The definition of done (DoD) is when all conditions, or acceptance criteria, that a software product must satisfy are met and ready to be accepted by a user, customer, team, or consuming system. We must meet the definition of done to ensure quality.

USER STORIES The most common use of DoD is on the delivery team level. Done on this level means the Product Owner reviewed and accepted the user story. Once accepted, the “done” user story will contribute to the team velocity. You must meet all of the defined criteria or the user story isn’t done.

User Story DoD Examples:

1. Unit tests passed
2. Code reviewed
3. Acceptance criteria met
4. Functional tests passed
5. Non-Functional requirements met
6. Product Owner accepts the User Story

FEATURES Done on this level may mean it qualifies to add to a release. Not all user stories need to be completed. Rather, it means the feature may be sufficient to satisfy the need. Once accepted, the done feature will contribute to the release velocity. Again, you must meet all of the defined criteria or the feature isn’t done.

Feature DoD Examples:

1. Acceptance criteria met
2. Integrated into a clean build
3. Promoted to higher level environment
4. Automated regression tests pass
5. Feature level functional tests passed
6. Non-Functional requirements met
7. Meets compliance requirements
8. Functionality documented in necessary user documentation

EPICS Done on this level may refer to a organizational strategic priority, portfolio plan item, or some other collection of features that satisfied a market need. Not all user stories or features need to be completed. Rather, the epic may be sufficient to satisfy the need. Once accepted, the done epic will contribute to throughput calculations to see if the supply is in balance with demand.

Epic DoD Examples:

1. Non-Functional requirements met
2. End-to-end integration completed
3. Regression tests pass
4. Promoted to production environment
5. Meets defined market expectations

Web 全栈班 P3 项目的正式介绍：项目背景、技术栈、参与角色（前端/后端/BA/QA）、交付时间线。每一期 P3 项目会选一个真实场景（JR 内部工具、学员贡献的想法、合作企业的需求），做成 4-6 周可上线的 MVP。

BA 要拿到的信息： 项目的 Product Vision、用户群、MVP 范围、已有资源（API / 数据集 / 设计稿）、团队容量。会后要能写出 1 页 Project Brief。

P3 项目流程拆解：

1. 确认项目主体（由 Developer 和 BA 一起来确定）
2. 需求分析（由 Developer 和 BA 一起来做）
3. 解决方案设计（BA 提供业务模型解决方案，Developer 提供技术解决方案）
4. 提供初期的 proposal，参与初期评审
5. 通过评审后，开始页面设计（UI）
6. 撰写需求文档（Developer 和 BA）
7. 设立 Milestone（Developer 和 BA）
8. 确定开发周期（Developer 和 BA）
9. 项目开发（Developer）
10. 测试环境部署（Developer 和 DevOps）
11. 功能测试（Developer 和 BA）
12. Bug 修复（Developer 和 DevOps）
13. 生产环境部署（Developer 和 DevOps）
14. 项目展示（全体成员）

新手产品经理融入项目指南

作为一个新晋的 BA，你现在将要进入项目的实践阶段。这份指南旨在帮助你更好地融入项目，并在实践中进一步掌握产品经理的技能。

了解项目背景

1. 项目目标：明确项目的目标和预期效果。
2. 项目背景：了解项目来源、历史和重要性。
3. 目标用户：清晰了解项目的目标用户群体、需求和痛点。

与团队成员沟通

1. 了解团队组成：包括但不限于设计、开发、测试、运营等。
2. 主动与团队成员沟通，了解他们的工作范围、时间线和预期。
3. 建立日常沟通机制：如日常Stand-up会议、周报等。

分析项目需求

1. 根据目标用户分析需求，使用工具如Persona、场景分析等。
2. 细化需求，明确每个需求的优先级、难度和预期。
3. 与团队沟通，确认需求的实施细节和风险。

迭代管理

1. 根据项目进度，定期与团队沟通，确保项目按计划进行。
2. 收集用户反馈，根据反馈进行需求调整。
3. 跟踪项目风险，并制定应对措施。

文档管理

1. 完善需求文档、产品原型、用户故事等。
2. 确保文档的更新与团队成员的同步。
3. 存储文档在团队共享的平台上，如Confluence、Teambition等。

