Phase 3 — 文档与 Prompt 工程

Preparation:

1. 制定议程和期望结果 (Agenda & Expected Outcome)
2. 确保会议工具齐备，如电脑、笔记本 (Meeting Tools)
3. 提前考虑可能的解决方案 (Potential Solutions)
4. 准备一些引导性问题 (Questions)

During the Meeting:

1. 鼓励提问 (Keep Asking)
2. 保持积极的思考和参与 (Keep Thinking)

After the Meeting:

1. 整理并记录会议内容和反馈意见 (Organize Feedback and Meeting Records)

AI 产品 PRD 的 7 段结构：功能定义、用户流程、约束与非功能需求、数据需求、模型与 Prompt 策略、成功指标与反指标、风险与合规。每段的取舍原则 + 常见踩坑。

用一份真实案例（某澳洲保险公司的『保单智能解读 AI 助手』）贯穿讲解。学员会在 L74 Lab 里拿这个模板自己写一份 PRD。

本节课程内容：

1. Initiation & Discovery
2. Continuous Throughout Agile Delivery
3. Stakeholder Analysis Document
4. Iteration/Sprint Specific
5. Functional Requirements Document (FRD) or Functional Specification
6. System Requirements Specification (SRS) or Technical Specification
7. Towards the Latter Stages of Agile Delivery

课程概述： 本次课程旨在教导业务分析师（BA）如何撰写专业的产品文档。通过模拟真实案例，学员将学会整理并传达产品需求，确保项目团队的清晰理解与协同工作。

模拟案例简介： 我们将模拟开发一个在线购物应用程序的产品文档。该应用程序将包括用户注册、浏览商品、购物车、付款等功能。

主要知识点：

1.产品文档概览

1. 产品文档的重要性和作用
2. 文档的受众和用途
3. 核心元素和结构

2.准备前的关键步骤

1. 项目背景与目标
2. 制定清晰的项目范围
3. 确定关键利益相关者
4. 收集现有信息和资源

3.需求分析与规划

1. 定义用户需求与用例
2. 制定功能需求和非功能需求
3. 划定需求的优先级
4. 创建用户故事和用例图

4.编写文档的基本结构

1. 标题页与文档摘要
2. 目录和索引
3. 引言：项目概述与背景

5.详细需求规范

1. 用户界面设计
2. 功能性需求的详细描述
3. 数据模型与数据库设计
4. 性能需求和安全性需求

6.项目进展与时间表

1. 制定项目计划和时间表
2. 项目里程碑和关键任务
3. 风险分析和应对策略

7.验证和验证计划

1. 确保需求的一致性和完整性
2. 制定测试计划
3. 用户验收测试和验收标准

8.评审与反馈

1. 定期与利益相关者进行文档评审
2. 处理反馈和变更请求
3. 维护文档的版本控制

课程概述：

根据交付需求定 Feature 的优先级：

1. 评估影响：考虑每个特征对用户和业务的影响。
2. 风险评估：分析实施特定特征可能遇到的技术和业务风险。
3. 资源评估：考虑团队的能力和资源，确保优先级设置可行。

交付内容的阶段：

1. 规划：明确项目目标、范围和时间表。
2. 开发：根据优先级分配资源，开始功能开发。
3. 测试：确保交付的功能符合预期。
4. 发布：将产品或功能推向市场。

如何理解问题，5Ws and H 是什么：

1. 5Ws and H：Who, What, Where, When, Why, and How。这是一个全面理解问题的框架，帮助 BA 从不同角度探索问题的所有方面。

Problem Statement 是什么，如何进行 Persona 调查：

1. Problem Statement（问题陈述）：是对问题的明确、具体描述，它概述了问题的本质，受影响的人群，以及问题的影响。
2. Persona调查：通过创建代表性用户（Personas）的详细档案，BA 可以更深入地理解用户的需求、行为和动机。这涉及到收集和分析用户数据，构建 Persona，然后使用这些信息来指导设计决策。

AI PRD 独有的 4 个关键章节：数据章节、模型章节、伦理章节、安全章节。

• 数据章节： 训练数据来源、RAG 向量化数据、用户 session 数据如何处理、PII 脱敏规则
• 模型章节： 选型依据（OpenAI / Claude / 开源 / 国产）、准确率/延迟/成本三维度取舍、fallback 策略
• 伦理章节： 偏见测试、可解释性要求、用户知情权
• 安全章节： Prompt injection 防御、输出过滤、rate limit、数据合规（GDPR / 澳洲 APP）

