对负责需求分析、原型设计和版本推进的互联网产品经理来说，需求文档、用户反馈整理、竞品分析和各种对齐会议占满了时间，留给思考的空间很少。同样的问题每天被问几十遍，把它们沉淀成 FAQ，再接入 AI 问答，可以大幅减少重复回答。这篇文章用一个完整的例子演示产品经理如何借助 AI 整理 FAQ 知识库：收集历史问答和规则文档，让 AI 归纳问题、写标准答案并标注来源，再导入知识库或 AI 问答工具。

场景：产品经理为什么需要 AI 整理 FAQ 知识库

产品经理每天都会被用户问到很多重复的问题，答案散落在聊天记录和各种文档里。新人接手时更是只能一个个问老同事。尤其当产品负责人同时还在等“和设计确认新版首页交互”的结果时，能把这部分工作提速，就能腾出精力处理更重要的判断。

推荐工具

整理 FAQ 用对话助手即可；需要做成可提问的知识库时，可以使用飞书知识问答、钉钉 AI 助理、Notion AI、腾讯元器等支持基于文档回答的工具，或者自行搭建 RAG 问答系统。

案例：一次完整的使用过程（虚构）

先看一个虚构但很典型的例子。安琪是一位负责需求分析、原型设计和版本推进的互联网产品经理，这周手头的事情包括“完成会员积分改版的需求文档”和“调研两款竞品的会员体系”，偏偏这时又需要整理 FAQ 知识库。安琪没有从空白页开始，而是先花几分钟把相关材料整理好，按下面的提示词交给 AI，拿到初稿后对照原始资料逐条核对，再补上自己的判断。整个过程中，安琪特别留意不把未公开的产品规划、用户个人信息和内部数据放进对话里。

具体怎么做

  1. 收集一段时间的聊天记录、邮件和规则文档
  2. 删除个人信息后交给 AI 归纳高频问题
  3. 让 AI 根据规则文档写标准答案，并标注依据
  4. 人工审核答案，补充例外情况
  5. 导入知识库工具，定期根据新问题更新

可复用的提示词

把方括号和括号里的内容换成你自己的信息即可：

【背景】最近在处理“完成会员积分改版的需求文档”，同时要准备“调研两款竞品的会员体系”。
我是产品经理，下面是近一个月用户的提问记录（已脱敏）和相关规则文档。

请：
1. 把问题归纳为不超过 20 个标准问题，合并意思相同的提问
2. 按出现频率从高到低排序，标注大致频次
3. 只根据规则文档写标准答案（100 字以内），并注明依据的文档和章节
4. 规则文档中找不到依据的问题，标注“需人工补充”，不要自行编写答案
5. 为每个问题列出 2-3 种常见的提问方式，便于检索匹配

提问记录：（粘贴）
规则文档：（粘贴或上传）

AI 输出示例（示意）

下面是演示用的输出示例，其中的人名、数字和事项均为虚构，实际使用时请以你自己的资料为准：

标准问题频次标准答案依据常见问法
处理一般需要多久？高正常情况下 3 个工作日内完成，特殊情况会提前通知规则文档第 2 节多久能好？要等几天？
需要准备哪些材料？高请准备……（按文档列出）第 3 节要带什么？
可以加急吗？中需人工补充—能快点吗？

说明：“可以加急吗”在规则文档中没有找到依据，建议由负责人确认后补充。

如果结果不理想，不要急着换工具，先在提示词里补充产品负责人的具体要求或给出一个参考样例，再生成一次。

注意事项与技巧

  • 答案必须以正式规则为依据，AI 自行补全的答案可能与实际不符。
  • 让 AI 标注依据来源，规则更新时能快速定位需要修改的条目。
  • 提问记录中的个人信息要先脱敏。

给产品经理的特别提醒

让 AI 扮演挑剔的开发或用户来挑毛病，比让它直接写方案更有价值。同时要记住：AI 不了解你们的真实用户和业务数据，它提出的方案只能当作讨论起点。

一个容易被忽略的习惯：把目标用户、业务目标和约束条件写清楚，AI 生成的需求和方案才不会空泛。

举一反三

  • 新人手册：把 FAQ 整理成入职必读文档。
  • 多语言 FAQ：生成英文等其他语言版本。

相关阅读