10 写第一份 AI 产品 PRD

引子

前面我们学习了大模型的基本概念（第 1–3 节）、本地部署与 API 调用（第 4–5 节）、以及 RAG 技术链路（第 6–8 节），并在 第 9 节学会了如何评估 AI 产品的效果。
下面，我们把这些知识汇总起来，用 产品经理的语言 —— 写一份 PRD（Product Requirement Document，产品需求文档）。
这是 PM 的基本功，也是把“技术能力”转化为“产品方案”的关键一步。

---

一、核心概念

1. 什么是 PRD？

• 通俗解释：PRD 就是产品的“说明书”，告诉团队：

  • 我们要做什么？
  • 为什么要做？
  • 怎么判断做得对不对？

• 专业定义：PRD（产品需求文档）包含目标、范围、功能描述、非功能需求、验收标准等内容，是研发和设计的参考蓝图。

2. AI 产品的 PRD 与普通产品的区别

• 数据依赖：需要说明数据来源（知识库、API 接口）。
• 模型约束：要写清楚模型类型（云端、本地）、上下文长度、性能要求。
• 风险管理：需要考虑幻觉、延迟、合规风险。

---

二、实践环节：写一个最小 PRD（示例）

下面给出一份 文档问答助手 的 PRD，基于我们在 第 6–9 节 实现的 RAG Demo。

---

📄 《文档问答助手 PRD v0.1》

1. 背景
企业员工经常需要查询公司内部制度、流程和合同，目前只能依靠关键字搜索或咨询同事，效率低。
目标：做一个基于大模型的问答助手，能快速回答“文档里的问题”，并保证答案来源可靠。

2. 目标

• 提升员工查找信息的效率
• 降低人力成本
• 保证回答来源于内部文档，可追溯可信

3. 功能需求

• 输入：用户自然语言提问

• 处理：

  • 使用 bge Embedding 将文档转向量，存入向量数据库
  • 用户提问 → 检索相关文档片段
  • 将片段和问题交给 DeepSeek R1，生成答案

• 输出：

  • 答案文本
  • 引用文档片段（出处展示，增强可信度）

• 附加功能（后续迭代）：

  • 支持 PDF/Word/网页等多格式文档上传
  • 支持导出问答记录

4. 非功能需求

• 准确率：关键问题准确率 ≥ 85%（参考 第 9 节评测器结果）
• 响应时间：平均 < 3 秒
• 可扩展性：支持 ≥ 10 万条文档，检索延迟仍 ≤ 1 秒
• 安全性：仅允许内部用户访问；数据不出公司内网

5. 验收标准

• 用 50 条常见问题测试：正确率 ≥ 85%
• 平均响应时间 ≤ 3 秒
• 答案必须展示引用来源

6. 里程碑

• 第 1 周：搭建基础 RAG Demo（bge + Faiss + DeepSeek R1）
• 第 2 周：支持文档上传与自动向量化
• 第 3 周：接入评测集（自动跑批）
• 第 4 周：小范围内测，收集反馈

---

👉 这就是一个最小化的 AI 产品 PRD，不需要很长，但要 说清楚目标、功能、非功能需求和验收标准。

---

三、产品经理思考

1. PRD 是沟通桥梁

• 对研发：明确模型要怎么接入、输入输出是什么、延迟和准确率要达到什么水平。
• 对设计：提供交互流程（比如用户输入 → 显示答案 + 引用）。
• 对业务：让业务方理解为什么要做，以及能带来什么价值。

2. AI 产品 PRD 要特别注意的点

• 数据：来源、更新机制、质量。
• 模型：选型（云端 vs 本地）、上下文窗口、调用方式。
• 风险：幻觉（是否加免责声明）、延迟（是否能接受）、成本（是否可控）。

3. 最佳实践

• 先做一个 Demo 跑通流程，再把 Demo 写进 PRD → 让团队“看得见”。
• 把 评估标准 写进 PRD（比如准确率 ≥85%），这样交付时才有衡量标准。

---

四、小结

今天我们：

• 学习了 PRD 的核心结构和 AI 产品的特殊之处。
• 写了一份基于 RAG（bge + DeepSeek R1） 的《文档问答助手》示例 PRD。
• 从 PM 角度理解了如何把技术能力转化为明确的产品需求。

👉 这样，你就完成了 第 1–10 节 第一阶段的学习 —— 从概念、实践到产品文档。

---