设计 AI 产品 PRD¶
AI PRD 的重点不是多写一个“模型方案”章节，而是把不确定性变成可设计、可评估、可兜底的产品机制。
1. 定义任务而不是功能¶
写清楚用户要完成的任务：
- 用户是谁；
- 当前任务流程是什么；
- 卡点发生在哪一步；
- AI 介入后，用户少做了什么、做得更好什么。
2. 判断是否真的需要 AI¶
先排除不需要 AI 的方案：
- 固定规则能否解决；
- 搜索、筛选、模板能否解决；
- 人工流程是否更安全；
- AI 是否带来明显增量，而不是制造复杂度。
3. 选择产品形态¶
根据任务开放程度选择形态：
- 问答和知识查询：AI Search / RAG；
- 专业创作：Copilot；
- 固定流程提效：Workflow AI；
- 跨工具多步骤任务：Agent；
- 高风险专业场景：辅助建议 + 人工确认。
4. 设计上下文和数据边界¶
写清：
- 模型能访问哪些数据；
- 哪些数据不能访问；
- 知识如何更新；
- 引用需要精确到什么粒度；
- 缺少证据时如何拒答或澄清。
5. 设计交互控制面¶
AI 产品必须给用户控制权：
- 可编辑输入；
- 可查看来源；
- 可调整风格或约束；
- 可撤销和重试；
- 可反馈错误；
- 高风险动作需要确认。
6. 定义评估指标¶
至少包含：
- 质量指标：输出是否正确、完整、忠实；
- 任务指标：用户是否完成任务；
- 体验指标：延迟、失败恢复、满意度；
- 成本指标：单次任务成本、调用次数；
- 风险指标：幻觉、越权、违规和投诉。
7. 设计灰度和失败处理¶
上线方案必须写清：
- 初始开放人群；
- 人工审核或接管规则；
- 低置信度时的降级策略；
- 日志和反馈如何进入下一轮评估；
- 哪些指标触发回滚。