The AI PM's Playbook:2025 年顶尖产品经理如何将影响力提升 10 倍 [译]
大家都听过各种各样的“AI 在产品管理中的应用”说法。让我们去伪存真,看看最实用的用例、工具以及规则,帮助你在职场提升效率,同时又不损害你的口碑。
我们反复听到关于 AI 的这句话:
“所有产品经理都需要成为 AI 产品经理。”
从我的角度看,这句话没错,但需要一些前提条件。
让我来解释。
AI 产品经理的 3 种类型
当我们说“AI 产品经理”(AI PM)时,到底指的是什么?
实际上,AI 产品经理可以分为三种类型:
![](/uploads/2025-01-26-17b1bfe9-b015-490b-9981-758d99694318_1068x312.png)
AI-powered PM(AI 驱动的产品经理):这是每一位 PM 都会变成的角色,你需要使用 AI 来“在这个有点不公平的工作环境中逆势而上”。
AI PM(专职 AI 的产品经理):这些人专门在 OpenAI、Anthropic 等公司构建核心 AI 产品。
AI feature PM(负责 AI 功能的产品经理):这些 PM 在现有产品中加入 AI 功能,比如 Notion 的 AI 写作辅助,Miro 的智能画布。
并不是所有 PM 都会成为第 2 或第 3 类的 AI 产品经理。
但所有 PM 都需要成为第 1 类——AI-powered(AI 驱动的)产品经理。这正是我们今天要讨论的重点。
今天的深度解析
我和 10 多位产品经理聊过,他们是如何在日常工作中使用 AI 的。下面是一个简洁而直击要点的指南,帮助你从“只会用 ChatGPT”到“AI 优先”的产品经理:
正确使用 AI 的 3 大规则
AI 产品经理的 5 大主要用例
常见误区
1. 正确使用 AI 的 3 大规则
关于如何使用 AI,我们已经被各种信息轰炸过了。所以我想把它简化到最基础的“第一性原理”上。
我把这些核心原则总结成了 3 条关键规则,你在使用 AI 时必须记住它们:
![](/uploads/2025-01-26-4d627d66-4a8a-44ff-b050-1de16fd751b1_3600x4500.jpg)
规则 1 —— 提示词(Prompt)的技巧决定一切
每个工具在提示词方面都有自己的微妙差别。但总体来说,提示词是一门需要熟练度的技能。
就像每个人都以为自己开车水平高于平均水平一样,大家也往往自以为提示词写得比别人好。
实际上,如果你没有系统练习过,你在提示词上的技巧可能还有很长的路要走。
例如,如果你在使用 ChatGPT v1,最优的提示词结构可以参考 Dan Mac 提出的框架,OpenAI 的总裁 Greg Brockman 也曾转发过这个结构:
![](/uploads/2025-01-26-c7b0454a-4315-4100-b183-2d155fde8b10_1456x1212.jpg)
规则 2 —— “20-60-20” 法则
在任何需要文字输出的 PM 工作中,你都需要先完成“前 20%”的工作。原因很简单:Claude(或任何 AI)都无法直接获取你作为 PM 的背景信息和上下文。
因此,你需要先把相关的信息进行脑暴和整理,然后抛给它,就像上面提示词结构图所描述的那样。
在完成了 AI 生成的“中间 60%”内容后,你还需要做最后的 20% 工作。也就是在文本中去掉 AI 的痕迹,并加入你独有的人性化思考以及更深的背景信息。
毕竟,公司雇你来做 PM,而不是单纯使用一个 AI 代理,这正是你的价值所在。
规则 3 —— 不断迭代,直到拿到满意的结果
几乎没有哪次 AI 给出的初版答案会完全符合你的需求。通常,你需要不断和 AI 进行迭代。
你要给出非常明确且具体的反馈,确保 AI 能轻松吸收并执行。一般来说,在写作方面,到了第 4-5 稿,才会得到可用的成果。
我认识的一位顶尖 PM 就像对待用户研究一样对待 AI,每次都进行多轮打磨。她的流程大概是:
第 1 稿:基础提示
第 2 稿:加入具体示例
第 3 稿:结合干系人的各种限制条件