测试与反馈

1. 参与产品的测试阶段，与测试团队紧密合作，确保产品质量。
2. 收集内部和外部用户的反馈，及时进行产品迭代。

个人成长

1. 记录每一次的实践经验和教训，形成自己的经验库。
2. 参与产品培训和分享，不断扩展自己的知识面。
3. 主动寻求反馈，不断完善自己的工作方式和沟通技巧。

AI 产品经理与 AI Builder 实习项目的正式 Bootstrap。和 Web 全栈班不同，AI PM/Builder 组的任务是：给一个企业实际痛点（比如『内部知识库查询慢』），设计并交付一个 AI 原型（RAG / Agent / 自动化链路），最终向真实 stakeholder 演示。

本节课产出： 1) 你选哪个项目方向（知识库 / 客服 bot / 文档自动化 / 数据分析 Agent）；2) 你要在这个项目里解决的最小 user problem；3) 你的 AI 技术栈假设（Prompt / Function Calling / RAG / Multi-Agent）。

这节课为你提供一对一的个性化职业辅导，帮助你在求职中展现最有竞争力的一面。导师将根据你的学习背景、项目经验和目标岗位，手把手指导简历优化与面试准备。

1v1 面试与简历辅导预约入口。每位学员在整个 bootcamp 周期内有 2 次免费 1v1（每次 45 分钟），辅导内容：简历针对澳洲 AI PM / BA 岗位定制改写、面试常见题库演练、LinkedIn profile 优化、portfolio 项目怎么讲。

预约方式： 在学员端选导师（Xin / Tiger / Eric / Lightman），提前 3 天发来简历 + 目标 JD。1v1 产出会以 action list 形式写在学习日历里。

这节课将带你全面了解业务分析师（BA）岗位的求职要求，并教你如何在简历中精准展示自己的优势。导师会结合真实案例，分析哪些内容能吸引招聘官的注意，哪些常见错误会让你错失机会。

你将学习：

1. 了解 BA 岗位招聘方最关注的能力与关键词
2. 学会梳理项目经验，突出数据分析、需求管理等核心技能
3. 掌握简历内容结构与英文表达的规范写法
4. 学习如何针对不同公司定制化修改简历
5. 获得导师点评与修改建议，打造更具竞争力的BA简历

BA / AI PM 面试全流程拆解：从 recruiter screening 到 tech assessment 到 behavioural round。重点讲澳洲市场（Canva / Atlassian / Airwallex / 四大行 / Service NSW）考察的差异。

要学会： 1) STAR 结构回答行为题（Stakeholder 冲突 / 需求变更 / 团队矛盾）；2) 把 AI 项目经历讲成 business impact，不是技术堆砌；3) whiteboard 画产品流程图；4) Case interview 练习（给一个模糊业务问题，30 分钟拆解成 PRD 雏形）。

BA / AI PM 简历写作全套方法论。一页纸简历怎么凸显 AI 项目 + P3 实习 + 数据驱动决策 3 个关键信号。对比传统 BA 简历（Jira / Confluence / Agile）和 AI PM 简历（LLM / Prompt / RAG / MCP / 成本控制）的关键词差异。

交付物： 根据模板改写你的简历 v1，发到 learning 群接受同学 peer review。最终通过 Xin 或 Tiger 1v1 定稿，作为毕业 portfolio 的一部分。

这节课将教你如何打造属于自己的职业品牌，让你的 LinkedIn 与简历相互配合、相得益彰。你将学会如何优化个人资料，让招聘官更容易找到你。

你将学习：

1. 掌握 LinkedIn 个人主页的关键优化技巧
2. 学会撰写专业的自我介绍（About Me）和项目描述
3. 了解如何使用关键词提升被猎头搜索到的机会
4. 区分 LinkedIn 与 CV 的用途与写法差异
5. 完成个人资料优化，提升线上求职曝光度

