PRD 生成

ChatGPT 即了解具体的编程知识，也了解编程之前的需求设计过程。因此产品经理也可以使用 ChatGPT 来快速编写PRD(产品需求文档, production requirement documentation)。

根据需求编写 PRD

首先，我们可以尝试把需求交给 ChatGPT，发挥它的格式生成能力，快速扩充成一篇像模像样的 PRD 文档。

比如我们来规划一个版本迭代，重点提升产品的可维护性，从几个不同的方面来分析产品使用方面的指标。想好以后，交给 ChatGPT 进行格式生成和内容填充。

我们输入 prompt 提问词如下：

编写一份 PRD 文档，包括目标、背景和策略、需求清单表格等。 产品名称为“日志易”，版本号为 4.7。 该版本的目标主要是增强产品的可维护性。加强内部模块的审计，保证记录了足够数据来辅助产品使用方快速掌握下面这些运营指标情况，并支持一键导出报告： 用户使用频率，应该区分admin和非admin用户两个维度统计，分别对每日和每周活跃次数统计； 采集方式分布； 一级功能使用频率； 日志类型分布； 日志留存时间； 查询时间范围分布，可以用来辅助后续优化日志冷热生命周期； 指令使用分布； schema-on-read 功能使用频率； 搜索页一次会话中连续查询次数。

按照 confluence 产品需求模板的格式输出。

ChatGPT 随后洋洋洒洒完成了工作。内容较长，这里只截取其中局部内容作为示意：

ChatGPT 按照我们的提示，完成了目标和背景的文本扩展，需求清单的表格格式化。不过需求描述几乎只是复述一遍，还是不太让人满意。接下来，我们可以单独调整需求清单表格部分。比如，添加详细的需求说明列：

结果还是不太满意。我们可以发现，ChatGPT 其实只是根据”分析”两个字，给每条需求都补上一句”并将结果以图表形式展示在数据分析页面上”。还是要更具体的指出我们的期望来：

当我们通过举例的方式，让 ChatGPT 进入 ICL 上下文学习状态后，输出结果就好了很多。对每行的方式、类型、周期举例，都达到一定的水准，只需要做点微调，就可用了。

根据客户反馈自主生成 PRD

了解 ChatGPT 的 PRD 生成能力后，我们可以把工作再往前推一步：尝试利用 ChatGPT 的文本摘要总结能力，直接从原始的客户反馈中，推导需求描述，生成 PRD。

比如我们可以把正面的新功能要求、负面的问题抱怨，都输入到提示词中，由 ChatGPT 不偏不倚的进行需求抽象工作：

作为一个资深产品经理，你收到了下面这些用户反馈，根据这些反馈的情况，规划一次版本迭代，写成 confluence 式的 PRD 文档，包括目标、背景和策略、需求清单表格。目标和背景不用说太多。

默认安装后的密码强度不够。 审计日志里只有读取的行为记录有名称，删除的没名称。 default_search 下的字段规则无法导出。 需要支持微软 azure eventhub 数据对接。 告警触发就发送一次，到恢复之前不要再发消息了。 内置的 packetbeat 版本太老了。

ChatGPT 补齐的目标和背景部分如下图所示。它从我们给定的反馈文本，总结归类，得到了本次迭代的主要目标，是”提高产品的安全性、可靠性和可用性”。应该说还是比较靠谱的。

再往下看，清单部分有更大的惊喜：ChatGPT 根据一条客户反馈，自动拆解生成了若干条相关的需求子项。

和前面比较专业的需求相比，这里涉及的反馈属于比较广谱的通用场景，ChatGPT 在训练数据中接触较多，生成效果较好。我们可以想象，未来，可能每个软件公司，都会有针对自己软件特性调教过的 ChatGPT PRD 助手，甚至和带有情感分类的客服 AI 协同起来，自动对负向情绪的反馈进行需求分析。