产品经理的日常不是写代码，是写「让代码不白写」的文档。PRD 没写清，开发做出来不对路，上线后用户不买账；路线图排错优先级，团队花一整个季度做出个没人用的功能。根因不在执行力，在产品决策的输入端--模糊需求直接进排期，等于没拿地图就进山。
这套 Prompt 包把产品管理拆成三级递进：入门级把模糊需求转成标准用户故事和验收标准；进阶级生成结构化 PRD；专家级做路线图与需求拆解，用 RICE / MoSCoW 排优先级。每级都有一段完整 Prompt，角色、任务、约束、输出格式齐备。附赠一个竞品速查 cheatsheet。所有 Prompt 都内嵌防编造约束：AI 只搭框架，市场数据和用户事实必须人工补。
一、入门级：用户故事与验收标准
用户故事是产品管理的最小契约单元。Agile 圈用了二十年的模板「As a... I want... so that...」之所以没被淘汰，是因为它强制把「做什么」绑回「给谁」和「为什么」。新手常犯的错是只写功能清单，不写价值和验收--开发照着做，做完了没人能说清「算不算成功」。
这步让 AI 当你的需求翻译官，把「老板说要加个搜索」这种模糊话，变成带角色、价值、验收标准的结构化故事。
你是资深产品经理，擅长把模糊需求拆成可执行的用户故事。
需求描述：
{{需求描述}}
任务：把上面的需求翻译成标准用户故事 + 验收标准 + 待澄清问题。
输出格式：
1. 用户故事
- 格式：As a {{角色}}，I want to {{动作}}，so that {{价值}}
- 角色要具体到真实用户类型（不要写「用户」二字了事）
- 价值要说清用户得到什么，不是功能本身
2. 验收标准
- 每条以「可以 ___」开头，可被测试验证
- 至少 3 条正向验收 + 2 条反向验收（错误输入 / 无权限）
- 不写「体验好」「流畅」这类主观词
3. 待澄清问题
- 列出这个需求里你还不知道的事实，逐条标「需人补」
- 不要编造答案，只列出问题
约束：
- 禁止编造用户数据、市场数字、竞品份额。凡涉及外部事实，标「市场数据以调研为准」
- 输出末尾加一行「以上为 AI 草稿，需产品负责人确认后使用」
- 去除 AI 味：不用「赋能」「闭环」「抓手」「全面」等空泛词，用大白话写具体主语和动作要点：用户故事最大的坑是角色写成「用户」二字。逼 AI 写成「个人版免费用户」「企业版管理员」这种具体角色，验收标准才落得了地。「待澄清问题」这栏是我加的--AI 不知道你的业务事实，让它把「不知道什么」列出来，比让它编一个看起来合理的答案有用得多。
二、进阶级：生成结构化 PRD
用户故事解决了「单点需求」，PRD 解决「这个功能在产品全局里的位置」。一份能用的 PRD 不是功能罗列，是决策记录--为什么做、给谁做、做到什么程度、不做什么。PRD 模板网上几十种，核心骨架八九不离十：背景、目标、用户、功能、非目标、流程、验收、风险、指标。
这步让 AI 按固定骨架生成 PRD 初稿，你往里填业务事实。AI 负责结构完整，你负责内容真实。
你是资深产品经理，请基于以下方向生成一份结构化 PRD 初稿。
产品方向：
{{产品方向}}
严格按以下结构输出：
## 1. 背景
- 为什么要做（业务问题或机会），不超过 3 句
- 涉及市场数据处标「以调研为准」，不编造数字
## 2. 目标
- 业务目标：可量化的（如「注册转化率提升 X%」，X 留空待补）
- 用户目标：用户完成后得到什么
## 3. 目标用户
- 2-3 类用户画像，每类写：角色、使用场景、核心诉求
## 4. 功能清单
- 每个功能：名称、一句话描述、优先级（P0/P1/P2）
- 用表格呈现
## 5. 非目标
- 本期明确不做什么，至少 3 条，每条写清原因
## 6. 核心流程
- 主流程编号步骤，每步标输入输出
- 列 2-3 个异常分支
## 7. 验收标准
- 每条「可以 ___」开头，可测试验证
## 8. 风险与依赖
- 技术风险、合规风险、依赖项，各列具体项
## 9. 成功指标
- 上线后看哪些数据判断成败，给具体指标名（不编造数字）
约束：
- 凡涉及市场数据、用户量、竞品份额，一律标「以调研为准」不填具体数字
- 输出末尾加「以上为 AI 草稿，需产品负责人确认后使用」
- 去除 AI 味：不用「赋能」「闭环」「全面」「深入」等空泛词，每句话要有具体主语和动作关键在「非目标」和「成功指标」这两节--大多数 PRD 有目标没非目标，有功能没指标。非目标防止范围蔓延，成功指标让上线后有判断依据。AI 写这两节会偷懒，你要逼它写具体的「不做什么」和「看什么数据」，而不是「视情况而定」。
三、专家级：路线图与需求拆解
PRD 解决单功能，路线图解决「一个季度做哪些功能、先做哪个」。这是产品经理进阶的分水岭：初级 PM 什么都想做，高级 PM 知道什么不做。优先级不是拍脑袋，是框架--RICE（Reach 影响范围、Impact 影响程度、Confidence 信心、Effort 工作量）和 MoSCoW（Must / Should / Could / Won't）是两套业界公认的排法。
这步给 AI 一个季度目标，让它把目标拆成 Epic -> Feature -> User Story 三层，再排优先级、出路线图建议。
你是资深产品负责人（Product Owner），请基于以下季度目标做需求拆解和路线图规划。
季度目标 / 约束：
{{季度目标/约束}}
任务：
1. 需求拆解（三层）
- Epic：从季度目标拆出 2-4 个 Epic，每个 Epic 一句话说明价值
- Feature：每个 Epic 拆 2-4 个 Feature
- User Story：每个 Feature 拆 1-3 个 User Story（As a... I want... so that...）
- 用缩进表格呈现层级
2. 优先级排序