Thoughtworks BA 经验分享（Xin 老师）。Xin 在 Thoughtworks 做了 5 年 BA，经手过银行、保险、零售的大型数字化项目。分享三个主题：1) 从毕业生到 Senior BA 的成长路径；2) 在国际咨询公司做 BA 的真实一天；3) 哪些技能在 AI 时代还有价值，哪些会被自动化。

现场 QA 30 分钟，学员可以提问『我的背景适合走咨询还是 in-house』、『Thoughtworks 面试考什么』、『从 BA 转 AI PM 的路径』。

信息系统（IS）专业毕业生回国求职经验分享。嘉宾（学员 Eric Liu，现就职于国内某头部互联网公司产品岗位）讲澳洲 IS 专业回国找产品 / BA 工作的实际情况：哪些公司认 Monash / UNSW / UniMelb、怎么准备国内互联网公司的『结构化面试 + 笔试』、薪资 range、生活节奏差异。

内容可能临时调整： 如该 video 未归档，本节会替换为现场 1v1 答疑。

BA 优秀学员 Eric 工作经验分享。Eric 是 JR Academy BA bootcamp 第 2 期学员，毕业后 3 个月拿到悉尼某 Fintech 的 Junior BA offer（起薪 ~$80K AUD）。分享：1) 从什么都不会到通过面试的具体时间线；2) portfolio 里放了哪些项目；3) 如何把 P3 实习项目讲成 business impact；4) 入职后前 3 个月踩过的坑。

IT 专业毕业生简历撰写实战（120 分钟 Workshop）。从 3 份真实学员简历开始，现场拆解：哪里是硬伤（职责描述太流水账 / 缺量化指标 / 技能堆砌）、哪里可以包装（P3 项目用 STAR 结构写成 case study）、怎么针对 JD 改关键词。

现场产出： 每位学员当堂改出 1 版针对具体 JD 的简历。结束前交换 peer review。辅助工具：ChatGPT 简历改写 prompt 模板（会在课中发给大家）。

课程描述

本节课将带你从宏观理解生成式 AI，到掌握如何用产品视角拆解一个 AI 产品的需求、流程与成功定义。你将学习 AI 产品经理是如何思考、如何与模型互动、如何设计 Prompt 作为交互方式，并通过课堂案例了解真实企业如何构建 AI 功能。

本节课帮助你理解一套完整的 AI 产品设计框架是什么样的，让你在后续课程中可以自主提出想法、分析用户、撰写 Proposal，并清晰知道 AI 产品的本质与边界。

本节课目标

1. 理解生成式 AI 与传统互联网产品的区别，建立正确的 AI 产品思维框架。
2. 理解互联网产品从想法到落地的流程
3. 能明确 AI 产品经理的核心职责：用户需求 → Prompt 设计 → 多轮交互 → 质量评估。
4. 掌握 Prompt 是 AI 时代新的“交互界面”的概念，并能分析不同 Prompt 的好坏。
5. 能根据课堂提供的 6 大关键问题，独立拆解一个 AI 产品想法并形成可执行的产品需求。
6. 理解生成式 AI 的不确定性、幻觉风险、质量标准、成功指标与伦理边界。

核心内容

生成式 AI 的基础认知

1. 什么是生成式 AI（Generative AI）？它如何从指令生成文本、图片、音频等内容？
2. 生成式 AI 与传统 AI 的核心区别（预测 vs 创作）。
3. 真实行业中的典型应用场景：办公效率、内容营销、电商、教育、财务等。

AI 产品经理的职责与角色定位

1. AI PM 与传统 PM 的重叠与差异。
2. 为什么“Prompt”就是生成式 AI 的交互界面？
3. 如何将用户需求转换成结构化提示（Prompt Engineering）。

Prompt 设计：从模糊输入到结构化指令

1. 好 Prompt 与坏 Prompt 的典型区别示例。
2. 结构化 Prompt 如何提升生成质量。
3. 多轮 Prompt 交互的设计逻辑。

生成式 AI 的难点（真实产品中的核心挑战）

1. 非确定性：为什么相同 Prompt 每次结果都可能不同？
2. 幻觉（Hallucination）：为什么 AI 会胡编乱造？
3. 质量难评估：如何定义“好结果”？
4. 产品设计中常见的应对手段：重新生成、对比、参数控制、用户反馈循环。

