产品经理的AI进化论：从“手搓需求”到“氛围编程”的实战心法

在人工智能席卷而来的当下，产品经理的核心竞争力正在经历一场深刻的重塑。从模糊的需求灵感到精准的落地执行，“氛围编程（Vibe Coding）”并非简单的AI辅助写代码，而是构建了一套将产品思维转化为可执行方案的完整闭环。本文将结合五个实战项目的复盘，为你拆解如何让AI成为你的“苏格拉底式追问者”，并分享从撰写PRD到原型设计的四步心法，助你突破“只会说不会做”的职业瓶颈。

门槛并未消失，只是从“写代码”转移到了“说清楚”

去年常有人问我：“你不写一行代码，怎么一个人做出了这么多独立产品？”

事实上，我开发的五个独立项目（如Linger、北极星知识库、GlowNote等），以及手头的两个从零到一的企业级项目，全程都没有亲手编写过一行业务代码，而是全程采用了“氛围编程”。

但在此我想先泼一盆冷水：氛围编程绝不是“我说一句，AI写一段，我无需思考”。如果你抱着这种工具思维，很可能会重蹈我最初的覆辙：AI会生成一堆你根本不需要的冗余功能，而你花在删除、调试上的时间，甚至比你自己想清楚后从头开始还要长。

过去，从一个想法到可见的成果，中间横亘着漫长的排期与团队磨合，反馈循环极其缓慢。如今，中间环节消失了，只剩下AI。一个想法，当天就能看到可运行的原型。但这并不意味着门槛消失了，它只是从“是否会写代码”转移到了“能否清晰地阐明需求”。

这句话听起来像鸡汤，直到你亲自撞上南墙。在开发GlowNote（一个为平价美妆品牌生成小红书种草内容的工具）的最初版本时，我给出的指令是：“帮我做一个生成美妆种草文案的应用。”

AI非常“贴心”地返还给我一个庞然大物：团队协作、多品牌管理、批量选题、品牌语气训练……功能一应俱全。而我真正想要的唯一目标——让一个小品牌主理人一键产出像真人分享、又不违反广告法的笔记——反而被淹没在一堆“看似专业”的功能中。更糟糕的是，生成的文案充斥着“全网最好用”等绝对化用语，每一条都踩在广告法的红线上。

这不是AI的问题，而是我没能清晰地阐明需求。模糊的需求，必然催生模糊的产品。那一刻我才意识到，连我自己内心都没有真正想清楚。而“将模糊的想法，翻译成清晰、可执行、有边界的需求”，这正是产品经理的看家本领。

因此，氛围编程的本质，是将产品经理最具价值的核心能力系统地迁移过去。编码的难关由AI替你跨越，剩下的舞台完全属于你。以下是我实践成功的四个步骤，外加一个核心心法。

第一步 调研：不是写长篇报告，而是精准回答三个核心问题

在氛围编程阶段，调研的核心要义非常简单，只需清晰回答三个关键问题：

1. 此事是否已有先行者？（筛选3至5个代表性产品，一句话概括其核心定位）
2. 他们存在哪些不足？（从用户公开评论中提炼至少5条高频负面反馈）
3. 我的突破口在哪里？（找出当前产品未能妥善解决的痛点，列出3至5个潜在切入方向）

这本质上就是产品经理日常进行的竞品分析，只不过你的执行伙伴从“人类实习生”变成了“AI实习生”。我的实践方法是：派遣一组“AI实习生”分头搜集信息，并要求它们将结果结构化地呈现为市场现状、各家产品的核心卖点、用户的主要痛点以及潜在的空白机会，而不是简单地抛出一堆网页链接。

在此必须重申一条原则：AI负责提供原始素材，而最终结论必须由你亲自判断和敲定。切忌误将信息罗列当作结论，也不要仅凭单一头部案例便草率定论。此外，切勿在此阶段追求完美，只要收集到的信息足以支撑你做出“是否推进该项目”的初步判断，就可以进入下一阶段。

第二步 PRD：让AI进行苏格拉底式追问

这是整个过程最关键的一步。回顾GlowNote的案例，“帮我开发一个生成美妆种草文案的应用”之所以失败，是因为这句话相当于让AI盲目猜测。真正有效的方法，是将关系反转：让AI每次只提出一个问题，像剥洋葱一样，逐层深入挖掘。

