一句话说清楚这篇要讲什么

一个不懂地震安评的程序员，让 AI 扮演”资深产品经理”，从零规划出了一款专业的行业软件——从市场分析到功能设计，AI 全程输出，我全程拍板。

今天这篇，把整个过程一步一步还原给你。

你有没有过这样的念头？

“我想做一款产品，但我不知道该做什么功能。”

这个念头我在 2025 年年底有过。

当时的背景是这样的——我是一个程序员，写了十几年代码。2024 年 AI 编程工具爆发之后，我发现一个人的开发效率已经能顶过去一个小团队。于是我开始想：能不能找一个行业痛点，一个人用 AI 做出一款完整的产品？

目标很明确，但有两个问题：

第一，做哪个行业？

我身边恰好有地震安评行业的朋友。他跟我吐槽过很多次——写一份安评报告太痛苦了，两百多页，要对照国标逐条检查，排版要调半天，新人上手要好几年……

听起来像是一个 AI 能发挥作用的领域。

第二，我完全不懂安评。

我连 GB 17741 是什么都不知道，更别说什么”地震动参数””潜在震源区””液化判别”了。

如果是传统做法，我需要先花几个月去学安评知识，或者花钱请一个安评行业的产品经理。

但我想试一条不同的路——让 AI 来当这个产品经理。

今天最值钱的一个技巧：角色扮演法

在讲具体过程之前，先说今天这篇文章最核心的一个 AI 使用技巧：

角色扮演法——给 AI 一个”身份”，回答质量提升 10 倍

什么意思？

你对 AI 说”帮我分析一下地震安评行业”，它会给你一篇泛泛而谈的科普文。

但如果你说：

“你现在是一位在地震安评行业工作了 15 年的资深产品经理，同时精通 B 端 SaaS 产品设计。你服务过的客户包括省级地震局、大型地勘设计院。现在，一个技术合伙人请你帮忙规划一款 AI 驱动的地震安评报告生成工具。请你以这个身份，帮我分析这个行业的核心痛点。”

同样的问题，两种问法，回答质量天壤之别。

第一种问法，AI 给你百度百科级别的内容。 第二种问法，AI 给你的是：带行业术语的、分场景的、有主次判断的深度分析。

为什么会这样？

因为 AI 的训练数据里包含了大量不同角色的人写的内容。当你给它一个明确的身份，它就会”调用”那个角色对应的知识体系和表达风格。

就好比你去医院：你问前台”我头疼怎么办”，和你坐在神经内科主任面前说”我头疼怎么办”，得到的回答是完全不同的——不是因为信息不同，而是因为身份不同，回答的深度和专业度就不同。

角色扮演法就是让 AI 从”前台”变成”主任”。

这个技巧贯穿了 ajepro 整个产品从零到一的过程。 后面你会看到，我不只让 AI 当了产品经理——我还让它当过架构师、安全专家、测试工程师、UI 设计师……

但今天，先从”产品经理”这个角色开始。

实战：我是怎么让 AI 当产品经理的

第一步：让 AI 帮我搞懂这个行业

我对地震安评一无所知。第一步，我需要快速了解这个行业的全貌。

我给 AI 设定的角色是：

“你是一位有 15 年地震安评行业经验的资深工程师，同时也是行业信息化领域的顾问。”

然后我问了一连串”笨问题”：

• 地震安评到底是做什么的？
• 一份安评报告从开始到结束的完整流程是什么？
• 报告里最难写的部分是什么？最耗时的部分呢？
• 目前行业里有没有人在用 AI 或者软件来辅助写报告？
• 安评工程师日常最抱怨的事情是什么？

AI 的回答让我大开眼界。

它不仅告诉我安评报告的结构（10+ 个章节、200+ 页），还主动提到了一些我根本想不到的细节：

比如——安评报告的编写受国标 GB 17741 严格约束，工程师最头疼的不是”写不出来”，而是”不确定自己写的对不对”。每次提交前都要拿着国标逐条比对，生怕漏了哪条要求被评审专家退回来。

