子有核心三個(gè)交流學(xué)習(xí)平臺(tái)。

7 個(gè)微信群，早報(bào)和日常交流

微信群里每天一早有 AI 早報(bào)，上下午還有“讀報(bào)時(shí)間”，以及我每天不定期刷屏級的各種 AI 工具體驗(yàn)、提示詞編排思考、行業(yè)新聞解讀同步。

以及，你可以在群里討論任何與 AI 相關(guān)的工具、應(yīng)用問題，幾乎都能找到答案。

騰訊文檔-圈友空間

用來沉淀體系化、深度的 AI 文章和超長的工程化提示詞，不定期更新。

當(dāng)前包括：Claude code、Cursor、Manus等頂級產(chǎn)品的系統(tǒng)提示詞和工具列表，各種深度的 Agent 白皮書和實(shí)踐指南

知識(shí)星球-每日報(bào)告、工具和實(shí)戰(zhàn)經(jīng)驗(yàn)分享

我在星球里主要維護(hù)「實(shí)戰(zhàn)分享」「工具箱」和「情報(bào)局」三個(gè)標(biāo)簽

實(shí)戰(zhàn)分享是可以在日常工作和生活中直接應(yīng)用的提示詞和效率工具。上面截圖里的 Step-Back 提示詞就非常好用，堪比 o4。在公眾號(hào)、直播中演示的所有 AI 實(shí)戰(zhàn)應(yīng)用的提示詞也都在這個(gè)標(biāo)簽下。

AI 工具和鮮知道就是好用的、熱門的 AI 工具、資訊分享，我把那些太技術(shù)、太浮夸的都篩選了，放進(jìn)這個(gè)標(biāo)簽的都是可以直接用來的好玩兒！

加入圈子，跟 4300+ 行動(dòng)派一起玩 AI、聊 AI，精進(jìn)起飛~