流程只需三个动作，循环往复：

1. AI提问：每次仅抛出一个具体问题，绝不一次性提出十个。
2. 你回答：认真作答；如果答不出来也没关系，说一句“我不确定”，它会换个角度再问。
3. 它决定下一步：根据你的回答继续深入挖掘，直至触及你自己都未曾察觉的隐含需求。

为什么“一次一问”是这套方法的精髓？如果AI一次性抛出十个问题，你的大脑难以应对同时的多线追问，必然会走捷径、敷衍作答。而顺着回答追问，才能将你自己都未意识到的边缘约束一层层剥离出来。“心中有感觉但说不清”这种最模糊的状态，恰恰是追问最擅长转化为具体规格的场景。

当我用这套方法重新构思GlowNote时，大约到第八个问题时被追问：“同样一张产品图，一支39元的口红和一支399元的精华，配图应该看起来一样吗？”我才猛然一愣。我下意识认为“当然都要精致美观”，但被它这样逼迫我才明白：平价产品配一张商业大片，用户反而会觉得虚假。平价产品就该用手机随手拍、自然光、接地气的风格。这个“价格档次驱动审美”的决策，后来成为整个产品最核心的一条规则，写入了PRD。

它是被追问逼出来的。如果让我自己对着空白文档苦思冥想，三天也未必能想出来。同样被逼出来的，还有那份PRD中“明确不做的事”：团队协作、多品牌支持、云端历史同步——全部砍掉。一份能老老实实写下“不做什么”的PRD，才是AI不会偏离方向的合同。

当追问到信息足够充分时，让AI主动停止，并输出一份结构化的PRD。这份PRD就是后续所有环节的合同：包含项目一句话定位、目标用户与典型场景、核心痛点、MVP核心功能（仅列出1个最重要的）、成功标准以及明确不做的事。

第三步 原型：最易出错的环节在于顺序颠倒

PRD确定后，下一步是将其转化为可交互的界面原型。制作原型时最容易翻车的环节，并非审美或工具使用，而是操作顺序的颠倒。

我在GlowNote项目上曾吃过一次大亏：拿到PRD后，我兴奋地让AI“一次性生成包含三个标签页以及下方十几个子页面的原型”。AI确实瞬间完成了，但当我试图统一调整卡片的圆角半径和配色方案时，结果牵一发而动全身，各页面风格变得像是出自三个不同设计师之手。最终，我和AI花费了整个下午来调试样式问题。事后估算，如果按照“先定稿一个页面，再批量扩展”的正确顺序重做一遍，仅需四十分钟。

自此之后，我严格遵循以下三个阶段推进：

1. 先确立“视觉设计语言”：与其对AI说“把界面做得高级一点”，不如提供2-3张同类优秀产品的界面截图，让AI提炼出共通的视觉风格（色彩体系、字体气质、圆角大小等）。这便是你的设计语言规范。
2. 优先将最具挑战性的核心页面打磨到位：针对PRD中MVP核心功能所对应的那个关键页面，集中精力只做这一页，并将其打磨到极致。这一页，将成为后续所有页面设计的基准和标尺。
3. 以此为基准，扩展其余页面：其余页面应严格复用，而非重新创作。所有组件、间距、配色方案均须遵循第二阶段确立的标准。

评审原型时，你只需聚焦三件事：信息架构是否正确、核心流程是否顺畅、是否有页面遗漏。切勿过早陷入像素级的细节雕琢。此外，原型一旦修改，PRD必须同步更新。原型定稿后，务必要求AI基于“旧版PRD + 最新原型 + 本轮主要改动”，重新整合生成一份唯一权威的新版PRD（V2）。

第四步 项目启动：别手动编写规则，让AI为自己撰写“入职手册”

至此，PRD与原型均已定稿，是时候进入真正的编码阶段了。许多人在这一步会犯一个常见错误：直接要求AI“开始编写第一个功能”。切勿如此，开局若混乱，后续皆债务。

正确的启动方式，是首先为AI提供一份 CLAUDE.md 文件。你可以将 CLAUDE.md 理解为给AI的“入职手册”。每次AI开始工作前，都会先阅读这份文件，并按照其中的规范行事。

