AI时代产品范式和工作范式已彻底改变

去年AI产品经理，在工作的时候，都在努力把AI嵌入自己的工作流。AI做 vibe coding 能力变强，导致AI产品经理，工作也随之发生变化。我前阵子在做AI视频产品时，从梳理产品功能、到 vibe coding 开发 Demo、跑通整个工作流，只用了一周多的时间。这一下子惊到我了！如果AI产品都能快速搭建，那么壁垒又在哪里呢？本文主要分享，经过我几周的思考和实践，总结到的有效的实操方法。从做 Demo 的有效方法，到 AI 产品经理能力，在这个时代如何做转型。例如工作重心偏向，如何做产品推广、找到付费用户、以及提升产品复购率。

AI产品经理要自己动手，用 vibe coding 直接做 Demo。之前产品经理，工作重心是写PRD、跟开发和设计沟通细节、最终完善PRD文档。不管是需求沟通，还是撰写文档，本质都是弄清楚，产品要做什么和怎么做。但是现在，一个能跑通的 Demo，把 PRD 的答案基本上都包括了。以下是我在多次 vibe coding 实操中，总结到的有效方法。

• 第一步：
  跟 AI 工具协作的时候，我会先描述清楚需求。比如跟 Claude Code 对话（可以安装 superpowers skill，更有效率），让它先记录我的需求。可以不用一次性思考到位。在表达的同时，可以继续思考，一步步的把产品规划、产品范围和边界等上下文信息补充清楚，让 AI 一点点的记录和学习，最终收集到完整的需求。
• 第二步：
  这里很关键，让 AI 把需求复述一遍。有时候它执行速度非常快，拿到需求后就直接开干了。细节如果没不清晰，功能实现的不到位，后面还得返工。就算用 Plan Mode，也需要对需求本身做把控。如果在 IDE 里面用 AI 工具，可以在 .CLAUDE.md 文件里面，加个约束条件。它"复述"出来的内容，整理之后，其实就是 PRD。
• 第三步：
  拿着梳理完的 PRD，让另一个 AI 工具，比如 Codex 做评审。没错，是对需求做评审。确保产品框架合理，细节可落地。评审没有问题，就让 AI 做 Demo 开发。

传统互联网产品的开发，先搭前端页面，再调试后端的 API。AI 产品，可以换个思路，先跑通后端 API。例如 AIGC 类产品，先用 API 顺利完成内容生成，再考虑如何给到用户良好的使用体验，搭建前端容器/页面。

• 第一步：
  梳理清楚大模型编排方式。比如做 AI 视频产品，先考虑如何生成视频脚本（大语言模型的选择）、视频大模型接收哪些内容（系统提示词、视频脚本、skill等）、视频 API 如何处理内容（API 输入和输出的要求）、生成视频如何做质量把控（选择哪个 API 效果好、API 返回什么类型的结果、是否需要后续的处理）。能把这个核心路径完成，让 Demo 顺利生成内容，才算完成。
• 第二步：
  搭建前端页面。根据对业务特点的了解、对用户使用习惯、使用场景的了解、品牌视觉风格的了解，完成前端页面的开发。让产品既好用，又有业务价值。

开发的过程中，如果遇到不熟悉的模型，可以用两种方法解决。一方面找案例，在市场上看用同类型大模型都可以生成什么样的效果；另外一方面，一定要上手尝试。案例做的再好，是别人的。我们实操体验到的，经验才是自己的。

如果不熟悉某个大模型的能力边界，直接去官网查资料，弄清楚使用要求，再去开发。每次 Demo 的测试，都会有 Token 损耗，都是成本。提前梳理清楚，规避掉可能发生的问题，反过来看就可以节省成本。

如果把大模型资料扔给 AI，让它去执行也可以。但不如自己懂了之后，指导 AI 去做效率高。而且 AI 的幻觉造成问题，我们也能快速定位，及时指导它修改。我自己做 Demo 的时候，不会把全部的思考力都给 AI。它负责辅助我，学习技术知识，给我讲解。这个先学习再实践的过程，可以帮我积累经验，建立判断力。

• 我做 Demo 不只是靠 vibe coding，也会思考产品的架构。有时候会用工作流、skill、甚至 Agent，来跑通产品的核心路径。无论哪种，目的是先跑通，拿到业务结果，再去调整技术方案。
• 对于没做过的领域，甚至可以找现成的方法，直接拿来做调整，尽快拿到结果。等产品方向确定之后，跟研发团队一起，做架构的调整。像系统提示词，也可以随手搭个本地的评测页面，跑5个案例看下效果。找到相对稳定的，先放到 Demo 里面，后面再整体做优化。