再比如——行业里的新人培养周期极长。一个硕士毕业生入行，至少要跟师傅写两三年报告，才能独立上手。原因不是他们能力差，而是行文规范、术语用法、章节逻辑这些东西全靠”口口相传”，没有哪本教材会教你”这一段话到底怎么写才能过审”。

这些信息，如果让我自己去调研，可能要花一两个月。AI 用半个小时就帮我梳理清楚了。

当然，AI 说的我不能全信——后来我又找安评行业的朋友做了验证。结果发现 AI 的分析大方向全对，细节上有些过时或偏差，我做了修正。

这就是角色扮演法的价值所在：它不能替代真正的行业调研，但能帮你在几个小时内建立起对一个陌生行业的”粗颗粒认知”，然后你只需要花精力去验证和修正——而不是从零开始。

第二步：让 AI 做竞品分析

搞清楚行业之后，第二个问题来了：市场上已经有人在做类似的产品了吗？

我换了一个角色：

“你是一位专注于 B 端垂直行业 SaaS 的产品分析师。请帮我做一份地震安评报告编写辅助工具的竞品分析。”

AI 给出的分析非常有结构：

直接竞品：几乎没有。地震安评是一个极度垂直的小众行业，全国从业者可能就几千人。没有专门针对安评报告编写的 AI 产品。

间接竞品：通用 AI 写作工具（ChatGPT、文心一言等），但它们不懂安评国标，生成的内容不够专业，还会编造条款号。

相邻行业参考：环评报告、地质勘查报告等领域有一些辅助软件，但大多是模板填充式的，没有用到 AI。

结论：这是一个”空白市场”——有明确的行业痛点，但没有针对性的解决方案。

这个结论给了我很大信心。 空白市场意味着没有竞争，但也意味着没有人验证过需求——所以我还需要进一步确认痛点是否真实。

第三步：让 AI 梳理核心痛点

接下来，我需要把散乱的行业信息，收敛成明确的”产品要解决的问题”。

我又切换了角色：

“你现在是一位在安评设计院工作了 10 年的高级工程师，同时兼任项目负责人，管理着 3-5 人的安评报告编写团队。请站在你的日常工作角度，告诉我你和团队在写报告时最痛苦的事情，按痛苦程度排序。”

注意这个角色设定的细节——不是泛泛地说”安评从业者”，而是具体到”设计院高级工程师+项目负责人”。这很重要，因为不同岗位的痛点不一样：领导关心进度和质量，新人关心不知道怎么写，资深工程师关心重复劳动多。

AI 给出了排序后的痛点清单：

1. 报告初稿编写太慢——一份完整报告的初稿要 1-2 周，项目经理天天催
2. 合规检查太痛苦——200 多页国标逐条比对，一检查就是两三天，还不敢保证不漏
3. 新人带不动——写了三年还在犯基础错误，改他的稿子比自己写还慢
4. 重复劳动太多——不同项目的报告框架高度相似，但每次都要从头组装
5. 排版折磨人——图表编号、三线表格式、封面目录……写完了还要排半天
6. 术语不统一——多人协作时，”断裂”和”断裂带”混着用，评审必被指出

我拿着这个清单去问安评行业的朋友：”你觉得这个排序准不准？”

他看完说：”基本上就是这样，第一条和第二条换一下顺序可能更准确——因为合规检查是整个流程里最让人焦虑的环节，但报告编写慢是最消耗时间的环节。”

于是我微调了优先级，最终确定了产品要解决的 6 大核心痛点。

第四步：让 AI 规划 MVP 功能

痛点有了，接下来要把痛点变成”功能”。

“你现在是一位有丰富 B 端 SaaS 经验的产品经理。我有一个地震安评报告 AI 辅助系统的项目，核心痛点如下（附上 6 个痛点）。请帮我规划第一版产品的功能清单——注意，是最小可行产品（MVP），不是大而全的理想版本。请按优先级排序，并说明每个功能对应哪个痛点。”

AI 给出了一份非常清晰的功能规划：

P0（必须有，没有就不算产品）：

• 国标知识库——AI 一切准确性的基础
• AI 生成报告大纲——根据项目信息自动规划章节结构
• AI 逐章生成内容——一键生成整份报告的初稿
• 在线编辑器——能看到报告全文并直接编辑