- 对每个 Feature 用 RICE 打分：Reach(1-10) x Impact(0.25/0.5/1/2) x Confidence(0-100%) / Effort(人周)
- 同时标 MoSCoW 分类（Must / Should / Could / Won't）
- Reach 和 Confidence 列留空标「待人评」--AI 不编造真实数据
3. 路线图建议
- Must 和高 RICE 的 Feature 排进季度前 6 周
- Should 排后 6 周
- Could / Won't 列入 backlog 观察
- 每周标注预计产出的 Feature，留 buffer 给风险
约束：
- 市场容量、用户基数、转化率等外部数字一律标「以调研为准」
- RICE 的 Reach 和 Confidence 必须留空让人填，不编造
- 输出末尾加「以上为 AI 草稿，需产品负责人确认后使用」
- 输出开头注明「此为基于当前信息的规划假设，需随验证迭代」--路线图不是承诺
- 去除 AI 味：不用「赋能」「闭环」等空泛词RICE 的精髓在「Confidence」这一项--它逼你承认哪些是猜的、哪些有数据支撑。AI 最容易在 Reach 和 Confidence 上编数字，所以 Prompt 里强制留空让人填。开头那句「是假设不是承诺」也关键--太多团队把路线图当军令状，出不了就追责，最后没人敢做真规划。
四、竞品速查 Cheatsheet
做产品决策绕不开竞品。但竞品分析最容易陷入「抄一份大表格」--列了一堆功能对比，看不出决策意义。这个 cheatsheet 不做全景报告，做「快速框架」：让你 10 分钟内拿到一个能指导下一步行动的骨架。
你是产品分析师，帮我快速搭一个竞品对比框架，不做全景报告。
我的产品 / 方向：
{{产品方向}}
任务：输出一个轻量竞品速查表，结构如下：
1. 竞品清单
- 提示我填 3-5 个竞品，按三类分：直接竞品 / 替代方案 / 潜在进入者
- 名称留空让我填，AI 只给分类提示
2. 对比维度（选 5 个）
- 从以下挑选适合的：目标用户、核心功能、定价模式、差异化点、技术栈、分发渠道、内容策略、服务模式
- 每个维度写一句话说明「为什么比这个」
3. 差距机会
- 基于框架结构，标出 2-3 个「竞品可能没做好」的机会点
- 每个机会点标「需验证」，不直接下结论
4. 下一步
- 列 3 个「为了填实这个框架，我需要去查什么」的具体问题
约束：
- 禁止编造竞品的具体数据（用户量、营收、市场份额），一律标「以公开信息为准」
- 不下「X 竞品一定会做 Y」的预测，只描述观察到的现状
- 输出末尾加「以上为 AI 草稿框架，竞品事实需人工核实后填入」
- 去除 AI 味：不用「全面」「深入」等空泛词这个 prompt 的设计哲学是「AI 搭框架，人填事实」。竞品分析里最值钱的是你亲自去查、去试用得到的真实信息，AI 只负责给你一个不漏维度的骨架。差距机会那栏标「需验证」，是因为 AI 看框架容易下结论，但结论得你拿真实数据去验。
怎么用
三级不是必须全跑，按场景挑：
- 需求来了：先用入门级 prompt 把需求转成用户故事，确认角色和价值没跑偏。
- 要排期了：进阶级 prompt 出 PRD 初稿，你填业务事实，团队照着评审。
- 季度规划：专家级 prompt 做需求拆解和路线图，RICE 和 MoSCoW 双重排序，优先级有据可依。
- 看竞品：cheatsheet prompt 出框架，你去填真实信息。
模型选择上：结构化推理（PRD、路线图拆解）用 Claude 或 GPT-5；长文档生成和中文表达 DeepSeek 很稳；用户故事这种轻量任务三个都行。关键不在模型，在约束--每个 prompt 都内嵌了防编造和去 AI 味的规则，换模型也要保留这些约束。
踩坑
- 让 AI 编市场数据：PRD 里「市场规模 X 亿」「用户留存 Y%」这种，AI 会编得有零有整。必须人工核实，prompt 里已强制标「以调研为准」，你别手贱填进去。
- PRD 写完不评审：AI 出的 PRD 初稿结构完整但内容待填，必须团队过一遍。结构完整不等于决策正确。
- 路线图当承诺：路线图是基于当前信息的假设，验证后要改。拿路线图去向上级拍胸脯，后面完不成就尴尬。
- RICE 打分全靠 AI：Reach 和 Confidence 必须人填。AI 编的 Reach=8、Confidence=80% 看着像样，全是假数。
- 竞品分析抄表格：列 20 个功能打勾叉，看不出决策意义。用 cheatsheet 出框架后，重点放在「差距机会」和「下一步查什么」。
参考来源
- Anthropic《Prompt engineering》：docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/overview
- Atlassian《Product management》：atlassian.com/agile/product-management
- Intercom《RICE: Simple prioritization for product managers》：intercom.com/blog/rice-simple-prioritization
- Agile Business Consortium《MoSCoW Prioritisation》：agilebusiness.org/dsdm-project-delivery/moscow-prioritisation.html
- ProductPlan《What is a Product Roadmap?》：productplan.com/learn/what-is-a-product-roadmap/
- Roman Pichler《Product strategy and roadmap》：romanpichler.com/blog/product-strategy/