這絕對是AI產品經理入門最清晰的第一課！ #ai #產品經理 #人工智能 #程序員 #ai編程

從屁都不懂到成功轉行大模型產品經理 我是如何做到的 很多人覺得產品經理必須懂編程 是科班 這是最大的誤區 現在你只要學會用AI web decoding 給AI定規則寫需求 它就能幫你跑通demo原型 沒破過代碼的非科班都能快速上手 首先想轉型必須轉變思維 AI產品經理不需要代碼基礎 但是要懂業務場景 能定義prompt會設計agent動作流的操盤手 而不是研發的傳話筒 第一步深度瞭解主流大模型 摸透它們的幻覺和場版 懂業務邏輯就夠 第二步此科RAG和agent這兩大核心架構 不用你敲一聲代碼 但要懂技術選行和AI的能力邊界 怎麼讓AI自動調用工具幹活 第三步結合你原有的老本行 跑通一個能解決實際痛點的AI demo 按這個學習路線走 兩個月就真正把AI思維植入到業務中 不論是轉行跳槽還是升職賦能 都是不錯的選擇 最後我也將AI產品經理的核心知識 拆解成了視頻教程 跟着教程不怕學不會 之前給大家分享了一些 AI輔助畫產品原型的一些工具 那麼今天給大家在整體創下 在畫原型方面我的整個的工作流 按照畫原型前 畫原型中和畫原型後 這三個方面進行介紹 首先是在畫原型前 在開始繪製產品原型之前 我們還是要進行需求的調研 精品的分析和梳理產品結構圖 那麼在需求調研方面的話 要進行業務的調研 梳理業務流程 那麼進行用戶的一個調研 生成相應的需求調研報告 那麼在需求整理方面的話 我們要編寫用戶故事 這裏的話在整理用戶故事中 我們可以想做一個這種 整理用戶故事的一個skill 那麼通過這個skill來幫我們去 快速的整理用戶故事 關於用戶故事的一個整理的話 這裏我們可以看這一篇筆記 在這篇筆記中 我提供瞭如何編寫 用戶故事一個提示詞 大家可以看一下 那麼除了需求的數據以外的話 我們還要進行精品分析 那麼精品分析的 主要的一個環節的話 就是明確我們的目的是什麼 然後進行行業調研 確定精品設計數據 對比分析出結論 那麼精品分析的維度的話 根據我們的一個目的不同 它也可以分爲在業務層面 產品層面和功能層面 那麼對於一個產品原型來說 我們重點的關注 可能是在功能層面的一個調研 包括功能點 交互佈局和實際體驗 而且這種功能層面的調研的話 其實主要是在我們的產品規劃 和產品開發的階段纔會有 那麼如果是在產品的概念階段的話 我們更關注的可能是 前面這兩個層面 業務層面和產品層面的一個調研 那麼完成精品分析以後的話 那麼我們就要梳理產品結構圖 這裏的話 在這一篇筆記裏 我有介紹什麼是產品結構圖 這裏的話 在店鋪中的那個商品中 有一個實銷的案例 這個裏面的話 也提供了一個產品結構圖的一個示例 這個示例的話 就是其中某一個功能的一個產品結構圖 它的一個主要的一個組成部分的話 其實就是包括 搜索條件按鈕 左側數 然後列表 避障操作等等 這是對於一個 B端的一個管理頁面來說 主要的一個分類 那麼如果是我們2C的話 也可以按照 類似的一個結構去整理 那麼產品結構圖的一個介紹的話 大家可以看這一篇筆記 這是畫原型之前 我們要做一些工作 要進行需求調研 產出用戶故事 然後進行進行分析 那麼產出產品結構圖 那麼開始畫原型的時候的話 這裏分享兩種方案 一種是精準控制 一種是邊做邊探索 精準控制的話 其實就是把我們腦中的想法 讓AI精準落地 然後這個時候的話 我們就需要整理一份 讓AI瞄懂的產品說明書 像前面提到的 我們整理了一個產品結構圖 那這個時候的話 其實我們就可以 將插滿的格式的產品結構圖 轉爲詳細的功能描述 那麼在這篇筆記中的話 也有介紹 怎麼把產品結構圖 轉爲詳細描述 然後最終生成 高保證的一個產品原型 這是精準控制 那麼還有一種方式的話 就是邊做邊探索的話 就是把我們腦中一些模糊的想法 進行逐步的一個迭代 那麼這個時候的話 我們如果是針對一些 邏輯比較簡單的一個需求的話 我們可以輸出 我們的一個初步的一個想法 然後使用大模型 進行一個逐步的一個迭代 這是對於比較簡單的一些產品 就業務流程沒那麼複雜 可能只有一個輸入和輸出 或者是簡單流程就可以 那麼對於一些複雜流程的產品的話 那麼我們也是可以先打磨出一個MVP 然後進行一個迭代優化 但是這個時候的話 我們還有一種方案的話 就是把這個項目 就是把AI生成的這個產品原型 進行一個逆向總結 來梳理相應的一個邏輯 比如說像前幾天 我分享了一篇筆記 就是把產品原型轉爲PRD文檔 就是爲什麼說 我要把一個產品原型 轉成PRD文檔呢 其實原因就是 我在生成這個產品原型的時候 當時我的想法是很模糊的 我是通過和大模型進行控創 來逐步的完善我的邏輯 生成一個原型的初稿 但是大模型生成的信息的話 太多太龐雜 我很難去 清晰的瞭解整個邏輯是什麼 所以我通過逆向總結這個項目 讓大模型幫我理清這個邏輯 就是這篇筆記介紹的 就是把產品原型轉PRD文檔 那其實這個時候的話 我還會把這個文檔 再轉爲一個詳細的功能描述 因爲對於我們內部的產品來說 