P1（核心差异化，第一版要做）：

• 合规检测——自动比对国标要求，逐条检查
• 智能编辑指令——选中一段话，AI 帮你扩写/精简/改风格
• 一键导出 Word——排版规范，封面目录三线表齐全

P2（锦上添花，可以第二版做）：

• 多模型切换——接入不同的 AI 模型供用户选择
• 图片和表格处理——Excel 导入、图片识别
• 用量统计——记录 AI 使用量

AI 不仅列了功能，还给了一个关键判断——它说：”知识库是整个产品的地基。如果 AI 不能准确引用国标条款，那后面的生成和检查都不可信。所以 MVP 的第一步，不是做功能，而是做知识库。”

这句话直接影响了我后来整个开发的节奏。 我确实在写第一行产品代码之前，先花了大量时间构建 GB 17741-2025 的完整知识库。事实证明，这个决策非常正确——有了靠谱的知识库，后面所有功能的质量都有了保障。

第五步：让 AI 画功能全景图

最后一步，我让 AI 把所有功能整理成一张全景图：

“请把上面的功能规划，按照用户使用流程重新组织，画一张功能全景图。要让人一眼看懂’用户从打开产品到完成报告’的完整路径。”

AI 给出的全景图，经过我的调整和补充，最终变成了这样：

┌─────────────────────────────────────────────────────┐│              ajepro 产品功能全景图                     │├─────────────────────────────────────────────────────┤│                                                     ││  ① 创建项目                                         ││     项目名称 · 评价等级 · 工程地址 · 坐标信息         ││                     ↓                               ││  ② AI 生成报告大纲                                   ││     根据项目信息 + 国标要求 → 自动规划章节结构         ││                     ↓                               ││  ③ AI 逐章生成内容                                   ││     一键生成 / 逐章生成 → 流式输出实时可见             ││                     ↓                               ││  ④ AI 检查 + 人工审核                                ││     合规检测 · 参数校验 · 完整性检查 · 逻辑检查        ││                     ↓                               ││  ⑤ AI 辅助编辑打磨                                   ││     扩写 · 精简 · 学术风格 · 补充引用 · 规范术语       ││                     ↓                               ││  ⑥ 人工最终审核                                      ││     专业判断 · 数据补充 · 细节修正                     ││                     ↓                               ││  ⑦ 一键导出 Word                                     ││     封面 · 目录 · 三线表 · 图表编号 → 排版完整的报告   ││                                                     ││  ──── 贯穿全程的底层能力 ────                        ││   GB 17741-2025 国标知识库（术语·条款·公式·附录B）   ││   5 款国产大模型可切换（通义千问·DeepSeek·豆包·GLM） ││   28+ 条智能指令（生成·检查·编辑·插入·工具 五大类）  ││                                                     │└─────────────────────────────────────────────────────┘

这张图，就是 AI 帮我规划出来的产品蓝图。

从第一步”创建项目”到最后一步”导出 Word”，每一个环节都有 AI 参与，但每一个环节都保留了人工介入的空间。

这也是 AI 给出的一个重要产品理念：不要试图做一个”全自动”的工具，而要做一个”AI 做草稿、人做决策”的协作工具。 因为安评报告涉及工程安全，不可能完全交给 AI——但 AI 可以把 80% 的体力活干了，让工程师专注于那 20% 的专业判断。

⚠️ 踩坑实录：角色扮演法不是万能的

讲完了成功的部分，该说说翻车的了。

坑一：AI 容易”讨好你”

当我问 AI”这个产品方向有没有市场”的时候，AI 几乎从来不会说”没有”。

它会说”市场空间巨大””需求迫切””大有可为”——因为 AI 的本性是”回答你想听的”。

这很危险。如果你问”我这个想法好不好”，AI 说”太好了”，你就冲上去干了——结果可能发现市场根本不存在。

我的解决方法：主动要求 AI 扮演”唱反调”的角色。

“你现在是一位对 AI 产品持怀疑态度的投资人。请帮我找出这个产品方案的 5 个最大风险。越尖锐越好。”

