那个没人同意却成了规范的评估套件
大多数 Agent 团队没有需求文档 —— 评估套件默认成为了规范。为什么全绿的评估运行结果只证明了一个工程师的假设，以及如何以 API Schema 的评审严谨度来对待评估集。
PM 与评测之间的翻译鸿沟：当发布决策超越了词汇表
评测分数是 AI 质量的一种有损压缩，而负责发布的产品经理往往无法将其解压缩。本文将为你提供一座扫盲桥梁，让发布决策锚定在数据之上，而不是取决于谁的声音最大。
当“智能体能做 X 吗？”演变为交付承诺时
当“运行成功一次”的说法经过每日站会、路线图和销售电话后，AI 能力探针会悄然演变为路线图承诺。本文介绍了一套能力测试产物和晋级关卡，旨在防止演示原型在不成熟时就变成合同条款。
Prompt 即文档：当系统 Prompt 成为唯一可信的交付物时
当 PM、支持团队和销售开始通过阅读系统 Prompt 来了解产品功能时，这既是一种褒奖，也是一种结构性失效。本文将介绍如何保留有效的部分并修复其余问题。
你的 PRD 只是一个未经测试的 Prompt —— 直到你对其进行评测
AI 功能的 PRD 本质上是一个未经编译的系统提示词。在验收前进行评测，能让定义不明确的问题在上线前就暴露出来。
Agent 烙印：当市场部负责命名，而工程部支付运维账单时
市场部将工作流称为 Agent，而工程部则继承了无人规划的可观测性、工具预算和升级处理工作——这是一个包装成命名选择的领导层决策。
你的评估套件就是你拒绝编写的产品需求文档
PRD 中模糊的形容词（如 “有帮助” 和 “简洁”）在模型面前很难生存 —— 评估套件才是这些决策真正落地的场所。请将评估视为产品规格，而非仅仅是测量工具。
为什么回滚 AI 功能比回滚代码更难
技术层面的代码回滚可以修复系统，但无法修复用户。本文将探讨为什么 AI 行为的改变具有代码变更所不具备的“粘性”，以及如何在不破坏信任的前提下，让你重新获取设计空间的模式。
AI 功能的 PRD：为什么你的旧模板会让你在悬崖边失足
确定性的 PRD 缺乏对模型错误、发布评估门槛或系统提示词所有权的定义。这四个章节将为你解决这些问题。
为什么你的 AI 路线图不应该有 12 个月的计划
前沿模型的能力每 90 天就会发生更替。一份为期 12 个月的功能路线图会让你陷入过时的博弈中。请将其替换为具有明确终止标准的能力组合。
停用 AI 功能是一次信任事件，而非简单的功能弃用
停用 AI 助手带来的破坏与弃用 API 不同 —— 你的执行手册需要包含分群分析、维护成本台账，以及针对“人际关系”而非“合同条款”进行校准的沟通方式。
AI 功能与 OKR 的错位：为什么季度节奏会破坏 AI 路线图
季度 OKR 是为确定性软件校准的。AI 功能具有发布曲线和持续曲线，而将它们视为交付物的模板所产生的 Demo，在规划周期之间会逐渐退化。