AI金融产品需求文档怎么写？产品经理实战指南

一份金融PRD从立项到定稿，传统流程至少8个小时：需求调研半天、竞品分析两小时、流程图两小时、写正文一天——每一步都在换工具、切上下文。本文教你用AI工作流编排把7个环节串成一条线，2小时出一份完整金融PRD，不断、不乱、不返工。

一、为什么传统PRD写法在金融行业行不通？

先拆一个问题：金融PRD和非金融PRD的区别是什么？

电商产品经理写PRD，核心围绕"用户 → 商品 → 交易"三个实体。金融产品经理写PRD，加了一堆"隐形的包袱"——监管报送、风险敞口、资金路由、反洗钱校验、适当性匹配。这些东西不写进PRD，上线后合规部会找你的麻烦。写进去了，文档篇幅翻倍，审核流程拉长两轮。

金融PRD的本质矛盾：功能要快上，合规要慢审。传统写法在"快"和"慢"之间来回拉扯，最终两头都不讨好。

更麻烦的是上下文切换成本。一个典型金融PRD要经过这些步骤：

1. 需求调研：看监管文件、读同类产品说明书、访谈业务方
2. 竞品分析：对标3-5个竞品的功能矩阵和合规方案
3. 流程图：画业务流程图、资金流转图、状态机
4. 逻辑规则：写计算规则、风控阈值、异常处理路径
5. 合规审查：逐条核对监管要求，标注合规依据
6. 技术评审：和开发确认数据源、接口、性能指标
7. 正式成文：把所有内容整合成一份结构化的PRD文档

每一步都要换"思考模式"。调研的时候是发散模式，写规则的时候是收敛模式，合规审查的时候是逐条核对模式。每次切换都是一次"热机损耗"。做完一趟下来，脑子是糊的，最后写出来的正文质量也就那样。

AI介入之后，解法变了。不是让AI帮你写每一步，而是用AI把7步串成一个连续的流水线——你只需要在关键节点做判断，其余交给工作流自动推进。这就是本文要讲的核心方法：用gstack工作流编排法写出高质量金融PRD。

二、gstack是什么？为什么它能解决PRD痛点？

gstack是YC CEO Garry Tan开源的一套AI工作流工具套装（GitHub ⭐12k+）。核心思想不是"调一个prompt"，而是把23个skill编排成一个连续流水线。

Think → Plan → Build → Review → Test → Ship → Reflect
  ↓        ↓        ↓        ↓        ↓        ↓        ↓
/office  /plan    /design  /review  /qa      /ship   /retro
-hours   -ceo     -consult -eng     -only    -land   -retro
         -review  ation    -review

对金融产品经理而言，我们不需要全部23个skill。只需要从中挑出和PRD写作直接相关的6个，再补一个金融合规检查环节，就是一套完整的金融PRD流水线。

三、金融PRD工作流：7步串行法实操

以「智能定投」功能为例，一步步走一遍。

第1步：/office-hours —— 需求定义（15分钟）

这一步的作用是把脑子里模糊的"我想做个XX功能"变成一份结构化的需求定义文档。AI会追问你5个关键问题：

• 用户痛点是什么？（要真实数据，不要假设）
• 现有方案有哪些不足？
• 你试过什么？结果如何？
• 最痛的用户画像是谁？
• 成功指标是什么？（必须可量化）

这些问题的价值不在于AI帮你回答——AI不知道你的业务。价值在于AI逼你把模糊想法转化成可评估的需求。很多PRD前半截写不好，就是因为需求定义阶段跳过了这些追问，直接开始写正文。

