Day 50：综合项目 PRD
今天的学习目标是完成综合项目的需求文档（PRD），这是整个八周学习计划的收官项目——一个AI行业机会挖掘与企业Agent方案生成系统。你要把前七周学到的Prompt工程、RAG、Agent设计、工程化、行业拆解和商业化知识全部融合到这一个项目的PRD中。这份PRD不是一份简单的功能列表，而是一个完整的产品蓝图，它需要回答”这个系统为谁解决什么问题、怎么解决、解决后用户得到什么”这些根本性的产品问题。
写PRD的过程本身就是一次深度思考的训练。你需要站在用户的角度思考他为什么会用你的系统，站在开发者的角度思考技术可行性，站在商业化的角度思考这个系统能不能赚钱。一个好的PRD不是写完就锁进抽屉的文档，而是整个项目生命周期中所有人都在参考的北极星。
一、产品目标：这个系统为什么存在
任何产品都需要回答一个最根本的问题：它解决什么问题。我们的系统要解决的问题是——企业在面对AI转型时不知道从哪里入手。企业管理者要么被各种AI概念轰炸得不知所措，要么听说同行用了AI降本增效但自己完全不知道怎么开始，要么找了一些AI供应商做方案但方案完全脱离业务实际。
这个问题的本质是信息不对称和认知门槛。AI技术供应商用技术语言说话，企业管理者用业务语言说话，中间缺少一个翻译。我们的系统就是要做这个翻译——用企业能听懂的语言告诉他们，在他们的具体行业、具体岗位、具体流程中，AI能做什么、怎么做、做了之后效果如何。
产品目标需要从三个层面来定义。第一个层面是用户层面的目标：用户使用这个系统后能获得一份针对自己企业情况的AI应用方案，这份方案足够具体，可以直接作为内部决策参考或者外部招标的基础。第二个层面是商业层面的目标：这个系统本身就是一个可售卖的产品，它可以作为引流品吸引潜在客户，也可以作为标准品直接向中小企业销售。第三个层面是技术层面的目标：通过这个项目验证你从Prompt工程到Agent设计到前后端集成的完整技术能力。
产品目标还需要定义什么是成功。用户层面的成功指标是方案被采用率——用户拿到方案后有多大概率会实际执行。商业层面的成功指标是转化率——使用免费版的用户有多少会升级到付费版或咨询服务的转化比例。技术层面的成功指标是系统稳定性和方案质量——系统出错率低于多少，生成的方案在专家评审中的得分高于多少。
这些目标不是空话，它们会直接影响你后续的功能优先级和技术架构选择。比如如果你的核心目标是”作为引流品吸引咨询客户”，那么系统的重点应该是让用户快速看到初步结果从而产生”想了解更多”的欲望，而不是追求极致的分析深度。如果你的核心目标是”作为独立产品销售”，那么方案的专业度和准确性就是生命线。
二、用户画像：谁会用这个系统
用户画像决定了产品的交互设计、功能深度和内容风格。我们的系统有四类核心用户，他们的需求差异很大。
第一类用户是中小企业老板或总经理。这类用户的特点是对AI有好奇心但技术理解有限，他们关心的是”AI能不能帮我省钱或者赚钱”。他们的使用场景是听说了AI很火，想看看自己的企业能不能用、怎么用、花多少钱。他们对系统的期望是简单直接——输入我的行业和企业情况，告诉我AI能帮我做什么。他们不会花时间学习怎么操作系统，所以输入要尽可能简单，输出要尽可能直白。
第二类用户是企业的部门经理或业务负责人。这类用户比老板更懂具体业务但也更忙，他们的痛点是上级要求”研究一下AI怎么用”但他们不知道从哪个环节入手。他们需要的是具体的、针对某个岗位或某个流程的AI应用建议，而不是泛泛的”AI可以提升效率”。他们的使用场景往往是在做部门规划或者向上汇报时需要一份有说服力的方案。
第三类用户是AI咨询从业者或解决方案销售。这类用户把我们的系统当作工具来辅助他们的日常工作——快速生成初版方案，然后再根据具体客户情况做深度定制。他们对系统的要求最高，需要输出足够专业、足够详细、足够结构化，方便他们二次加工。他们也是最愿意付费的用户群体。
