7.2
深览指数
产品人人都是产品经理·冰冰酱··AI 生成
从一张白纸到交付PRD：我的全自动 AI 产品工作流
作者详细介绍了一套结合Claude Code CLI、Figma MCP、GitLab等工具链的AI辅助PRD工作流。核心不是用AI替代写作，而是将其作为深度对话伙伴，用于前置拆解需求背后的权限、状态、边界问题，再让AI执行文档和原型生成。文章提供了训练AI内化个人方法论的具体步骤、工作流沉淀技巧和真实案例，对正在探索AI提效的产品经理有实操参考价值。原文 ↗
核心观点
- ▍AI对产品经理的首要价值不是生成答案，而是辅助拆解问题，将底层逻辑（权限、状态、额度归属等）厘清后再让AI执行PRD、原型等产出，从而提升决策质量而非仅节省时间。
- 01作者以“多角色、多站点”需求为例，指出表面是站点切换器，但AI帮助提前暴露了角色绑定层级、身份共存、额度归属、新用户路由等关键问题，避免了PRD写成表层页面描述。
- 02训练AI使其“像你一样思考”的高效方法是投喂历史PRD、原型图、流程图和变更记录，其中变更记录能让AI从“模仿结果”转向“理解判断力”，学会写出研发能直接执行的详尽描述。
- 03作者搭建了包含Claude Code CLI、Figma + MCP、draw.io和GitLab的工具链，工作流为“上下文读取→逻辑梳理(流程图)→原型构建→文档撰写→版本维护”，PRD是逻辑讨论清晰后的交付物而非起点。
- 04在优化XX Agent产品的onboarding流程时，作者与AI迭代16个版本后定义出关键Aha Moment是用户看到首份报告后还想再生成第二份报告，从而将流程拆解为三态验证与报告分层（Quick Win vs Deep Dive）。
- 05文中提供了4个稳定运转的tip：让AI反复自检、发现规律后回写为永久规则、用GitLab管理文档版本、大任务分阶段后及时压缩上下文（如Claude Code的/compact命令）。
反方 / 局限
- — 作者承认，若未将底层实体结构想清楚就开工，会导致大量返工，这反映了此方法论本身依赖于PM先具备清晰的业务拆解能力，AI是放大器而非替代者。
- — AI生成的Figma原型需先在本地用Markdown确认再上Figma以节约token，暗示这套流程的token消耗和模型稳定性（如CC常挂）是实际痛点。
14 分钟 · 4 卡片 · 9 资料
读原文 →