说真的，产品经理写 PRD 本来就够头疼了，要是这个功能还跟 AI 沾边，那简直要了老命。传统功能的 PRD，你画个原型、写个逻辑、列个字段，开发看着就能干。但 AI 功能——尤其是智能客服这种东西——它不是 if else 能堆出来的，你得聊模型、聊数据、聊评测标准、聊“不可控”的边界。很多产品经理写着写着就变成了“我要一个聪明的客服机器人，它能自动回答用户问题，如果回答不了就转人工”。然后扔给技术，技术一脸懵逼反问你“什么叫聪明的？多聪明算聪明？知识库在哪儿？用谁的模型？”

别问我怎么知道的，这些坑我一个个全踩过。

所以我决定把从 0 到 1 写智能客服 PRD 的过程扯一遍，顺便给出一个我后来沉淀下来的模板，能直接套的那种。不保证你拿去就能让开发跪服，但至少不会被怼到桌子底下。

先说个前提，我最初对 AI 功能的 PRD 认知特别天真。以为跟做普通 C 端功能一样，画出对话界面，标清楚消息类型，写几个“意图识别”、“答案生成”的说明就完事了。结果到了评审会，研发老大叼着烟（线上评审没真叼，但我感觉他恨不得叼），问了我三个问题就把我问傻了：

“知识库从哪儿来？有现成的文档还是纯靠人工录入？如果没有知识库，机器人上线第一天它说什么？”
“你所谓的不满意转人工，谁来判断不满意？用户自己点按钮，还是机器人主动监测到自己回答不了？监测的标准是什么？”
“意图识别率你预期多少？90% 你觉得很高是吧，但剩下 10% 的 failure case，用户骂娘你负责？”

我当时嘴巴张了张，一个都答不上来。会后恶补了整整三天，才弄明白搞 AI 功能的 PRD 根本不是把功能描述清楚就够了，它是把研发之外的“脏活累活”全定义清楚的过程。你得定义数据、定义评测、定义人机协作的边界，甚至要定义什么叫做“好”。

话不多说，进入正题。我按照后来写的智能客服 PRD 模板，一块一块拆开讲，把我在每个模块踩的坑、想的折、偷的懒，全倒出来。

---

一、背景与目标——别写“提升效率”这种屁话

很多 PRD 上来就写“为提升客户服务效率，降低人工成本，打造 7x24 小时智能客服”。我跟你讲，这玩意儿开发看都不想看，太虚了。他们想知道的是：这东西到底解决什么具体问题？是售前咨询太多重复问题，还是售后工单填得乱七八糟想用机器人引导？目标得量化。

我后来的写法是直接拍数字：

• 当前人工客服日均接待量 800 通，其中约 60% 为重复性问题（查物流、退换货政策等）。
• 上线后，重复性问题自动解决率达到 70% 以上，转人工量控制在日均 240 以内。
• 用户满意度评分在机器应答环节不低于 3.8/5。
• 第一版不做多轮复杂对话，仅支持单轮 FAQ 及简单的多轮填槽（例如：退换货原因+订单号收集）。

直白地告诉所有人：我第一个版本不打算做全能机器人，就是一个能挡掉六成重复问题的问答工具。这个预期控制太重要了，别让业务方和老板脑补出一个电影里的 AI 秘书。

---

二、用户与场景——假装自己是客服坐在工位上

这部分我写的时候把自己想象成两个角色：一个是焦急的用户，一个是每天被气到心梗的客服。

用户侧场景我写了三个典型：

1. 半夜十一点快递显示签收但没收到货，想查到底送哪了。
2. 收到商品有瑕疵，着急想退但不知道怎么操作。
3. 老用户想改绑手机号，结果界面绕来绕去找不到入口。