第四类用户是想要转型做AI咨询的个人。这类用户可能是刚学完AI课程想要建立自己业务的独立顾问，也可能是传统IT服务商想要增加AI业务线。他们需要的不只是一份方案输出，而是整套的方法论——系统是怎么分析的，为什么这么设计，他们可以怎么用这套逻辑服务自己的客户。
在PRD中你需要为每类用户定义使用频率、付费意愿、核心关注点和必须满足的功能需求。这些定义会直接影响你的功能优先级排序——如果付费意愿最高的用户群体最需要专业的Agent流程图输出，那这个功能的优先级就应该是高的。
三、使用场景：用户在什么情况下打开这个系统
定义使用场景的目的是让你理解用户的心理状态和使用动机，从而设计出符合场景的产品体验。
场景一：老板主动探索。一个制造业企业的老板在参加完行业峰会后听说同行用AI做了质检自动化，回到公司后打开我们的系统，输入自己的行业和公司规模，想看看有没有适合自己企业的AI应用机会。这个场景的特点是用户是主动的、期望值适中的，他们需要一个快速但有价值的初步判断。系统应该在三分钟内给出”你的行业有X个高价值AI应用机会”的概览结果。
场景二：部门经理被动研究。一个公司的销售总监被老板要求”研究一下AI能不能用在销售流程中”，他在Google上搜索后找到了我们的系统。这个场景的特点是用户有明确的关注点（销售岗位）但不确定AI具体能做什么。系统需要帮助他从”不知道能做什么”到”知道可以做A、B、C三件事”的认知跨越。
场景三：顾问快速出方案。一个AI咨询顾问明天要去见一个新客户，客户是做物流的。顾问用我们的系统输入”物流行业、仓储管理岗位、拣货效率低”的信息，快速生成一份行业分析和方案初稿，作为明天客户会议的讨论基础。这个场景的特点是用户追求速度和专业度，系统需要输出足够详细的结构化内容而不是泛泛的建议。
场景四：学习者方法论参考。一个正在学习AI咨询的人在研究”如何为一个行业设计AI应用方案”，他使用我们的系统来观察分析流程和方案结构。这个场景的特点是用户关注的是”过程”而不仅是”结果”，系统需要在输出的同时展示分析逻辑和方法论框架。
每个场景都对应不同的产品功能需求。场景一需要快速概览和视觉化的结果展示。场景二需要针对特定岗位的深度分析。场景三需要可导出、可编辑的专业报告。场景四需要透明的分析过程和方法论说明。一个好的PRD需要把这些场景需求都考虑到，并在功能设计时做出合理的优先级取舍。
四、核心功能：系统必须做什么
核心功能的定义是PRD最关键的部分。功能定义需要精确到可以开发的程度——不是”系统能分析行业”，而是”用户输入行业名称后，系统基于知识库和LLM生成该行业的AI应用机会列表，每个机会包含机会描述、可行性评分、预期ROI和实施难度”。
我们的系统核心功能可以分为三大模块：输入模块、分析模块和输出模块。
输入模块的核心功能包括行业选择、企业信息填写、岗位选择和痛点描述。行业选择需要支持两种方式——从预设的行业列表中选择和自由输入行业关键词。企业信息包含公司规模、主营业务和现有数字化程度三个字段，这些信息影响AI方案的复杂度和推荐方向。岗位选择支持从预设列表中选择和自由输入。痛点描述是一个自由文本输入框，用户可以描述当前面临的具体问题，系统会根据痛点描述优化分析方向。
分析模块是整个系统的核心引擎，由多个Agent协作完成。需求理解Agent负责解析用户输入，将模糊的自然语言需求转化为结构化的分析参数。行业研究Agent基于RAG知识库和LLM对目标行业进行深度分析，识别行业的关键业务流程和AI应用热点。岗位拆解Agent将目标岗位的工作内容拆解为具体的任务步骤，评估每个步骤的AI替代或增强潜力。AI机会评分Agent对所有识别到的AI应用机会进行多维度评分，包括技术可行性、商业价值、实施难度和预期ROI。方案设计Agent基于评分结果生成具体的AI Agent方案，包含方案架构、技术选型和实施路径。ROI Agent量化方案的投资回报分析。风险审查Agent评估方案的实施风险和应对策略。报告生成Agent将所有分析结果整合为结构化的报告文档。
