For the complete documentation index, see llms.txt. This page is also available as Markdown.

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 化的形态变化有战斗力的 AI PM 的能力模型。这些讨论回答的是*「是什么」「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。

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。

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


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

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。

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

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:CodexCursorClaude 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

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

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。

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。

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

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:

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


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

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。

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。



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 ——

最后更新于

这有帮助吗?