然后对应人工客服现在的痛点：晚上没人在，只能等第二天；退换货流程需要反复解释；改绑手机号其实是一个标准 SOP，但用户描述不准确导致来回扯皮。

这么写的目的不是为了讲故事感动谁，而是让研发和测试理解，“正确回答”不是把帮助文档原文扔过去就行，它要考虑用户的情绪和认知水平。一个问“东西烂了”的用户，你给他回“请您提供订单编号，我们将在 24 小时内审核”，他会更火大。这个认知在后面交互流程设计时会变得巨重要。

---

三、功能范围——砍需求是这个阶段最重要的能力

AI 功能最容易犯的错就是什么都想要。我见过一个 PRD 里同时写了意图识别、情绪识别、多轮对话、知识图谱推理、主动营销、多语言……我当时就想，这产品经理是不是刚看完科幻片。

我的模板里把功能范围分成了三块，而且写明版本节奏：

V1.0 必须做：

• 单轮 FAQ 匹配（基于知识库检索，最高置信度答案直接返回）。
• 简单填槽式多轮（退换货申请收集：原因、订单号、图片凭证）。
• 未匹配问题时转人工，并记录会话上下文传递给人工。
• 人工可查看机器人会话记录。

V1.0 明确不做：

• 意图澄清和反问（用户问“怎么办”，机器人不问“您遇到了什么问题”，直接列常见问题入口）。
• 情绪安抚或个性化回复。
• 主动推荐商品。
• 语音输入。

这个“不做”列表救了我的命。研发看完觉得可实现，业务方虽然有点不满足但也理解。我告诉他们，机器人不是人，第一版先当个听话的问答字典用，慢慢再教它撩骚。

---

四、数据与知识库——这是 AI 产品的原材料，不是你拍脑袋想的

这是重头戏，也是很多 PM 最容易滑过去的部分。你如果不写，开发默认以为你有结构化完美的 FAQ 表，实际上你可能只有一堆散落的帮助文档 PDF，甚至有些知识还在客服主管的脑子里。

我的 PRD 里增加了一个章节叫“知识来源与加工规范”：

• 知识来源枚举：现有的帮助中心网页、客服话术表、历史工单高频问题汇总（手工提取）。
• 知识条目格式：每一条包含标准问题、相似问法（至少 3 种）、答案（文本，允许富文本链接）、分类标签（售前/售后/物流/账户）、答案类型（文本/图文/操作引导）、转人工触发条件（如有）。
• 知识库建设责任方：由客服主管负责初版收集，运营人员录入系统，产品负责审核格式。开发不管录入，只提供导入工具和校验接口。
• 冷启动方案：初期没有任何真实问法数据时，用“标准问题+同义词替换+GPT 改写”的方式生成 5~10 条相似问法，上线后根据真实 query 再补充。

这里有一个我踩过的超大坑：最开始我觉得知识库嘛，就是把帮助文档拆成问答对就完事了。结果客服主管给了我一个 500 条的 Excel，每条的答案都是一整篇文章，里面包含七八个情况。机器人检索出来之后，把一大坨东西拍给用户，用户看都不看。所以我在模板里加了强制要求：答案必须精简，移动端展示不超过屏幕两屏（约 150 字），复杂流程用步骤图加文字。超过的一律拆成子问题。这个规定救了我的用户体验。

