6.5
深览指数
产品人人都是产品经理·是湘湘呀··AI 生成
都说 AI 时代最稀缺的是定义问题，什么才叫会定义问题？
当AI大幅降低实现门槛后，真正的挑战转向了问题定义。本文通过学员管理系统等案例，阐述了将模糊想法转化为可执行需求的六要素：目标用户、使用场景、当前痛点、最小闭环、关键数据和验收标准。作者认为，相比写代码，未来更稀缺的能力是精准定义问题、组织上下文和推动项目落地的能力。适合产品经理、独立开发者及业务方在启动AI项目前阅读，以规避“看起来完整实则无用”的AI生成陷阱。原文 ↗
核心观点
- ▍AI时代，效率的提升使得实现变快，但问题不会消失，反而会更早地暴露出来。真正的稀缺能力从“会写代码”转向了“会定义问题”：精准定义目标用户、场景、痛点和MVP边界。
- ▍一个可执行的项目需求，必须能用一份轻量PRD回答六个问题：目标用户是谁、真实场景是什么、当前问题为何值得解决、第一版要完成哪条核心流程、系统需保存哪些关键数据、用什么标准判断可用。
- 01以“学员管理后台”为例，模糊想法“做一个后台”会被AI生成页面；但拆解后的真实需求是：教务老师每天需查看“待跟进学员”、记录沟通结果、设置下次跟进时间——这构成了第一版的最小闭环。
- 02定义问题不应停留在“效率低”，而要追问卡点具体是“信息分散、重复录入、判断困难还是状态不同步”，因为不同的原因决定了完全不同的系统方案。
- 03文章提出了“FDE（全栈开发者）的第一反应不是开工，而是追问”的做法，要求在写代码前澄清用户角色（如教务运营、课程顾问而非“企业员工”）、具体场景（选题阶段vs发布阶段）和痛点根源。
- 04以“学员管理后台”为例，验收标准应为：能新增学员、修改状态、记录跟进、设置下次跟进时间、刷新后数据不丢失、能筛选待跟进名单——每一个标准都对应真实使用场景。
反方 / 局限
- — 文章主张“先做需求澄清，再让AI开发”，但未深入讨论当业务方自己也无法清晰描述现场时，需求探索的成本与具体方法（如用户访谈、数据分析），这可能是实践中的最大瓶颈。
- — 文中强调“小而清楚”的项目优于“大而虚”的系统，但未探讨当项目涉及多方利益、跨部门协作时，如何协调不同用户群体的优先需求，以及如何应对需求在迭代中自然膨胀的挑战。
10 分钟 · 3 卡片 · 8 资料
读原文 →