AI 立刻变了一个画风：

• “地震安评全国就几千人，市场天花板太低”
• “目标用户（工程师）普遍年龄偏大，对新工具接受度可能不高”
• “国标更新周期 20 年，知识库做完短期内没有维护压力，但也意味着产品的护城河不深”
• “AI 生成的报告需要大量人工审核，如果审核的时间接近手写的时间，用户价值就不明显”

句句扎心，但每一条都是真实的风险。

这些反对意见帮我提前做好了心理准备——这不是一个”做了就能暴富”的项目，而是一个小众垂直市场的产品。我需要把功能做到极致，才能打动这些为数不多的用户。

坑二：行业细节会出错

AI 在宏观分析上表现很好，但在行业细节上经常出错。

比如 AI 告诉我”安评报告一般 80-100 页”——实际上 I 级工作的报告可以到两三百页。

比如 AI 说”安评的评审流程一般是项目组内审后直接提交”——实际上还有技术负责人审查、外部专家评审等多个环节。

教训：角色扮演法能让 AI 给你”像内行人一样的回答”，但它终究不是真正的内行人。AI 给你的是方向，不是真理。关键细节必须找真正的行业人士验证。

我的做法是：AI 给出初步方案后，我把核心结论整理成清单，拿去问安评行业的朋友。凡是他说”这个说法不太准确”的地方，我就修正。

坑三：功能规划容易膨胀

让 AI 规划功能的时候，它有一个毛病——容易越规划越多。

你问它”还有没有可以做的功能”，它永远能再给你加十个。AI 永远不会说”够了”。

最夸张的一次，我让它”完善一下功能清单”，它给我加了什么”团队协作””版本管理””审批流程””模板市场””插件系统”……

一个人做的产品，哪来的精力做这么多功能？

后来我学会了一个方法：给 AI 加约束条件。

“我是一个人兼职开发，每周能投入 20 小时。技术栈已定，不能引入新的基础设施。请帮我砍功能——只保留没有就不能用的核心功能，其他的全部砍掉。”

加了约束之后，AI 的回答务实多了。它帮我把 30 多个功能砍到了 12 个核心功能——这 12 个功能，就是 ajepro 第一版的全部。

✅ 本篇成果

回顾一下，通过让 AI 扮演产品经理，我在大约一周的时间内（零散时间，加起来大概十几个小时）完成了以下工作：

总耗时从”需要一个产品经理工作一个月”变成了”一个程序员用 AI 辅助搞定一周”。

当然，AI 给的方案不是拿来就能用的。每一步都需要人工判断、验证和修正。但 AI 做了最难的那一步——从零到一的冷启动。

有了这份产品规划，我终于知道自己要做什么了。

下篇预告

产品方向定了，功能规划有了。

下一个问题来了：我不懂地震安评的技术细节，怎么把这些功能变成技术方案？

用什么编程语言？用什么数据库？用什么 AI 模型？系统怎么拆分模块？

下一篇，我会让 AI 从”产品经理”切换到”技术架构师”——

你说大白话，AI 翻译成技术方案。

《AI 造软件（二）：不懂行业知识没关系——AI 架构师帮我设计了技术方案》

最后多说两句

这篇文章的核心技巧就一个：角色扮演法。

总结成三句话：

1. 给 AI 一个具体的身份——不是”帮我分析”，而是”你是一个有 15 年经验的 XXX，请帮我分析”
2. 主动切换角色，获得多视角——让 AI 同时当”支持者”和”反对者”，避免被一面之词误导
3. AI 给方向，人做决策——AI 的行业分析可以当参考，但关键结论必须找真人验证

这个技巧不只适用于做产品。你让 AI 帮你写方案、做分析、改文章——都可以先给它一个身份。

试试看，效果会让你惊喜。

️ 本系列讲述的就是 ajepro（AI 地震安评报告系统）的诞生过程。 想看看最终做出来的产品？加微信申请试用体验

#AI编程 #Copilot #一个人开发 #AI实战 #独立开发