有趣的事

App 全站检索想加入 AI 搜索,产品经理应该给研发写什么需求文档?

需求文档不要只写“接入大模型,让搜索更智能”,而要让研发能据此判断何时走传统检索、何时生成答案,以及如何验收。可以按下面结构写:

  1. 目标与范围:说明要解决的问题(如自然语言提问、跨内容类型查找或结果摘要)、目标用户和入口;列出首期内容库、语言、权限范围与明确不做的能力。全站搜索不等于模型可读取所有内容,必须沿用现有可见性规则。

  2. 体验与结果形态:描述关键词查询、自然语言问题、无结果、低置信度、敏感内容和服务失败时的页面。明确 AI 答案与普通结果如何并存、是否展示引用、引用跳转位置、如何继续追问或切回普通搜索。答案应基于实际检索片段并可核验;依据不足时提示未找到,不补写事实。

  3. 检索与回答流程:说明索引字段、增删改同步、候选召回和排序方式。通常先从权限过滤后的内容中检索,再把相关片段交给模型整理;语义检索可补充关键词检索,但专有名词、编号和精确匹配也要覆盖。规定上下文范围、引用格式及模型不得访问未授权内容。

  4. 验收与评估:准备覆盖常见问题、精确词查询、歧义、无答案、过期内容和越权边界的样例及期望行为。分别评估结果相关性、答案依据、引用对应性、权限正确性、耗时和错误率,并约定上线门槛及回归方式;不要只凭“看起来不错”验收。

  5. 安全与运营:写清可进入索引和模型请求的数据范围、日志保存与脱敏、敏感信息处理、滥用防护、删除后的清理、监控及反馈入口。若调用外部模型,也要评估数据传输边界、可用性和成本。

  6. 降级与发布:约定模型超时、检索不可用、无相关资料或资源受限时的行为,例如保留普通搜索结果、不阻塞主流程。先在可控范围灰度,观察检索质量、引用正确性、延迟和反馈,再扩大范围。

核心是把“AI 搜索”拆成可测试场景和失败处理:检索负责找依据,模型负责组织表达;答不出来有明确退路,答出来用户能核验依据。

相关阅读