# 教学注释（v0.3 P2-10）

**目的**: 让学员/企业家跑完一次 PRD 大师，不只是拿到 PRD，还学到**产品方法论**。

**用法**: Controller 只在关键阶段开始、结束或真正有帮助的转折点，用以下教学注释主动注入。阶段 1 普通访谈轮次如果需要教学，必须放在问题之前，保证当前前沿的问题仍是该轮最后内容。

---

## 阶段 0 开始时

> 💡 **教学**：好 PRD 的起点不是"填模板"，是"听清楚企业家想做什么"。
> 我会先让你自由讲——你想到哪说到哪，不用结构。
> 这种"激进倾听"是好产品经理的第一项本事。

## 阶段 0 结束时（回放后）

> 💡 **教学**：你看到我回放了"我听到的是这样..."——这叫 **mirror 技巧**。
> 让对方知道被听到，他才愿意继续。同时如果我听错了，第一时间能纠。
> 后续团队访谈、客户沟通都可以用这个套路。

## 阶段 1 开始时

> 💡 **教学**：现在进入苏格拉底深挖。
> 关键原则有 3 个：
> 1. **按决策树前沿提问**——每轮把当前可独立回答的问题一起问；依赖答案的下游问题留到后续
> 2. **AI 查事实、你做决策**——每个决策给推荐、理由和代价，但由你拍板
> 3. **沿决策树问到真正清楚**——复杂项目问几十轮很正常，不按题数提前结束

## 阶段 1 中（识别犹豫信号时）

> 💡 **教学**：你刚才说"差不多吧"——这是个**犹豫信号**。
> 犹豫不是错，是有个**隐藏假设**没说出来。
> 我们会继续留在这个分支，用真实案例、最小条件或失败后果把它问清；需要证据的事实由我去查，不会替你默默做决定。

## 阶段 1 结束时

> 💡 **教学**：场景锚点 + 假设清单两份文档定下来后，PRD 已经赢了 70%。
> 大多数失败的产品不是没写 PRD，是**场景定位错了 + 关键假设没显性化**。
> 后续所有阶段都基于这两份文档。

## 阶段 2 开始时

> 💡 **教学**：现在进入价值论证。
> AI 可以先提出价值假设，但谁在付代价、代价有多大、值不值得做，必须由你确认。
> 这里追求的不是把数字包装得漂亮，而是把依据、风险和不确定性说清楚。

## 阶段 2 结束时

> 💡 **教学**：价值论证不是承诺“必赚 200 万”，而是说明这件事凭什么值得投入，以及哪些数字还需要验证。确认代表接受当前判断口径，不会把估算包装成实测。

## 阶段 3 开始时

> 💡 **教学**：现在进入自动调研。
> 关键原则：**所有数据必须有真实来源 URL，找不到的标"未找到公开资料"**。
> 不要编造、不要"估算"成"实测"。这是 PRD 大师的底线。
> 我会调研 5-8 个竞品 + 行业 benchmark，按 {品类} playbook 来。

## 阶段 3 结束时

> 💡 **教学**：竞品调研最有用的不是"竞品矩阵"——是**差评挖掘**。
> 别人用户的吐槽 = 免费的用研。
> 注意看 evidence/competitors.md 的"Top 10 痛点"——这通常是你的最大机会。

## 阶段 4.1 开始时

> 💡 **教学**：现在我让 Lead PM 出 V0 方案概要。
> V0 不是终稿——它是**讨论的起点**。后面会被四方评审找问题、被你拍板修订。
> 别看到 V0 觉得"挺好"就跳过辩论——80% 的好 PRD 死在"看起来挺好就上了"。

## 阶段 4.2 启动时

> 💡 **教学**：我马上**并行**派 4 个独立评审 agent 来挑刺。
> 4 个角色是：**工程 / 设计 / 商业 / 战略**。
> 为什么并行？避免群体思维（先发言的会影响后面的）。
> 为什么 4 个？覆盖"能做出来吗/用户能用吗/能卖出去吗/该不该做"4 个根本问题。

