变更记录训练法
训练 AI”像你一样思考”的核心方法：不只喂最终稿，而是把从初稿到终稿的演变过程（变更记录）打包喂给 AI，让它从”模仿结果”升级为”理解判断力”。
简介
变更记录训练法（作者冰冰酱在 2026-07-01-woshipm-ai-prd-full-workflow 中提出）是一种让 AI 学会 PM 做事方式的训练技巧。它的核心洞察是：只喂最终稿，AI 学到的是结果；喂从初稿到终稿的演变过程，它才能学到判断力。
多数人训练 AI 写文档时，习惯把过往的优质”成品”（历史 PRD、最终原型图）丢给 AI，让它模仿。但成品只承载了”结果长什么样”，没有承载”为什么最后长成这样”的决策逻辑。变更记录（Changelog）恰恰反向揭示了作者最在意的标准是什么——每一次修改都是一次判断的显性化。
作者给出一个典型例子：看到”点击后跳转”这样的初稿描述，被反复修改为包含”目标页面、参数保留、异常处理、成功反馈”的详尽描述，AI 才能真正理解什么叫”研发能直接执行的需求粒度”。如果只看最终那句详尽描述，AI 学到的是”要写详细”这个表面规律；而看到从粗到细的完整演变，AI 学到的是”哪些维度必须补齐、为什么要补”这个内在判断框架。
关键信息
| 维度 | 内容 |
|---|---|
| 类型 | AI 训练 / 人机协作方法论 |
| 核心问题 | 如何让 AI 不只”写得像”，还要”改得像” |
| 关键机制 | 用”演变过程”而非”最终结果”作为训练素材 |
| 训练素材价值排序 | 历史 PRD > 真实原型图 > 流程图/逻辑图 > 变更记录（最易被忽略却是精髓） |
| 适用场景 | PRD 撰写、原型设计、文档风格迁移、Skill/模板规则沉淀 |
| 相关方法论 | AI产品PRD、Skill、提示词工程、上下文工程 |
核心特性
一、“像你”不止是文风，更是结构 / 拆解方式 / 改稿逻辑
作者强调，训练 AI 的目标不是让 prompt 写得多华丽，而是让 AI 真正学到你的做事方式。这里的”像你”分四层：文风相似只是最表层，更重要的是结构像、拆解方式像、改稿逻辑像。换言之，AI 不仅要写得像，还要改得像——面对一份粗糙初稿，它应该像你一样知道该往哪些方向补齐、该质疑哪些边界。
变更记录训练法正是针对”改得像”这一层：写得像可以靠模仿最终稿获得，但改得像必须靠观察”改的过程”才能习得。
二、四类训练素材的价值排序
作者把训练素材按价值高低排序，揭示了不同素材承载的信息密度不同：
- 历史 PRD（价值最高）：同时蕴含业务拆解、文档结构和表达习惯，是信息密度最高的单一素材。
- 真实原型图（价值次之）：教会 AI 如何组织页面布局、状态和交互区域。
- 流程图与逻辑图：帮助 AI 学习你的抽象粒度和叙事逻辑。
- 变更记录（最易被忽略，却是精髓所在）：它反向揭示了你最在意的标准是什么——这是唯一一类承载”判断过程”而非”判断结果”的素材。
这个排序的关键启示是：前三类是”结果类”素材，变更记录是”过程类”素材，两者结合才能让 AI 既学会产出形态、又学会决策逻辑。
三、把变更记录制度化，而非临时留痕
变更记录训练法要发挥作用，前提是团队/个人平时就在系统地保留修改痕迹。作者的实践是用 GitLab 把 PRD 用 Markdown 纳入版本控制，让每一次修改都自动产生 diff，AI 可以直接 diff 后生成变更记录。这样变更记录不再是”事后补写的流水账”，而是版本历史中天然沉淀的判断轨迹。
这也解释了为什么作者强调 GitLab（或任何版本控制）在 AI PRD 工作流中的重要性：它不只是文档管理工具，更是变更记录训练法的数据基础设施——没有连续、结构化的变更历史，就没有可供 AI 学习判断力的过程素材。