它會經過很多輪的一個評審 對於每個字段的設計 每個操作的設計 都要有很詳細的一個說明 所以我必須要了解 大模型生成的這個原型 它的整個邏輯的一個全貌是什麼 所以我纔會做這麼一步 就是把這個項目 逆向總結生成PRD 然後我再梳理成一個 詳細的一個產品說明書 再採用精準控制的方式 生成產品原型 所以這兩種方案的話 它其實不管是精準控制也好 還是編作編探索也好 最終的話都可以生成 一個產品說明書來生成原型 那麼這是畫原型中具體的話 我們採用哪一種 就是原型工具 大家根據自己的習慣就行 比如說我這裏推薦的一些 像Figma, Make, Calicut 都是可以生成可編輯設計稿的 像這個原型工具裏面的這些 原型工具 它都可以生成可編輯設計稿 那麼在應用開發裏面的話 它其實是生成的是一個千層頁面 那麼像Ready這種的話 和UXBot 它們其實生成的也是頁面 只不過是這些頁面的話 是一個一個頁面來生成的 而且它們一般都是能夠 導入到Figma中進行再次編輯 那麼AI編程工具的話 不管是Tree, Cursor, Codex 都可以生成原型 那麼大模型的話 像Jimmy9, DeepSeek, Kimmy也OK 所以這裏工具選擇的話 大家按需選擇就可以 但是大概的一個流程的話 不管是精準控制 還是邊做邊探索 都可以 因爲最終的話都是殊途同歸 哪怕是邊做邊探索這種方式 我後期爲了保證 我產品的可控性的話 我還會把它整理成一個產品說明書 但是對於一些自用的 一些小工具 邏輯很簡單的話 其實我就不用做這一步了 我直接是根據我的核心想法 進行生成就可以了 那麼最後的話就是畫原型後 那麼我這個原型完成以後的話 接下來就會涉到這些問題 比如說我這個原型代碼怎麼管理 之前我們用Akshore的時候 畫原型 我們是可以把Akshore上的原型 上載到雲端的 就不涉到代碼管理 但是現在如果是我們用 web coding的方式去或者原型的話 那麼可能就會涉到代碼管理 這裏的話我們可以使用 GitHub或者GitLab 去管理我們的一個代碼 那麼雲端部署的話 像之前我們用Akshore的時候 可以用藍壺插件 發佈到藍壺上 那麼現在的話 其實我們也可以使用一些 雲端部署的一些工具 當然如果是我們公司內部 有對應的一個服務器的話 也可以部署到我們自己的服務器上 那麼在這篇筆記裏面 我介紹瞭如何把AI生成的原型 發佈到雲端 那麼發佈到雲端以後的話 還會出現另外一個問題 就之前我們用Akshore的時候 它是可以很靈活地 對產品的一些交互邏輯 或者一些說明做標註 那麼使用這種web coding的方式 畫原型以後的話 那麼可能我們的標註 就會比較麻煩一點 那這個時候的話 我是做了一個瀏覽器插件 通過這個瀏覽器插件的話 來實現對產品的一些交互邏輯 一些說明的一個標註 最後的話是 產品評審這塊的話 因爲我們是 使用web coding的方式 進行生成產品的原型 那麼其實我們是完全可以實現 在評審過程中現場改的 比如說我之前 用Lavabo繪製原型的時候 Lavabo去改原型的一個速度是很快的 那麼在評審過程中 當場定的一些結論 都可以在Lavabo中進行現場修改 那麼還有就是 我們在評審會的時候 就肯定有一個會議機要 那麼我們可以使用 豆包呀 飛書呀 釘釘這種工具 進行會議的一個錄製 那麼它會幫我們自動生成會議機要 如果是我們公司發會議機要 有模板的話 那麼我們還可以做一個skill 然後把他們生成的會議機要 按照我們skill的格式 進行一個輸出 生成原型以後的話 那麼我們還是要把原型 生成一個PRD文檔 或者研發需求的 比如說像我們團隊的話 主要是寫研發需求 但是其他團隊的話 可能要寫PRD 那麼在寫PRD的時候 在這篇筆記中介紹了 對AI產品來說 我們的PRD文檔都要哪些內容 那麼這裏的話 也介紹了兩個skill 就是根據我的產品創意 或產品描述來生成PRD 以及前面提到的 根據我的原型做逆向 就逆向拆解生成PRD 這是PRD文檔編寫 那麼最後和研發的一個跟進的話 就前面我們已經把這個項目 是部署到雲端了 也有相當的標準工具 我們的研發是可以 通過查看雲端部署的這個原型 進行一個後續的開發 但是在跟進過程中的話 我們還是要持續打理 而且原型可能是需要修正的 那麼以及相應的一個變更記錄 一定要記錄好 那麼同時的話 還要做及時的一個拉通 像我們團隊的話 是每天開戰利會 每週開週會 週會的其中一個很重要的環節 就是把本週的變更再拉通一遍 雖然我們每次有變更的時候 會在群內通知 會在戰利會的時候通知 但是在週會的時候 我們會再共識一遍 我們的變更情況 原型的話 並不是一次交付就完成的 它其實是一個 持續的一個堆積和迭代過程 因爲在我們研發的過程中 可能也會發現 我們之前的原型設計 在某些邏輯上是不合適的 是要持續進行一個修改和堆積的 以上的話 就是我進行產品原型 整個過程的一個工作流 感興趣的小夥伴的話 也可以分享 你的工作流是什麼樣子的 謝謝大家