第 4-5 稿:微调语气和细节
现在,让我们进入更具体的内容……
2. AI 产品经理的 5 大主要用例
我们都在被各种渠道推销各种各样的 AI 场景应用。
在我看来,以下 5 个用例才是真正有价值的:
![](/uploads/2025-01-26-b0bd988e-1d7e-45bb-89a6-dea6eec0bde8_3600x4500.jpg)
用例 1 —— PRD(产品需求文档)
还记得经典的产品经理噩梦吗?下午 4 点,你的 VP 说要在明天之前拿到一份全面的 PRD,而你看着空荡荡的文档脑子一片空白。
上个月,我跟了一位在 FAANG 工作的 PM,观察他为一个新功能写规格说明书。他第一次用 AI 的提示词确实很精彩,但对他的具体需求却完全不适用。
后来,他总结出了一份可以称为“颠覆性框架”的大型提示词结构:
上下文(20%):“你要帮助我们为一款面向 B2B SaaS 产品(有企业级安全要求)的功能进行范围界定……”
约束条件(30%):“必须符合 SOC2 标准,能在离线环境下运行……”
示例(30%):“这是我们上一次成功的规格说明书……”
输出格式(20%):“请遵照我们标准的 PRD 模板进行结构化……”
他们先花 20% 的时间设置好上下文,然后拿到 AI 生成的 80% 完成度文档,再用 30 分钟对它进行“人类加持”。
我试用了目前所有的 LLM,感觉最强的三个依次是:
Claude
ChatPRD
ChatGPT
而且是这个顺序。目前 Claude 的表现非常强(但这种格局可能随时会变)。
用例 2 —— 战略文档(Strategy docs)
制定产品战略是 PM 最重要的职责之一。
但很多时候,你的战略文档更多是前期调研和思考的结果,真正需要撰写的时候,用最有效的方式把想法表达出来就行。
这时,Claude 可以发挥极大作用。如果你提前把所有关键信息和原则都提供给它,它就能帮你写出一份论证充分的战略文档。
最有效的提示词结构是给它提供海量上下文信息,比如 5-6 点重点背景,确保 Claude 不会误解你的实际情况。类似下面这样:
![](/uploads/2025-01-26-f5763b26-229c-4851-bd06-0b78d04a59e4_1024x1598.jpg)
在写这些上下文时,你可以考虑并添加如下要点:
上个季度的实验结果: [数据]
用户访谈洞察: [结论]
技术架构限制: [具体说明]
竞争对手动向: [分析]
团队产能: [详情]
一份被广泛认可的战略文档: [完整文档]
在 AI 的训练数据里,类似你所在公司内部的产品战略文档其实并不多,所以提供你们的优秀模板给它参考,会帮助它更好地理解和产出。
用例 3 —— 竞品调研
谁都遇到过这种场景:某个新的竞争对手突然出现,搅乱了市场。你知道老板肯定会第一时间找你要分析报告。
Perplexity 可以大大加快你获取洞察的效率。它就像一个经过强化的搜索引擎。
你可以这样用它来做竞品分析:
告诉它一个新出现的竞争对手名字;
让它比较该竞品的功能、定价策略以及用户口碑;
让它帮你挖掘你可能忽略的最新动态。
这是一个示例报告,场景是某个 Lemlist 的 PM 想要比较 Instantly。
AI 可能无法在所有方面替代你,但能把你本来需要 3 小时才能完成的竞品调研(整理思路给老板),缩短到 30 分钟之内。
AI 会做大部分“找事实”的工作,并提供更多链接供你参考,而你只需要加上自己的思考即可。
用例 4 —— 会议纪要及更新
我们有很多会议,这些会议都可以让 AI 来做记录并生成后续行动事项。
在产品评审会议结束后,通常每位 PM 都要花 30 分钟去整理要点。
而如果用 AI 的笔记工具,这个过程 90% 都可以自动化。
你只需要简单修改,然后发送给团队。
在试用了各类工具后,我觉得目前 Otter.Ai 是最适合用来自动生成会议纪要和行动项的。当然,如果你的公司已经给你付费了 Zoom AI 或其他同类工具,那也可以用自带的功能。
关键是——记得使用!我认识一些人,他们明明有这些付费工具,却从来不用。