Demo 是 AI 产品经理，通过调用 AI 大模型的能力，来把产品的想法落地的方式。我们负责模型的编排，给方向给思路，让 AI 去做执行。整个过程中产生的结果，仍然需要人来把控。AI 提供依据和实操细节，但我们才是那个，最终为产品方向和结果负责的人。

AI 时代，大模型接入产品，功能的实现不成问题。换句话说，产品在基础能力层面的壁垒，已经被打破。几乎每个产品，都有 SOTA 级大模型的能力。那如何展示差异化呢？

在工作里多次尝试后，我发现这个差异，是否真正"懂"用户。任何产品，最终是为用户服务的。真正的产品壁垒，是"懂"用户的需求和痛点，让他们被看见。核心是与用户建立信任，而这种信任关系，是基于"真诚"和"尊重"。

我之前在做产品的时候，也会遇到做了几个方案，分析下来都不错，无法做最终决策。这就需要把 Demo 放到线上，让用户尝试后根据使用的体验给团队反馈，帮助我们做最终决策。如果能把产品直接推上线，用实际数据来做判断，那会更有效。

• 泛渠道沟通：
  为了拿到用户反馈，我去各个平台找用户直接沟通。比如在 Reddit 上，直接邀请用户使用 Demo 之后给我反馈；或发帖子跟用户讨论不同的功能以及使用的倾向性。也会拿着产品生成的 AI 内容，直接发帖做展示，感兴趣的用户会给我留言，然后通过私信讨论更多细节。在公开渠道沟通，切记不要有太强的功利心，就跟用户讨论内容本身。发心是为了打开思路，收集不同视角对产品的思考，而不是为了捞用户。
• 垂直渠道沟通：
  如果用户是某个特定的客群，可以在垂直平台去沟通。我通过逆向思维的方式，挖掘到了 AI 内容创作者的平台，逐一沟通，然后约时间做深度访谈。这类用户，相当于领域专家，沟通时保持客观、理性、真实，很容易打动他们。最理想的方式，是做到"我即用户"——我们自己就是某个细分领域的 KOL，躬身入局去体会用户的感受。
• 建立自有渠道：
  产品更新和迭代速度都在变快，每次需要做关键产品决策，都找用户做调研，不太现实。只用 A/B 测试，只有定量没有定性。因此，建立产品自有渠道，是可以接触真实用户、收集反馈的有效方法。例如 Gamma 的创始人，给核心用户建了个 Slack 群，产品新功能上线前，会发到群里收集用户反馈。让自有渠道机制运行起来，最终可以提升产品上线效率。

我接触到的 AI 创作者，他们既有付费能力，也有学习能力。他们的痛点，是如何用好 AI 工具，制作高质量的 AI 视频，例如产品宣传片、产品广告等。既需要案例，也需要实现这些案例的工作流。AI 产品和内容/结果之间的鸿沟，需要产品经理来弥补。帮助用户生成优质内容，过程中用到的方法和积累到的数据，会让产品更"懂"用户。这些方法，固化成具体规则，写进 skill 里，根据用户需求持续打磨，直到可以稳定的帮用户拿结果。一段时间后，产品的壁垒就会"长"出来。

跟用户建立信任，需要很长时间。相反，想要毁掉，只需一次。帮助用户成功，让用户在产品里获得价值，产品的价值也在随之提升。

AI 产品经理的工作方式，随着大模型能力的提升，彻底被改变。需要围绕它特点，来调整我们的工作方式，大家都是从零开始学习。AI 可以写代码，我们就学习如何用它 vibe coding 出 Demo。大模型更新速度变快，我们的学习能力也得跟上它发展。

• 知识的半衰期在加速：
  AI 行业或者互联网行业，都是新兴行业，知识的更新迭代速度快，这要求从业者也要加速学习新知识。有时候会觉得，怎么都跟不上。我自己这段时间工作，学习的体感是，没法抓住每次的迭代和更新，但需要有判断力。比如 AIGC 领域，多模态大模型的迭代和更新，我需要去学习；类似 Openclaw 这种级别的行业大事件，一定要关注并动手实践。
• 学习范式的转变：
  过去学习新知识，可以通过线下分享会、看书、在社群学习。现在可以让 AI 辅助我们学习。例如让 AI 讲解技术概念和知识，帮我建立思考体系，扩大认知。另外，在这个时代，最重要的是学习之后，一定要实操。上手做事的价值，远大于看资料的价值。只看不动手，满脑子都是方法和思路，可能一个也落不了地。"真"价值，是在实践迭代的过程中，提炼总结出来的。