另外，数据安全要提一嘴，如果是医疗、金融行业，得注明哪些数据脱敏，不做本地缓存等。

---

五、模型与策略——别写“使用深度学习模型”这种废话，给我写清楚用什么、怎么评

很多产品经理为了显得专业，在 PRD 里写“系统利用 NLP 技术进行意图识别”。研发看了想打人，因为这句话跟没说一样。

我的模板里硬性规定要写清楚几个东西：

1. 意图识别方案：采用 FAQ 检索式，用户问题经 embedding 向量化后与知识库问题向量做相似度匹配。技术选型配合研发定，产品定义阈值。
2. 置信度阈值与动作：
   • 相似度 ≥ 0.85：直接返回对应答案。
   • 0.65 ≤ 相似度 < 0.85：列出 top3 候选问题让用户点选（“您是不是想问：1.xxx 2.xxx”）。
   • 相似度 < 0.65：直接提示“我还没学会这个问题”，并记录日志，同时转人工（若人工在线）或引导留言。
3. 多轮填槽管理：定义一个槽位收集的有限状态机。例如退换货流程必须收集：订单号、退换原因、凭证图片（选填）。如果用户中途打断或超时 5 分钟未输入，自动清理状态。
4. 评测指标：这是 PM 的 KPI 武器。我定的指标包括：
   • TOP1 准确率（机器人直接给答案且正确/总问答数）≥ 75%（V1.0 基线）。
   • TOP3 召回率（正确答案出现在前三个候选中）≥ 90%。
   • 转人工率 ≤ 30%。
   • 答案满意率（用户点“已解决”按钮比例）≥ 60%。

这些指标如果不定义，上线后业务方说你做得烂，你没任何依据反驳。有了数据，你就可以理直气壮说“当初定的目标我们都达到了，剩下不满意的是长尾问题，现在开始二期优化”。

---

六、交互流程——把机器人当傻子，一步一步教它说话

交互这块，看起来简单，实际上 AI 对话的状态比普通界面复杂得多。我画了个超大的流程图，把“用户发消息”这个动作之后，系统要做的判断全列了出来：

• 用户消息是否为空？过滤。
• 当前是否在多轮填槽状态？如果是，消息作为槽位填入，推进一步；如果不是，走 FAQ 匹配。
• 匹配结果是否触发澄清？若触发，发候选问题列表，等待用户点击。
• 用户点击候选，视为新一轮提问，更新对话上下文。
• 若连续两次匹配失败，主动引导转人工或提示输入“人工”二字直接转。

这里面有两个设计让我得意：

一是“模糊澄清”不要逼问用户。很多智能客服喜欢反问“您是否想咨询订单问题还是退款问题？”，如果用户本身很急，看到反问就想摔手机。我改成在答案下方自动带出“您可能还关心”的关联问题，用户点就进，不点也不影响阅读当前答案。

二是转人工时把摘要带过去。用户点了转人工，机器人把刚才的会话记录总结成一段话发给人工：“用户问题：快递显示签收但没收到，机器人已推荐方案A未采纳，用户情绪可能焦躁”。人工一接手就秒懂，不用再问一遍“您好请问有什么可以帮您”。这个功能需要在 PRD 里明确要求后端把对话历史和知识库命中记录传递给客服工作台。

还有一条我坚持写在 PRD 里：不许用“亲”这种淘宝腔，也不许用过度的拟人化。因为用户一旦觉得对面是真人，发现被忽悠后会加倍愤怒。我强制机器人第一句就是“您好，我是智能助手小X，目前是自动应答，如不准确请随时输入‘人工’”。明牌告诉对方我是机器，降低期望值，反而满意率更高。

---

七、异常与边界——你就想吧，什么幺蛾子都写进去

做 AI，最重要的不是 sunny day，而是 rainy day。我在模板里专门开了一大节“异常场景处理”，里面列了一堆我想得到的破事：

• 用户输入完全无关内容（如“哈哈哈”、“你好漂亮”）：标准回复“我是智能助手，暂时只能回答业务相关问题，请输入您的问题或转人工”。
• 用户辱骂：内容过滤，忽略辱骂词，提取关键词尝试匹配；若纯辱骂无实质内容，回复中性引导并隐藏该条记录到质检池。
• 输入图片/语音（V1.0不支持）：回复“暂不支持图片/语音识别，请用文字描述您的问题”。
• 知识库查询超时（200ms 没返回）：降级为转人工提示，避免卡死。
• 网络异常：Web/App 侧显示断线提示，重连后恢复会话。
• 并发高峰（大促场景）：排队机制，预估等待时间。

这里有一个容易漏掉的：历史对话记忆策略。如果用户在对话中途切出去做别的事，过十分钟回来，机器人要不要续接？我写的策略是：会话 5 分钟无交互自动清理多轮状态，视为新会话，但要展示上次对话的简单摘要（只保留用户最后三条消息）。这是为了保护用户隐私同时提供一点连续性。

