AI Product Line Engineering / Reusable Platform Assets 解读

面向对象: AI Platform PM / Product Architect / Enterprise Architect / Senior BA / Portfolio Lead / Domain Architect。 核心问题: AI POC 之所以难规模化, 很多时候不是模型不够强, 而是每个团队都在重复做 prompt、RAG、eval、connector、policy、workflow 和 UX pattern。AI Product Line Engineering 的目标是把可复用核心资产和业务可变点分开管理。 学习目标: 用 product line engineering、core asset、variation point、domain engineering、application engineering 和 platform funding 设计可复用的企业 AI 能力。

---

Source Anchors

一句话:

AI Product Line Engineering 是把企业 AI 从“一堆一次性 use case”升级为“由核心平台资产 + 明确可变点 + 业务线配置”组成的可复用产品族。

---

1. 为什么 AI POC 失败在不可复用

典型 POC 路径:

业务提出 AI 助手
  -> 团队快速做 demo
  -> prompt 写在应用里
  -> 知识库临时上传
  -> eval 只靠人工试用
  -> 工具连接硬编码
  -> 上线前补权限和审计

第一个 POC 看起来快, 第十个 POC 会变慢:

• prompt 不可版本化。
• eval set 不可复用。
• RAG pipeline 无统一 metadata / permission。
• 业务系统 connector 重复开发。
• policy guardrails 分散。
• 每个团队都重新设计 human review。
• 审计证据格式不一致。
• 成本和质量无法横向比较。

Product line thinking 的核心问题:

哪些东西应该作为 core asset 被平台团队产品化, 哪些东西应该作为 variation point 由业务线配置？

---

2. Core Asset Taxonomy

核心资产不是文档仓库, 而是带 owner、版本、SLO、adoption telemetry 和 deprecation plan 的产品能力。

---

3. Variation Points

AI 产品线必须允许业务差异, 否则平台会变成僵硬模板。

Product line architecture 的难点是避免两个极端:

• 平台过度统一: 业务线无法满足监管和流程差异。
• 业务线过度自由: 复用失败, 风险和成本失控。

---

4. Domain Engineering vs Application Engineering

Domain engineering

平台/架构团队负责:

• 定义 AI capability model。
• 识别复用核心资产。
• 设计 reference architecture。
• 管理 asset lifecycle。
• 提供 configuration and extension mechanisms。
• 建立 eval、risk、security、observability guardrails。

Application engineering

业务产品团队负责:

• 选择适用核心资产。
• 配置业务知识、流程、阈值和话术。
• 补充业务 eval cases。
• 设计 adoption 和 training。
• 对业务 outcome、用户体验和运营效果负责。

Domain engineering builds reusable capability.
Application engineering configures it for business outcomes.

这对于 AI 平台 PM 很关键: 平台不是“帮业务线做项目”, 而是提供可配置、可观测、可治理的核心资产。

---

5. Asset Governance

复用 ROI 不只是代码复用率:

Reuse ROI =
  reduced delivery time
  + reduced risk review effort
  + consistent evidence
  + lower unit cost
  + faster onboarding
  + better cross-domain learning
  - platform overhead

---

6. Financial Retail Case: Case Assist Product Line

产品族:

• AML case assist。
• Credit operations case assist。
• Customer complaint case assist。
• KYC onboarding case assist。

共享核心资产:

可变点:

• 风险等级。
• 监管话术。
• 业务政策。
• 数据权限。
• SLA。
• 人工审批角色。

Product line strategy:

1. 先做 case summary 和 citation 这类低风险高复用资产。
2. 再做 policy RAG、eval harness 和 HITL queue。
3. 最后按业务线风险成熟度开放 tool/action capability。

---

7. Artifact Templates

Core Asset Map

Variation Matrix

Reuse Decision Memo

Use case:
  Which product/application is being built.

Reusable assets:
  Which core assets will be used.

Variation points:
  What must be configured or extended.

New assets:
  What should be promoted back to the product line.

Risk/eval impact:
  Which evidence can be reused, which must be newly created.

Decision:
  reuse / extend / build new / reject.

---

8. ADR Draft

---

9. 面试表达

30 秒版本

AI product line engineering 是把 AI use case 中可复用的部分产品化, 比如 prompt templates、eval sets、RAG pipeline、tool connectors、policy controls、HITL workflow 和 observability。业务线通过 variation points 配置 domain、risk tier、jurisdiction、channel 和 workflow。这样能从 POC 扩展到产品族, 而不是每个团队重复造一套。

2 分钟版本

我会先识别多个 use case 的共同能力, 建 core asset map, 再定义 variation matrix。比如 AML、信贷、客服和 KYC 都需要 case summary、policy RAG、人工复核、审计 trace 和 eval, 这些应该由平台团队产品化。但每个业务线的政策、字段、阈值、话术、SLA 和审批角色不同, 应作为可变点配置。 这种方式比单个项目交付更适合企业 AI, 因为它能复用风险证据、降低集成成本、统一监控, 同时不牺牲业务差异。

Platform PM / Enterprise Architect 版本

作为平台 PM, 我不会把平台定义成技术组件集合, 而会定义成可复用核心资产的产品线。作为架构师, 我会关注 variation point 是否清晰, core asset 是否有 owner、version、SLO、eval、deprecation 和 adoption telemetry。复用不是口号, 必须能体现在交付周期、风险审查成本、单位成本和收益兑现上。