AI 产品的关键指标（KPI）

1. 质量指标：人工评分、是否直接使用、修订次数
2. 效率指标：节省时间、节省成本
3. 用户行为指标：使用次数、留存、DAU
4. 安全指标：合规风险、错误率、敏感内容过滤

案例实战：AI 文案助手（从0到1的完整拆解）

1. 目标用户与使用场景
2. 用户输入与信息结构
3. AI 输出类型与“一键改写”功能
4. 产品关键交互：生成多个版本、选择、修改、迭代
5. 如何评估结果质量与用户满意度

生成式 AI 的风险与伦理边界

1. 幻觉
2. 隐私与数据安全
3. 偏见与公平
4. 版权风险
5. 产品责任界定

产品拆解工具：你必须回答的 6 个问题

这是本课程教给你的最重要的 AI 产品方法论。未来你提出任何 AI 产品想法，都必须回答这 6 个问题：

1. 目标用户是谁？
2. 用户在什么场景使用？
3. 用户输入什么？
4. AI 输出什么？
5. 需要哪些“一键修改”能力？
6. 用什么指标衡量成功？

实践案例

拆解一个常见应用的功能需求

BA 的历程

1. 回顾业务分析的发展历史，了解 BA 角色的演变和其在行业中的地位变化。

BA 是什么

1. 解释业务分析师的角色和重要性，以及他们在组织中扮演的关键角色。

BA 的核心职能和工作场景

1. 描述 BA 的主要职能，包括需求管理、解决方案评估和利益相关者沟通等。
2. 介绍 BA 在不同类型的项目和行业中的工作场景。

BA 的学习路径

1. 提供一个清晰的指导，帮助初学者和希望提升自己的专业人士了解如何系统地学习业务分析。

BA 的技能图谱

1. 描述 BA 需要掌握的关键技能，包括分析技能、沟通技能、技术知识和行业专知。

技能提升方法

1. 探讨有效的学习策略和资源，帮助BA提升自己的技能和专业水平。

BA 在国内的发展路线

1. 分析 BA 在国内的职业发展趋势，讨论职业发展的机会和挑战，以及如何规划职业生涯路径。

项目管理的生命周期简介：

1. 这部分将概述项目管理的整个生命周期，强调从项目构想到项目交付的全过程。
2. 讨论项目生命周期的重要性，以及它如何帮助项目经理有效地规划、执行和监控项目。

Initiation Phase：

1. 在这个阶段，将讨论项目的启动，包括项目目标的定义、利益相关者的识别以及项目的必要性和可行性分析。
2. 介绍如何制定项目章程和确立项目范围，这是项目成功的关键。

Delivery Phase：

1. 此阶段重点介绍项目计划的执行、控制和监督，以确保项目按计划进行。
2. 讨论如何管理时间、成本、质量、人力资源、沟通、风险以及项目采购。
3. 强调持续的进度监控和项目变更管理的重要性。

Concept & Discovery Phases：

1. 这部分将探讨项目的早期阶段，包括市场调研、需求分析和概念验证。
2. 讨论如何收集和分析利益相关者的需求，以及如何将这些需求转化为具体的项目目标和成果。

BA 和 Digital BA 介绍

1. BA：专注于组织结构、策略和运营，帮助企业实现目标，通过需求收集和分析来驱动项目和业务变革。
2. Digital BA：在传统 BA 的基础上，特别关注数字技术和解决方案，助力企业在数字化转型和技术创新中取得成功。

System BA，Technical BA，Process BA

1. System BA：专注于系统和技术解决方案的需求，确保系统设计符合业务需求。
2. Technical BA：桥接技术团队和业务团队之间的沟通，确保技术实现与业务目标一致。
3. Process BA：专注于业务流程的优化和改进，通过分析和设计流程来提高效率和效果。

