AI Agent 应用对应的 PRD 模板（含示例）

这篇 PRD 模板专为想做 AI Agent 产品的团队准备。别再用传统软件 PRD 套 AI Agent 产品了，那样只会踩坑！

但我还是个这块的小白，多交流多交流～

这篇 PRD 模板专为想做 AI Agent 产品的团队准备。别再用传统软件 PRD 套 AI Agent 产品了，那样只会踩坑！

但我还是个这块的小白，多交流多交流～

一、开搞前先想清楚：你到底要做啥？

AI Agent ≠ 传统功能模块

很多团队上来就说：”我们要做个 AI 功能！那还是带了 AI 能力的传统功能”

错了！

AI Agent 本质上是个 拟人化角色，比如”设计师实习生”、”客服小助手”、”数据分析师”。

✅ 目标明确：用 Agent 替代/增强人工在特定场景的能力（如自动生成 Logo、智能客服回复）

✅ 定位清晰：不是做功能，是在”雇佣”一个数字员工

这份 PRD 和传统有啥不同？

保留传统软件 PRD 的条理性（背景、范围、功能、埋点、规划）
重点补充 AI Agent 特有部分：记忆机制、工具调用、流程编排（基于 LangGraph 框架思维，让你的 Agent 真正”智能”）

记住：别用做 App 的思路做 AI Agent 应用，那样只会做出个”智障助手”！

二、市场调研：为啥要做这个 AI Agent？

用户痛点分析（必须搞清楚）

你的竞品是人
你的痛点是人对应的特定场景解决方案没做好能增强或可以平替的
从而替代“人工 + 多工具拼凑”的低效流程

你遇到的特定场景，具备下面特征之一，就可以考虑了：

• 不能简单写死流程
• 总有例外和判断需要脑子
• 数据又乱又多让人头大

三、产品范围：Agent 到底能干啥？

输入输出要明确

触发方式（When）：

文本输入：”帮我设计个 Logo”
文件上传：品牌介绍 PDF
语音指令：语音转文字后处理
API 调用：其他系统集成

最终产出（What）：

Brand Logo 设计图 + 设计说明
可编辑的设计文件

中间能力：

品牌分析：提取品牌关键词、行业特征
创意生成：基于品牌 DNA 生成设计概念
图像生成：调用 AI 绘图 API 生成 Logo

记住：Agent 的价值在于基于你的指令，智能端到端拿到结果，不是单点功能！

四、能力拆解：Agent 的”技能树”

原子能力清单（Tools/Abilities）

把 Agent 想象成一个实习生，他需要掌握哪些技能？

能力名称	功能描述	拟人化理解
`brand_analyzer`	分析品牌信息，提取关键特征	像设计师看 Brief，理解客户需求
`design_generator`	基于品牌特征生成设计概念	像设计师脑暴，想创意方向
`image_creator`	调用 AI 绘图 API 生成图像	像设计师用 PS，把想法变成图
`feedback_processor`	处理用户反馈，优化设计	像设计师听客户意见，调整方案
`file_exporter`	导出各种格式的设计文件	像设计师交付，准备各种格式

每个能力都要拟人化定义，这样开发和测试时更容易理解！

五、Node 流程编排：Agent 怎么”干活”？

Node 编排思维

Node = 一步具体工作，由多个能力组合完成。

示例：LogoDesignNode

场景：用户上传品牌介绍，要求生成 Logo

进入条件：

用户输入包含”Logo”、”设计”等关键词
已获取品牌基础信息（名称、行业、理念）- 备注：可 HITL（人工介入）

执行流程：

1. brand_analyzer(brand_info) 
   → 提取：行业=科技、风格=现代简约、色彩=蓝色系

2. design_generator(brand_features) 
   → 生成：3个设计概念方向

3. image_creator(concept_1, concept_2, concept_3) 
   → 并行生成：3张 Logo 图片

4. 输出结构化结果

输出产物：

{
  "concepts": [
    {
      "id": 1,
      "name": "科技几何风",
      "description": "简洁的几何图形，体现科技感",
      "image_url": "https://...",
      "color_palette": ["#1A73E8", "#34A853"]
    }
  ],
  "brand_analysis": "现代科技公司，追求创新与可靠性...",
  "usage_guide": ["适用于网站 Header", "社交媒体头像", "名片设计"]
}