PRD 和设计稿（Figma）、任务管理（Jira）的联动。PRD 里的 User Story 如何自动拆成 Jira Story + Subtask；PRD 里的流程图怎么和 Figma 原型做 bidirectional 链接；需求变更时三个工具怎么同步。

落地实践： 用 Jira 插件 / Figma plugin / Notion API 搭一条可追溯链（需求变更 → 影响哪个 Story → 影响哪个设计页 → 通知谁）。附课：n8n 自动化模板会在 Lab 发给学员。

PRD 评审的 5 个标准 + 真实样本拆解。一份好 PRD：1) 读完 5 分钟能复述核心功能；2) 每个功能点都有验收标准；3) 指标是可测量的（不是『提升用户体验』这种虚词）；4) 风险列表 >= 3 条；5) 和设计稿、数据模型完全对齐。

评审两份真实样本： 一份合格 PRD（某金融 AI 助手）+ 一份不合格 PRD（功能罗列但缺指标和风险），学员现场 peer review 找问题。

Week 3 Quiz：需求管理与 Stakeholder 管理。25 题 40 分钟。覆盖：Stakeholder Power/Interest 矩阵、需求冲突如何处理、Requirements traceability（需求可追溯）、PRD 核心章节结构、需求变更控制流程。附送 1 道 scenario 题：给一个需求变更场景，写出你的处理步骤。

1）课程卡片

课程名称： 从业务到 AI 需求：场景 → 能力 → 数据

适用对象： AI 产品经理、业务分析师、PM、数据团队成员

课程简介：

本课程讲解如何从业务场景出发，拆解 AI 产品需求，明确所需能力，并识别核心数据要求。通过系统方法，帮助学员从业务问题到 AI 实现建立清晰路径，避免“先有模型再找问题”的常见误区。

2） 学习目标

完成本课程后，学员将能够：

1. 理解业务场景与 AI 需求的关系
2. 能够拆解业务场景，提炼 AI 所需能力
3. 明确数据需求类型及质量要求
4. 掌握从业务到 AI 需求的标准化流程，为 PRD 与 AI 产品设计打基础

3. 课件大纲（Slides）

1. 课程导入：为什么需要从业务出发？
2. 业务场景识别
3. 从场景到 AI 能力
4. 能力矩阵与优先级
5. 数据需求识别
6. 数据获取与合规性
7. 完整流程示意图：业务 → 能力 → 数据
8. 案例演示：Travel Helper 场景分析
9. 常见误区与注意事项
10. 本节小结 & 下节预告

1) 课程卡片

课程名称

AI 助力需求分析案例

课程说明

从“人脑分析需求”到“人 × AI 协同分析需求”的实战示范课

通过一个完整的业务场景，演示如何用 AI 辅助完成：

问题拆解 → 用户需求分析 → PRD 输入物整理，而不是让 AI“直接写 PRD”。

适合人群

1. 想把 AI 用在「需求分析阶段」的产品经理 / BA
2. 会写 PRD，但不知道 AI 应该介入哪一步 的从业者
3. 容易被“AI 一键生成 PRD”误导的初中级 PM/BA

先修建议

已学习前 1–5 节课程（尤其是：

1. PRD 四大结构
2. 从业务到 AI 需求：场景 → 能力 → 数据）

2) 学习目标

学完本节课，学员将能够：

1. 识别 AI 在需求分析中的“正确位置”
2. ——哪些工作适合交给 AI，哪些必须由产品负责人判断
3. 掌握一套 AI 辅助需求分析的标准流程
4. 从业务问题出发，而不是从“功能想法”出发
5. 学会用 AI 做结构化输出，而不是替你做决策
6. 包括：
7. 问题拆解
8. 用户任务 / 痛点整理
9. 假设与不确定性识别
10. 将 AI 的分析结果转化为可写入 PRD 的输入物
11. 为后续 PRD 撰写、评审和迭代打好基础

