学习类AI服务 PRD

版本号：1.2 最后更新：2024-06-20 文档所有者：PO —

一、概述

1.1 产品概述及目标

1.1.1 背景介绍

• 考研用户面临知识体系分散（纸质笔记/电子资料/课程视频）、AI工具决策不透明、跨校备考调整困难等痛点
• 现有AI学习产品普遍存在两大问题：
  1. RAG（检索增强生成）黑箱化：用户无法干预知识检索逻辑
  2. 静态知识库：无法适应备考动态需求（如院校更换/考纲更新） 6

     1.1.2 产品概述

• 基于私有化知识库的智能学习系统，包含：
  • 动态知识引擎：支持多模态数据接入与自适应索引
  • 可视化RAG控制台：允许调节检索宽度/时间衰减/知识权重
  • 智能迁移工具：一键对比跨院校考纲差异并生成补缺方案

1.1.3 产品目标

✏️业务目标

✏️用户目标

• 精准定位：识别知识漏洞所需时间缩短70%
• 灵活调整：院校切换时的知识迁移效率提升3倍
• 决策透明：100%可追溯AI生成的依据来源

1.1.4 目标用户

1.2 全局说明

1.2.1 全局异常处理

1.2.2 普通列表规则

• 排序规则：默认按知识关联度排序（可切换时间/权重排序）
• 分页逻辑：智能动态加载（每页20条±5条自适应）
• 缺省值：未标注知识点自动继承上级目录权重

1.2.3 全局交互

• 吐司提示：操作反馈显示持续时间2s±0.5s
• 数据缺省页：包含「快速导入」与「AI生成建议」双入口

1.3 名词说明

1.4 角色及权限

1.5 文档阅读对象

• 研发：技术方案实现参考
• UI：交互细节规范
• 运营：功能卖点提取

二、产品描述

2.1 产品需求描述

• 核心需求：解决考研场景下的可控知识增强问题（详见3.1章）

2.2 产品整体流程

2.2.1 主流程

graph TD
    A[多源数据接入] --> B[知识向量化]
    B --> C[动态索引构建]
    C --> D[可控RAG生成]
    D --> E[可视化修正]

2.2.2 子流程（以跨院校调整为例）

graph LR
    F[输入目标院校] --> G[考纲差异分析]
    G --> H{差异类型}
    H -->|新增知识点| I[生成学习路径]
    H -->|删除知识点| J[标记可归档内容]

2.3 产品版本规划

（因篇幅限制，后续章节框架示例）

3.1 智能知识库功能

3.1.3 前置条件

• 用户至少上传3类资料（PDF/笔记/真题）
• 完成初始知识体系标定

3.1.6 业务流程

def 知识更新流程():
    while 新数据输入:
        提取语义特征 --> 冲突检测 --> 版本快照 --> 向量化存储

四、非功能需求

4.3 性能需求

• 知识检索响应时间：90%请求＜2s（百万级向量库）
• 并发支持：≥5000用户同时使用RAG控制台

4.4 数据安全

• 知识加密：采用国密SM4算法存储用户私有数据
• 审计追踪：所有生成内容保留完整决策日志