AI PRD Engineering（AI 产品需求工程与规范）
AI 原生时代的产品需求文档（PRD）与传统确定性软件 PRD 存在根本性范式差异。传统 PRD 定义规则输入与固定输出，而 AI PRD 面对的是概率系统与分布漂移。
Source: 2026-09-04-xiaohongshu-xhslink-cn-o-78UvCUGVGIk-812b858976.md（来源未公开）
1. AI PRD 四大核心论证支柱
- 不可替代性证明（Why LLM）：严禁“拿着 AI 当锤子乱找钉子”。PRD 必须首先回答：为什么传统规则、策略或轻量算法无法解决？大模型在此场景下的不可替代性是效果上限、ROI 还是多模态通用性？
- 卡点与可行性量化：明确业务流程中的核心堵点（如电商素材生产耗时与转化率），并提供 AI 介入后的转化率相关性假设与落地可行性分析。
- 确定性与概率边界划分：明确哪些逻辑必须由确定性代码/业务规则强制兜底，哪些阶段交由大模型自由涌现。
- 评测基准先行（Eval-First）：AI PRD 不以静态功能清单为主，而以评测数据集、评测维度（幻觉率、对齐率、召回率）以及 Bad Case 归因框架为验收基线。