AI输出示例（智能定投）：

# 设计文档：智能定投

## 问题定义
用户痛点：普通定投不择时，市场高位买入亏损大。

## 3个方案
1. 估值定投（根据PE/PB调整金额）— 2周
2. 趋势定投（根据均线调整频率）— 3周
3. 混合定投（估值+趋势）— 5周

## 推荐
方案1（估值定投）— 最窄切入点，2周可上线验证。

第2步：/plan-ceo-review —— 战略审查（10分钟）

这一步模拟CEO视角审视需求：

• 问题定义是否准确？
• 方案是否过度设计？
• 有没有更简单的做法？
• 成功指标是否可衡量？

AI输出要点：确认估值定投切入点合理，建议先做最小可行版本（只用PE分位这一个指标），把"定投用户30日留存率提升15%"作为核心指标。

第3步：/plan-eng-review —— 技术审查（15分钟）

金融PRD最容易被开发打回来的原因是什么？异常路径没写清楚。

这一步AI会帮你穷举异常场景：

## 数据流
用户 → 风险问卷 → 风险等级 → 估值数据 → 定投金额 → 订单系统

## 状态机
未开始 → 定投中 → 已止盈 → 已终止
                 ↓
              暂停中

## 异常路径
- 估值数据获取失败 → 使用上次估值 → 标记异常
- 订单创建失败 → 重试3次 → 通知用户
- 资金不足 → 跳过本期 → 记录日志

## 测试矩阵
| 场景         | 预期               | 优先级 |
|-------------|-------------------|--------|
| 估值正常     | 按PE分位调整金额    | P0     |
| 估值异常     | 使用上次估值并告警  | P1     |
| 资金不足     | 跳过本期并通知      | P0     |

传统写法人脑很难穷举所有异常路径——写着写着"忘了"。AI不会忘，它会把所有"万一……"都列出来。开发看这份技术审查，一次就过，不会有"你没考虑到XX情况"的返工。

第4步：/design-consultation —— 设计咨询（30分钟）

金融产品的UI设计有两个特殊约束：信息披露必须完整（监管要求），操作路径必须清晰（避免误导）。

AI会帮你研究3-5个竞品的设计方案，提出创意风险和合规注意点，生成产品mockup参考。

第5步：金融合规专项检查（新增，15分钟）

这是金融PRD独有的步骤。用一个专门写好的prompt，让AI逐条检查PRD是否覆盖以下节点：

• 投资者适当性匹配逻辑
• 风险揭示文案位置和内容
• 资金流转合规路径
• 监管报送字段映射
• 反洗钱校验触发条件
• 数据留存期限要求

输出是一份检查清单，标注"已覆盖/缺失/需确认"。缺失项直接补充到PRD正文，需确认项标记给法务或合规同事复核。

第6步：/review —— 代码前置审查（10分钟）

这一步在开发开始前就做代码级审查：检查PRD中关于接口定义、数据格式、性能指标的部分是否足够具体，有没有开发拿到文档后需要"猜"的地方。

第7步：/qa —— 验收标准生成（30分钟）

最后一步，AI根据PRD自动生成测试用例矩阵，作为验收标准附件直接附在PRD末尾。这比上线后让QA从零写测试用例高效得多——因为在PRD阶段就把验收标准定好了。

四、完整工作流对比：传统 vs AI编排

省了8.5小时。但这不是重点。重点是上下文不中断，质量不下滑。传统写法每一步都是独立的——调研完了要重新"热机"才能写规则，规则写完了又要重新"热机"才能写正文。AI工作流是一次性把全部环节跑完，你的思维状态是连续的，产出的PRD在逻辑一致性上远胜传统"拼凑式"写法。

五、金融产品经理的AI工作流工具箱

除了gstack，还有几个工具值得放入你的PRD写作工具链：

安装gstack（30秒）

git clone --depth 1 https://github.com/garrytan/gstack.git ~/.claude/skills/gstack
cd ~/.claude/skills/gstack && ./setup

安装后，在你的项目中直接输入 /office-hours 即可启动第一步。后续各步按顺序调用对应command即可。

六、三个实操建议

1. 不要跳步，但要灵活裁剪

小需求（如改一个文案、加一个字段校验）不需要跑完7步。用 /office-hours 快速确认需求定义，然后直接写成文即可。7步流程适合的是从0到1的新功能或大版本迭代。

2. 合规检查必须保留

无论需求大小，合规检查那步不能省。金融产品的容错率是零——上线一个不合规的功能，代价不是返工，是罚单。

3. AI的产出需要你判断

AI生成的PRD在结构完整性和逻辑一致性上已经很好，但"这个功能值不值得做""这个风险等级定多高"这些问题，AI判断不了。产品经理的价值不是写文档，是判断哪些该做、哪些不该做。AI把文档干完，留出脑子做判断——这才是AI时代产品经理的正确姿势。