在B端研发过程中，产品原型作为连接产品需求与最终开发的桥梁，扮演着至关重要的角色。然而，在实际操作中，原型生成环节往往面临诸多挑战，如需求文档缺失原型、原型与研发团队规范不一致、业务验收阶段效果不符等，这些问题不仅增加了产品同学和研发团队之间的沟通成本，还延长了产品交付周期。为了解决这些问题，我们探索了大模型在产品原型生成中的应用实践，通过智能原型工具实现快速、高效、准确的原型生成。
一、背景与挑战
在产品开发过程中，产品同学通常需要根据业务需求细化产品需求文档（PRD），并据此输出样式固定的原型文档。然而，在实际操作中，我们常常遇到以下挑战：
- 需求文档缺失原型：有些产品需求文档可能缺少原型，导致研发团队对产品需求的理解存在偏差。
- 原型规范不一致：即使存在原型，也可能与研发团队的规范不一致，需要产品同学与研发团队反复沟通。
- 业务验收效果不符：在业务验收阶段，开发的页面或效果可能不符合业务侧的期望，导致反复修改和沟通。
- 原型生成耗时长：产品同学需要花费大量时间来根据需求文档描述输出样式固定的原型文档，降低了工作效率。
二、大模型在原型生成中的应用
为了应对上述挑战，我们想到了利用大模型强大的推理能力，将产品需求文档中的页面描述“翻译”成符合研发团队规范的页面原型。具体实践如下：
- 智能原型工具开发：我们自研了一款智能原型工具，该工具能够利用大模型和自研低代码平台配置规范，将PRD文档中的产品描述快速生成页面原型。
- 浏览器插件集成：为了减少产品在不同界面切换频次，我们开发了浏览器插件，允许产品同学在PRD文档页面进行文字选择后，直接唤起原型生成工具生成和修改原型。
- 分层架构设计：智能原型工具采用分层架构设计，包括应用场景层、能力层、引擎层和基础层，各层之间协同工作，实现原型的高效生成。
三、智能原型工具的实现原理与功能
智能原型工具的实现原理主要基于以下几点：
- 输入与输出：工具将产品所写的页面描述、修改指令、拖拽动作作为输入，低代码领域知识作为补充，大模型或可视化编辑器作为处理器，低代码SDK作为渲染器，最终输出页面原型。
- 推理引擎：推理引擎部署在自研大模型平台上，包括文生文的通用模型、图生文的通用模型以及生成低代码平台配置的Coder模型。
- 场景知识库：场景知识库依据对内部各业务域的PRD进行分析得到的高频场景构建，已包含列表、表单、弹窗等高频场景。
智能原型工具的功能主要包括：
- 快速生成原型：支持根据PRD文档中的产品描述快速生成页面原型，生成时间通常在15秒以内。
- 原型管理：生成的原型记录可查、可修改，方便产品同学进行管理和复用。
- 交互预览：生成的原型可以进行交互操作，方便业务同学和研发团队预览效果。
- 对话修改：支持通过对话形式对生成的原型进行微调，提高修改效率。
四、实践效果与后续规划
目前，智能原型工具已在内部广泛使用，收到了产品同学的正向反馈。通过该工具，我们成功降低了产品同学和研发团队之间的沟通成本，缩短了业务侧对效果的感知链路。同时，该工具还提升了原型生成效率和质量，为产品快速迭代提供了有力支持。
后续，我们将进一步优化智能原型工具的功能和性能，具体规划包括：
- 支持更多场景：目前智能原型工具主要支持表单、列表、弹窗等高频场景，后续将支持复杂表单、复杂列表、图表等更多场景。
- 大模型训练与优化：利用工程化手段对自研低代码平台的使用教程、示例、用户使用数据等数据做结构化处理，然后利用大模型和知识库生成训练数据，对通用大模型进行微调，得到更适用于智能原型工具的模型。
- 编辑功能增强：目前智能原型工具的编辑功能主要通过表单配置实现，后续将增加组件拖拽式编辑功能，提高编辑灵活性和效率。
- 与其他平台协同：与自研低代码平台、Web端等协同工作，缩短从需求到开发的链路，进一步提升交付效率。
五、产品关联
在本次大模型在产品原型生成中的应用实践中，我们选择了千帆大模型开发与服务平台作为技术支撑。该平台提供了强大的大模型能力和低代码开发环境，为智能原型工具的开发和优化提供了有力保障。通过该平台，我们能够快速迭代和优化智能原型工具的功能和性能，为产品快速迭代和交付提供有力支持。
综上所述，大模型在产品原型生成中的应用实践为我们带来了显著的效益。通过智能原型工具的开发和应用，我们成功降低了沟通成本、提升了原型生成效率和质量。未来，我们将继续探索大模型在更多场景中的应用实践，为企业数字化转型提供更加高效、智能的解决方案。