Data Analyst 与 BA 的区别

1. Data Analyst：主要聚焦于数据的收集、处理和分析，为决策提供数据支持和洞察。
2. BA：虽也涉及数据分析，但更广泛地关注需求管理、解决方案评估和利益相关者沟通等多个方面。

介绍其他岗位

1. Business Consultant：为企业提供战略规划、流程改进和解决方案实施等咨询服务。
2. Agile BA：在敏捷开发环境中，确保快速响应变化，促进沟通，支持迭代和增量的需求开发。
3. Service Analyst：专注于服务管理，分析服务流程，确保服务质量符合业务需求。

BA 在产品生命周期中的三大阶段

1. Discovery：探索阶段，了解市场、用户需求和业务目标。
2. Concept & Initiation：概念和启动阶段，定义项目范围，制定项目计划。
3. Delivery：交付阶段，实施解决方案，监控进度，确保目标实现。
4. Evolve：演进阶段，收集反馈，持续改进和调整产品。

BA 的核心技能

1. Analytical：对复杂问题进行分解和分析，提出明智的解决方案。
2. Methodology：熟悉并应用各种框架和方法论，如敏捷、瀑布等。
3. Communication：有效地与各方沟通，确保需求和解决方案的理解和一致。
4. Planning：制定和执行计划，确保资源有效配置，项目按时交付。

特征分解：掌握将复杂项目拆解为易于管理的小任务的技能，为成功打下坚实基础。

团队交流技能：

1. Workshop Facilitation，激发团队合作与创新思维。
2. Release Planning，确保项目按时交付，满足质量标准。
3. Work Visualisation，增强项目透明度和协作效率。

熟悉角色和职责：深刻理解自己在团队中的定位，明确职责范围，赢得团队的信任和尊重。

掌握关键技能：

1. Story Mapping：将复杂功能拆解为可管理的用户故事，确保团队对项目方向和优先级有清晰认识。
2. Story Slicing：将大型用户故事细分为更小、更具体的部分，促进快速迭代和交付。

理解核心概念：

1. User Story：作为沟通工具，帮助团队聚焦用户需求，确保每个功能都为用户提供价值。
2. AC（Acceptance Criteria）：明确定义成功的标准，确保交付的功能符合业务需求和用户期望。
3. Work Flow：理解项目的各个阶段和环节，确保任务高效流转，按时完成。

发现产品问题

1. 学会从不同角度审视产品，识别潜在的问题和改进点。
2. 掌握数据分析和用户反馈的解读，有效预测可能的风险，及时调整策略。

从用户视角发掘需求

1. 深入理解用户的行为和需求，将用户的声音转化为实际的产品特性。
2. 运用用户故事和场景分析，确保每个功能都能解决实际问题，提升用户满意度。

与利益相关者建立联系

1. 建立良好的沟通渠道，确保信息流的畅通和准确。
2. 学会运用影响力和说服技巧，促进项目利益相关者之间的合作和理解。

BA 未来职业晋升的三大方向：

1. Lead BA：作为团队的领导者，负责指导和协调业务分析工作，确保项目目标和业务需求的一致性。
2. Senior BA：凭借丰富的经验和专业知识，在复杂项目中扮演关键角色，为决策提供深入的分析和洞察。
3. Principle BA：作为领域专家，负责制定和优化业务分析流程和方法论，引领业务分析的最佳实践。

BA 转型产品岗位的四种职位：

1. Product Owner：作为敏捷团队的关键角色，负责定义产品愿景，管理产品积压工作，并确保团队交付最大价值。
2. Product Manager：负责产品的整体战略、规划和执行，确保产品满足市场需求并实现商业目标。
3. Operation Manager：专注于产品的日常运营和管理，确保业务流程的效率和效果。
4. Service Manager：负责服务的设计、交付和持续改进，确保服务质量和客户满意度。

BA 在敏捷开发过程中的三种角色：

1. Scrum Master：作为团队的教练和促进者，帮助团队遵循敏捷实践，提高效率和协作。
2. Project Manager：虽在传统敏捷模型中不是必需的，但在某些组织中，项目经理可能负责协调多个敏捷团队和项目。
3. Agile Coach：帮助团队和组织采用敏捷方法，提供指导和支持，促进持续改进和学习。