输出模块的核心功能包括在线报告展示、报告导出和方案对比。在线报告展示需要支持Markdown渲染，包含目录导航、图表展示和关键指标高亮。报告导出支持PDF和Word格式。方案对比功能允许用户对多个AI应用机会进行并排比较，查看不同机会的评分差异和资源需求差异。
五、输入输出设计：数据如何进出系统
输入输出的设计直接影响用户体验和系统的实用性。输入设计的原则是”问最少的问题获取最多的信息”，输出设计的原则是”给最有价值的内容用最清晰的方式呈现”。
输入设计需要考虑信息获取的分步策略。第一步只要求用户输入最基本的信息——行业和公司规模。系统根据这两个信息就能给出初步的行业概览和热门AI应用方向。这一步的门槛极低，用户不需要思考太多就能完成。如果用户想看更深入的分析，第二步要求输入具体的岗位和痛点描述。系统根据这四个维度的信息生成个性化的深度方案。这种渐进式信息收集策略比一上来就扔给用户一个十项表单的体验好得多。
输入还需要考虑智能补全和推荐。当用户输入行业关键词时，系统应该实时展示匹配的行业建议。当用户选择了行业后，系统应该推荐该行业最常见的岗位和痛点供用户参考。这些智能辅助功能降低了用户的输入成本，同时也提高了输入信息的准确性。
输出设计需要考虑不同粒度的展示。最粗粒度是概览卡片——每个AI应用机会用一张卡片展示，卡片包含机会名称、一句话描述、综合评分和预期价值。中等粒度是详细分析页——针对单个机会展开说明其具体内容、技术方案、实施步骤和风险评估。最细粒度是完整报告——包含所有机会的完整分析和综合推荐，适合需要正式文档的场景。
输出还需要考虑可操作性。一份纯文字的分析报告对用户来说价值有限，真正有用的是那些可以直接用于下一步行动的内容。比如系统不仅告诉你”这个岗位适合用AI做数据录入自动化”，还告诉你”要实现这个方案你需要准备什么数据、用什么技术栈、大约花多少钱、预期多长时间上线”。这种可操作的输出才是用户愿意付费的东西。
六、页面设计：用户看到什么
页面设计需要遵循”信息层级清晰、操作路径简短、视觉风格专业”三个原则。我们的系统不需要花哨的动效和复杂的交互，但必须让用户一眼就知道自己在哪、能做什么、下一步去哪。
首页是用户的第一印象，需要在一屏之内传达三个信息：这个系统做什么、对用户有什么价值、怎么开始使用。首页的核心是一个简洁的输入区域——行业输入框加上一个”开始分析”按钮。下方可以放两三个案例展示，让用户快速理解系统输出的样子。首页不需要登录就能使用，降低使用门槛。
行业输入页是系统的第一个交互页面。页面顶部是一个搜索框，用户可以输入行业关键词或从热门行业标签中选择。选择行业后，页面动态展示该行业的AI应用概览——目前这个行业最常见的AI应用场景有哪些、平均ROI是多少、实施周期多长。这些信息来自知识库的预计算数据，不需要实时生成，可以秒级展示。
文档上传页是可选的增强功能页面。用户可以上传自己的业务文档（如流程说明、岗位职责、业务报告），系统基于文档内容做更精准的分析。这个页面需要支持多种文件格式（PDF、Word、TXT），并有清晰的文件大小和数量限制提示。上传后系统展示文档解析状态的进度条。
分析进度页是系统在后台运行Agent流程时展示给用户的页面。这个页面不是简单的”正在分析请稍候”的等待页，而是一个实时展示分析进度的仪表盘——当前正在运行哪个Agent、已经完成了哪些分析步骤、发现了哪些初步结果。这种透明化的进度展示有两个好处：一是降低用户的等待焦虑，二是展示系统的分析过程本身就是一种价值输出。
报告展示页是用户获取最终结果的页面。页面采用分章节的布局，左侧是报告目录导航，右侧是当前章节的内容。报告的关键指标用卡片式设计突出显示，流程图和架构图用可视化的方式呈现，方案对比用表格形式展示。页面右上角提供导出和分享按钮。
导出页允许用户选择导出格式和导出内容范围。用户可以选择导出完整报告或只导出某个章节，可以选择PDF格式或Word格式。对于付费用户还可以提供自定义报告模板的功能——比如加上公司Logo、调整配色方案、添加自定义的封面和封底。