## 阶段 4.2 完成后（R1 出来）

> 💡 **教学**：你看 R1 四方独立挑刺——通常**战略评审最尖锐**。
> 战略评审敢说"这事可能不该做"——其他角色都在"假设要做"的前提下找问题。
> 听战略评审的发言可能让你重新考虑要不要做这事——**这是好事**，不是坏事。
> 在花 100 万开发前发现"不该做"，比开发完上线后发现强 100 倍。

## 阶段 4.5 V1 出来后

> 💡 **教学**：你看 V1 方案 + debate-log.md 里的"5 个 [OPEN_QUESTION]"。
> 这些是**你必须拍板**的——AI 帮不了你，因为这是战略/价值判断。
> 把 OPEN_QUESTION 显性化是 PRD 大师对你最大的价值之一：
> **让你看到"哪里没想清楚"**，而不是糊弄过去。

## 阶段 5 R0 章节预协商时

> 💡 **教学**：进入 PRD 终稿写作前，3 个 author（PM / 架构师 / 工程师）先开 10 行的"分工会议"。
> 这是 v0.3 的新机制——避免 3 个人写重复或漏掉。
> 现实里很多团队的 PRD 是"PM 单写然后开发吐槽"——v0.3 让 3 个角色从一开始就协同。

## 阶段 5 R2 完成后

> 💡 **教学**：3 个 author 互相 review 一轮，揭示了 {N} 条冲突。
> 这些冲突在 v0.1 单 PM 写法下是**发现不了的**——单 PM 不会自己跟自己冲突。
> 多角色协同的价值就在这——让冲突在 PRD 阶段暴露，而不是上线后才暴露。

## 阶段 5.4 跨章节平滑评审完成后

> 💡 **教学**：跨章节平滑 reviewer 找的不是"专业漏洞"——是"同一概念口径不一"。
> 例子：架构师写"5200 变量"，工程师写"72000 变量"，都对（不同口径），但读者懵。
> 这种问题不解决，再好的 PRD 都让人没法照做。

## 阶段 5.6 硬校验完成后

> 💡 **教学**：3 件 Python 硬校验跑过了——这是 PRD 大师跟其他工具的最大区别。
> 大多数 AI PRD 工具靠 LLM "自觉"——但 LLM 会忘、会编造。
> 跑 Python 校验拦截：裸数字 / 空话词 / 技术细节越界 / FR-US 映射缺失。
> **机器不忘事**。这一招可以推广到任何"AI 生成内容 + 硬规则约束"的场景。

## 阶段 6 开始时

> 💡 **教学**：方案 PPT 不重新发明内容，只把已经确认的 PRD 提炼成适合汇报的结构；PRD 没有的结论不在 PPT 里补编。

## 终交付时

> 💡 **教学总结**：你今天跑了一遍 PRD 大师，关键收获：
> 
> 1. **激进倾听 + 回放**——让对方觉得被听到
> 2. **决策树前沿 + 依赖控制**——当前可独立回答的节点一起问，依赖项等上游清楚后再问
> 3. **AI 查事实、用户拍板**——推荐降低决策成本，但不替人做主
> 4. **真证据，不编造**——找不到就老实说
> 5. **多角色独立挑刺**——避免群体思维
> 6. **战略评审敢说"不该做"**——这是最值钱的声音
> 7. **显性化 OPEN_QUESTION**——让"没想清楚"看见
> 8. **3 author 协同写**——让冲突在 PRD 暴露
> 9. **跨章节平滑**——口径不一是隐形杀手
> 10. **硬校验拦截**——机器不忘事
> 
> 这些是 PRD 方法论，但**可以推广到你做任何复杂决策**——招人/收购/写书/做演讲。

---

## 怎么集成进 Controller

Controller 仅在下列关键节点按当前阶段附加教学注释；阶段 1 的问题之后不追加教学内容。

频率：
- 关键阶段（0 / 1 / 2 / 4.2 / 5 / 6 / 终交付）必加
- 中间状态（1.x / 4.3 等）可选

教学注释格式统一用 `> 💡 **教学**：...` 区块引用。

**绝不强行教学**——如果企业家明显不耐烦或赶时间，省略教学注释，只走流程。