> For the complete documentation index, see [llms.txt](https://book.likun.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://book.likun.ai/00-intro/05aipm-gong-ju-xiang.md).

# 5. AI PM 的工具箱：以产出倒逼工具，让 AI 把你变成超级人类

> 欲善其工，必先利其器。工具是人能力的延伸，工具可以让人发挥远超过自身的价值。

***

前四节，我们分别探讨了**信息革命的宏观坐标**、**模型即产品的范式跃迁**、**产品 Agent 化的形态变化** 与 **有战斗力的 AI PM 的能力模型**。这些讨论回答的是\*「是什么」*与*「为什么」\*。

本节要回答的是最具体的一个问题——**在 AI 时代，一个产品经理每天到底应该用什么工具**。

***

## 一、重新理解工具：AI 不是小弟，是延伸

### 思想转化：你 + AI = 超级人类

对于一个 AI 产品经理来说，第一个重要的工具一定是 AI。但更重要的，是**从思想上完成一次彻底的转化**。

很多人总是想「驾驭 AI」——把 AI 当作自己的小弟，安排 AI 做自己不想做的琐碎小事情。这背后的潜台词是：*我才是主角，AI 是工具，AI 在帮我提效*。

但这种认知在大部分场景下，并没有承认一个根本事实：**AI 是远强于你的超级物种**。AI 能做你不会做的事情，能在你完全不熟悉的领域里给出专业级别的产出，能把你的能力*延展*到你原本无法触达的边界。

{% hint style="info" %}
**核心观点**

不是 AI 帮你完成你的工作，让你变得更快；

而是**你 + AI = 超级人类**，你借助 AI 完成了你单独无法完成的事情。

**你 + AI ≠ 更快的你。**
{% endhint %}

**图 1：两种工具观的根本差异**

```
   ┌──────────────────────┐         ┌──────────────────────┐
   │   小弟视角（错误）    │         │   延伸视角（正确）    │
   ├──────────────────────┤         ├──────────────────────┤
   │ 你 + AI = 更快的你    │   思想   │ 你 + AI = 超级人类    │
   │                      │  ──────▶ │                      │
   │ • 我是主角，AI 是工具 │   转化   │ • AI 是远强于你的     │
   │ • AI 帮我做琐碎的事    │         │   超级物种            │
   │ • AI 能力 ≤ 我的能力   │         │ • AI 做你不会做的事    │
   │ • 收益线性：节省时间   │         │ • AI 能力 > 你的能力   │
   │                      │         │ • 收益指数：能力延展   │
   ├──────────────────────┤         ├──────────────────────┤
   │ 天花板：你自己的能力上限│         │ 天花板：AI 能力的边界  │
   └──────────────────────┘         └──────────────────────┘
```

### 为什么这一节迟迟没有写

这一小节迟迟没有动笔，是因为**工具的迭代更新速度太快了**。而且，大部分人都有自己的工具偏好。如果你给出一个工具的「唯一正确性」答案，肯定会有很多人从很多角度去反驳，而且他们的反驳都是有道理的。

所以阅读这一节，请始终记住一个原则：

> **最好的工具是下一个工具。**
>
> 当前讲的工具，都是*狭义上、当前可能有一定参考意义*的工具。

***

## 二、以产出倒逼工具：三个产出，三套工具箱

### 为什么要从产出出发

工具的种类太多，列表式的工具盘点很容易迷失在细节里。所有的工具都是服务于你的产出的，所以我们**需要从产出来倒逼工具**——*先想清楚要交付什么，再决定用什么*。

对一个 AI 产品经理来说，每天工作的核心产出可以收拢为三类：

* **产出一**：能讲明白需求的**图表和原型**（沟通载体）；
* **产出二**：一个可以**实际使用的产品 demo**（验证载体）；
* **产出三**：人人可体验可反馈的**线上服务**（迭代载体）。

这三类产出，分别对应三套工具箱。后续整节内容，都会沿着这条主线展开。

**图 2：AI PM 工具箱全景图**

```
   从沟通  ──▶  验证  ──▶  上线
   ▲
   │  ┌──────────────────────────────────────────────────┐
   │  │ 产出一：图表 & 原型                                 │
   │  │   两图一表：原型草图 | 流程/状态图 | 数据表           │
   │  │   工具示例：Excalidraw | Figma | Mermaid |          │
   │  │            飞书文档 | Notion | 任意表格工具          │
   │  └──────────────────────────────────────────────────┘
   │
   │  ┌──────────────────────────────────────────────────┐
   │  │ 产出二：产品 demo                                  │
   │  │   24h 协同伙伴 + 模型 API：让想法在小时级别变成可体验产品 │
   │  │   工具示例：Codex | Cursor | Claude Code |         │
   │  │            OpenAI/Claude/Gemini API Key | 自部署 GPU │
   │  └──────────────────────────────────────────────────┘
   │
   │  ┌──────────────────────────────────────────────────┐
   │  │ 产出三：线上服务                                    │
   │  │   一键部署 + 持续反馈：从本地 demo 升级为人人可访问的服务  │
   │  │   工具示例：Vercel | Cloudflare | Render |         │
   │  │            Hugging Face Spaces | 公司内部云平台      │
   │  └──────────────────────────────────────────────────┘
   ▼
```