过去半年的学习和实践，我发现最有效的，就是直接干，干就完了。以前调整个产品功能，要多方开会讨论半天。现在，只要知道问题在哪儿，直接上手解决后推上线。甚至我自己做创业产品时，只要跑通后端，直接先上线，然后一点点优化前端。AI 弥补行业差异，岗位边界消失了，每个人有了 AI 工具的加持，其实都可以做到。关键在于意愿强不强，以及有没有真的动手做。

甚至我会觉得，一个高价值团队，每个人都可以是一个 OPC。没有了工业化时代的协作方式，现在是每个人在自己的领域里结合 AI，都能独自跑通一个商业模式。在一起合作，是让各自的商业价值，指数级的被放大。

我做自己的创业项目的时候，每天都是高强度的跟 AI 工作。Claude Code 的 Token 用完了，马上换成 Codex 继续开发。一分钟都不想耽误，为的就是让产品在几周内赶紧上线推给用户。结果在开发的最后一周内，各种问题各种 bug 集中爆发。解决完一个 bug，又出来三个。产品顺利上线后，我不只是不想工作，甚至连电脑跟手机都不想碰。不得不花两周时间，通过放慢生活节奏、每天晒太阳、冥想的方式来缓解精神上的疲惫和紧张。

• 高强度用 AI 会放大负面情绪：
  一段时间内，高强度的使用 AI 工具，会放大我们的焦虑感。一方面感觉 AI 解决问题能力很强，它就必须给我解决问题，不解决就不行，不解决我就焦虑。另一方面，它越聪明，我对它的要求就会越高。这会让耐心迅速被消耗光，精神上也持续高度紧绷，很长时间得不到充分休息。也会在不知不觉中，把对于 AI 的预期，默默地迁移到了人的身上，基本耐心全无。
• AI 的出现是为了让人生活的更好：
  AI 可以不眠不休地工作，但是人不行。我一直认为，工作上用 AI，是让它给我支持，给我解决问题。生活上的问题找 AI，也是为了解决之后，提升我的生活质量。既不是为了取代我的工作，也不能让它毁掉我的生活。如果因为 AI，出现了这些现象，是使用它的姿势不对。

身心健康的调整，不是一时就可以完成的，需要长期有意识的做改变。如果我们对 AI 有要求却没耐心，那么，是不是反映出，其实我们对人也是如此？AI 是面镜子，还得继续修行。

不同时代，工作内容和方式，会持续不断的被调整，但是心理健康，是我们内核稳定的基石。AI 时代，去持续学习，去动手做事，去适应趋势，也要调整自我。时刻关注自己的精神健康状况，和内心能量状态，比每天关注外界发生了什么，更重要。

#AI #AI产品 #AI产品经理 #vibecoding #PRD #大模型 #产品Demo #AI工具 #AI编程 #claude #claudecode #codex #anthropic #AIGC #AI视频 #产品思维

-END-

作为AI产品经理，我会持续学习并关注行业发展方向。有些我日常工作的方法、项目上得到的启发、以及对于行业趋势的学习，很多都是在黄钊老师的"AI产品经理大本营"社群里学习到的。黄钊老师在3年前写的《关于AIGC商业化的13个非共识认知》一文，里面提到的非共识的常识，逐一变成了行业共识。例如未来产品的划分，不再是 To B 和 To C，而是 To 人和 To AI；不是技术不够，而是缺乏深度的"行业 know-how"等。另外，黄老师跟团队手工整理的 AI 日报，是我必看的也是最重要的信息来源，帮我了解行业新闻的同时，也看到行业内未来的机会点，十分推荐大家订阅。

社群创建者：黄钊 hanniman，前腾讯PM，前图灵机器人-人才战略官/AI产品经理，13年AI、16年互联网经验；垂直于AI产品经理的第一社群"AI产品经理大本营"（近9年）和自媒体"hanniman"（11年）；作品有《AI产品经理的实操手册》、「黄钊的AI日报」。