从想法到 PRD（用 AI 写 PRD）

⏱️ 12分钟

从想法到 PRD（用 AI 写 PRD）

从想法到 PRD 流程图

我用 ChatGPT 写过不下 50 份 PRD。直接给结论：其中大概 45 份是垃圾。

不是 AI 的问题，是我喂给它的 input 是垃圾。"帮我写一个社交 app 的 PRD"——你猜 AI 会输出什么？一份看起来很专业、结构很完整、但放到任何一个真实 project 里都没法用的东西。因为它缺少你脑子里那些没说出来的 context：目标用户是谁、技术栈是什么、你有几个人、deadline 是什么时候、竞品是谁。

这一章讲的就是怎么把脑子里的模糊想法，通过一套流程，变成 AI 能帮你写好的 PRD。

PRD 是什么

一句话解释：Product Requirements Document，产品需求文档。告诉开发团队"要做什么、为什么做、做成什么样"。

形象比喻：PRD 就像建筑图纸。你不会对建筑工人说"帮我盖个好看的房子"——你得给平面图、标尺寸、选材料。PRD 也一样，它不是 essay，是 specification。比喻的边界：建筑图纸改一次成本很高，PRD 应该是可以快速迭代的，别追求一次写完美。

工作中怎么用：独立开发者可能觉得 PRD 多余，"我自己做我自己知道"。但你三周后回来看代码，一定会忘记当初为什么做了某个决定。PRD 最大的价值不是给别人看，是给未来的自己看。

最常踩的坑：写了 20 页 PRD 没人看。好的 PRD 应该是 2-5 页，核心信息一目了然。

为什么大部分 AI 生成的 PRD 是垃圾

我总结了五个 anti-pattern：

Anti-Pattern	表现	为什么有害
空洞的 vision	"打造下一代 AI 驱动的学习平台"	没有具体的 user story，开发不知道做什么
功能清单堆砌	列了 30 个 feature，没有 priority	什么都想做 = 什么都做不好
缺少约束条件	只写了"要做什么"，没写"不做什么"	scope 无限膨胀
没有 success metric	做完了不知道算不算成功	无法 validate，无法迭代
过度设计	MVP 阶段就写了微服务架构、分布式缓存	你只有一个人，先活下来再说

说实话，这五个坑我全踩过。特别是第五个——我们有个 side project，PRD 里写了 Redis 缓存层、WebSocket 实时推送、GraphQL API。最后发现用户总共就 50 个人，一个 SQLite + REST API 就够了。

从 Idea 到 PRD 的四步流程

Step 1：把 Idea 压缩成一句话

如果你不能用一句话说清楚你的产品是什么，说明你还没想清楚。

模板：[目标用户] 可以用 [产品名] 来 [解决什么问题]，通过 [核心能力/AI 能力]

例子：

"留学生可以用 ResumeAI 来优化英文简历，通过 LLM 分析 job description 并自动调整简历措辞"
"小红书博主可以用 ContentPilot 来批量生成多平台内容，通过 AI 根据一篇原文自动改写不同风格"

Prompt 直接拿去用：

我有一个产品 idea，请帮我提炼成一句话的 value proposition。

我的想法是：[在这里描述你的想法，越详细越好，包括你观察到的痛点、目标用户、你想到的解决方案]

请用这个格式输出：
[目标用户] 可以用 [产品名] 来 [解决什么问题]，通过 [核心能力]

要求：
1. 一句话，不超过 50 个字
2. 必须包含具体的用户群体，不能是"所有人"
3. "解决什么问题"必须是用户能感知的痛点，不是技术术语
4. 给我 3 个版本，标注你推荐哪个以及原因

Step 2：写 User Story

User Story 不是 feature list。区别在于：

Feature list：用户可以上传简历 ❌（这是在描述系统能力）
User Story：作为一个正在找工作的留学生，我想上传我的简历并得到针对特定 JD 的修改建议，这样我投递时 match 度更高 ✅（这是在描述用户需求）

Prompt 模板：

基于以下产品定位，帮我写 User Stories。

产品一句话：[粘贴 Step 1 的结果]

目标用户画像：
- 年龄段：
- 职业/身份：
- 技术水平：
- 使用场景（什么时候、在哪里用）：
- 目前怎么解决这个问题：

请用标准格式输出：
As a [用户角色], I want to [做什么], so that [为了什么]

要求：
1. 按优先级排序（P0 = MVP 必须有，P1 = 第二版，P2 = nice to have）
2. P0 不超过 5 条
3. 每条 User Story 后面加一行"验收标准"（怎么算做完了）
4. 不要写技术实现细节

Step 3：定义 MVP Scope

这一步最关键，也是大部分人最容易跳过的。

我们遇到过的血泪教训：一个内部工具，PRD 写了用户系统、权限管理、数据分析 dashboard、AI 推荐、通知系统。结果两个月过去，用户系统还没做完。

直接给结论：MVP 的 scope 应该满足且仅满足 P0 的 User Stories。其他的全部砍掉。不是"以后再做"，是"现在不存在"。

Prompt 模板：

我要定义一个 MVP 的 scope。以下是我的 User Stories：

[粘贴 Step 2 的 P0 User Stories]

请帮我：
1. 确认这些 P0 stories 是否真的都是 MVP 必须的（如果有可以降级的，告诉我）
2. 列出实现这些 stories 需要的最小功能集
3. 明确列出"MVP 不做的事情"（Out of Scope）
4. 给出一个合理的开发时间估算（假设 1 个全栈开发者）

