夜雨聆风原创•资深产品经理|2026-08-16|全文约 5000 字，阅读约 10 分钟
2026 年了，最贵的一份文档，不是写不出来的 PRD，是写错了的 PRD——它让你的 AI 产品还没上线，就已经输在了第一页。
过去一年，我看过不下几十份 AI 产品的 PRD，有一个规律特别扎眼：很多人还在用写传统功能的老套路，去写一个行为根本不可预测的东西。结果就是——文档越写越厚，模型上线后越跑越野，最后大家互相甩锅：产品说「我没这么写」，开发说「模型不听话」。
先交代一句：下面这些案例，是我这些年见过的典型场景，是经验判断，不是哪份报告的统计数字。但结论是硬邦邦的——
AI PRD 和传统 PRD，差的不是格式，是整套思路。用旧思路写新物种，写出来的不是需求，是甩锅的证据。
一、先问你一个问题：你的 PRD，在消除不确定性，还是在管理不确定性？
在拆区别之前，先回答一个问题：你上一次写 PRD，到底在干嘛？
如果你写的是「用户点这个按钮，跳转到那个页面」「这个字段必填，格式是手机号」「订单状态从『待支付』变『已支付』，触发短信通知」——那你做的事，叫消除不确定性。你把每一步、每一个分支、每一个 if-else，都写到没有歧义，让开发和测试一看就知道「对」长什么样。
这件事有个前提，一直被大家当成天经地义，很少有人点破：传统产品是个确定性系统。同样的输入，必然得到同样的输出。代码是 if-else 堆起来的，你写得越死，它跑得越准。
但 AI 产品不是。尤其是大模型产品，它是个概率系统：同一个问题，你今天问、明天问，答案可能不一样；换个问法，它可能就翻车；更麻烦的是，它会自信地胡说——你根本没法在 PRD 里把「所有可能的回答」都穷举出来。
所以问题就来了：当你面对一个行为不可穷举的东西时，还想靠「写死」来消除不确定性，这件事本身，就是南辕北辙。
二、传统 PRD 的底色：确定性
传统 PRD 到底在写什么？我把它拆成五块，你对照自己以前的文档看看，是不是这么回事：
- 原型图
：这个按钮放哪、点了发生什么、页面怎么跳。 - 交互逻辑
：if 用户点了 A，then 跳到 B；else 提示 C。 - 字段定义
：字段叫什么、什么类型、必填还是选填、校验规则是什么。 - 边界 case
：把你能想到的所有「特殊情况」一条条列出来，穷举。 - 验收标准
：照着测一遍，全过了，就上线。
看出来了吗？这五块的共同点就一个字：穷举。原型穷举页面，逻辑穷举分支，字段穷举规则，case 穷举异常，验收穷举用例。
为什么能穷举？因为传统产品是确定性系统，代码是 if-else，理论上所有分支都能被列全。PRD 的使命，就是把这个「列全」的工作做扎实——列得越全，开发越省心，测试越省事，上线越稳。
这套打法，几十年了，很成熟，也很对。但它有一个隐含的前提：前提是「行为可穷举」。这个前提一旦不成立，整套路子就失效了。
三、AI PRD 的底色：概率
AI 产品为什么没法沿用这套？因为三件事，每一件都在拆「穷举」的台。
第一，同一个输入，输出不稳定。你让模型写一段商品文案，今天写「限时特惠」，明天可能写「最后一天」，后天又换个说法。你没法在 PRD 里把「所有可能的文案」都列出来——因为它是无限的。
第二，它会幻觉。模型会自信地编造一个看起来合理、但根本不存在的事实，比如编一个不存在的功能、编一个假的政策条款。这在你写传统 PRD 时，是永远不会发生的事——代码不会自己「发明」一个 if 分支。
第三，它会被带偏。用户的问法稍微绕一下，模型可能就跟着跑偏，甚至越过你设的边界，去说一些它不该说的话。
这三件事，决定了 AI PRD 的使命彻底变了：你没法消除不确定性，只能管理不确定性。你要写的，不是「把它写死」，而是「当它跑偏的时候，怎么办」。
这里可以拉两个权威来源佐证一下。Anthropic 在《Building effective agents》里，把 AI 系统分成两类——Workflow（流程写死）和 Agent（动态自主）；OpenAI 的《A Practical Guide to Building Agents》里，明确列了三类护栏：input filtering（输入过滤）、tool use 权限、human-in-the-loop（人工介入）。这两家讲的虽然是「AI 系统怎么建」，但平移到 PRD 上，是同一件事：概率系统的文档，重点从「规定怎么做」，转向「规定边界和兜底」（这句平移是我的推理，不是两家的原话）。
四、最大的区别，就这一句话
讲完两层底色，现在可以给结论了。传统 PRD 和 AI PRD 最大的区别，一句话：
传统 PRD 写死「怎么做」，AI PRD 写死「要什么」。
展开说：
- 传统 PRD
：把「过程」写死——每一步、每个分支、每个字段，都规定得死死的。因为过程对了，结果就对。 - AI PRD
