分享我花2000块让Codex打磨出的AI产品PRD模版

哈哈哈，开玩笑，先说一下这两千块：

虽然没花 2000 块的 Token，但这个模板对此刻在做 AI 产品的产品经理来说，依然值得读一遍：产品里加了 AI，PRD 是不是也得多写什么。

都直接 Vibe-Coding 出 demo 了，为什么还要写 PRD？

产品 demo 方便了演示，但它不是好的协作载体。

大量信息被压缩、混淆在代码里。为什么这么设计、边界在哪、出错了怎么办，散落在组件、接口和状态处理中。

设计和研发拿到代码，依然要反复找 PM 确认各项设计，协作成本反而更大了。

PRD 是这些信息的解压缩+展开模式。

写的过程也是把场景、边界、分工想清楚的过程，这一步不建议省掉。

这套 AI 产品的 PRD 模版，主要增加了什么

对照传统 PRD，这套模板多出来的东西集中在三个地方。

第一个是为什么引入 AI 的论述。

评审时一定会被问：这一步凭什么交给模型？传统程序为啥不行？

所以最好在产品概述阶段就写清：用户任务中的哪一步需要什么能力、LLM 带来什么价值、出错影响谁来兜底，并且逐项做一遍可行性判断——输入弹性、规则可表达性、重复程度、容错空间、资料可得性、延迟与成本。

第二个是功能需求部分拆成两类写。

不含 AI 的功能照常写字段、流程、异常，但多一栏：它给模型供不供上下文、供的是什么、什么时候供。含 AI 的功能则要在一张卡里写齐上下文构造、提示词、输出解析、失败与恢复、黄金样本，随功能一起评审。

第三个是测评和非功能需求。

模型有不确定性，同一个输入不同表达、甚至相同表达，结果都可能不一样。测评集的构造方式、重复次数、判定口径全要重写。交互上也变了，每加一个 AI 节点，等待至少多几秒，链路一长一次交互可能要一分钟，这些都要提前设计。

这套模板不只适合 Agent 类产品。把 LLM 当一项技术嵌进业务流程的常规产品——客服、审核、报表、调研——同样适用，因为要解决的问题一样：模型上下文从哪来、输出怎么校验、失败了怎么办。

以 FoloUP 为例，套一遍这套模板

FoloUP 是一个开源的 AI 语音面试平台（Repo：github.com/FoloUp/FoloUp）。招聘方贴一份职位描述，系统生成面试题，把链接发给候选人；候选人随时和 AI 面试官完成一场语音面试；面试结束，系统出评估报告，HR 复核后做判断。

出题用 LLM 生成结构化 JSON，语音面试接的是 Retell，评估从通话转写里按维度打分。

我让 Agent 读了一遍它的代码，假想回到这款产品开始设计的时点，用我们的模板写几个典型模块作为模版具体应用的示例。

01.2 为什么需要 LLM：出题、面试、评估三步的论证

这个模块的功能是立项依据：说服评审这三步值得交给模型，也标出每一步的兜底责任人。

它的上游是需求背景里的用户任务拆解，下游是 05 章的功能立项——这里的每一行，后面都对应一张 AI 功能卡。

可行性判断写在这一章的末尾。FoloUP 三项结论是高，容错空间和规则可表达性两项一般，所以给评估这步加了程序校验加 HR 复核。任一项不成立，对应功能就退回程序或人工。

03.2 人机分工：谁执行，谁确认

这个模块把每个关键动作分给人、程序、AI。

FoloUP 里 AI 相当于一位可并发的面试官实习生：面试过程独立执行，评估结果必须有人复核。

这张表的位置在用户旅程之前。

表里“用户何时确认”那一列，决定了 04 章旅程里确认点画在哪；“程序必须检查什么”那一列，是 05 章输出解析卡里校验规则的来源。

转写到评估这条 AI 交付给 AI 的链路，也在这一章写清契约。

05.2 资料供给卡：不用模型的功能，也要为模型服务

F01 职位描述解析本身不调用模型，只是粘贴文本、传 PDF、抽正文。按老写法，它就是个普通导入功能。

放进这套模板，它多了一个身份：F02 出题功能的上下文来源。

所以它的验收样本里有“解析文本可编辑，且 F02 读到的是编辑后版本”。

上游是用户的材料，下游是模型的输入，普通功能的输出质量直接决定 AI 功能的表现。

05.3 AI 功能卡：上下文构造与最小可行上下文

出题功能的完整卡里，上下文构造是核心。JD 全文、考察目标、题数三样资料怎么选、什么时候读、缺了怎么办，都要落到表里。

这一块还约束了两个东西。

一是最小可行上下文：目标、题数、JD 文本缺一不可，缺了就不调模型，直接告诉用户缺什么。资料不足就开工，出题一定跑偏。

二是工程位置：每类资料落在 system、user、assistant、tools 哪个位置。模型能看到的只有这几处，PRD 里不要设计 API 之外的参数。

上下游关系在图里也标了：它的参考资料来自 F01，它的输出进入分享和语音面试环节，题目清单同时是面试和评估两个功能的输入。

05.3 AI 功能卡：输出契约与黄金样本

评估功能的下游是程序和 HR 页面，不是直接甩给用户一段话。所以输出要给结构契约：字段、类型、取值范围、条目数量，程序按 Schema 校验，不合格就重试，重试不过只交付原始转写。

黄金样本和功能卡放在一起评审。四条样本里，G-F04-03 那种“两题超时没问到”的近邻样本最能看出设计有没有漏洞：模型必须标 Not Asked，不能编一个回答出来。这条规则来自 03 章“程序必须检查什么”，在这里变成可验收的样本。

改好的模板

模板已上传为飞书文档，供大家参考：https://bytesmore.feishu.cn/docx/IzxIdpOVToDRDJxVqhSctUtyn6f

AI 产品经理技能特训课程

过去三年一直在持续迭代的、帮助产品经理快速转型能够上手 AI 项目的课程。

经过 3 年 + 9 轮迭代，包含了过去 3 年 AI 产品一路进化过来的所有必备技能。

不管你是要做公司的 AI 赋能规划还是要转岗成为一名大模型行业从业者，它都能以更快的速度帮你补齐：

详细的课程大纲和学习计划，可以联系班主任获得。

这套课程还提供了实训项目带教，帮你补齐没有项目经验的短板，每月两场直播带教，以下是过去一年直播过的项目(均有回放)：

↓ 上下滑动查看

这些项目是已经被大量同学验证有效的，可以被写进简历，大大增加你的面试机会和通过率！

更多实战安排和成功学员案例，联系班主任了解~