最近我在小红书上分享 100 个 AI 产品分析项目，目前已经分析近 30 个产品，涨粉 2K+，也带来了不少用户下单加入社群。
有很多朋友评论问我怎么制作这个图文的，今天我就来分享下 AI 产品分析的工作流程，以及制作一个 AI 工作流背后的思维和方法。
早在启动 100 个 AI 产品分析项目前，我已经运营我个人的知识库——产品星球两年有余，每周 newsletter 含产品分析、工具推荐、效率方法等。
直到 AI 的出现，让我获取信息、组织信息、创作内容的方式都改变了。
让我不禁思考，我还有必要去搜罗互联网万千文章，筛选整理优质信息吗？
今年的大模型都具备了 Agentic 能力，可以调用工具搜索互联网，具备顶级的代码水平。
AI搜索互联网=获取 context
AI编写代码=呈现内容
工具侧的能力已经完善，差的就是自己该怎么把 AI 工具用起来。
Token 的消耗量能够衡量个人是否真的发挥出 AI 的能力。
为了提升每日 Token 的消耗量，我将个人工作划分成以下四种类型
人类低参与， AI 高消耗：对应的工作是标准化工作流
人类低参与， AI 低消耗：日常问答、搜索
人类高参与， AI 低消耗：写文章、浏览网页、阅读
人类高参与， AI 高消耗：AI-coding 做产品
标准化工作流是提升 token 使用量的重要方式，它每天都可重复，做到自动化，就可以让 AI 不间断的为自己干活。
实际上，这就是我们之前说的 SOP（Standard Operating Procedure），不同的是，AI 工作流是一定让 AI 参与其中，更大程度的解放思考和创作。
一个工作流做的好，不仅可以解决个人问题，还能应用到同行业推广使用，甚至包装做成一个小的产品，下面是我做过的几个工作流：
N8N 搭建个人知识库，flomo 输入笔记——同步至 Notion ——LLM 进行扩写、灵感补充
Notion 完成文章编写—— N8N 调用 LLM 为其推荐 5 个标题——调用豆包模型制作封面图
AI -first 任务分析，拆解任务类型并制作需要 AI 执行的提示词
还有在 Coze 上搭建的几十个工作流 Agent
以上工作流都是借助 N8N、Coze 这样的低代码平台搭建的，他们特点是完全自动化，能够被他人直接调用，复制推广，还能卖给别人赚钱。
但还有很多是半自动化，它更加贴合个人在工作中的需求，需要人参与的，AI 只是起到辅助作用，就是我今天想分享的—— AI 产品分析工作流：
1. 搜集要分析的100个目标产品
2. 根据目标撰写分析提纲
我想调研分析 xxx 这款产品，你先根据下面模板输出一个针对于这个产品的提示模板，要求紧贴这一个产品的特色，比如团队，创始人背景，投资人等等，然后经模版发送给浏览器的 Gemini，进行 deep research
# 产品研究模板
## 研究对象：[产品名称]
### (1) **产品成就**
分析产品的市场表现和关键成就指标，可包括但不限于：
- 用户规模与增长情况
- 重要客户或合作伙伴
- 融资情况与公司估值
- 行业地位与获得的认可
- 技术突破或里程碑事件
- 市场份额或影响力指标
### (2) **产品核心特色**
深入研究产品的独特价值和核心功能，重点关注：
- 产品的核心工作原理和实现方式
- 与同类产品相比的差异化优势
- 技术架构和底层实现
- 支持的功能范围和应用场景
- 用户体验设计的独特之处
### (3) **团队与组织**
了解产品背后的团队和组织情况：
- 创始团队背景和经历
- 公司规模和组织结构
- 企业文化和价值观
- 发展愿景和使命
- 招聘动向和团队扩张情况
### (4) **产品理念**
提炼和分析产品的设计哲学和核心理念：