案例页展示已经生成的行业分析案例，让新用户可以快速了解系统能输出什么。案例页同时也是SEO的重要载体——每个行业案例都可以作为一个独立的页面被搜索引擎收录，吸引有相关需求的自然搜索流量。
七、数据结构：系统存储什么数据
数据结构设计是PRD中容易被忽视但极其重要的部分。它不仅影响开发效率，还决定了系统未来扩展的灵活性。
用户数据包括基本信息（注册方式、邮箱、公司名称）、使用记录（使用次数、输入历史、生成的报告列表）和付费信息（套餐类型、付费记录、有效期）。用户数据的设计要注意隐私保护——不存储敏感的企业经营数据，所有用户数据都可以被用户自行删除。
行业数据是系统知识库的核心。每个行业的数据包括行业名称和分类层级、行业关键业务流程列表、每个流程的标准化步骤描述、行业内常见的AI应用案例和效果数据、行业相关的法规政策和合规要求。行业数据需要支持定期更新和人工审核机制，确保数据的准确性和时效性。
岗位数据按行业分类存储。每个岗位的数据包括岗位名称和所属行业、岗位职责描述和工作内容列表、每个工作内容的标准化步骤、每个步骤的AI替代或增强潜力评分基准值、岗位相关的技能要求和培训资源。岗位数据和行业数据之间是多对多的关系——同一个岗位（如财务经理）在不同行业中的工作内容和AI应用潜力不同。
分析记录数据存储每次分析过程的完整信息。包括用户输入的原始参数、每个Agent的中间输出、最终生成的完整报告、用户对报告的反馈评分。分析记录数据对系统优化极其重要——你可以通过分析历史记录来评估Agent输出的质量、发现常见的问题模式、优化Prompt设计。
报告数据包括报告元信息（创建时间、关联行业、关联用户）、报告正文内容（Markdown格式）、报告中的图表数据（JSON格式）和报告访问记录（谁在什么时间查看了报告）。报告数据的设计需要支持版本管理——同一份报告可能有多个版本（初版、修改版、终版），用户可以查看和比较不同版本。
八、Agent流程设计：系统内部怎么协作
Agent流程是整个系统的技术核心。PRD中需要定义清楚每个Agent的职责、输入输出和协作方式。
整个Agent流程设计为一个带有检查点的流水线。第一个Agent是需求理解Agent，它接收用户的原始输入（行业、企业信息、岗位、痛点），输出结构化的分析参数。比如用户说”我是做服装制造的，公司大概两百人，仓库管理很乱”，需求理解Agent需要把这段话解析为行业=服装制造、公司规模=中型、关注岗位=仓储管理、核心痛点=库存管理混乱。
第二个Agent是行业研究Agent，它基于需求理解Agent输出的分析参数，结合RAG知识库中的行业数据，生成行业深度分析报告。报告内容包括行业当前的发展趋势和挑战、行业中最有价值的AI应用场景、竞争对数在AI方面的投入情况和行业特定的法规和合规要求。
第三个Agent是岗位拆解Agent，它把目标岗位的工作内容拆解为细粒度的任务步骤。比如”仓储管理”这个岗位会被拆解为收货入库、库存盘点、拣货出库、库存调拨、损耗管理等具体步骤。每个步骤都会标注其频率、耗时、错误率和AI替代潜力。
第四个Agent是AI机会评分Agent，它基于行业研究和岗位拆解的结果，对所有可能的AI应用机会进行多维度评分。评分维度包括技术可行性（当前AI技术能不能做）、数据基础（企业通常有没有所需的数据）、商业价值（做了之后能省多少钱或赚多少钱）、实施难度（需要多长时间和多少资源）和组织适配度（企业团队能不能接住这个方案）。
第五个Agent是方案设计Agent，它选取评分最高的AI应用机会，设计具体的Agent方案。方案内容包括方案概述（做什么和为什么做）、技术架构（用什么技术栈和怎么实现）、Agent流程设计（Agent之间怎么协作）、数据需求（需要什么数据支撑）、实施路径（分几个阶段、每阶段做什么）和资源需求（需要多少人、多少钱、多长时间）。
