产品工作
AI 产品工作指南
AI 产品工作指南面向产品经理和跨职能团队，系统整理需求定义、用户故事、评审、路线图、竞品研究、访谈、优先级、指标、文案与复盘的可复核工作流。
AI 可以帮助产品团队整理材料、暴露假设、生成结构化初稿和准备评审问题，但不能替代用户证据、业务决策与责任确认。这个专题把产品工作拆成十二个可单独复用的页面，重点不是“让 AI 当产品经理”，而是让每项输入、判断和输出都能被团队检查。
如果你刚接手一个模糊需求，从 用 AI 写 PRD 开始；如果团队已经有需求材料，先用 需求评审清单 找缺口，再进入排期和交付。
| 项目 | 说明 |
|---|---|
| 阅读时间 | 约 9 分钟 |
| 适合人群 | 产品经理、创业者、运营、设计师、研发负责人、项目经理和希望进入产品岗位的学习者 |
| 解决的问题 | 把零散想法、反馈和数据线索变成可讨论、可验证、可交付的产品材料 |
| 核心原则 | 区分事实、用户原话、团队判断、待验证假设和最终决策 |
| 不适合 | 用 AI 虚构用户研究、代替审批、承诺排期，或生成没有证据的增长结论 |
AI 适合归类已有材料、改写表达、检查结构、列出反例和生成备选方案。涉及市场规模、用户偏好、转化表现、成本、法律合规、隐私和技术可行性时，输出只能作为问题清单，必须回到真实来源和责任人确认。
| 材料类型 | AI 可承担 | 团队必须确认 |
|---|---|---|
| 用户反馈 | 聚类、保留来源编号、提取待验证问题 | 样本背景、原话语境、是否具有代表性 |
| 产品数据 | 解释字段、形成分析框架 | 指标口径、时间范围、数据质量 |
| 需求方案 | 补结构、列边界、生成验收问题 | 价值判断、优先级、技术和合规风险 |
| 评审记录 | 整理决策、行动项和未决项 | 决策是否真实成立、负责人和日期 |
推荐阅读顺序
Section titled “推荐阅读顺序”- 用 AI 写 PRD：把背景、问题、范围和验收标准写成一份可评审文档。
- 用 AI 拆用户故事：从角色、任务和结果出发拆分可交付单元。
- AI 需求评审清单：检查证据、边界、异常状态和验收条件。
- 用 AI 做用户访谈：准备问题、整理逐字记录，但不伪造洞察。
- 用 AI 做竞品分析：建立来源、日期和比较维度一致的证据表。
- 用 AI 排功能优先级：把评分与证据分开，记录决策理由。
- 用 AI 规划产品路线图：按目标、问题和依赖组织路线，而非堆功能日期。
- 用 AI 搭指标树：从目标推导行为与护栏指标，避免只看单一数字。
- 用 AI 写原型文案：补齐按钮、提示、空状态和错误恢复路径。
- 用 AI 写发布说明：把内部改动翻译成用户能理解的变化与操作。
- 用 AI 做产品复盘：区分结果、原因假设、证据和下一轮行动。
一套贯穿全流程的方法
Section titled “一套贯穿全流程的方法”- 定义决策：写清这份材料要支持谁做什么决定，而不是只写“分析一下”。
- 整理证据：给访谈、工单、数据表和会议记录加来源编号、时间与适用范围。
- 标注信息状态：使用“已确认事实、用户原话、团队判断、待验证假设、未知”五类标签。
- 限定输出结构：指定表格字段、缺失值写法、篇幅和禁止推断的内容。
- 生成与反驳：让 AI 同时给出初稿、反例、遗漏项与需要向责任人追问的问题。
- 人工决策：由产品、设计、研发、数据或业务负责人确认取舍，并记录理由。
- 沉淀模板：保留输入样例、合格输出、失败案例和复核清单，供下次复用。
假设示例：从一句想法到任务地图
Section titled “假设示例：从一句想法到任务地图”下面是教学用假设，不代表真实用户研究或产品表现。
想法：希望新用户更容易完成首次项目创建。已有材料：- S1：帮助中心收到“入口在哪里”的工单摘录。- S2：设计评审记录提到页面存在两个相近主按钮。- S3：事件表中有创建入口点击字段，但数据口径尚未确认。要求：不要推断用户比例，不要编造转化率；把未知信息列出来。| 类型 | 内容 | 来源或状态 |
|---|---|---|
| 已知问题 | 部分用户询问创建入口位置 | S1，需确认样本范围 |
| 界面线索 | 两个相近主按钮可能增加选择成本 | S2，属于团队判断 |
| 数据线索 | 可检查入口点击到创建完成的路径 | S3，口径待数据负责人确认 |
| 待验证假设 | 入口层级与按钮区分可能影响首次创建 | 不是结论，需要研究或实验 |
| 下一步 | 核对事件定义、回看工单语境、准备可用性任务 | 由责任人确认顺序 |
这个输出没有把工单数量解释成普遍问题，也没有把界面线索写成原因结论。它只把下一步决策所需的证据缺口显性化。
决策与复核表
Section titled “决策与复核表”| 检查项 | 通过标准 | 需要退回的信号 |
|---|---|---|
| 用户问题 | 能用来源或观察描述，不把方案当问题 | 只有“老板要做”或“竞品有” |
| 信息状态 | 事实、判断、假设和未知有明确标签 | AI 推测被写成用户洞察 |
| 范围 | 包含、不包含和后续候选项清楚 | 所有需求都标为本期 |
| 验收 | 可观察、可测试，覆盖失败与权限状态 | 只有“体验更好” |
| 决策记录 | 写明决策人、理由、日期和未决项 | 只有结论，没有依据 |
- 把 AI 的流畅总结当成已经完成的研究结论。
- 用竞品功能存在作为唯一立项理由，没有回到本产品用户与目标。
- 先定方案，再选择性整理支持方案的反馈。
- 给所有需求打精确分数，却没有保存评分证据和不确定性。
- 评审结束只改文档，不记录谁确认了什么以及还有哪些问题。
AI 能直接替我写完整 PRD 吗？
Section titled “AI 能直接替我写完整 PRD 吗？”可以生成结构化初稿，但背景证据、取舍、范围、验收和责任人仍需团队确认。没有输入材料时，AI 应输出问题清单，而不是补写事实。
没有数据时还能做产品判断吗？
Section titled “没有数据时还能做产品判断吗？”可以形成假设和最小验证计划，但不能把判断表述为已证实结论。明确写出证据不足、潜在风险与停止条件。
用户访谈记录可以整份交给 AI 吗？
Section titled “用户访谈记录可以整份交给 AI 吗？”先遵守组织的授权、隐私和数据处理规则，并进行必要脱敏。涉及身份、合同或敏感业务信息时，使用范围应由责任人确认。
产品材料应该从哪页开始学？
Section titled “产品材料应该从哪页开始学？”新需求从 PRD 与用户故事开始；已有方案从需求评审开始；准备排期时再读优先级与路线图；上线后进入发布说明、指标树和复盘。
产品工作的核心不是产出更多文档，而是让问题、证据、假设、决策和验收彼此对应。AI 最有价值的角色是整理、追问和检查；真实判断必须能回到来源，并由明确的人承担。