失败策略：

brand_analyzer 失败 → 要求用户补充品牌信息
image_creator 超时 → 返回文字描述，提示稍后重试
所有概念生成失败 → 提供通用模板，建议人工设计

HITL（人工介入）：

用户可以点击”重新生成”
用户可以调整色彩偏好：”我想要红色系”
用户可以选择风格：”我更喜欢第2个概念”

核心思路：把复杂任务拆解成可控的小步骤，每步都有兜底方案！

六、Prompt 工程：让 Agent “聪明”起来

System Prompt 设计

你是一个专业的品牌 Logo 设计助手，具备以下能力：

**角色定位**：
- 像一个有3年经验的品牌设计师
- 理解商业需求，不只是做"艺术品"
- 专注简洁实用，避免过度设计

**工作流程**：
1. 深度理解品牌：行业、价值观、目标用户
2. 生成设计概念：至少3个不同方向
3. 输出标准格式：必须是可解析的 JSON
4. 提供使用建议：什么场景用什么版本

**输出要求**：
- 严格 JSON 格式，包含所有必需字段
- 设计说明要具体，不能用"现代感"等空泛词汇
- 色彩搭配要给出具体 HEX 值
- 字体推荐要考虑版权和可获得性

**边界条件**：
- 拒绝政治、宗教、暴力相关设计需求
- 不抄袭知名品牌 Logo
- 避免过于复杂的设计元素

Guardrails（护栏机制）

输出规范：

✅ 必须返回有效 JSON
✅ 每个字段都要有内容，不能为空
✅ 图片 URL 必须可访问

内容安全：

🚫 不生成涉及敏感话题的设计
🚫 不使用有版权争议的元素
🚫 不输出低俗、暴力内容

质量控制：

设计概念要有明确差异化
色彩搭配要符合品牌调性
字体选择要考虑可读性

记住：好的 Prompt 是 Agent 智能的基础，别偷懒！

七、记忆系统：让 Agent “记住”用户

短期记忆（会话级别）

存储内容：

用户本次输入的品牌信息
已生成的设计概念
用户的反馈和偏好调整
当前任务的执行状态

存储方式：Redis / 内存数据库

生命周期：会话结束后清理（通常24小时）

长期记忆（用户级别）

存储内容：

用户的设计偏好（喜欢的色彩、风格）
历史设计作品
品牌资产库（Logo、色彩规范、字体）
使用习惯和反馈模式

存储方式：Vector Database（如 Pinecone、Weaviate）

应用场景：

新设计时参考历史偏好
保持品牌一致性
个性化推荐

核心思路：短期记忆保证对话连贯，长期记忆实现个性化体验（即理解为 DNA）！

八、HITL 设计：人机协作的艺术

什么时候需要人工介入？

必须介入：

生成内容涉及敏感话题
技术故障导致无法正常输出
用户明确要求人工客服

建议介入：

用户连续3次不满意结果
复杂定制需求超出 Agent 能力
高价值客户的重要项目

交互方式设计

聊天框内按钮：

“重新生成” - 触发新一轮设计
“调整色彩” - 打开色彩选择器
“联系设计师” - 转人工服务

实时编辑器：

用户可以直接修改设计元素
修改会实时同步到 Agent 记忆
支持撤销/重做操作

记住：HITL 不是 Agent 的失败，而是提供更好用户体验的手段！

九、性能指标：怎么知道 Agent 做得好不好？

核心 KPI

响应性能：

Logo 生成时间 ≤ 30s
系统响应时间 ≤ 3s
并发用户支持 ≥ 100

质量指标：

生成成功率 ≥ 95%
用户满意度 ≥ 4.0/5.0
重新生成率 ≤ 30%

商业指标：

付费转化率 ≥ 5%
用户留存率（7天）≥ 60%
平均会话时长 ≥ 10分钟

埋点设计

用户行为埋点：

// 用户开始设计
track('logo_design_start', {
  user_id: 'xxx',
  brand_info: {...},
  timestamp: Date.now()
});

