AI生成PRD的效率让人惊叹，但踩过的坑更值得警惕。从'万能废话模板'到'驴唇不对马嘴'的技术方案，从隐藏的逻辑漏洞到跑偏的产品方向，本文深度复盘一年AI辅助写PRD的血泪教训。告诉你如何让AI成为表达加速器而非思考替代品，真正实现效率3倍提升而不翻车。

上周五下午四点，我盯着屏幕上那份”AI生成”的PRD，脑子里只有一个念头：这玩意儿发给开发，他们会不会直接把我拉黑？

洋洋洒洒五千字，读起来像教科书，每个模块都有，每个字都对，但就是没有一句话是我们产品真正需要的。用户故事写的是”用户希望能够方便快捷地完成操作”——这句话放在任何一个产品的PRD里都成立，也就是说，它什么都没说。

我用AI辅助写PRD已经快一年了，效率确实提升了，但这一年里踩的坑，值得认真说一说。不是劝你别用AI，而是告诉你怎么用才不会翻车。

坑1：让AI直接生成PRD，结果一堆废话

坑的描述：你把需求背景往ChatGPT或者Kimi里一扔，说”帮我写一份PRD”，然后它真的给你写了一份。格式完整，结构清晰，看起来很专业。但你仔细读下去就会发现，这份PRD里充满了”系统应支持”、”用户可以选择”、”平台需要提供”这类万能句式，没有一个具体的交互细节，没有一个边界条件，没有一个真实的业务约束。

为什么会踩：AI不了解你的业务上下文，它只能用训练数据里”PRD应该长什么样”来填充内容。它给你的是一个PRD的壳，不是你这个产品的PRD。你以为省了时间，其实只是把垃圾生产得更快了。

怎么避开：不要让AI”生成PRD”，要让AI”帮你写某一个具体模块”。比如你已经想清楚了登录流程的逻辑，让AI帮你把这段逻辑转化成标准的用例描述格式；或者你有一段会议纪要，让AI帮你提炼出需求点。AI是你的文字加工厂，不是你的产品思考替代品。

坑2：需求描述太模糊，AI给的方案驴唇不对马嘴

坑的描述：你跟AI说：”我们要做一个消息通知功能，帮我设计一下方案。”AI给了你一个看起来很完整的方案：站内信、邮件、短信、Push，多渠道覆盖，还有消息中心的UI建议。然后你拿给老板看，老板说：”我们就是想在订单状态变更的时候给用户发个短信，你搞这么复杂干嘛？”

为什么会踩：AI的本质是补全，你给的信息越模糊，它脑补的空间就越大。”消息通知功能”在AI的理解里可以是任何东西，它只能按照”通用最佳实践”来回答你，而不是按照你的业务场景。

怎么避开：给AI的需求描述要包含四个要素：谁、在什么场景下、要做什么、有什么约束。改成这样问：”我们是一个B2C电商平台，用户下单后订单状态变更（待付款→已付款→已发货→已完成）时，需要通过短信通知用户。目前短信服务商已接入，预算有限，不考虑其他渠道。帮我设计这个功能的需求方案。”这样AI给你的答案才是你真正需要的。

坑3：照单全收AI的方案，没有验证可行性

坑的描述：AI给了你一个功能方案，你觉得挺合理的，直接写进PRD，发给开发评审。评审会上，后端工程师看了五分钟，说：”这个实时计算的逻辑，按你这个量级，每次请求都要跑一遍，数据库扛不住。”你当场懵了，因为你根本没想过这个问题，AI也没提。

为什么会踩：AI给的方案是”逻辑上可行”的，但不一定是”工程上可行”的。它不知道你的技术栈、你的数据量级、你的团队能力边界。它给你的是一个理想世界里的方案，你的产品活在现实世界里。

怎么避开：AI方案出来之后，你要做的第一件事不是写进PRD，而是找一个靠谱的开发同学过一遍，问他：”这个方案技术上有没有坑？”这一步不能省。另外，你可以在问AI的时候就加上约束：”我们是MySQL数据库，日活10万，请在这个前提下给方案。”让AI在你的约束条件下思考，而不是在真空里思考。

坑4：用AI替代了用户访谈，结果产品方向跑偏

坑的描述：这个坑最隐蔽，也最致命。你在做一个面向中小企业财务的报销管理工具，懒得去做用户访谈，就问Claude：”中小企业财务人员在报销管理上有哪些痛点？”Claude给了你一个很完整的列表：流程繁琐、票据管理混乱、审批周期长、数据统计困难……你觉得很有道理，按这个方向做了三个月，上线后发现用户根本不买账。

后来你真的去访谈了几个财务，才发现：她们最大的痛点不是流程，而是”员工不按规定贴票，我要反复催”——这是一个人的管理问题，不是系统问题。AI给你的是互联网上关于”报销痛点”的通用总结，不是你的目标用户的真实处境。

为什么会踩：AI的知识来自公开数据，公开数据里的”用户痛点”往往是被反复转载的通用描述，不是第一手的真实声音。你的用户是具体的人，活在具体的场景里，有具体的情绪和习惯，这些东西AI给不了你。

怎么避开：AI可以帮你准备访谈提纲，帮你整理访谈录音，帮你归纳访谈结论，但它不能替代访谈本身。哪怕只访谈5个用户，你得到的信息密度也远超AI给你的任何总结。用AI提效，不用AI替代。

坑5：PRD写完了，但逻辑漏洞AI帮你藏得更深

坑的描述：你用AI辅助写完了PRD，文字流畅，逻辑看起来自洽，你自己读了两遍也没发现问题。发给开发，开发开始做了，做到一半来问你：”用户如果在审批中途撤回申请，再重新提交，状态机怎么处理？”你翻开PRD，发现这个场景根本没写。

更糟糕的是，因为AI把文字写得太顺滑了，你在读的时候产生了一种”这个逻辑很完整”的错觉，反而降低了你的警惕性。手写PRD的时候，你会在某个地方卡住，那个卡住的地方往往就是逻辑漏洞所在。AI帮你把文字填平了，但漏洞还在。

为什么会踩：AI擅长生成”看起来完整”的内容，但它不会主动帮你找边界条件和异常场景，除非你明确要求它这么做。它的目标是生成流畅的文本，不是帮你挑毛病。

怎么避开：PRD写完之后，专门开一个新对话，把PRD贴给Claude或者ChatGPT，然后说：”你是一个挑剔的后端工程师，请找出这份PRD里所有的逻辑漏洞、边界条件遗漏和异常场景缺失。”让AI用另一个角色来审查自己生成的内容，效果出奇地好。我用这个方法，平均每份PRD能找出3-5个之前没想到的场景。

正确姿势：AI是你的工具，不是你的大脑

用了一年AI辅助写PRD，我总结下来就一句话：AI负责表达，你负责思考。

具体来说，AI适合做这些事：

— 把你的口语化描述转化成标准的需求文档语言 — 帮你检查PRD里的逻辑漏洞和边界条件 — 把会议纪要、访谈录音整理成结构化的需求点 — 生成某个具体功能模块的初稿（你再改） — 帮你写用户故事、验收标准这类格式化内容

AI不适合做这些事：

— 替你做需求分析和产品决策 — 替你做用户研究 — 替你判断技术可行性 — 替你理解你的业务上下文

效率提升3倍是真的，但前提是你得先把该想的东西想清楚。AI能帮你把100分的思考写成120分的文档，但它没办法把30分的思考变成80分的产品方案。

那些坑，本质上都是同一个坑：把AI当成了思考的替代品，而不是表达的加速器。