产品 人人都是产品经理 · 产品方法论集散地 · 10小时前 · AI 生成
一份接口文档，怎么变成一个能点的产品原型？ 本文记录了一位产品经理如何利用 AI Agent，在约一个半小时内，将一份晦涩的社保公积金接口文档（含拼音缩写字段），转化为可点击、可交互的产品原型。作者的核心方法论是：先让 AI 做“翻译官”提取能力地图，再基于现有系统截图做视觉锚点，通过十二轮迭代（先做加法补全功能，再做减法回归用户视角），最终产出 864 行代码的单文件网页并部署为可分享链接。文章强调，在 AI 时代，产品经理的核心价值正从“产出原型”转向“问对问题”和“做业务判断”，而非被 AI 取代。原文 ↗ 原文 ↗
核心观点
▍ 产品经理在 AI 时代的工作核心，正从“产出原型”转变为“问对问题”，AI 能补齐领域知识并快速执行，但业务判断和质量把关仍需人来拍板和兜底。 01 作者用时一个多小时、十二轮对话，将一份 PTS 接口文档转化为 864 行代码的单文件网页原型，每个按钮可点、每条流程可跑。 02 作者首先让 AI 通读文档并回答三个问题（解决什么需求、哪些能力必须、哪些可选），快速得出了“账密管理无接口”等关键结论，这直接决定了技术方案（以 iframe 嵌入）。 03 作者提供了四张现有系统的截图，作为原型设计的“锚点”，AI 据此理解了新功能应以“最小侵入”的方式“生长”进老系统，而非凭空创造。 04 十二轮迭代按层次进行：前六轮做加法（结构级），后六轮做减法（判断级和文案级）。例如 AI 在判断级时引用文档说服作者删除“PTS 对接配置”页签，因为 appKey 是平台级凭证，不应暴露给客户。 05 AI 犯了一次“执行力溢出”错误：删冗余提示语时误删了承载交互绑定的 HTML 元素，导致功能报错。作者因此建立了“每次改动后运行冒烟测试”的流程。 反方 / 局限
— AI 会犯错且犯错模式是“执行力溢出”（如删除多余文案时连带删掉交互逻辑），因此不能完全信任其自动化操作，必须有测试机制兜底。 — AI 在“理解用户”这件事上能力有限，需要产品经理不断将业务判断“喂”给它。作者的迭代越具体、越接近业务直觉，AI 的收敛速度就越快。
前置背景 快速原型模型的演化基础
作者一小时生成可点击原型，背后是软件工程中沉淀二十年的『快速原型模型』思想——在需求模糊时快速构建可运行系统，通过『原型-反馈-修改』循环逐步明确需求。该模型 1980 年代提出时只解决了『让用户早点看到东西』的问题，而 AI Agent 的出现解决了一个新瓶颈：『让原型长得像个真东西的时间』从两周压缩到一小时。本质上，AI 替代的不是『做原型』，而是『把需求翻译成界面』的体力活，快速原型模型的迭代节奏不变，只是每轮反馈间隔大幅缩短。
▸ 2 条关联资料
▼
平行视角 AI 项目落地的高失败率真相
与作者『AI 读文档远超人类』的乐观不同，行业数据显示：超过 80% 的 AI 项目最终难以落地成型，试点成功仅 48%。标普全球 2025 年调研显示 42% 的企业已叫停大部分 AI 项目。失败根源根本不是技术——AI 能读文档、能画原型、能补测试，但在『搞清楚业务到底要什么』这一步，项目死于目标模糊、数据壁垒、评估体系缺失。作者解决了『从文档到原型』的认知漏斗，但从『原型到投产』的漏斗里，还有两次同样苛刻的重现：业务流程融合度和持续价值闭环。
▸ 3 条关联资料
▼
未来推演 产品经理的判断力溢价
2026 年传统产品岗需求下滑 42%，AI 产品岗却暴涨 455%——面同批人、同一年。麦肯锡估算产品经理 60% 的工作内容可被 AI 替代，但被替代的是『需求翻译型』：把业务口头需求转成 PRD 再转给研发。作者一个多小时里的十二轮决策（双角色权衡、设置页删除、文案从『传至 PTS』改成『提交参保』）恰恰是 AI 做不到的。多邻国创始人坦言，两个非程序员用 vibe coding 做出了日活 700 万的爆款——路径极短，但『知道该做什么的判断力』才是稀缺品。
▸ 2 条关联资料
▼
延伸追问 AI 代码的幻觉安全网
作者在第十二轮迭代中翻车：AI 删提示语时连带清掉了交互绑定的 HTML 元素，导致脚本报错。这不是偶然——代码生成中的『幻觉』概率不低，API 误用、逻辑缺陷、悬空引用是最常见的三类错误模式。问题不是 AI 会不会犯错，而是『你怎么知道它什么时候犯了错』。工程化方案有两条路：静态语义校验（TypeScript 约束、API 签名白名单）和动态测试驱动（遍历全部组件状态）。作者事后补的 42 处渲染断言才是能让原型『持续演进』的真正安全网。
▸ 2 条关联资料
▼