// 生成完成
track('logo_generated', {
  user_id: 'xxx',
  generation_time: 25.6,
  concepts_count: 3,
  success: true
});

// 用户反馈
track('user_feedback', {
  user_id: 'xxx',
  rating: 4,
  selected_concept: 2,
  regenerate_count: 1
});

系统性能埋点：

API 调用耗时
模型推理时间
错误率统计
资源使用情况

记住：没有数据就没有优化方向，埋点要从第一版就开始做！

十、降级策略：Agent “罢工”了怎么办？

常见故障场景

AI 模型故障：

主模型不可用 → 切换备用模型
生成质量异常 → 降级到模板方案
响应超时 → 返回缓存结果

外部服务故障：

图片生成 API 挂了 → 提供文字描述 + 手绘草图
存储服务异常 → 本地临时存储
网络问题 → 离线模式（基础功能）

用户体验降级

优雅降级原则：

🎯 核心功能优先保证
💬 及时告知用户当前状态
🔄 提供替代解决方案
⏰ 给出预期恢复时间

降级方案示例：

"抱歉，AI 设计师正在忙碌中 😅
为您提供以下替代方案：
1. 📝 先保存您的需求，稍后为您生成
2. 🎨 查看热门设计模板库
3. 👨‍💻 联系人工设计师（预计等待5分钟）

我们预计10分钟内恢复正常服务"

记住：故障不可怕，可怕的是用户不知道发生了什么！

小结：AI Agent PRD 的核心要点

✅ 定位清晰：Agent 是数字员工，不是功能模块

✅ 能力拆解：用拟人化思维设计原子能力

✅ 流程编排：Node 思维，每步可控可兜底

✅ Prompt 工程：好的 Prompt 是智能的基础

✅ 记忆设计：短期保证连贯，长期实现个性化

✅ HITL 机制：人机协作，而非完全自动化

✅ 性能监控：数据驱动优化，持续迭代

✅ 降级策略：优雅处理故障，保证用户体验

最后的最后：做 AI Agent 产品，技术只是基础，真正的挑战在于理解用户需求、设计交互体验、优化商业模式。

别只盯着模型参数，多关注用户是否愿意为你的 Agent 付费！

原创不易，转载请注明出处！ 如果这份 PRD 模板对你有帮助，欢迎分享给更多做 AI 产品的朋友～

📧 电子邮件: qiangqiangli1993@gmail.com
🛰️ 加微信号: qqcode168

👆👆 扫码公号

👇👇 本文目录

一、开搞前先想清楚：你到底要做啥？
1. AI Agent ≠ 传统功能模块
2. 这份 PRD 和传统有啥不同？
二、市场调研：为啥要做这个 AI Agent？
1. 用户痛点分析（必须搞清楚）
三、产品范围：Agent 到底能干啥？
1. 输入输出要明确
四、能力拆解：Agent 的”技能树”
1. 原子能力清单（Tools/Abilities）
五、Node 流程编排：Agent 怎么”干活”？
1. Node 编排思维
  1. 示例：LogoDesignNode
六、Prompt 工程：让 Agent “聪明”起来
1. System Prompt 设计
2. Guardrails（护栏机制）
七、记忆系统：让 Agent “记住”用户
1. 短期记忆（会话级别）
2. 长期记忆（用户级别）
八、HITL 设计：人机协作的艺术
1. 什么时候需要人工介入？
2. 交互方式设计
九、性能指标：怎么知道 Agent 做得好不好？
1. 核心 KPI
2. 埋点设计
十、降级策略：Agent “罢工”了怎么办？
1. 常见故障场景
2. 用户体验降级
小结：AI Agent PRD 的核心要点