- 产品解决的核心问题
- 设计原则和价值主张
- 对行业发展的思考和判断
- 未来发展方向和愿景
- 在技术发展中的定位
### (5) **竞争格局**
分析产品在市场中的竞争环境：
- 主要竞争对手识别
- 不同产品的技术路线对比
- 目标用户群体的差异
- 商业模式和盈利方式对比
- 各自的优势和劣势分析
## 拓展模块（根据产品类型选择）
### **AI/机器学习产品**- 模型架构和训练方法
- 数据来源和质量
- 推理性能和准确率
- 开源vs闭源策略
- API生态和集成能力
### **SaaS/企业软件**- 定价策略和商业模式
- 客户成功案例
- 集成能力和生态系统
- 安全性和合规性
- 客户留存率和扩展性
### **消费级应用**- 用户获取和增长策略
- 用户行为和使用习惯
- 社交功能和社区建设
- 变现模式和收入结构
- 品牌建设和市场营销
### **硬件产品**- 供应链和制造能力
- 硬件规格和性能参数
- 工业设计和用户体验
- 成本结构和定价策略
- 售后服务和支持体系
### **开发者工具**- 开发者社区和生态
- 文档质量和学习曲线
- 集成和扩展能力
- 开源贡献和社区参与
- 技术支持和服务质量
### **金融科技产品**- 监管合规和牌照情况
- 风控体系和安全措施
- 资金流和盈利模式
- 合作伙伴和渠道策略
- 用户信任和品牌建设
### **电商/平台产品**- 供需两侧的平衡策略
- 交易规模和增长趋势
- 物流和履约能力
- 平台治理和规则体系
- 生态伙伴和商家支持
3. 发送到 deepsearch 进行分析
将分析结果粘贴至 Notion
制作 N8N 工作流，当Notion 内容状态变更为已完成，N8N 自动制作封面图
将分析内容发给 Genspark 制作 PPT
发送下面提示：
根据上面模板生成 PPT，要求搜索互联网进行配图，使用白底简约 3:4 风格
7.最后将生成的内容，截图保存，发送小红书
整个过程耗时 30 分钟，个人不需要动脑，有手就会，适合在低能量的时候做。
如果你对此感兴趣，不妨选一个领域，做个小红书或公众号，发送图文内容。
半自动化的工作流对工具的依赖程度较高，做不成自动化，也是因为这些工具没能提供 API 接口，有些内容需要人类参与核实。
这也恰恰是这种工作流的价值所在，因为里面的细节、问题只有自己实践了才知道。
除了这个AI 产品分析工作流外，我个人的原型制作、需求文档编写、公众号文章编写、日常的资讯阅读，基本都是AI 参与的，半自动化的。
工作流的价值依然还在，因为大模型能够自主的处理信息，生成信息，这让拖拉拽式的低代码平台在这两年重焕新生。
N8N、coze、dify 这样的平台对个人效率和能力的增强依旧有效，不妨可以使用起来，我日常用的最多的还是本地部署的 N8N，完全开源、免费、设计也比较好用。
制作一个标准化的 AI 工作流，需要具备两个前提+一个措施
1.前提 1：对各种 AI 工具足够熟悉
2.前提 2：对个人的工作流程拆解的细
3.措施：大胆的用 AI 实践、试错、替代双手和大脑
流程本身并非最关键，而是要结合个人目标，培养 AI 自动化思维。只要流程搭建得好，每天工作 4 小时不是梦。
工作之余的时间完全可以用 AI 做产品、做副业增加收入。、我正在实践中，目前已经做了 5 款产品，稳定经营个人社媒，收入还不错。
如果你想实时的跟进 AI 行业的发展，了解有 AI 工具可用，探索个人工作流程的AI化。欢迎加入我们的 AI PAC-效能提升社群，和我们两百多个群友一起探索 AI 的无限可能。点击阅读原文或下方扫码订阅即可。
粤ICP备14082021号
免费POC，
零成本试错