你也可以把会议文字记录粘贴到 ChatGPT、Gemini 或 Claude 里,让它帮你总结成一封以你口吻发给团队的会议纪要,附上关键要点和后续任务。
用例 5 —— 快速迭代原型和设计
上周,我亲眼看到一位 PM 从一个想法到做出可点的原型不到一个小时。他的秘密武器?使用 Claude 的“Artifacts”功能来生成线框图。
真正的变革不仅仅在速度——还在迭代效率。当干系人需要修改时,你不用再花几小时去重做。你只需改个提示词,几分钟就能生成新的版本。
实话说,第一版的设计不可能是完美的,但在早期收集反馈、验证概念时,这种速度简直是金子般宝贵。
推荐工具汇总
![](/uploads/2025-01-26-be5e6207-1d82-4493-920d-507c1d086f00_986x326.png)
更多可选用例
我之前也分享过很多其他用例。但我认为,以上 5 个用例足以帮助你:
真正提升对提示词的掌控力
养成在工作流程中将 AI 引入的思维习惯
不过,这里还有更多可考虑的 10 个用例,我在过去的文章里提到并附上链接:
3. 使用 AI 作为 PM 时的常见误区
我犯过所有这些错误,所以你大可不必再踩坑了。
以下是每个 AI 产品经理都要避免的“捂脸时刻”。
![](/uploads/2025-01-26-326a371e-ce2d-4a56-8883-0c5227496585_3600x4500.jpg)
误区 1 —— 用 AI 来“思考”,而不是写作辅助
上个月,一位创业公司产品负责人把他们的 AI 生成战略文档发给我看。
文档结构清晰,框架完美。
可里面完全没提到他们最核心的几件事。
整份战略读起来就像一份 2019 年的麦肯锡咨询报告。文中根本没提到他们最近才做的企业客户转型,也没说明他们的自助式增长(PLG)模式是如何失败的。
更尴尬的是,AI 还建议他们开发一些在上一季度用户已经明确拒绝的功能。
现实是:AI 在组织和表达思路方面很出色,但它并不了解你过去的三次实验为什么失败,也不知道你们 CEO 听到“按使用量计费”时会有多担心,以及哪些竞争对手的动作真正威胁到你们在特定市场的地位。
你的职责是给 AI 提供上下文,引导产出,并在此基础上加入你对业务、市场和用户的深刻见解。
AI 应该是放大你的思考,而不是替代你的思考。
误区 2 —— 忘记去掉 AI 的“痕迹”
两周前,一位 PM 朋友发了一份要给董事会看的演示文档给我做反馈。
我只看了 5 分钟,就发现里面充斥着“AI 未校对”的典型痕迹:
市场规模数据还停留在 2021 年;
竞品分析中漏掉了三家已经完成并购的公司;
功能建议忽视了他们最核心的技术限制。
这并不是 AI 的错误,而是没有把 AI 产出当做“初稿”去加工的错误。
当你让 AI 帮你做分析时,一定要结合当前的市场认知以及你自己的专业洞察,对结果进行完善。
我每次都会给 AI 产出做一个快速“现实检验”:数字是否最新?行业格局是否已经变化?和我们对用户的理解是否相符?
误区 3 —— 使用过时的工具
最近在一次产品研讨会上,我看到五位 PM 花了 45 分钟在争论他们各自使用的 AI 工具。
他们每个人都坚持自己那一款最好,但没有任何人真正去测试过过去三个月里新发布的替代工具。
AI 领域每周都有新东西出现。你之前围绕 ChatGPT-3.5 搭建好的那套流程,现在可能已经有三四种更好的选择。
但核心是:你也没必要去追逐所有的新工具。
你只需要建立一个快速测试框架,每个月花一个小时试试新产品,再听听其他 PM 的实际使用感受。重点放在解决真实问题上,而不是为了炫技或堆叠所谓的 AI 工具“徽章”。
通过这一年观察 PM 们的使用习惯,我发现想成为 AI 驱动的产品经理,不在于掌握多少工具,而在于分清什么时候该依赖 AI,什么时候该回归你作为产品经理的经验与直觉。
结语
我认识的所有在 AI 领域做得得心应手的 PM,最初都是在反复试错中快速成长起来的。
你也可以形成自己的一套 AI 使用风格。记得持续尝试最新工具,不断学习。
衡量自己在以上 5 个用例中的水平,并不断精进。你一定能做到!