我用 AI 把需求文档写作时间从 3 天缩到 3 小时

翻车现场：那份被开发骂的 PRD

去年 7 月，我第一次尝试用 AI 写 PRD。

当时的想法很简单：把需求背景和功能点丢给 ChatGPT，让它生成一份完整的需求文档，我只需要稍微改改就能发出去。结果呢？

开发在评审会上直接开骂：

"这个数据来源你写的'从后台获取'，具体是哪个接口？"
"这里说'用户可以自定义筛选'，筛选维度是什么？有没有上限？"
"异常情况处理写的'提示用户重试'，网络超时、权限不足、数据为空，提示都一样吗？"

我一个都答不上来。那份 PRD 看起来"很完整"，实际上全是"看起来正确但经不起推敲"的废话。

那次评审会开了 2 小时，最后结论是：这份 PRD 不能用，重写。

我花了 3 天重新写，那一周基本没干别的。

转折点：AI 不是"替代"，是"协作"

翻车之后，我复盘了问题：

不是 AI 不行，是我用错了。

AI 生成的 PRD 就像"毛坯房"——结构有了，但水电、装修、家具都没有。如果你直接把毛坯房当精装房交付，肯定翻车。

真正高效的用法是：让 AI 干"重复性、结构化"的工作，把时间留给"判断、细化、校验"。

经过半年的实践，我现在写 PRD 的流程是这样的：

我的 AI 辅助 PRD 写作流程（实战版）

第一步：需求拆解与结构生成（30 分钟）

工具： Claude Sonnet 4.5

输入内容：

我会把这些信息整理成一段描述（语音输入或文字都行）：

需求背景
- 为什么要做这个功能？解决什么问题？
目标用户
- 谁会用？使用场景是什么？
核心功能
- 需要实现哪些能力？（列出 3-5 个核心点即可）
约束条件
- 技术限制、时间限制、预算限制

示例输入：

背景：用户反馈在处理大量商品时，手动批量编辑太慢，希望能用 AI 辅助填充商品描述。

目标用户：跨境电商卖家，日均上架 50+ 商品，对商品描述质量要求高但时间有限。

核心功能：
1. 用户上传商品图片和基础信息（标题、类目）
2. AI 生成符合平台规则的商品描述
3. 用户可以编辑调整
4. 支持批量处理

约束条件：
- 要对接紫鸟浏览器的现有账号体系
- 单次批量处理上限 100 个商品
- 生成速度要在 10 秒内完成单个商品描述

让 Claude 做什么：

我会让它生成 PRD 的骨架：

功能概述
用户场景
功能详细说明（流程图用文字描述）
交互说明（关键页面结构）
数据字段（初步列举）

输出质量：

Claude 生成的文档逻辑清晰，结构完整，大概能覆盖 60% 的内容。但细节都是"占位符"级别的，需要后续补充。

第二步：场景细化与边界定义（1 小时）

这一步是 人工主导，AI 辅助。

我会做的事：

补充具体数据
- 把"从后台获取"改成"调用 /api/v1/products 接口"
定义边界条件
- 比如"标题长度 10-200 字符，超出则截断"
补充异常流程
- 网络超时、权限不足、数据为空各自怎么处理
添加前置条件
- 用户需要先完成什么操作才能使用这个功能

AI 辅助的点：

我会用 GPT-4o 来"挑刺"——把初稿丢给它，问它：

"这个流程有没有逻辑漏洞？"
"用户在 XX 情况下会遇到什么问题？"
"这个功能如果被恶意使用，会有什么风险？"

GPT-4o 会列出一堆可能的问题，我从中筛选出"确实需要考虑"的部分，补充到 PRD 里。

实测价值：

这一步让 PRD 的"可落地性"提升了 80%。以前开发评审时总是被问"这个情况怎么处理"，现在 PRD 里基本都覆盖到了。

第三步：流程图与交互细节（40 分钟）

工具： Figma + AI 辅助

我会画两类图：

功能流程图
- 用户从进入到完成的完整路径
状态机图
- 关键状态的流转（比如"待生成 → 生成中 → 生成成功/失败"）

AI 辅助的点：

用 ChatGPT 生成流程图的 Mermaid 代码，然后我在 Figma 里美化
用 Figma AI 检查流程是否有"断路"（比如某个状态没有退出路径）

实测数据：

以前画流程图要 1-2 小时，现在 40 分钟搞定
流程覆盖度从"主流程 + 几个异常"提升到"所有分支都画出来"

第四步：数据字段与接口定义（30 分钟）

工具： Claude + 公司的接口文档

这一步是"翻译工作"——把产品功能翻译成技术语言。

我会做的事：

列出所有需要存储的数据字段（比如"商品描述"字段：类型 Text，长度 500-5000 字符）
列出需要调用的接口（请求参数、返回数据）
定义数据校验规则（必填/非必填、格式要求）