第六个Agent是ROI Agent，它基于方案设计Agent的输出，量化投资回报分析。输出包括一次性投入成本估算（开发、部署、培训）、持续运营成本估算（API调用、维护、升级）、预期收益估算（效率提升、成本降低、收入增加）、投资回收期和三年总ROI。
第七个Agent是风险审查Agent，它审查整个方案的技术风险、数据风险、组织风险和合规风险，并为每个风险提供应对策略。风险审查Agent的输出不仅是一个风险清单，更是一个完整的”如果出现X问题就执行Y应对”的风险管理手册。
第八个Agent是报告生成Agent，它将前面所有Agent的输出整合为一份结构清晰、逻辑连贯、专业规范的最终报告。报告生成Agent需要处理不同Agent输出之间的信息冗余和逻辑矛盾，确保最终报告是一个统一的整体而不是各部分简单拼凑。
在这个流水线中，需求理解Agent是唯一的入口，报告生成Agent是唯一的出口，中间的Agent按照固定顺序执行。每个Agent的输出都会被保存为中间结果，用户可以在进度页实时查看。在关键节点（如AI机会评分完成后）设置人工审核检查点，允许用户确认分析方向是否符合预期后再继续后续步骤。
九、权限设计：谁能做什么
权限设计在PRD中经常被低估，但对于一个有商业化目标的产品来说，权限设计直接关系到你的收入模式。
系统的权限分为四个层级。访客层级不需要注册就能使用基础功能——输入行业和企业信息获取简单的行业AI概览。这个层级的目的是让用户零门槛体验系统价值，降低获客成本。访客的输出受到限制——只能看到概览卡片，不能查看详细分析和完整报告。
免费注册用户可以输入完整的四维信息（行业、企业、岗位、痛点）并获取完整的分析结果。但免费用户每月有使用次数限制（比如三次），报告导出功能受限（只能导出PDF不能导出Word），且报告中有品牌水印。免费用户的价值是转化为付费用户——当他们发现系统有用但免费版不够用的时候。
付费用户分为两个套餐。标准套餐用户享有不限次数的分析、完整的导出功能、无水印报告和邮件客服支持。专业套餐用户在标准版基础上增加了API访问权限（可以将系统集成到自己的工作流中）、自定义报告模板、优先分析队列和一对一咨询机会。
权限设计还需要考虑数据隔离。每个用户只能看到自己的分析记录和报告，不能看到其他用户的数据。管理员可以在后台查看系统的整体使用统计和匿名化的分析数据，用于产品优化和运营决策。
十、评估设计：怎么判断系统好不好
评估设计回答的是”我怎么知道这个系统在正常工作、生成的方案质量合格”这个问题。这是工程化能力的直接体现。
评估分为三个维度。第一个维度是功能评估——系统的每个功能是否按预期工作。包括用户能不能正常完成从输入到获取报告的完整流程、每个Agent是否按时完成分析并输出结构化结果、导出功能是否正确生成文件、页面展示是否适配不同设备。功能评估通过端到端测试来实现。
第二个维度是质量评估——生成的方案是否专业、准确、有用。这是最难的评估维度，因为”方案质量”是一个主观判断。但我们可以通过以下几个可量化的指标来近似评估：方案完整性（是否包含了所有必要的分析维度）、方案具体性（方案建议是否足够具体可以落地执行而不是泛泛而谈）、方案一致性（方案中的各个部分是否逻辑自洽不互相矛盾）、方案新颖性（方案是否提供了用户没有想到的洞察而不仅仅是重复用户的输入）。质量评估通过专家评审和用户反馈双重机制来实现。
第三个维度是性能评估——系统的响应速度、稳定性和成本效率。包括从用户提交输入到获取完整报告的总耗时（目标在五分钟以内）、系统的可用性（目标百分之九十九）、单次分析的API调用成本（目标在五元人民币以内）、并发用户数的支持能力。性能评估通过压力测试和监控来实现。
评估设计还需要定义持续改进的机制。每次分析完成后邀请用户对结果评分和反馈，收集到的反馈定期用于优化Prompt和Agent流程。同时建立一套回归测试集——包含二十到三十个典型场景的标准化输入和期望输出，每次系统更新后都跑一遍回归测试确保没有退化。
十一、商业模式：这个系统怎么赚钱
PRD的最后一个部分是商业模式设计，它决定了这个产品能不能持续活下去。
