📢 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，也是软件开发和整个技术行业中的日常任务。创建PRD时通常会遇到的困难和硬性要求包括确保清晰性、防止范围蔓延以及保持利益相关者的一致性。
值得庆幸的是，人工智能工具的出现可以帮助我们更有效地应对这些挑战，但它们并不会完全取代创建PRD背后的战略决策——换句话说，人类仍然在循环中起主导作用。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，从而加速创建基于事实的、有用的PRD的工作流程。
本文将以一个初学者友好的用例为基础，指导您完成使用NotebookLM功能，在几分钟内将原始的、有时是混乱的信息转化为一个基于事实的PRD的过程。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。您是一家初创公司新聘用的产品经理，该公司希望开发一款名为FloraFriend的新移动应用。该应用的目标是帮助人们停止意外地“杀死”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：一份对用户Matt的30分钟访谈记录，Matt拥有50多株植物。在访谈笔记中，Matt提到现有应用“过于复杂”，并且难以记住“该使用哪种肥料”等方面的内容。competitor_research_notes.txt：在分析了“PictureThis”和“Planta”等竞争对手应用后做出的粗略要点列表，突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交谈中提到的一些随机但有点“酷”的想法，例如“植物的Spotify播放列表”、“浇水提醒”等等。
想象一下包含上述所有内容的完整文档。手动将这些整理成一份能将所有内容很好地整合在一起的清晰PRD听起来会很痛苦，对吗？现在轮到NotebookLM了！
请使用您的Google帐户登录NotebookLM，然后点击“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。它不是一个常规的大型语言模型（LLM）；它不了解植物护理或任何其他特定主题。但是，我们即将通过我们混乱的——但对工具来说是启发性的——笔记，让它“速成”掌握相关知识。
假设您有上述三份与植物护理应用相关的内容文件，或者您自己的任何原始信息文件。您可以使用主界面中央区域的上传按钮将它们上传到NotebookLM画布上。
上传后，您可以将您的笔记本视为一个类似微型、玩具版的检索增强生成（RAG）系统，它能根据其可访问的信息开始像AI一样思考和表现。事实上，在不询问它的情况下，单击左侧任一上传文件，NotebookLM就会为该文件内容生成一个简洁、组织良好的摘要：这就是文件的源指南（Source guide）。
现在进入关键部分。我们可以简单地在底部的聊天框中输入类似“编写一个PRD”，然后就完成了。但我们希望做得更专业，提供清晰、具体的指示，这就需要一些提示工程（prompt engineering），即强迫新生的AI优先考虑我们希望PRD反映的内容：将用户问题置于团队随机想法之上（但并非完全忽略它们）。下面是一个效果很好的精心设计的提示：
我（我是FloraFriend的产品经理）。请仅根据这些资料起草一份PRD。
关键约束：
1. 优先处理interview_transcript_matt.txt中提到的痛点所对应的功能。
2. 排除任何未直接解决用户问题的“头脑风暴”想法。
3. 使用以下标题结构化输出：问题陈述（Problem Statement）、核心功能（Core Features）、非功能性需求（UI/UX）、以及成功指标（Success Metrics）。
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不错且清晰的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，您可以将鼠标悬停在上面。如果您这样做，您将看到弹出的来源（其中一个源文件）：
在接受这个初始PRD之前，请记住，初稿很少是完美的。继续进行对话以逐步完善它，例如，如果您发现缺少货币化部分，可以提问：“根据competitor_research_notes.txt，我们的竞争对手使用了哪些货币化模式，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草稿的其余部分一致，并将主要的货币化见解纳入其中，无论是手动操作还是要求NotebookLM的AI来完成——如果您选择后者，请务必在盲目批准之前检查结果。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，系统就会生成一段包含源文件信息的音频概述。当阅读不那么吸引人时（例如在日常通勤中），这是一个吸收信息的绝佳方式。
# 后续步骤
本文介绍了NotebookLM在几分钟内从原始的、混乱的文档生成基于事实的PRD规范的能力，步骤非常简单。接下来的值得尝试的一步可能是求助于谷歌的Antigravity，将您的PRD规范转化为一个功能性的软件原型。
Iván Palomares Carrascosa是AI、机器学习、深度学习和LLM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利用AI应对现实世界中的挑战。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区