夜雨聆风故事是这样的。
周一早上九点，你打开飞书，准备看看今天要干什么。结果未读消息87条，三个群在同时讨论不同的需求，还有一个下周四要上线但方案还没写完的功能。你看了一眼时间，晚上八点之前还要开两个会。
你发现自己这一天，又要花在「处理」上了，而不是花在「想产品」上。
这个问题，我觉得不是哪个PM个人的问题，这是这个岗位的结构性问题。产品经理这个角色，从第一天开始就被设计成了一个信息中转站，你要接住来自市场、运营、技术、老板、用户的各种输入，然后输出文档、方案、流程图PRD。你每天处理的信息量，一点不比做研究的人少，但你真正的核心能力，其实是判断，判断什么值得做，判断方向对不对，判断优先级怎么排。
但判断需要时间。大多数PM把时间花在了信息搬运上，能留给判断的时间反而是最少的。
这个状况，AI正在悄悄改变它。
我最近认真用了一圈下来，发现AI在产品经理的工作流里，其实有一个很清晰的位置。它不是来替代PM做判断的，它是来把那些最耗时、最重复、最容易遗漏的环节打包处理掉的。但我先把这个最重要的前提放
到最后说。
先说一个我最近真实在用的场景。
信息输入这件事，我以前每天早上要花一个小时刷36kr、虎嗅、即刻、Twitter，还有一堆行业社群。刷完以后脑子里塞了一堆碎片，但你问我到底记住了什么，我说不上来。信息太多了，你根本消化不完。
我现在换了一种方式。
我用NotebookLM把这件事重构了。具体怎么做呢，我把竞品的产品更新日志、行业KOL的Twitter账号、几个核心社群的讨论，用RSS或者爬虫的方式，每天定时丢进NotebookLM的一个笔记本里。它会自动帮我把内
容归纳成几个维度，竞品动态、用户反馈趋势、技术变化、商业模式探索。每天早上我打开它，拿到的不是一堆需要一条条看的原始链接，而是一份结构化的摘要，每个维度下面标了信息来源和关键结论。
坦率的讲，这个环节的价值被严重低估了。很多人觉得AI要替代的是「写」这个动作，但其实替代「搬运」和「整理」这个动作，节省的时间更可观。因为这个动作每天都在发生，而写PRD可能一周才一两次。
但有一个点必须说清楚，AI整理出来的输入，还是得PM自己读、自己判断。它解决的是「我要看的东西太多了」这个问题，而不是「我不知道什么值得看」这两个问题不一样。前者是效率问题，AI能帮上忙。后者是判断问题，还是得PM自己来。
说完信息输入，再聊竞品调研，这个是PM日常里更费时间的一块。
你有没有这种感觉，做竞品调研这件事，从投入产出比来看，经常让人觉得很不划算。一家竞品，你要看它的产品功能、更新日志、用户评价、运营策略，有的还要体验它的完整流程，把交互细节录屏下来。整个过程少则几个小时，多则一两天。你以为你做完了，结果发现你只是在「看完」这个阶段，根本没到「洞察」那个阶段。
我现在做竞品调研的时候，有一套新的流程。
第一步，先用GPT的深度研究功能。比如我要做一个AI写作产品的竞品调研，我直接给GPT一个prompt，帮我深度调研当前市面上主流的AI写作产品，包括功能矩阵、定价策略、用户增长数据、最近三个月的重大更新，以及用户在社交媒体上的主要评价方向。它会花大概十分钟跑完一轮，输出一份带引用来源的竞品分析报告。
说实话，这份报告的质量，大概相当于一个实习生花两天做出来的东西。信息量很大，结构也清楚，但它读不出来竞品背后的战略意图和商业逻辑。比如它会告诉你某个产品最近加了一个团队协作功能，但它分析不出这个动作背后是在卡什么位、抢什么赛道。这个判断，还是得PM自己来。
第二步，深度访谈的录音处理。我最近做漫剧产品调研的时候，深度访谈了一家竞品的负责人，录了一个多小时。按照以前的流程，接下来要回听录音、摘重点、写纪要，这个过程至少要花三四个小时。
这次我把录音直接扔进了NotebookLM。它能把访谈内容按维度拆成功能逻辑、交互细节、用户反馈、可借鉴点和不适合借鉴点，结构化地呈现在我面前。一小时的录音，大概五分钟就出了一份完整的纪要框架。
我再花半小时精读一遍，补上自己的判断和批注，整个过程从三四个小时压缩到了一个小时以内。
这个环节我现在用得比较顺，但有一个边界，它能帮我整理出功能清单和用户反馈分类，但竞品背后的战略意图，它读不出来。这个还是得PM自己来判断。
到了问题定义这个环节，我发现这是AI介入价值最明显的阶段，但也是最容易被用错的阶段。
先说为什么最明显。产品经理在定义问题时，最难的不是给问题找答案，最难的是找到真正的问题在哪。
用户行为数据量大，人工看session非常耗时，样本量一大，根本看不过来。
我现在做留存链路分析的时候，会先把数据导出成CSV，然后用Claude Code来跑分析。具体怎么做呢，我会先在对话里定义清楚什么叫异常流失，比如用户在第三步停留超过两分钟但没有完成操作就算异常，或者用户连续三天打开应用但没有任何核心操作就算异常。定义清楚之后，把CSV文件丢给ClaudeCode，让它自动做session分类、路径标注和问题归因。
我跟你说一个真实的case，我最近分析一个创作发布器的留存链路，数据量大概两万条session记录。我人工看可能要一整天，Claude Code大概跑了五分钟，输出的结论是用户在草稿保存环节的流失率异常偏高，其中有37%的用户在保存草稿后没有再回来继续编辑。它还进一步归因，发现这些用户的草稿内容以图片为主而非文字，推测是图片上传体验有问题。
