第4章：AI产品PRD的特殊性
做AI产品和做传统软件产品，差别真的很大。我刚开始转型做AI产品时，拿着传统PRD模板往上套，结果被算法团队怼得体无完肤。后来我才明白——AI产品的PRD，本质上是一份「不确定性管理文档」。
传统PRD描述的是确定的功能逻辑，而AI产品的PRD需要描述数据、模型、评估、伦理这四个维度的特殊要求。说白了，你得同时跟数据工程师、算法工程师、测试工程师、法务团队打交道。每个角色关心的东西都不一样。
这一章，我就把这四个特殊文档拆开来讲。每个文档我都踩过坑，希望能帮你少走弯路。
4.1 数据需求文档（DRD）
数据是AI产品的燃料。没有数据，模型就是空中楼阁。DRD的核心任务，就是把业务需求翻译成数据需求。
DRD应该包含哪些内容？
- 数据来源：内部数据还是外部采购？实时数据还是离线数据？
- 数据规模：需要多少条样本？正负样本比例如何？
- 数据标注：是否需要人工标注？标注标准是什么？
- 数据质量：缺失率、噪声率、一致性要求。
- 数据安全：是否涉及用户隐私？脱敏要求是什么？
我个人的习惯：在DRD里加一个「数据可行性评估」小节。先问自己三个问题——数据能拿到吗？数据够用吗？数据干净吗？任何一个回答「否」，这个项目就得重新评估。
举个实际例子：我之前做一个智能客服项目，PRD里写「需要理解用户意图」。算法团队问我：「你的训练数据在哪？」我愣住了。后来花了两个月才攒够1万条标注数据，项目直接延期。
所以，DRD最好在PRD评审之前就写好。数据先行，模型才能跟上。
4.2 模型需求文档（MRD）
MRD是给算法工程师看的。它不关心业务逻辑，只关心模型要解决什么问题。
MRD的核心要素：
- 任务定义：分类、回归、聚类、生成？
- 输入输出：输入是什么格式？输出是什么格式？
- 性能要求：推理速度、内存占用、模型大小。
- 模型选型建议：用BERT还是GPT？用CNN还是Transformer？
- 基线模型：有没有现成的baseline？
嗯，这里要注意一点——MRD不要写得太死。算法工程师需要一定的自由度。你定好目标和约束条件，具体用什么模型架构，让他们自己选。
避坑指南：我曾经在MRD里指定了「必须用ResNet-50」，结果算法同学试了发现效果不好，又不敢换，白白浪费了两周。后来我改成「推荐ResNet-50，但允许探索其他架构」，效率反而更高。
MRD的模板示例：
# 模型需求文档（MRD）
## 1. 任务定义
- 任务类型：文本二分类
- 目标：判断用户评论是正面还是负面
## 2. 输入输出
- 输入：用户评论文本（长度不超过512字符）
- 输出：{positive: 0.92, negative: 0.08}
## 3. 性能要求
- 推理延迟：< 100ms（单条）
- 模型大小：< 200MB
- 吞吐量：> 100 QPS
## 4. 评估指标
- 准确率 > 0.90
- F1-score > 0.88
- 召回率 > 0.85
4.3 评估指标文档（EVD）
EVD是AI产品PRD里最容易「打架」的地方。业务方看的是业务指标，算法方看的是技术指标。这两者经常不一致。
为什么会这样？ 你想想看，业务方说「准确率要到95%」，但算法同学知道，在数据不平衡的情况下，准确率就是个骗人的指标。模型只要全预测为「负样本」，准确率可能就99%了，但业务上完全不可用。
EVD需要定义两类指标：
| 指标类型 | 示例 | 谁关心 |
|---|---|---|
| 技术指标 | 准确率、召回率、F1、AUC | 算法工程师 |
| 业务指标 | 用户满意度、转化率、客诉率 | 产品经理、业务方 |
我建议在EVD里做一个「指标映射表」，把技术指标和业务指标对应起来。比如：
- 模型召回率提升5% → 用户满意度提升2%
- 模型误判率降低1% → 客诉率降低0.5%
这样两边都能看懂，也方便后续的验收。
注意：EVD一定要写清楚「验收标准」和「验收方式」。是离线评估还是在线A/B测试？评估数据集是谁提供的？这些不写清楚，项目验收时就是一场灾难。
4.4 AI伦理与合规文档
这个文档以前没人重视，但现在越来越重要。尤其是大模型产品，伦理和合规问题直接决定产品能不能上线。
AI伦理文档的核心内容：
- 公平性：模型是否存在偏见？对不同人群是否一视同仁？
- 可解释性：模型的决策能否被理解？用户能否知道为什么被推荐？
- 隐私保护：是否收集了不必要的个人信息？数据存储是否安全？
- 安全性：模型是否容易被攻击？对抗样本防御措施是什么？
合规文档的核心内容：
- 法律法规：是否符合《个人信息保护法》《数据安全法》？
- 行业标准：是否符合金融、医疗等行业的监管要求？
- 审计追踪：模型的训练数据、决策过程是否可以追溯？
我记得有一次做一个金融风控模型，模型效果很好，但算法团队用了用户的交易流水数据。法务一看，说「这个数据没有获得用户授权，不能用」。结果模型重新训练，又花了一个月。
所以，伦理和合规文档最好在项目启动时就写好，而不是等到上线前才补。说白了，这是「安全网」，不是「事后诸葛亮」。
4.5 四个文档的关系
这四个文档不是孤立的。它们之间的关系，我画了一张图：
从这张图可以看出，AI产品PRD是中心，四个文档分别从数据、模型、评估、合规四个维度提供支撑。缺少任何一个，产品都可能出问题。
4.6 我的实战建议
最后，分享几个我踩过的坑，希望能帮你避开：
- DRD不要等模型开始训练了才写。数据准备周期往往比模型训练还长，提前规划能省很多时间。
- MRD要留出探索空间。算法工程师需要试错，你定好边界就行，别管得太细。
- EVD要写清楚「谁说了算」。技术指标和业务指标冲突时，以哪个为准？这个必须在文档里明确。
- 伦理合规文档不是摆设。我见过太多产品因为合规问题被下架，前期花点时间，后期省大钱。
一句话总结：AI产品的PRD，本质上是一份「多方协作的契约」。数据、模型、评估、合规，缺一不可。写好了，项目就成功了一半。
下一章，我会讲如何把这些文档整合成一个完整的AI产品PRD模板。到时候，我会把我自己用的模板直接分享出来，你拿去就能用。