AI 辅助的点：

我会把功能描述丢给 Claude，让它帮我生成数据字段表格：

示例输出：

| 字段名 | 类型 | 长度 | 必填 | 说明 |

|--------|------|------|------|------|

然后我基于公司实际的接口文档做调整。

实测价值：

减少了跟后端的"字段对齐"沟通时间
PRD 更"接地气"，开发看了直接就能动手

第五步：人工终审与查漏补缺（30 分钟）

这一步是 纯人工，不依赖 AI。

我会做这几件事：

通读一遍 PRD
- 确保逻辑连贯，没有前后矛盾
检查关键细节
- 数据来源、异常处理、权限控制是否都写清楚了
模拟开发视角
- 如果我是开发，看到这份 PRD 能不能直接动手做

我的检查清单：

[ ] 每个功能点都有明确的"触发条件"和"结果"
[ ] 所有异常情况都有处理方案
[ ] 数据字段、接口、权限都有明确定义
[ ] 有没有"看起来对但实际不可行"的描述

如果检查出问题，回到对应步骤修改。

对比：用 AI 前 vs 用 AI 后

|------|----------|----------|----------|

| 需求拆解与结构生成 | 4 小时 | 30 分钟 | 87% |

| 场景细化与边界定义 | 8 小时 | 1 小时 | 87% |

| 流程图与交互细节 | 2 小时 | 40 分钟 | 67% |

| 数据字段与接口定义 | 2 小时 | 30 分钟 | 75% |

| 人工终审与查漏补缺 | 2 小时 | 30 分钟 | 75% |

| 总计 | 18 小时（约 3 天） | 3.5 小时 | 81% |

踩过的坑与解决方案

坑 1：AI 会"脑补"不存在的功能

案例：

我让 Claude 写一个"用户导出数据"的功能，它生成了"支持 Excel、CSV、JSON 三种格式导出"。实际上我们后端只支持 CSV。

解决方案：

在给 AI 的输入里，明确写上"约束条件"，比如"仅支持 CSV 格式"。

坑 2：AI 生成的流程图太"理想化"

案例：

AI 生成的流程图只包含"用户点击 → 加载 → 成功"，完全没有"网络异常""权限不足""数据为空"这些分支。

解决方案：

让 AI 生成主流程后，我会手动补充所有异常分支。或者直接问 GPT："这个流程可能出现哪些异常情况？"

坑 3：AI 对业务细节不了解

案例：

我们的商品上架功能有个规则："新用户只能上架 10 个商品，VIP 用户无限制"。AI 生成的 PRD 里完全没提这个。

解决方案：

AI 只能处理"通用逻辑"，业务特殊规则必须人工补充。

我现在的习惯是：AI 生成初稿后，我会拿着公司的"业务规则清单"逐条检查，确保没有遗漏。

什么时候不该用 AI？

经过这半年的实践，我发现有些环节 AI 帮不上忙，甚至会帮倒忙：

1. 需求的优先级判断

AI 可以告诉你"这两个功能都有价值"，但无法告诉你"在资源有限的情况下，先做哪个"。这需要对业务、用户、竞争格局的深度理解。

2. 用户访谈与真实反馈的解读

AI 可以帮你分析 500 条用户反馈，但无法替代你跟 5 个用户深度聊 1 小时。真正的洞察往往藏在"话外音"里。

3. 跨部门协调与决策

PRD 写得再好，如果推不动，也是废纸。跟开发、设计、运营的沟通协调，AI 无能为力。

我的建议：AI 是"助手"，不是"外包"

很多人用 AI 的心态是："我把需求丢给你,你帮我搞定。"

这种心态下，AI 生成的东西质量肯定不行。

正确的心态是：

AI 负责"框架"，你负责"填充"
AI 负责"初稿"，你负责"校验"
AI 负责"结构化"，你负责"业务细节"

如果你发现自己每次都是"复制粘贴 AI 的输出"，那肯定会翻车。

如果你发现自己每次都要"大改 AI 的输出"，说明你的输入质量不够高。

最理想的状态是：AI 生成的内容，你改动 20%-30% 就能用。

最后：我的 PRD 模板

经过半年的迭代，我总结了一份"适合 AI 协作"的 PRD 模板，放在 Notion 里。

每次写 PRD 时，我会先填这个模板，然后把内容丢给 AI 扩展。

模板结构：

需求背景（3-5 句话说清楚"为什么做"）
目标用户（用户画像 + 使用场景）
核心功能（3-5 个核心点）
约束条件（技术、时间、预算）
成功指标（怎么判断这个功能做成功了）

这个模板的好处：

输入结构化，AI 生成的质量更高
逻辑闭环，不会遗漏关键信息
可复用，不用每次从零开始

彩蛋：下一篇我会写什么

下一篇准备写"AI 时代 PM 的核心竞争力"。很多人担心"AI 会不会取代 PM"，我的观点是：AI 会淘汰的是'文档搬运工'，而不是'有判断力的产品经理'。

如果你有其他想看的话题，留言告诉我。

关于作者

产品菌，不务正业的 AI 产品经理，正在用 AI 偷懒的路上狂奔。