这个结论我拿去验证了一下，确实是这样。
但我必须说清楚一件事，这个用法的效果，完全取决于你给AI定义的那个「异常标准」。你先要自己很清楚地想清楚，什么叫异常、什么算正常、你要找的是哪类问题。你定义得越清楚，AI输出的结论越有价值。你自己没想清楚业务逻辑，喂给AI的标准是模糊的，它输出的结论也是模糊的，甚至可能是误导性的。
所以这个环节给我的感受是，AI解决的是「我看不过来的问题」，但它不解决「我不知道要看什么」的问题。后者，还是PM自己的活。
好了，到了写PRD这个环节。这可能是所有PM最头疼的事情。
从零开始起草一份PRD，那种感觉怎么说呢，就是你脑子里有一堆想法，但它们都是碎片，你要把它们组织成一份结构完整、逻辑自洽、还要考虑各种异常流程的文档。经常的情况是，你打开一个空白文档，光标在那里闪，一个小时过去了，你写了三行字。
我现在写PRD有一个固定的流程。
第一步，我自己先把需求的目标、功能范围、关键约束想清楚，用几句话写下来。这一步不能跳过，也不能让AI帮你做，因为这是你自己的判断。
第二步，把这些信息输入给Claude，让它帮我生成一份PRD初稿。我一般会这样写prompt，我要做一个XX功能，目标用户是XX，核心场景是XX，关键约束是XX，请帮我生成一份PRD，包含背景目标、用户故事、功能描述、异常流程、验收标准这几个模块。
我自己的经验是，只要你输入的信息足够清晰，AI能帮你搭起一个60分的初稿，然后你在上面改，在上面填你自己的判断。
这个过程，我觉得最核心的价值不是「AI帮我写了」，而是「它帮我跨过了从零到一的心理障碍」。你面对的不再是一张白纸，而是一份草稿，你改一稿比你从头写，心理上的阻力小很多。
但这个前提必须说清楚，而且这个前提很重要。AI辅助撰写的前提，是输入足够清晰。如果你给AI的信息是模糊的，它输出的初稿也是模糊的，甚至可能比你什么都不写直接硬着头皮写还糟糕。所以这个环节对PM的要求不是降低了，是提高了。你必须先自己想清楚自己要什么，你跟AI的对话质量，取决于你自己脑子里的想法是否清晰。
这个点其实很多人忽略。大家都在说「AI能帮你写PRD」，但很少有人说「AI能帮你写PRD的前提是你自己先把需求想清楚了」。我认为这是AI辅助撰写这个命题里，最重要的一句话。
写完PRD之后，还有一个环节我觉得值得说，就是Review。
需求写完了，最怕的不是写得不好，最怕的是漏了边界条件、异常流程，或者逻辑上有矛盾，但你自己看的时候看不出来，发出去之后在评审会上被技术或者Leader指出来，然后反复返工。
我现在会把写好的PRD直接丢给Claude，让它扮演一个资深PM的角色，从完整性、逻辑闭环、验收标准、数据可衡量性这几个维度帮我过一遍。
说到原型设计，这块我最近有一个新的实践。产品和设计之间的协同，我一直觉得是整个产品交付链条里沟通成本最高的环节之一。一个复杂交互，产品内部可能改了好几版，原型没及时同步，设计那边以为还是上一版的需求，经常出现「我理解的和你理解的不一样」这种情况。
我最近在做一个创作发布器功能的时候，试了一种方式。我先跟设计师一起定义了一个「需求范式」，把核心交互逻辑、页面结构、关键动作用文字描述清楚，然后把这个范式输入给FigmaMake，它能直接输出多页面的交互原型图。
你拿到的不再是一张空白画布，而是一个60分的草稿。
拿到草稿之后，我会做两件事。一是自己作为PM，先在这个demo上完整走一遍用户使用路径，验证产品逻辑是否自洽，哪里不顺畅当场改。二是拿着这个版本的demo，直接发给UIUE，进入下一步优化。
原来要等三到五天才能拿到的东西，现在一个下午能出一个版本。
但我也要说清楚，这个玩法的效果，完全取决于那个「需求范式」定义得有多清楚。范式是产品和设计一起对齐出来的，定义得越清楚，AI生成的东西越能用。定义不清楚，AI输出的就是一堆看起来像但其实不对的东西，反而浪费沟通时间。
写到这儿，我想停下来聊一个感受。
我用了一圈下来，有一个认知慢慢变得清晰了，就是AI在产品经理工作流里的真实位置。它不是来「省时间」的工具，它是来「让时间重新分配」的工具。
这话听着差不多，但其实不一样。省时间意味着你用更少的时间做同样的事，时间省下来了就省下来了。
但让时间重新分配，意味着你原来花在做信息整理上的时间、花在做文档初稿上的时间、花在做低水平重复劳动上的时间，被AI压缩掉了，然后你把这些时间放到真正重要的事情上，判断方向、对齐策略、思考用户体验。
这两个事情听起来差不多，但结果很不一样。只有省时间，你可能变得更忙了，因为你用省下来的时间做了更多的事。但让时间重新分配，你才有可能从「忙」里走出来，开始做只有人才能做的事。
所以AI帮PM省时间这件事，它的前提是，PM自己要想清楚什么是值得花时间的事。如果你自己也不知道什么是重要的，AI帮你省下来的时间，你可能也只是浪费在更多低价值的事情上。
这个前提，比任何工具技巧都重要。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧。
谢谢你看我的文章，我们，下次再见。