商业模式的核心是三层收入结构。第一层是免费版的引流收入——免费用户虽然不直接付费，但他们的使用数据帮助系统优化、他们的案例展示帮助吸引更多用户、他们中的一部分会转化为付费用户。每一个免费用户的获客成本几乎为零（因为他们是通过内容或搜索自然来的），所以即使只有百分之五的转化率，免费用户也是有价值的。
第二层是订阅制的经常性收入。付费用户按月或按年订阅，享受完整功能。订阅收入的关键是续费率——如果用户用了第一个月之后不再续费，说明产品没有提供持续的价值。为了提高续费率，系统需要让用户反复使用——比如每月更新行业数据和分析模型、提供新的AI应用案例、支持用户保存和对比历史分析结果。
第三层是增值服务的一次性收入。包括定制化咨询服务（用户购买了系统方案后还想找人帮忙实施）、企业版部署（把系统私有化部署到客户自己的服务器上）、API调用计费（超出套餐包含的API调用次数后按次付费）。
商业模式的另一个考虑是定价策略。对于一个面向企业的工具，定价的参考锚点是用户使用这个系统节省的时间价值。如果一个AI咨询顾问花两天时间才能完成一份行业分析和方案设计，而我们的系统在五分钟内就能生成初版，那么节省的时间价值至少是几千元。基于这个价值锚定，每月几百元的订阅价格是合理的。
十二、产品流程图与页面结构设计
PRD的文字描述需要配合流程图和结构图才能让所有参与者对产品有一致的理解。
产品流程图描述了用户从进入系统到获取结果的完整路径。用户进入首页后看到两个入口——快速体验（免注册直接使用）和注册登录（获取完整功能）。选择快速体验的用户进入简化版输入页，只需要输入行业和痛点，系统生成简化版概览。注册用户进入完整版输入页，可以输入四维信息并上传文档。输入完成后进入分析进度页，实时展示Agent执行状态。分析完成后自动跳转到报告展示页。用户可以在报告页查看、对比和导出报告。
页面结构图描述了系统的前端页面组成和层级关系。系统包含六个主要页面：首页、输入页（行业选择+信息填写+文档上传）、进度页、报告页、导出页和案例页。每个页面的导航逻辑是线性的——从首页到输入页到进度页到报告页到导出页，同时支持从报告页返回输入页修改参数重新分析。
Agent流程图描述了后端Agent的执行顺序和数据流。需求理解Agent接收用户输入，输出结构化参数给行业研究Agent。行业研究Agent的输出同时传递给岗位拆解Agent和AI机会评分Agent。这两个Agent完成后进入人工审核检查点。审核通过后数据传递给方案设计Agent。方案设计Agent的输出传递给ROI Agent和风险审查Agent并行执行。最后报告生成Agent整合所有结果输出最终报告。
这三张图是PRD的核心视觉资产，它们让任何阅读PRD的人都能在几分钟内理解系统的运作方式。在实际开发中，这三张图会被反复引用——前端开发参照页面结构图，后端开发参照Agent流程图，测试人员参照产品流程图编写测试用例。
今日实践任务总结
今天的核心任务是把以上所有思考组织成一份完整的PRD文档。具体交付物如下。
第一份交付物是综合项目PRD文档，包含产品目标、用户画像、使用场景、核心功能、输入输出定义、数据结构设计、Agent流程设计、权限设计、评估设计和商业模式设计这十个章节的完整描述。每个章节不少于八百字的详细阐述。
第二份交付物是产品流程图，用可视化的方式展示用户从进入到完成的全路径。可以用任何画图工具完成，重要的是逻辑清晰和标注完整。
第三份交付物是页面结构图，展示系统所有页面和它们之间的导航关系。标注每个页面的核心元素和用户操作。
第四份交付物是Agent流程图，展示所有Agent的执行顺序、数据流向和检查点位置。标注每个Agent的输入格式和输出格式。
这四份交付物合在一起就是一份完整的PRD，它是明天开始后端开发和后天前端开发的依据。PRD的质量直接决定了开发效率——一份清晰的PRD可以让开发少走百分之五十的弯路。在写PRD的过程中你会发现很多之前没考虑到的细节，这些发现本身就证明了写PRD的价值。