“项目启动”本身，是一个不编写任何业务功能代码的四步流程：

1. 提议技术栈与目录结构：AI会提出主要编程语言、框架及目录组织的选型建议并说明理由，等待你的确认。
2. 搭建脚手架：初始化项目、安装基础依赖、确保“空项目能够成功启动”，此阶段不涉及业务逻辑代码。
3. 自动填写 CLAUDE.md 的“项目事实”部分：AI基于刚刚搭建好的脚手架，自动补全手册的上半部分内容。
4. 首次git提交：创建 .gitignore 和 .env.example 文件，提交代码入库，标志着可以正式开始第一个功能的开发。

关于手册下半部分的“工作规范”，有几条是我用真金白银的教训换来的，值得单独强调：

• 改动分级 A / B / C：将风险意识写入规则
  我要求AI对所有代码改动进行三级风险评估：

  • A级（高风险/不可逆）：如修改数据库结构、调整密钥权限、执行不可逆的Git操作。必须先提交完整的实施方案，待我明确回复“可以”后，在新分支上进行修改，完成不直接合并。
  • B级（用户可感知但可回滚）：如修改UI界面、新增功能。动手前用一句话说明意图，完成后需运行测试和代码检查，并单独提交。
  • C级（纯局部、可逆）：如添加注释、重命名变量、修正拼写错误。可以直接执行，可与其他改动一同提交。
    多花一分钟沟通方案，永远比搞砸后耗费数小时回退要经济得多。

• 有些规则必须固化，不容逾越
  GlowNote是一款AI图片生成工具。根据相关法规，所有AI生成的图片都必须带有清晰可见的标识。我没有让它“记得添加”，而是直接将其作为铁律写入规则：所有图片统一通过打标模块处理，标识文字的高度不低于画面最短边的5%，并且在代码中根本不设置“不打标”的分支。同时，我还划定了一条永久禁区——“付费去除水印”功能永不实现。因为只要留下一个缺口，AI在一次“顺手优化”中就可能从这个缺口钻出去。

• 即时提交：你的安全绳
  我彻底坚信“每完成一个可运行的小步骤，就必须立即提交一次”。频繁提交不是麻烦，而是你的安全绳。AI若写错了代码，可以通过 git revert 回到上一个提交点，指出错误所在，重新开始。损失被严格控制在“一个小步骤”之内，而非“三天的工作量”。

心法：构建你自己的数据飞轮

如果说前面四步是“术”，那么这一节便是“道”。

CLAUDE.md 最奇妙之处在于，它会持续成长。在 Claude Code 的输入框中，键入一个以 # 开头的句子，例如 # 运行测试前必须经我确认，它会自动将这条规则并入 CLAUDE.md，成为一条永久规则。下次会话时，它就已经“掌握”了这条规则，你无需再为同一件事纠正它第二次。

这正是飞轮机制的具体体现：

1. 你遇到一个坑，或理解了一个术语。
2. 你通过 # 将其沉淀为一条新规则。
3. CLAUDE.md 逐渐演化，形成你专属的版本。
4. 开始下一个项目时，AI 从一开始就能避开这个坑，你的效率更高了。

请注意一点：只记录长期适用的规则，切勿将临时琐事也写入其中。CLAUDE.md 越长，每次对话的成本和延迟就越高，目标应控制在 150 行以内。

不要急于求快。初次实践这套流程时，必然会感到缓慢且充满挫败感。这完全正常，这种“慢”，是飞轮开始转动必须付出的代价，但之后你的速度会越来越快。先理清思路，再动手执行。真正的瓶颈从来不是技术实现，而是你能否清晰地表达需求——而这正是产品经理的核心能力。

如今，仅会使用 AI 编写代码已经不足为奇。真正能拉开差距的，是那些愿意沉下心来、坚持推动飞轮转动的人。而“将模糊想法转化为清晰表述”这项能力——恰恰是产品经理多年来不断锤炼的基本功。所以，现在就开始转动你的飞轮吧。