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：

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。

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：

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。