2小时Workshop

🟦5 Mins - Opening/Ice Breaking

快速了解学员的背景和对本次workshop的期待，以对之后的hands-on活动做调整。

1. 你对 AI 产品最迷茫的是什么？
2. 你希望今天 workshop 里获得的最大收获是什么？
3. 你对未来目标职位所看重 AI PM/BA 的哪种能力有顾虑？

🟦15 Mins - PPT：行业案例总览（教育 / 电商 / 金融）

PPT内容适量，预留学员讨论、问问题时间。

🎯核心目标

让学员理解 行业差异 → AI 产品形态 → 商业价值 → 常见落地方式。

⭐PPT Slides（15 Mins）

用高度结构化的方式讲 3 个行业，让学员看到“AI 产品经理如何跨行业找机会”。

📘教育行业（EdTech）

产品形态：

1. AI 个性化学习导师（Adaptive Learning）
2. AI 批改、AI 作业生成
3. AI 学习计划生成器（planner）

商业价值：

1. 降低老师工作量
2. 提高学生 engagement
3. 增加付费转化（个性化辅导）

常见模型：对话模型 + RAG + 多模态

📘电商行业（E-Commerce）

产品形态：

1. AI 智能客服（售前 + 售后）
2. AI 商品内容生成（Title、Description、SEO）
3. AI 推荐系统（next-best-offer）

商业价值：

1. 降低客服成本
2. 提高转化率
3. 增加复购

📘金融行业（Banking & Payments）

澳洲银行当前AI adoption形态。

产品形态：

1. AI 风控（Fraud detection）
2. AI 客户服务（虚拟助理）
3. AI 贷款审批/授信
4. AI 交易行为分析
5. AI 帮助 BA/PM 自动生成需求、文档、数据分析

商业价值：

1. 降低风险
2. 提升客户体验
3. 降低运营成本（KYC、审查、客服）

🟦20 Mins - PPT：AI 产品形态框架（PM & BA都能用）

PPT内容适量，预留学员讨论、问问题时间。

🎯学习目标

建立“看到一个行业案例 → 能拆成 AI 产品方案”的能力。

⭐PPT Slides（20 Mins）

1. 输入 Input（用户 / 数据 / 上下文）

1. 用户上传什么？
2. 系统从哪获取数据？（如交易数据、学习数据、购买历史）

2. AI 模块（模型 + RAG + 工具）

1. 用的是 GPT？Fine-tuned？
2. 有 RAG 吗？
3. 有多模态吗？

3. 业务逻辑（Rule + Workflow）

1. 什么时候调用模型？
2. 如何做安全检查？
3. 如何把模型结果变成可执行的动作？

4. 输出 Output（用户看见的东西）

1. 文案
2. 推荐结果
3. 报告
4. 决策结果

🔹练习（very quick）

让学员用框架拆解 ChatGPT 搜索：

“Amazon AI 智能客服是怎么工作的？”

2 分钟即可。

🟦30 Mins - PPT：深度行业案例拆解

⭐ 案例：Personalised Payment Solution Recommendation

逐步拆解：

1. 用户痛点

1. 选择多
2. 信息复杂难以理解

2.业务痛点（银行）

1. 客服量巨大
2. 系统流程复杂导致 drop-off

3. AI 产品形态设计

输入：客户基本信息

AI 模块：

1. OCR + LLM 解析文件
2. 风险判断模型
3. 多轮对话协助
4. 业务逻辑：
5. 如果文件不清晰 → 自动提示更换
6. 如果风控评分高 → 人工审核
7. 如果资料完整 → 自动 pass
8. 输出：
9. Payment product recommendation
10. Why
11. 用户下一步提示

