传统产品研发流程
7条泳道：业务/用户、产品、UI、研发、测试、运维、运营
关键特征：流程线性，PRD 是核心交付物，验收标准明确（依据文档），不确定性来自需求侧。
AI产品研发流程
8条泳道：业务/用户、AI产品、算法、UI、研发、测试、运维、运营
左侧外部输入：技术趋势（影响 AI 产品判断方向）
AI 专属新增节点
| 节点 | 说明 |
|---|---|
| 需求分析&价值假设 | 不只分析需求，还需提出可验证的价值假设 |
| 假设验证 | 用最小成本验证 AI 能否解决该问题（对应 POC） |
| 模型选型 | 评估效果/成本/速度/安全/可控五维度，确定用哪个模型 |
| Prompt设计&Agent逻辑设计 | AI产品的核心设计产物，替代或补充传统 PRD |
| 微调（选型评估是否需要） | 非必选，评估后决定是否做 SFT/RLHF |
| AI测试（AI质量保证） | 专门针对模型输出的质量保证，区别于传统功能测试 |
| 多维效果验收 | 主观指标（用户体验）+ 客观指标（评测集指标）双维验收 |
| 模型监控优化 | 上线后持续监控模型表现，触发迭代 |
核心流程路径
- 业务/用户 提出需求 → AI产品 需求调研
- 需求分析&价值假设 → 假设验证 → 模型选型
- Prompt设计&Agent逻辑设计 → UI 交互&界面设计（早期沟通研发）
- 算法：微调（按需）
- 需求评审（横贯各泳道）→ 运营方案设计
- 研发 开发 → AI测试（AI质量保证）
- 业务/用户 多维效果验收 → 运维 上线 → 模型监控优化
- 运营方案上线
- 底部横贯：监控数据，发现问题，持续优化
与传统流程的核心差异
| 维度 | 传统产研 | AI产研 |
|---|---|---|
| 前置动作 | 需求分析即可立项 | 需求分析+价值假设+假设验证（POC） |
| 核心设计产物 | PRD + 设计稿 | PRD + Prompt + 评测集 |
| 算法参与 | 无独立泳道 | 全程参与（选型/微调/监控） |
| 测试类型 | 功能测试/QA | 功能测试 + AI质量保证（输出评测） |
| 验收标准 | 依据 PRD 功能点 | 主观指标 + 客观评测集指标 |
| 上线后运维重点 | 系统稳定性 | 系统稳定性 + 模型效果监控 |
| 不确定性来源 | 需求侧 | 需求侧 + 模型输出侧（双层） |
一句话总结：AI产研在传统流程前增加了"假设验证"关卡，在中间增加了"模型能力设计"环节，在后端增加了"AI质量保证"与"模型监控"闭环，整体从线性走向带实验闭环的迭代模式。
PM 怎么用 / 何时用
- 排研发计划时，照 8 泳道和 AI 专属节点把流程画出来，确保"假设验证/模型选型/Prompt 设计/AI 测试/模型监控"不漏排。
- 立项前先把需求转成"可验证的价值假设"并走假设验证（POC），别跳过直接进开发。
- 定核心交付物时，记住 AI 产研的产物是 PRD + Prompt + 评测集，验收用主观+客观双维指标，而非只勾 PRD 功能点。
相关页面
→ 传统互联网产研团队和AI产研团队构成 → POC验证 → MVP验证 → 模型选型五维度 → 提示词设计五要素 → Agent五要素技术定义 → 效果评测体系 → Badcase分析方法论 → AIPM课程 Day2