AI 产品经理的 PRD 要怎么写

产品方法论 · AI PRODUCT

和传统 PM 相比，真正变了的是哪四件事

传统 PRD 在描述一个「确定」的系统，AI 的 PRD 在经营一个「不确定」的系统。

这篇我们重点阐述四个维度，说清楚主要是哪里不一样。

穷举行为，还是划定边界

传统产品的 PRD，本质上是一份「输入决定输出」的说明书：点了这个按钮，就弹出那个窗口。行为可以一条条列清楚，工程师照着做，谁也不会有歧义。

到了 AI 这里，这种确定性没有了。因为大模型的输出是概率性的——同一句话问它两遍，回答可能都不完全一样。你没办法把所有输入和对应的「正确输出」提前列进文档。一个智能客服，用户的问法有千万种，不可能穷举。

所以写需求的方式变了：不再去写每一条具体对话，而是定义两件事——什么样的回答算「好的」，什么样的内容「绝对不能出现」。前者是方向，后者是红线，中间交给模型发挥，但不能越界。验收也跟着变：从「这十个用例是否都通过」，变成「准确率有没有达到 90%」。

一次验收，还是持续复检

传统产品有个优点：功能上线、测试通过，它会相对稳定地待在那儿，不会自己变坏。

AI 产品的模型的表现会随着时间、数据和版本的变化而波动，甚至悄悄「退步」。换了新版本、调了一句提示词、或者用户的真实问法慢慢变了，原本好好的功能，可能就开始答非所问。传统功能像一台装好就不变的机器，AI 功能更像一个状态会起伏的员工，你得时不时看看他最近发挥得怎么样。

所以 AI PRD 里多了一件事：设计一套「持续评估」的机制，并把它写进文档。至少三层意思——准备一批有代表性的题目，专门给模型打分；划一条「达不到就不许上线」的及格线；上线后还要持续盯着真实表现有没有滑坡，发现退步要能及时报警。

传统 PM 看到异常，第一反应是把它当问题消灭：这个报错修掉，那个边界堵上，争取所有情况下都不出错。

AI PM 必须接受一个不太舒服的现实：错误是消不掉的，而且 AI 还会非常「自信」地说错话。它不像传统程序那样报个错让你一眼看出毛病，而是一本正经、语气笃定地给你一个错误答案（这就是常说的「幻觉」）。你没法根除它，只能想办法管住它。

于是重点不是「怎么不出错」而是「出错时怎么优雅地兜住」。落到 PRD 上通常写清三样：给模型设一个「信心门槛」，没把握时就别自作主张；设计几层退路，先自动降级、再用固定规则兜、最后转人工；留一个「一键关停」的开关，并写明什么情况下关、谁有权关、怎么回滚。比如一个内容审核功能，遇到拿不准的，正确做法是识别出「我没把握」然后转人工，而不是硬给判定。

功能决定定上限，还是数据决定上限

传统 PRD 很少认真写「数据从哪来」，因为产品好坏主要取决于功能设计得巧不巧、工程实现得扎不扎实。

AI 产品不一样。它的天花板，很大程度上由数据决定。功能描述得再漂亮、交互画得再精致，喂给模型的数据不行，效果就是上不去。数据是 AI 产品的「原材料」，原材料的质量，直接决定成品的上限。

所以 AI PM 要多回答几个问题：训练和评估的数据从哪来？冷启动没数据怎么办？更关键的是——用户用出来的那些「错例」，怎么收集回来变成下一版的养料？这就是「数据飞轮」：用的人越多，数据越多；数据越多，模型越好；模型越好，又吸引更多人来用。这个循环一旦转起来，就是真正的护城河。

尾声 · 思辨

当 AI 自己也能写 PRD

一 · PRD 会不会被淘汰？

模型越来越能听懂模糊的需求，于是有人预言「写详细 PRD 会消失」。但更可能恰恰相反：正因为 AI 是个会自信犯错的概率系统，那份负责划清边界、定好底线的文档反而更不可或缺。它只是把重心从「功能怎么做」，往上游挪到了「目标是什么、红线在哪」。

二 · 人类 PM 还剩什么？

当「生成文档」本身被自动化，真正难被替代的，恰恰是 AI 给不出的两样东西：判断「什么问题值得被解决」，以及判断「什么底线绝对不能破」。前者是品味，后者是责任，都属于价值判断，而非文档生产。

三 · 能力底的迁移

传统 PM 的核心能力是「把不确定收敛成确定」。但 AI 时代有一类不确定是结构性的、消不掉的。于是 AI 产品经理的能力底色发生了迁移——从「消除不确定」，变成了「与不确定共处，并为它负责」。

· 全文完 ·