---

八、验收标准——让测试知道怎么测“聪明不聪明”

AI 功能的测试用例不好写，因为回答不唯一。你不能写“输入：我想退货，输出：请提供订单号”这太死板。我让测试设计一个测试集：从真实场景里抽 200 条问题，人工标注正确答案及可以接受的答案范围。然后用这个测试集去跑自动化评测，看命中率和满意率。PRD 里要写明测试集由谁提供、何时提供、更新频率。

此外，我还要求进行一次“对抗性测试”，找几个完全不了解系统的同事，故意刁难机器人，记录失败 case，开会复盘是不是需求漏掉了。这个环节发现了很多边界场景，比如用户发一段超长文本包含多个问题，机器人只答了第一个——后来我们针对长文本做截断和多意图识别提示。

---

九、上线与监控——上线只是开始，又不是结束

PRD 最后一部分是上线计划和数据埋点。我规定了必须上报的事件：

• 每次问答结果（含用户问题、返回答案 ID、置信度、是否转人工、用户点击“已解决/未解决”）。
• 多轮填槽完成率。
• 知识库命中率分布。

同时设了一个“观察期”：上线第一周，每天人工抽检 50 条会话，根据 badcase 补充知识库。第二周如果指标达标，则降低抽检频率。这叫“人机协同优化期”，必须写进计划里，不然上线后没人管，机器人会越来越蠢。

---

模板骨架大概就是这样。其实我后来回头看，发现写 AI 功能的 PRD 根本不是在写功能逻辑，而是在写数据和知识的组织方式、人与机器的协作边界、以及衡量“智能”的标尺。很多产品经理怕写，是因为习惯用界面思维解决问题，而 AI 的界面只是一个输入框，背后全是看不见的决策阈值。

如果你现在让我给建议，我会说：别怕写得细，就怕你不敢定义。你把置信度定成 0.7 还是 0.8，这不是技术决定的，是产品平衡准确率和召回率的商业选择。你写进去了，研发不仅不会骂你，还会觉得你懂行。你如果只写一句“要智能回复”，那等着被怼吧。

扯了这么多，我猜可能有人想要完整的文档模板，我放一个简化版在下面，把关键章节列出来，你照着填自己的业务就行。

---

《智能客服 V1.0 产品需求文档》模板骨架

1. 项目背景与目标

• 当前客服现状（量化数据）
• 上线后核心指标（自动解决率、转人工率、满意度）
• 版本范围与不做内容

2. 用户场景与痛点

• 至少 3 个典型用户场景
• 对应人工客服痛点

3. 功能详情

• 3.1 核心功能流程图（含匹配、澄清、转人工）
• 3.2 机器人应答策略（阈值与动作表格）
• 3.3 多轮填槽逻辑（状态机图）
• 3.4 转人工机制（摘要传递、排队策略）
• 3.5 异常场景处理列表

4. 知识库需求

• 来源与格式规范（问题、相似问法、答案、分类）
• 冷启动方案
• 更新维护流程
• 质量要求（答案精简等）

5. 数据需求与埋点

• 需要上报的事件及字段
• 业务监控看板指标

6. 评测与验收

• 测试集要求
• 评测指标目标值
• 对抗性测试计划

7. 上线与迭代

• 发布策略（灰度/全量）
• 观察期优化机制
• 二期规划方向

---

写完这篇东西，我最大的感触就是：产品经理要是自己搞不清楚模型能干啥不能干啥，就只能被研发牵着走，或者画大饼把团队带坑里。智能客服绝对不是一堆 if else，也不是上个 API 就完事，它需要你像经营一个刚上岗的新员工一样，给他建知识库、告诉他遇到不会的怎么举手、每天复盘他的表现。你把 PRD 当成这个新员工的《工作守则》，一切就清楚了。

希望这篇啰里吧嗦的实战总结，能让你下次写 AI 功能 PRD 时少掉几根头发。就算掉了，也别来找我，我发量也不多了。