***

## 三、产出一：能讲明白需求的图表和原型

### 从「补齐 corner case」到「面向 AI 的表达」

在 AI 时代，我们依然需要一个能**讲明白需求的文档和原型**。但是大部分产品经理可以*从以前的很多 corner case、边界值定义里面释放出来*。

想得全，其实是一种**补齐的能力**，但补齐不是产品最有价值的地方——当面对的是一个能自己推理、能自己泛化的大模型时，PM 的价值不在于把每一个分支都写满，而在于**把核心意图、核心约束、核心评价标准说清楚**。

产品经理未来需要构建**面向 AI 的需求和原型表达能力**。我把第一个工具集合，称之为\*\*「两图一表」\*\*。

**图 3：「两图一表」的结构与本质**

```
   ┌──────────────┐   ┌──────────────┐   ┌──────────────┐
   │ 图一          │   │ 图二          │   │ 一表          │
   │ 原型草图      │   │ 流程/状态图    │   │ 数据表        │
   │              │   │              │   │              │
   │ 快速草绘      │   │ 讲明白数据流转 │   │ 当前需求的     │
   │ 突出模块和序   │   │ 讲明白业务模式 │   │ 分析数据       │
   │ 表达"心中构想" │   │ pipeline      │   │ 转化率/漏斗    │
   │              │   │ 状态边界       │   │ 让 AI 理解业务  │
   │ Axure/Figma  │   │ Mermaid       │   │ Excel/Numbers │
   │ /Sketch      │   │ /draw.io      │   │ /Notion       │
   │              │   │ /飞书文档      │   │ /数据看板      │
   └──────┬───────┘   └──────┬───────┘   └──────┬───────┘
          │                  │                  │
          └──────────────┐   │   ┌──────────────┘
                         ▼   ▼   ▼
                    ┌──────────────────┐
                    │     本质：        │
                    │   高质量的 Prompt  │
                    └──────────────────┘
```

### 两图一表，分别讲什么

**图一**指的是：**快速草绘原型图**——非常简单但是能表达明白你心中构想的原型图，*重点突出模块和序*。不需要像素级精致，不需要交互完整，只需要让看的人（包括 AI）一眼明白「哪里有什么、先后是什么」。

**图二**指的是：**流程图或者状态图**——能讲明白*数据流转的 pipeline、业务的模式*。这一类图回答的是「事情怎么跑起来」的问题，是从静态结构到动态行为的桥梁。

**一表**指的是：**数据表**——产品需要提供*当前需求的分析数据、转化率等等*，让 AI 可以快速理解**业务现状和问题**、业务中面临的**漏斗关系**等等。没有数据的需求文档，对 AI 而言是「无脚本的演员」，它不知道要往哪里发力。

### 两图一表的本质：高质量的 Prompt

但是这些都是**中间过程**，是当下产品经理能快速和 AI 交互的 prompt 的形式。

{% hint style="info" %}
**核心观点**

「两图一表」的**本质**是一种高质量的 Prompt，

或者说——你内心**真实的想法、评价标准**，能够快速让 AI 理解你。

图和表只是中间载体。一旦 AI 理解了，**这些载体的价值就完成了使命**。
{% endhint %}

### 工具选择：任意趁手都行

在这个环节，**任意的画图工具、表格工具、原型绘制工具都可以**。不必纠结「哪个最专业」——这一层的工具差异，远远小于你思考清晰度的差异。

**表 1：「两图一表」常见工具速查（仅为参考，并非唯一正确）**

| 产物类型      | 典型工具                             | 使用场景                          | 成本     |
| --------- | -------------------------------- | ----------------------------- | ------ |
| 原型草图      | Axure / Figma / Sketch           | 头脑风暴、与 AI 描述心中构想、跨职能初稿沟通、需求评审 | 免费 / 中 |
| 流程图 / 状态图 | Mermaid / draw\.io / 飞书文档        | 描述业务 pipeline、状态机、Agent 编排    | 免费 / 低 |
| 数据表 / 看板  | Excel / Numbers / Notion / 内部 BI | 漏斗、转化率、对照实验、效果评测              | 免费 / 中 |