：把「目标」写死——你要它达成什么结果、给什么性质的回答；把「边界」圈死——什么能进、什么不能做、什么情况必须停。至于中间它怎么做到，你管不了，也不该管。
还是用那个比喻，上一篇《Agent 架构》里我讲过：
传统 PRD 是地铁时刻表：每一站、每一刻、每一列，都写死在纸上。AI PRD 是网约车的乘客需求：你告诉司机「去哪、有什么要求、什么情况停下来问我」，但你不规定他走哪条路、在哪个路口转弯。
这个比喻，你品一下，就能抓住全部的区别。
五、一张表看清：八个维度的对照
光说「思路不一样」还是虚，直接上表。这是我总结的八个维度对照，建议收藏：
六、AI PRD 必备的八个模块
这一章是方法论。如果你现在就要写一份 AI PRD，下面八个模块，一个都不能少。我按「必写程度」排了序：
- 场景与目标
：用户要完成什么，一句话说清；以及「成功」长什么样，举个具体的例子。 - 输入边界
：什么能进（领域范围）、什么必须拒绝（越界请求、脏输入）。 - 期望行为
：好回答长什么样——给正例 + 反例，比写十页描述都管用。 - 输出格式
：结构（JSON / 表格 / 段落）、字段、要不要引用出处、长度限制。 - 失败与兜底
：答错、拒答、幻觉、超时，四种情况各怎么处理（转人工 / 降级 / 重试）。 - 评测标准
：怎么算「好」——准确率、覆盖率、满意度、拒答率；评测集怎么建、谁来做。 - 护栏
：绝对不能做什么——不泄露隐私、不给医疗 / 法律建议、不越权调工具。 - 数据来源
：知识从哪来（知识库 / 检索 / 模型自身），以及「不知道」时该怎么办。
这八个模块里，传统 PRD 里最陌生的，是第 5、6、7 三个——失败兜底、评测标准、护栏。因为传统系统「不会答错」，所以没人写这三样。但 AI 系统一定会答错，这三样恰恰是决定它「上线后会不会翻车」的关键。
七、三个翻车现场
理论讲完，看三个我见过的典型翻车现场。每个都是「用传统思路写 AI PRD」的结果，你对号入座一下：
翻车一：穷举式
有个团队给 AI 客服写 PRD，试图把「用户所有可能的提问」都列出来，一条条写「该怎么答」。写了四十多页，上线第一天，用户问了一句文档里没有的问题，模型直接开始自由发挥，答出了「我们支持七天无理由，但只限火星用户」这种鬼话。
教训：概率系统，穷举是穷举不完的。你要写的不是「每个问题的答案」，是「遇到没写过的，走哪条兜底路径」。
翻车二：不写失败
另一个团队，PRD 里全是「正常情况」——用户正常问、模型正常答、皆大欢喜。唯独没写「模型答错了怎么办」「用户投诉了怎么办」「模型拒答了怎么办」。上线后遇到投诉，客服、产品、开发三个人大眼瞪小眼，谁都不知道该谁负责。
教训：AI PRD 的失败路径，比成功路径更重要。没写失败兜底的 AI PRD，等于没有安全气囊的车。
翻车三：不写评测
还有团队，PRD 写得很漂亮，但没写「怎么算好」。上线后模型表现到底怎么样，全靠感觉。开发调了一版 prompt，问产品「变好了吗」，产品说「好像好了点」。三个月过去，谁也说不清这个功能到底成没成。
教训：没有评测标准的 AI PRD，等于没有尺子。你连「改没改好」都不知道，谈什么迭代。
（这三个场景是经验判断，是我见过的典型情况，不是具体某家公司——但你把公司名往里一套，基本都能对上。）
八、三把尺子：你的下一份 PRD 该怎么写
前面是「是什么」和「为什么」，最后一章是「怎么做」。给你三把尺子，下次写 PRD 前，先量一遍：
尺子一：行为能不能穷举？能穷举（每个分支都能列全）→ 传统写法就够了，别硬套 AI 模板；穷举不了（回答是开放的、无限的）→ 换 AI 写法，写目标 + 边界，别试图穷举。
尺子二：答错了，代价高不高？代价高（涉及钱、合规、安全、对外承诺）→ 失败兜底和护栏这两个模块，必须写得极其详细，并加人工把关；代价低（答错重来成本小）→ 可以放宽，让模型多试。
尺子三：有没有评测标准？没有 → 上线前先把评测集建出来，否则你连「成没成」都说不清；有 → 把它写进 PRD，作为验收的唯一依据。
记住这个顺序：先判穷举，再判代价，最后补评测。三把尺子量完，你就知道自己这份 PRD 该用哪套写法、哪些模块要重点写。
九、最后一句
传统 PRD 和 AI PRD，不是「谁更高端」的问题，是「物种不同」的问题。用写地铁时刻表的手，去写网约车的需求，写出来的东西，司机看不懂，乘客也到不了地方。
所以，下次你坐下来写一份 AI PRD 之前，先问自己一句：
你这份文档，是在消除不确定性，还是在管理不确定性？
想清楚这个，比套一百个 PRD 模板都管用。
传统 PRD 兜住确定性，AI PRD 兜住不确定性，而产品经理，兜住两者之间那条「边界」。
文中引用的 Anthropic Workflow/Agent 二分、OpenAI 护栏三类，来自两家的官方英文文档，均可溯源核对；「平移到 PRD」的推导与全部案例均为经验判断，非权威结论。