使用 NotebookLM 生成基于事实的产品需求文档（PRD）

📢 转载信息

原文链接：https://www.kdnuggets.com/grounded-prd-generation-with-notebooklm

原文作者：Iván Palomares Carrascosa

Image by Editor

# 引言

 
创建产品需求文档 (PRD) 是产品管理中的常见流程，也是整个技术行业（如软件开发）中普遍的任务。创建 PRD 时通常会遇到的困难和硬性要求包括确保清晰度、防止范围蔓延以及保持利益相关者的一致意见。

幸运的是，人工智能工具应运而生，可以更有效地帮助我们应对这些挑战，同时又不会完全取代 PRD 创建过程中潜在的战略决策——换句话说，人类仍然在循环中起作用。一个例子是谷歌的 NotebookLM，它可以综合基于事实的原始数据或材料来回答问题，从而为创建基于事实的、有用的 PRD 流程提供了强力加速。

本文将根据一个初学者友好的用例，引导您了解如何使用 NotebookLM 的功能，在几分钟内将原始的、有时混乱的信息转化为一份基于事实的 PRD。剧透：这不仅仅是与 AI 助手聊天那么简单。

# 从混乱的笔记到结构化的 PRD 草稿

 
让我们考虑以下场景。您是一家初创公司的产品经理，该公司希望开发一款名为 FloraFriend 的新型移动应用。该应用的目标是帮助人们停止意外地养死他们的室内植物。

团队（包括您）收集了一组包含潜在应用描述的三个“混乱”文档：

• interview_transcript_matt.txt：一份长达 30 分钟的用户 Matt 的访谈记录，他拥有 50 多盆植物。在这些访谈笔记中，Matt 说现有的应用“过于复杂”，并且难以记住诸如“该使用哪种肥料”等方面的内容。
• competitor_research_notes.txt：分析了“PictureThis”和“Planta”等竞争对手应用后做出的粗略要点列表，重点指出了它们的付费墙和界面缺陷。
• brainstorming_whiteboard.jpg：团队在午休和其他非正式谈话中提到的一些随机但“很酷”的想法，例如“植物的 Spotify 播放列表”、“浇水提醒”等。

想象一下包含上述所有内容的完整文档。将这些内容手动整合成一份整洁的 PRD，可能会听起来很痛苦，对吗？现在，让我们请出 NotebookLM！

使用您的 Google 帐户登录 NotebookLM 并点击“创建新笔记本”。给您的新笔记本起一个名字，比如“FloraFriend PRD”。

创建新笔记本后，您将看到 NotebookLM 的主界面，如下所示：

NotebookLM 界面

需要提醒一下：这个新创建的笔记本本身并不智能。它不是一个普通的大型语言模型 (LLM)；它对植物护理或任何其他特定主题一无所知。但我们即将用我们混乱的——但对工具来说是启发的——笔记，教给它一门“速成”的硕士课程。

假设您有上述三份包含与植物护理应用相关内容的文件，或任何您自己的原始信息文件。您可以使用主界面中央部分的上传按钮将它们上传到 NotebookLM 的画布上。

上传后，您可以将您的笔记本视为一个类似于一个微型、玩具大小的检索增强生成 (RAG) 系统，它可以根据其可访问的信息开始进行类 AI 的思考和行为。事实上，即使不提问，通过点击左侧任一上传的文件，NotebookLM 也会生成一份简洁、组织良好的内容摘要：这被称为文件的源指南 (Source guide)。

现在是关键部分。我们可以简单地在底部的聊天框中提问：“写一个 PRD”，仅此而已。但我们想做得更规范，并提供清晰、具体的指令，这就需要一些提示工程，即强制新诞生的 AI 优先考虑我们希望 PRD 反映的内容：优先考虑用户问题而不是团队产生的随机想法（但也不完全忽略它们）。这是一个有效的精心设计的提示：

我将是 FloraFriend 的产品经理。仅根据这些来源，起草一份 PRD。

关键限制：

1. 优先处理 interview_transcript_matt.txt 中提到的痛点。

2. 排除任何未直接解决用户问题的“头脑风暴”想法。

3. 将输出结构化，包含以下标题：问题陈述、核心功能、非功能性需求 (UI/UX) 和成功指标。

尝试根据您自己的业务问题或用例调整此提示。发送后，您很可能会得到一份漂亮而整洁的 PRD，其中包含问题陈述、核心功能、非功能性 (UI/UX) 需求、成功指标等关键部分。

有趣的是，PRD 中包含看起来像数字引用的内容，您可以将其悬停在其上。如果您这样做，您将看到源文件（源文件之一）弹出：

在接受这个初始 PRD 之前，请记住，初稿很少是完美的。请继续对话，逐步完善它，例如，如果您发现缺少一个变现部分，可以提问：“根据 competitor_research_notes.txt，我们的竞争对手正在使用哪些变现模式，我们应该避免什么？”。之后，手动检查输出，确保它们与第一个 PRD 草稿的其余部分保持一致，然后将主要的变现见解纳入其中，您可以手动操作，也可以要求 NotebookLM 的 AI 来完成——如果您选择后者，在盲目批准之前，请务必检查获得的结果。请记住：AI 可能会犯错！

锦上添花的是右侧面板 (Studio) 中的音频概述 (Audio Overview) 部分。只需点击它，您就可以生成包含源文件中信息的音频概述。当阅读不太吸引人时，例如在日常通勤时，这是吸收信息的绝佳方式。

# 后续步骤

 
本文介绍了 NotebookLM 的能力，可以在几分钟内从原始、混乱的文档中生成基于事实的 PRD 规范，步骤非常简单。接下来，一个值得尝试的步骤可能是利用 Google 的 Antigravity 将您的 PRD 规范转化为功能性的软件原型。
 
 

Iván Palomares Carrascosa 是人工智能、机器学习、深度学习和 LLMs 领域的领导者、作家、演讲者和顾问。他负责培训和指导他人如何在现实世界中利用人工智能。