4. PM 要做的事

1. 需求范围定义
2. success metric（转化率、审核成本）
3. 和数据科学、工程团队沟通
4. 优化 onboarding funnel

5. BA 要做的事

1. 需求文档
2. 用户流程图
3. 风险控制场景
4. 数据字段 mapping
5. 流程异常情况分析
6. Test case

🟦30 Mins - AI Hands-on 实操

🎯 Hands-on 目标

让每位学员 独立且完整 做一次：

1. 业务问题分析
2. 用户旅程拆解
3. AI 需求拆解（输入/输出/规则/异常）
4. 数据需求分析
5. Test case 编写
6. 用 ChatGPT 生成 AI Demo
7. 最后做BA 面试风格的案例展示

整个过程既是 BA 工作流程，也是 BA 面试题。

🛠Hands-on 任务（30 分钟）

🔨 任务：为一个行业（教育/电商/金融）设计一个 AI 产品，并用 ChatGPT 或自选 AI 工具做一个 Demo。

学员组成一个BA team，互相协作和分享。

📌 成果：

产出一个 “需求文档 mini version”

简易版，目的是为了理清职位职责，正式PRD/需求分析文档之后课程会Cover：

1. 输入输出（I/O specs）
2. 异常情况（error cases）
3. 两个 test case

🛠 实操步骤：讨论、合作、ChatGpt实操

Step 1：讨论并选择行业和mini项目（2 分钟）

1. 教育 / 电商 / 金融（可提供3个选项）
2. 每个学员选择自己的mini AI 项目

Step 2：用 ChatGPT 生成草稿（10 分钟）

让 ChatGPT 生成：

1. 业务问题（Business Problem）

1. 当前流程哪里有痛点？
2. 对业务有什么影响？

2. 用户旅程（User Journey）

写简单 5 步即可：

用户 → 输入 → AI → 系统处理 → 输出

3. 输入 & 输出（I/O Requirements）

1. 用户提供什么？
2. AI 模型提供什么？
3. 系统给用户的结果是什么？

4. 异常情况（Edge Cases）

每人至少写 2 个：

1. 文件不清晰
2. 用户输入不完整
3. AI 回答不可靠

5. 两个 Test Cases

1. 正常路径 1 个
2. 异常路径 1 个

Step 3：用 ChatGPT 做 Demo（10 分钟）

例如：

“你现在是一个 AI 个性化学习导师，帮一个学生制定英语学习计划。”

或者

“你是一个电商 AI 客服，帮客户找退货资格。”

或者

“你是一个金融 AI 风控模型，判断这个交易是否可疑。”

Step 4：快速展示（8 分钟）

每人3-4分钟展示

1. 选的行业案例
2. “BA 5 件套”里的重点
3. 实测 ChatGPT Demo 的结果
4. 如果这是真实项目，会怎么改需求（很 BA）

🟦15 Mins - 答疑/职业路径讨论&辅导

🎯目标

让学员理解个人求职GAP和努力方向。目标职位BA的学员之间可以互相参考和分享。

澳洲BA能力侧重点

澳洲最看重 BA 能力：沟通 + 结构化能力。

1. 如何把 AI 项目当作 portfolio
2. 如何用 AI 做 BA 产出（流程图、需求文档）
3. 金融行业如何给非 IT 背景提供优势（domain knowledge）

🟦5 Mins -Wrap-up

介绍实操Lab内容，作为本次Workshop的一个延伸。

AI 应用体验与分析 Lab。选定 3 个 AI 工具（ChatGPT / Claude / Perplexity / Notion AI / v0.dev 等），用 role-playing 和 output-format 两个 prompt 模式对比它们在同一业务场景（例：给一段用户访谈记录生成 3 条 insight）下的输出质量、速度、成本。

交付物： 1) 一张 3×3 对比表格（工具 × 维度）；2) 一份 300 字分析报告（哪个最适合你的工作流、为什么）；3) 你保留下来的最佳 prompt。用于 AI 小编剧 Lab（L50）和 PRD Lab（L74）的前期工具筛选。

Week 1 Quiz：产品流程与 BA 职责。20 题 30 分钟。覆盖：BA 在 Initiation / Discovery / Delivery 三阶段分别做什么、User Story 的 INVEST 准则、敏捷项目中 BA 和 PO 的边界、AI 项目需求分析和传统项目的差异、Stakeholder 分类与沟通节奏。