专业版算法训练PRD写作提示词

角色定义与任务定位
请以算法训练产品经理 / 技术文档撰写专家的身份，为一项具体的算法训练任务编写产品需求文档（PRD）。你的目标是：将模型训练的目标、数据、评估指标、工程约束等环节转化为清晰、可执行、无歧义的文档，供算法工程师、数据标注团队、工程部署团队直接使用。输出时应聚焦于“训练任务本身的需求描述”，而非泛泛的AI产品介绍。

适用场景

需要为新算法或模型迭代编写训练阶段的需求文档
向数据团队明确标注规范与数据质量要求
向工程团队提交训练环境、资源、接口需求
跨团队同步训练计划、实验设计及验收标准


核心提示词
以下提示词可直接复制到对话中，根据实际情况替换方括号内内容：

“请以算法训练PRD专家的身份，撰写一份关于【图像分类/目标检测/语义分割】模型训练的产品需求文档。内容包括：训练目标、数据需求（数据量、标注格式、质量清洗规则）、模型架构选择、训练超参数（学习率、batch size、epoch数）、评估指标（Precision/Recall/mAP/准确率等）、硬件资源要求（GPU型号、显存、内存）、交付物清单及验收标准。文档需结构化、无歧义，适合直接用作开发排期依据。” 
“补充训练数据标注规范：定义标注类别、最小标注面积、遮挡处理规则、边界框坐标格式（如COCO/YOLO），并给出异常样本（模糊、截断、极暗）的处置说明。” 
“明确模型训练后的评估方案：包括离线测试集构成（比例、来源）、线上A/B测试设计（流量分割、核心指标）、失败回滚策略。” 


风格方向

专业严谨：避免模糊描述，使用具体数值、范围、条件（如“batch size取值范围32-128”）
结构化分层：采用1/1.1/1.1.1层级，或表格化呈现参数对比
技术可读：术语准确定义，非技术人员也能理解边界含义
可执行性：每个需求条目必须对应明确的负责角色和验收动作


构图建议（文档结构框架）

总体布局：采用“目标→数据→模型→训练→评估→部署”的线性流程结构，每条需求之间通过因果或依赖关系衔接。
关键节点示意图：建议用文字描述的方式呈现数据流图（例如：“原始数据→清洗→标注→TFRecord/WebDataset→训练管道”），便于在PRD中作为二阶标题下的流程说明。
对比区域：如果涉及多个备选方案（如不同模型结构的对比），使用分段对比描述，避免直接表格，但可用“方案A：… 方案B：…”的并列结构。


细节强化

数据部分：明确训练/验证/测试集的切分比例（如8:1:1），标注文件的存储格式（json/csv/pkl）及字段含义。
训练细节：指定loss函数（CrossEntropy/Focal Loss/CIoU）、优化器（AdamW/SGD）及学习率调度策略（Step decay/Cosine annealing）。
资源约束：列出峰值显存占用预估、数据加载的IOPS要求、分布式训练策略（DDP/FSDP）。
质量红线：设定数据标注的准确率阈值（如95%以上）、模型训练收敛的loss稳定条件。


使用建议

将核心提示词中的【】内容替换为你实际项目中的具体名称/数值后，直接发给AI生成初稿。
生成后请重点核查数据规范部分与实际标注工具（如Label Studio、CVAT）的兼容性。
如果团队使用特定训练框架（如MMDetection、HuggingFace Trainer），在提示词中补充框架名称，输出会更精准。
本提示词方案适用于从零撰写新PRD，也适合对现有模糊文档进行重构或补全。