***

## 四、产出二：一个可以实际使用的产品 demo

### 你需要一个 24h 在线的协同伙伴

第二类产出，是**一个可以实际使用的产品 demo**。这一层，你需要的不再是画图工具，而是**生产工具**。

具体来说，你需要一个**强大的 24h 在线的协同合作伙伴**，它能让你的想法快速变成产品，可以随时修改和体验。强力推荐三类工具任选其一：`Codex`、`Cursor`、`Claude Code`。

它们的共同特征是：

* 自然语言驱动，不需要你写每一行代码；
* 多文件、多步骤的工程能力；
* 与 IDE 或 Terminal 深度集成，所见即所得。

借助它们，**从想法到现实，可以在小时级别完成**。然后快速迭代——所有后续的环节是\*\*「需求即生产」\*\*：一边提需求，一边就在生产。

**图 4：「需求即生产」的循环**

```
              产生想法
              （业务/用户洞察）
                  │
                  ▼
   立即体验  ◀───────────▶  描述给 AI
   （自己+小范围）           （自然语言 prompt）
              ▲                    │
              │  需求即生产           ▼
              │  Need = Build      小时级产出
              │                    （可运行的 demo）
              └─────────◀──────────┘
```

### 除了协同伙伴，还需要 API Key

除了工具伙伴，你还需要自己**准备几个效果不错的大模型 API Key**。

所有的事情*不能终止于纸上谈兵*。我们使用 AI 构建的产品也是 AI 的，所以里面肯定需要用到很多模型能力——不管是**语音和图像的生成**，还是**多模态的理解**。

{% hint style="info" %}
**核心观点**

**每个 AI 产品经理，都必须有自己的大模型 API Key。**

它和你手中的电脑一样重要。

甚至有很多人自己直接**买了 GPU 显卡，自己部署自己的模型**——这是更高级的要求了。
{% endhint %}

**工具卡：常见组合速查（仅供参考）**

* **协同伙伴：** `Cursor`（IDE 集成）/ `Claude Code`（Terminal 原生）/ `Codex`（CLI 与 IDE）
* **对话与推理：** `Claude Sonnet/Opus` / `GPT 系列` / `Gemini` / `DeepSeek` / 国内大模型 API
* **多模态：** `GPT-4o/4.1` / `Gemini` / `Qwen-VL`（图像、语音、视频理解）
* **生成模型：** `DALL·E` / `Midjourney API` / `Stable Diffusion` / `Suno`（音频）
* **自部署进阶：** `vLLM` / `Ollama` / `LM Studio` + 自购 GPU（如 RTX 4090 / H100）

### 工具是能力的物理载体

这里讲的「产品 demo」，正是\*\*第四节「动手实现能力」\*\*的工具落点。**能力是肌肉，工具是器械**——没有 `Cursor` 这一类协同伙伴，「动手实现」的门槛会高得让大部分 PM 望而却步；但有了它们，门槛被显著降低，*动手与否，完全取决于你的意愿*。

***

## 五、产出三：线上服务，你的 demo 人人可体验可反馈

### 第三步：很多 PM 还没涉及

从第三步开始，**就是很多产品经理现在还没有涉及到的领域**——你需要拥有**一个云服务平台的权限**，把你的想法**发布出去**。

> 想法要**及时地分享**，吸收大家的反馈，然后不断地迭代。
>
> 如果生产出来的产品只是在你自己的电脑上，不能快速地去分享、部署、变成人人可以访问的服务，那么效率就会很慢。
>
> 要**快速发布**、**快速上线**、**快速让大家去体验**。

**图 5：从本地 demo 到线上服务的链路**

```
   ┌─────────┐         ┌─────────┐         ┌─────────┐         ┌─────────┐
   │ 本地 demo│ ──────▶ │ 一键部署 │ ──────▶ │ 线上服务 │ ──────▶ │ 收集反馈 │
   │ 只在你   │         │ 推送到云 │         │ 人人可   │         │ 真实用户 │
   │ 电脑跑   │         │         │         │ 访问     │         │ 行为     │
   └─────────┘         └─────────┘         └─────────┘         ────┬────┘
        ▲              Vercel/             URL/                   │
        │              Cloudflare/         小程序/                埋点+反馈
        │              Render/             App                   +评测
        │              内部平台                                    │
        └──────────────────── 驱动新一轮迭代 ◀──────────────────┘

   ⚠ 合规提醒：如果是企业业务，请使用公司内部服务，避免数据外流引发的合规风险
```