约束条件：
- 技术栈：[你的技术栈]
- 团队规模：[几个人]
- 目标上线时间：[deadline]
- 预算：[有没有服务器/API 预算限制]

Step 4：生成完整 PRD

前三步的 output 就是 PRD 的 input。到了这一步，AI 已经有了足够的 context 来帮你生成一份靠谱的文档。

Prompt 模板：

请根据以下信息，帮我生成一份 PRD 文档。

## 产品定位
[粘贴 Step 1]

## User Stories（仅 MVP scope）
[粘贴 Step 3 确认后的 P0 stories]

## 技术约束
- 技术栈：[Next.js + Supabase / Python + FastAPI / etc.]
- 部署：[Vercel / AWS / etc.]
- AI 模型：[GPT-4o / Claude 3.5 / etc.]
- 预算：[月 API 费用上限]

## Out of Scope
[粘贴 Step 3 的 Out of Scope 列表]

PRD 格式要求：
1. 总长度 2-5 页
2. 包含：Overview、目标用户、User Stories、功能需求（带优先级）、非功能需求、技术架构（简要）、Success Metrics、Timeline
3. 功能需求用表格展示，包含：功能名、描述、优先级、验收标准
4. 不要写废话和空洞的 vision statement
5. 语言风格：简洁直接，像写给工程师看的，不是写给投资人看的

一份真实 PRD 长什么样

下面是一个简化版例子——一个帮用户根据 JD 优化简历的小工具：

# ResumeMatch MVP PRD

## Overview
帮留学生根据具体 Job Description 优化英文简历措辞，提升 ATS 通过率。

## 目标用户
澳洲留学生，正在找 entry-level IT 工作，有基础简历但投递 response rate < 5%。

## MVP 功能需求

| 功能 | 描述 | 优先级 | 验收标准 |
|------|------|--------|---------|
| 上传简历 | 支持 PDF 上传，AI 解析为结构化数据 | P0 | PDF 解析准确率 > 90% |
| 粘贴 JD | 用户粘贴 Job Description 文本 | P0 | 能提取 key requirements |
| AI 匹配分析 | 对比简历和 JD，输出 match score + 建议 | P0 | 输出包含具体修改建议，不是空话 |
| 一键修改 | 根据建议自动修改简历对应部分 | P0 | 修改后语法正确、不改变事实 |
| 导出 PDF | 修改后简历可导出为 PDF | P0 | 格式与原简历一致 |

## Out of Scope（MVP 不做）
- 用户账户系统（先做匿名使用）
- 简历模板库
- 多语言支持
- 批量投递
- 面试准备功能

## 技术架构
- Frontend: Next.js + Tailwind CSS, 部署在 Vercel
- AI: Claude 3.5 Sonnet API（成本约 $0.003/次分析）
- PDF 解析: pdf-parse 库
- 存储: 不存储用户数据（隐私优先），全部在 session 内完成

## Success Metrics
- 用户完成一次完整流程（上传→分析→修改→导出）的比例 > 60%
- 平均单次使用时长 < 5 分钟
- 用户反馈"建议有用" > 70%

## Timeline
- Week 1: PDF 解析 + JD 解析
- Week 2: AI 匹配分析 + 建议生成
- Week 3: 一键修改 + PDF 导出
- Week 4: 测试 + 上线

热知识：这份 PRD 大概 40 行。但它包含了一个开发者需要知道的所有信息：做什么、不做什么、怎么判断做完了、用什么技术、花多长时间。比 20 页的废话文档有用一百倍。

几个实战 Tips

Tip 1：PRD 版本号很重要

我们用 v0.1、v0.2 这样标记。每次和 stakeholder 对完之后更新版本号。不然两周后有人拿着旧版 PRD 来找你，你都不知道他看的是哪个版本。

Tip 2：AI 写 PRD 时最容易幻觉的地方

技术架构：AI 经常推荐过度复杂的方案。你说"我做个小工具"，它给你推荐 Kubernetes + Redis + PostgreSQL。保持警惕。
时间估算：AI 给的时间通常偏乐观。实际开发时间一般是 AI 估算的 1.5-2 倍。
Success Metrics：AI 喜欢写"提升用户满意度"这种无法量化的指标。一定要改成具体数字。

Tip 3：用 Claude 还是 ChatGPT 写 PRD

说实话都可以。但如果你的 PRD 需要处理大量 context（比如你要粘贴竞品分析、用户访谈记录），Claude 的长 context 处理更稳定。ChatGPT 在短对话里 creativity 更好一些。我的习惯是用 Claude 做结构化的分析，用 ChatGPT 做 brainstorm。

截至 2025 年初的价格参考：ChatGPT Plus $20/月，Claude Pro $20/月。API 价格经常变，自己查最新的。

Tip 4：不要一次让 AI 写完整个 PRD

按 Step 1-4 分步做，每一步 review 一次，确认没问题再进入下一步。一次性让 AI 输出完整 PRD 的结果，和分步迭代的结果，质量差距巨大。

下一步

PRD 写完了，下一步就是选工具、排 timeline、开始做 MVP。但这里面有个关键决策：你应该用 Bolt、Lovable、v0 还是 Cursor？选错了可能浪费两周时间。下一章我们详细聊工具选型。