产品经理决策文档 / RFC#PM#RFC#build buy kill

PM RFC · build/buy/kill 三选一

PM 决策最常见的 3 类(build / buy / kill)· 用 1-pager RFC 把判断 + trade-off 写清 · 让团队异步签字。

解决的痛点 · PM RFC 经常写得太长(10+ 页 confluence)没人读 · 或太短(微信群一句话)没人记 · 1-pager 是甜点。

PM RFC · build/buy/kill 三选一

Prompt·进阶
Also available in English →
你是我的 PM RFC 助手 · 帮我把一个 build / buy / kill 类决策写成 1-pager RFC · 让 cross-functional 团队异步签字。

# 决策上下文
- 决策类型: {build_or_buy_or_kill}
- 决策标题: {decision_title}(15 字内 · 含 metric impact 更佳)
- 选项 + 我倾向哪个: {options}
- 用户 / 业务 / 技术 3 个角度的关键数据: {three_lens_data}
- approver(通常是 engineering lead + product lead 联合): {approvers}
- 不决定的代价: {no_decision_cost}

# 1-pager RFC 结构(≤ 500 字)

## 1. TL;DR(40 字)
"我建议 X · 影响 metric Y · 求 [日期] 前 reviewers 签字。"

## 2. Problem statement(60 字)
- 用户 job 视角:这个问题让用户卡在哪
- 业务影响:量化(retention / activation / cost / revenue)

## 3. Options table(120 字)
| 选项 | Eng effort | Time to ship | User impact | 风险 | 我的 take |
- Build = 自己写
- Buy = 用第三方 / API / SaaS
- Kill = 不做 · 把资源给别的事

## 4. Recommendation + Hypothesis(100 字)
"我推 X" + "我们押的核心假设是 [Y] · 验证方式 [Z metric · [日期] 看]"
明确写 hypothesis · 因为 PM 决策本质是 bet。

## 5. Trade-off acknowledged(60 字)
你倾向方案的明确代价 · 比如 buy = 长期会 vendor lock-in / build = 6 周 eng cost。

## 6. Reviewer 动作(40 字)
- ✅ 同意 → 我下周启动
- ❌ disagree → 30 秒留言核心反对
- ⏸ → comment thread / 15 分钟 sync

## 7. 不决定的代价(40 字)
具体日期 + 后果(如错过 Q3 launch · 竞品先发 · roadmap 滑 4 周)。

# 边界
- 必须明确写 hypothesis · 没写 = 不是 RFC 是 announcement
- 总长 ≤ 500 字
- Reviewer 名单具体到人 · 不要"all engineering"
每次节省 ~60 分钟

直接在你常用的 AI 上打开

一键复制 prompt · 同时打开对应平台新标签 · 粘贴即可(⌘/Ctrl + V)。

工作流 · 5

  1. 1

    决策前先想清 hypothesis · 这是 PM 跟运营 / 市场 RFC 的最大差异点。

  2. 2

    运行 prompt(Claude 最强 reasoning) · 替换 6 个占位符。

  3. 3

    Options table 的 Eng effort 自己跟工程 lead 校准 · AI 不会知道你团队真实 velocity。

  4. 4

    Section 5 trade-off 必须真承认 · 比如 'buy 12 个月后 vendor 涨价我们要付 +30%'。

  5. 5

    发 Notion / Linear · @ reviewer · 72h 默认通过规则。

发出前自查

AI 那些"几乎对"是头号痛点。把这些勾完 · 让评审找不到明显的洞。(勾选状态只存本地 · 我们不追踪。)

已自查 0 / 5

为什么这条 prompt 管用

这条 prompt 不是泛泛的“帮我写 决策文档 / RFC”,而是把 产品经理日常面对的具体上下文(目标读者、信息密度、可交付格式)塞进去。LLM 在拿到角色 + 场景 + 约束三件套时,输出质量比开放问题高一个量级 — 因为它能在“该突出什么、该省什么”上做对的取舍。

什么时候用这张卡

最佳时机:你已经知道大致要做“决策文档 / RFC”,但卡在“怎么开口问 AI”这一步 · 肌肉记忆里没有现成的好 prompt,从头写又会漏掉关键约束。把这张卡片复制走、按工作流改 2-3 个字段,30 秒内就能拿到第一版可改的草稿。

常见翻车点

  • 不改任何参数就发 · prompt 里的占位字段不替换 · 出来的草稿通用得像 GPT 默认风格 · 直接被甲方/老板看出来。
  • 跳过自查清单 · AI 那些“几乎对”的翻车通常发生在你以为它做对了某件其实没做的事。
  • 问完不追问 · 第一轮草稿通常 70 分 · 加一句“X 部分再具体些 / 再正式些”能拉到 90 分。

变体与延伸

想把这张卡片用得更顺手?推荐 3 种延伸:

  • 换语种:中英版 prompt 都在卡片里 · 出海场景直接切英版。
  • 换平台:同一条 prompt 在 ChatGPT / Claude / Kimi 上口味略不同 · 推荐字段已标注最适配平台。
  • 叠加自查清单:把清单直接粘到对话最后让 AI 自检一遍 · 翻车率显著下降。
PromptDeck Pro 全套

想再要 25 张这种 prompt?

拿全 50 张 Pro 牌 · 多步链 + 行业变体 + 每月更新。

  • 50 张 prompt · 25 免费 + 25 进阶多步链
  • PDF 印刷版 + Notion 模板
  • 终身可用 · 每月新加 5 张自动同步
  • 中英双语 · 含 5 张中文独家场景
买 Pro · $9 终身14 天无条件退款 · 由 Lemon Squeezy 提供

相关卡片