### 为什么「上线」是 PM 的能力分水岭

线上服务这一步，看似是工程师/运维的活，但在 AI 时代，它正在成为**PM 个人能力的一道分水岭**。

原因有三：

**1. 反馈速度决定产品速度。** demo 在你电脑上时，反馈来源只有你一个人；demo 在线上时，反馈来源是**所有体验过它的人**。反馈量级的差异，直接决定迭代速度的差异。

**2. 真实环境暴露真实问题。** 模型在本地 demo 中表现良好，不代表在真实流量、真实用户输入分布下也表现良好。*很多 corner case 只会在线上出现*。

**3. PM 的「叙事能力」需要载体。** 你向高管、向跨部门讲产品方向时，**一个可以现场打开的 URL，比一沓 PPT 更有说服力**。

### 合规底线：企业业务请用内部服务

最后一个不能忽略的提醒：

{% hint style="info" %}
**核心观点**

**为了合规，如果是企业业务，请使用公司内部服务。**

公开的云服务（即便是大厂的）也意味着**数据离开企业边界**，对于涉及客户数据、内部知识库、未公开战略的项目，必须走**内部部署 + 内部评审**的合规路径。

速度很重要，但**合规是不能违反的底线**。
{% endhint %}

***

## 六、结语：工具会变，工具观不会变

工具是手段，产出是目的；而比工具与产出都更基础的，是**你看待工具的思想**。

让我们用一张总图收束本节——**从思想转化**到**三类产出**，再到**每类产出对应的工具集合**，形成一个自上而下的工具决策框架。

**图 6：AI PM 工具决策框架**

```
   ┌──────────────────────────────────────────────────────┐
   │ 思想前提：你 + AI = 超级人类（AI 是延伸，不是小弟）        │
   └────────┬─────────────────┬─────────────────┬────────┘
            │                 │                 │
   ┌────────▼────────┐ ┌──────▼────────┐ ┌─────▼────────┐
   │ 产出一：图表&原型 │ │ 产出二：产品demo│ │ 产出三：线上服务│
   └────────┬────────┘ └──────┬────────┘ └─────┬────────┘
            │                 │                 │
   ┌────────▼────────┐ ┌──────▼────────┐ ┌─────▼────────┐
   │ 两图一表          │ │ 24h 协同+API   │ │ 一键部署平台   │
   │                 │ │                 │ │                │
   │ Axure/Figma/    │ │ Cursor/Codex/   │ │ Vercel/        │
   │ Sketch          │ │ Claude Code     │ │ Cloudflare     │
   │ Mermaid/        │ │ Claude/GPT/     │ │ Render/        │
   │ 飞书文档         │ │ Gemini API      │ │ HF Spaces      │
   │                 │ │ Key/自部署      │ │ 或：公司内部     │
   └────────┬────────┘ └──────┬────────┘ └─────┬────────┘
            │                 │                 │
            └─────────────────┼─────────────────┘
                              ▼
   ┌──────────────────────────────────────────────────────┐
   │ 底层原则：最好的工具是下一个工具                          │
   │           ——以产出倒逼工具，不被工具绑架                  │
   └──────────────────────────────────────────────────────┘
```

这一节列出的所有具体工具，都极有可能在你读到这本书的几个月后被新的工具取代。但有三件事，几乎不会随版本号迭代：

* **把 AI 当作能力延伸**，而不是当作小弟；
* **从产出倒逼工具**，而不是被工具绑架；
* **亲自把想法跑成线上服务**，而不是停留在 PPT。

{% hint style="info" %}
**核心观点**

**AI PM 的工具箱新原则：**

* 最重要的工具是 AI 本身——它是远强于你的超级物种；
* 最重要的工作产出是**图表与原型** / **产品 demo** / **线上服务**；
* 最重要的工具观是——**以产出倒逼工具，始终相信「最好的工具是下一个工具」**。

工具会变，工具观不会变。
{% endhint %}

***

{% hint style="warning" %}
**思考题**

**用今天这一节，做一次自我盘点。**

**思想前提：** 过去一周，你和 AI 的协作方式更像「驾驭小弟」还是「借力延伸」？你最近一次让 AI 做的事，**是不是你自己原本完全做不到的**？

**产出一：** 你最近一次提的需求，有没有把「两图一表」准备齐？如果你只交付了文字 PRD，AI 与协作方真的能复现你脑海里的样子吗？

**产出二：** 你手上有几个可用的大模型 API Key？最近一次提需求之前，**你自己有没有先用 Cursor / Claude Code 跑过一个 demo**？

**产出三：** 你最近一个想法，**有没有变成一个人人可访问的 URL**？如果没有，是工具的问题，还是你「不敢上线」的问题？

**找出你工具箱里最薄弱的一环——明天就补上它。**
{% endhint %}

***

## 第零章 · 章末小结

### AI 时代产品经理的「新起点」

第零章结束了，**AI 时代带给人类真正的改变，才刚刚开始**。

这五节讲述的，是*一个人类文明新的起点下，一个古老的职业突破桎梏，站到人类创新之巅的故事*。

我们终将让世人见证——

> **产品经理这个族群，如何创造璀璨。**

*—— 第零章 · 完 ——*