3）课件大纲（Slides）

1. 为什么需要 AI 来辅助需求分析
2. 案例背景介绍：统一业务场景
3. 传统需求分析 vs AI 辅助需求分析
4. Step 1：AI 协助问题拆解
5. Step 2：AI 梳理用户任务与痛点
6. Step 3：识别假设与不确定性
7. Step 4：将 AI 输出转化为 PRD 输入物
8. 常见误区与反模式
9. 本节小结

撰写 PRD Lab（AI 功能版）。在浏览器内完成，从一句话场景出发写一份完整的 AI 功能 PRD（含指标与风险章节）。

模板结构： 1) 功能定义 + 用户故事；2) 用户流程图；3) 数据章节；4) 模型策略与成本估算；5) 成功指标 + 反指标；6) 风险列表 + 缓解措施；7) MVP 范围。产出提交到学习群，老师会挑 3 份做课堂讲评。

Week 4 前半 Quiz：PRD 与文档规范。20 题 30 分钟。覆盖：AI PRD 的 7 段结构、指标可测量的判定、风险章节必备项、Stakeholder 评审流程、文档版本管理。Scenario 题：给一份缺失风险章节的 PRD，写出你会补充的 5 条风险。

Prompt 工程的系统原理（不只是『提问技巧』）。四层次：1) 基础 prompt（指令 + 上下文）；2) few-shot prompt（示例学习）；3) Chain-of-Thought（推理路径显式化）；4) Agent prompt（工具调用 + 反思）。

给 BA 的重点： Prompt = 产品需求文档的可执行版本。学会写 Prompt 就是学会把需求精确翻译成机器能理解的语言。会讲 OpenAI / Anthropic 官方 guide 的核心 takeaway，配 10 个真实业务场景的 prompt 对比（烂 vs 好）。

1）课程卡片（Course Card）

课程名称

Prompt 工程进阶｜多轮对话与记忆：上下文管理

课程定位

从“一次性 Prompt”进阶到“可持续对话系统”，理解 AI 如何记住上下文、何时遗忘、如何被产品化管理。

适合人群

1. AI 产品经理 / 产品负责人
2. Business Analyst / Solution Designer
3. 需要设计 AI 对话流程的从业者
4. 已了解 Prompt 基础概念的学习者

前置课程

《Prompt 工程原理与技巧》

2）学习目标（Learning Objectives）

完成本节课后，你将能够：

1. 区分 Prompt 级记忆 与 对话级上下文管理理解 In-context learning 在多轮对话中的真实表现
2. 避免“模型真的记住了我”的常见误解
3. 设计可控的多轮对话结构明确每一轮对话中：输入、上下文、输出的边界
4. 知道哪些信息必须“重复给”，哪些可以依赖上下文
5. 理解 AI 产品中的“记忆”本质知道哪些是模型能力，哪些是产品层设计
6. 区分短期上下文、长期记忆、用户画像
7. 将上下文管理转化为 PRD 与对话设计能在 PRD 中清晰描述“上下文规则”
8. 为 AI 产品定义记忆策略、失效条件与风险点

3）课件大纲（Slides）

1. 课程引入：为什么“一问一答”的 Prompt 不够了？
2. 回顾：Prompt 工程中的“记忆”是什么？
3. 多轮对话的本质：上下文在不断变化
4. 上下文的三种常见来源
5. 什么信息应该进入上下文？
6. 上下文管理的典型失败场景
7. 多轮对话的设计思路（产品视角）
8. 案例：Travel Helper 的多轮对话拆解
9. “记住用户”这件事，谁来负责？
10. 在 PRD 中如何写“上下文管理”？
11. 常见误区总结
12. 本节小结

Prompt A/B 测试 Lab。给定两个业务场景（客服问答 + 需求拆解），每个场景写 3 套不同策略的 Prompt，用测试集对比 accuracy / latency / cost 三维度。

交付物： 6 套 Prompt + 一张对比表 + 1 页分析报告（哪套最优、为什么、在什么场景下换策略）。这是 AI PM 岗位最常考的实操能力之一。

Week 4 后半 Quiz：Prompt 工程。20 题 30 分钟。覆盖：Zero-shot vs Few-shot、Chain-of-Thought 适用场景、Prompt caching 机制、System Prompt vs User Prompt 差异、Temperature 与 Top-p 的作用、Context window 管理。