四、与”规则沉淀”闭环
变更记录训练法不是一次性动作，而是持续闭环的一环。作者的训练流程是”喂养样本 → 验收测试 → 规则沉淀”：先让 AI 总结结构和风格偏好，再让它生成具体模块（如”邀请成员弹窗”）检验学习成果，最后把测试中发现的偏差回写为具体规则，固化到 Skill 和模板中。变更记录在这个闭环里既是”喂养样本”的高价值来源，也是每次迭代后新增的过程素材——每一次真实的改稿都在为下一轮训练积累判断力素材。
不同素材中的观点
来自 2026-07-01-woshipm-ai-prd-full-workflow（首次提出）：
- 只喂结果 vs 喂过程的本质差异：只喂最终稿，AI 学到的是结果；喂从初稿到终稿的演变过程，它才能学到判断力。这是变更记录训练法与传统”喂样本模仿”的根本分野。
- 变更记录是四类训练素材里最易被忽略却是精髓的一类：历史 PRD / 原型图 / 流程图都是结果类素材，变更记录是唯一承载”判断过程”的素材，它反向揭示了 PM 最在意的标准是什么。
- “研发能直接执行的需求粒度”靠变更记录习得：从”点击后跳转”到”目标页面 + 参数保留 + 异常处理 + 成功反馈”的演变，才能让 AI 理解需求应该写到多细。
- 训练目标是”改得像”而非只”写得像”：写得像靠模仿最终稿，改得像必须观察改稿过程——这是变更记录训练法要解决的核心命题。
- 验收测试是判断 AI 是否真学到的试金石：让 AI 生成”邀请成员弹窗”这类具体模块，只写”填写邮箱后发送邀请”说明只学皮毛，能拆清触发条件/角色边界/字段校验/多重反馈才算”上道”；最有价值的一步是让 AI 用自己的语言复述它理解的规则。
实用信息
如何落地变更记录训练法
- 建立版本控制基础：用 GitLab（或 Git 仓库）把 PRD、原型说明用 Markdown 纳入版本管理，让每次修改自然产生 diff。
- 保留真实演变过程：不要只归档最终稿，保留从初稿到终稿的完整迭代历史（尤其是被反复推翻和补充的部分）。
- 打包喂给 AI 让它自己总结规律：与其每次重讲规则，不如把带演变过程的素材整体喂给 AI，让它抽取规律、回写成规则。
- 用验收测试检验：让 AI 生成一个具体业务模块，对照它是否学到了”改稿逻辑”（能否主动补齐异常处理、权限边界、状态反馈等）。
- 把偏差回写为规则：测试中暴露的理解偏差，固化到 Skill 或模板里，形成持续进化的训练闭环。
常见误区
- 只喂成品期待 AI 学会判断：成品只承载结果，无法传递”为什么这样决定”的判断逻辑。
- 变更记录写成流水账：如果 diff 里只有”修改了文案”这类无判断信息的记录，对训练价值有限；有价值的变更记录应能反映”为什么改、改前改后差在哪”。
- 不建版本控制，靠记忆保留修改历史：没有结构化的变更历史，过程素材无从谈起。
与已有方法论的关系
| 方法论 | 关系 |
|---|---|
| AI产品PRD | AI 产品 PRD 强调 Prompt Changelog 留痕（管理 Prompt 演进），变更记录训练法则把 Changelog 用作训练 AI 判断力的素材，两者共享”变更留痕”的基础设施 |
| Skill | 变更记录训练法的”规则沉淀”环节把学到的判断固化为 Skill，Skill 是训练成果的持久化载体 |
| 提示词工程 | 变更记录训练法认为”prompt 写得华丽”不如”喂对训练素材”重要，是对纯提示词技巧的补充和超越 |
| 上下文工程 | 变更记录作为高价值上下文喂给 AI，本质是上下文工程在”训练 AI 风格”场景的具体应用 |