夜雨聆风16个人，一张圆桌，聊了三小时，工作中AI怎么帮自己干活？
3月26日晚上，十几个互联网从业者围坐在一起，没有PPT，没有主持人，就是聊。
这场talk的起因是最近随着AI大模型的时代迅速来临，作为一个半路从传统电商产品转成AI产品经理从业者的我以及身边的同学们，无论是产品还是前后端技术或者算法都开始有了一定程度的AI焦虑，大家开始担心自己要被AI代替掉了，不知道该往哪发展。以及最近开始密集学习市场上的AI工具，总觉得自己学的一知半解，发现和身边的大佬们交流总有些新的输入，于是发起了一个小型的闭门线下圆桌talk。
攒了一帮人来聊聊：日常工作中怎么更好的使用Claude code？怎么把AI用在工作中？怎么看AI，刨除掉工作的职级（摇了两个实线管理者来hh），大家来自各个公司的各个业务，以平等的身份坐在圆桌上聊聊，看看其他人都在工作中怎么用AI，不怕说些小白的话会被认识的人judge....
参与者里有阿里的产品/运营、帆软的AI产品，还有几个在各自公司默默用AI搞事情的人。话题只有一个：AI工具在日常工作里到底怎么用，哪些真的有效，哪些是AI焦虑下的产物。
聊了将近三个小时，我把最有价值的部分整理出来。
一、AI时代，产品经理的价值锚点在哪里
这是我自己最近一直在想的问题，也是这次圆桌的起点。下面是近期看到很好的几篇文章观点的总结，分享给大家
1、执行层的活被接管了，PM 的价值锚点在上移
Anthropic 的 PM 插件已经能把用户调研到向上汇报的完整流程标准化——任何人装上都能产出 80 分的 PRD。 这意味着“能写好文档”不再是竞争力，“能判断 AI 写的文档哪里不对、该往哪个方向调”才是。
产品经理该有意识地锻炼的，是判断力、商业直觉和品味，这些是目前没法被技能化的东西。
2、传统的“调研-规划-执行”线性流程正在失效
背后的原因很具体：AI 能力是阶跃式增长的，不是线性的。 你在项目开头为某个技术限制设计的方案，可能下个模型发布就变成多余的复杂性。
所以产品不应该再做半年的详细路线图，而是转向短周期规划，把探索变成持续并行的活动而不是前置工作。 Cat Wu 团队的做法是鼓励小范围验证：花一个下午验证一个想法，错了也没什么成本。
3、原型和评估比文档重要
实操建议：写完需求规范后，直接丢给 Claude Code 让它构建，哪怕出来的东西很粗糙，也比一份精美的 PRD 更能推动决策。
评估体系能把抽象的产品感觉变成可衡量的东西，帮你搞清楚功能到底“行不行”，而不是“看起来行不行”。
4、做简单的事，别过度工程化
为当前模型限制设计的精巧替代方案，在下一个模型面前可能就是负担。实现越简单，迭代越容易。 今天用一行提示词解决的问题，可能下个模型原生就支持了。
落到“产品该怎么做”上，总结成三句话：把规划周期缩短，把验证速度提上来，把对 AI 能力边界的感知变成日常习惯。
不是说不需要战略方向了，而是清晰度的对象变了—— 从“未来六个月交付什么功能”变成“我们的核心原则和不可妥协的标准是什么？产品该往哪个方向发展”。
二、20 分钟复刻一个页面原型
第一位分享者是一位精通AI产品的资深同学，他直接开屏幕演示。
工作流非常简单： 截一张竞品页面的图 → 扔给 Claude Code → 说“帮我复刻这个页面”20 分钟后，一个可以跑起来的原型就出来了。
多模型互卷，效果翻倍
他同时开两个 AI 智能体：
一个写代码/写prd（如 Claude） 另一个专门做审核（如 Codex）
写完之后让审核模型挑毛病，再回去迭代。 不同模型的“盲区”不一样，互相能补，比单模型反复迭代效果好得多。
工具链
大模型 API → Claude Code / Codex 智能体 → VS Code → 直接干活
国内访问境外 API 推荐使用镜像站（如 AI Code Mirror），稳定性比直连好很多。
实战案例
给自家店写系统，前端、后端、数据库全套，半天搞定 帮运营同事写 Chrome 插件，直接绕过研发排期
他的建议：尽量用 Claude、GPT、Gemini 这些顶级模型，国内模型在代码生成上差距还是明显的。
三、一个产品经理，从扣子到 Claude Code 的进化史
第二位分享者是帆软软件的小王同学，AI 产品经理。 他分享了自己一年多的工具演进路径，以及帆软内部真实落地的 AI 项目。
工具演进路径
扣子 → Cursor → Claude Code
现在用 Claude Code 可以完全不碰代码，纯靠对话完成开发任务。 对产品经理来说是质变： 以前要跟研发沟通需求 → 现在可以自己先做出 Demo → AI 生成 PRD → 再给研发。
帆软内部 AI 落地项目
AI 洞察爬取网络数据，AI 分析找商机，自动推送给销售。
行政内服智能体“软妹”企业微信机器人，员工可对话预约会议室、查缺勤、登记出差。
翻查查 → Moss 谋士商业洞察助手，帮 ToB 销售快速了解客户背景、竞对情况、潜在商机。
简历筛选机器人接入 Boss 直聘，用 Python Playwright 自动化操作，大模型判断简历质量，已在 3 个岗位上线。
共同点：从真实业务痛点出发，不是为了用 AI 而用 AI。
几个实用技巧
Typeless 语音输入：说话代替打字，效率提升明显 Gemini 会议提效：把会议纪要 + PRD 丢给 Gemini，生成 5 步研讨框架，会议更聚焦 长期 AI 对话记忆：维护一个持续对话，把项目背景、历史决策告诉 AI，配合 /init生成项目文档，下次不用重复说明
关键判断
AI 难以提效的两个瓶颈：
权限不开放 没有接入现有工作系统
很多公司 AI 项目卡在这里：工具很好，但数据在另一个系统，权限申请周期极长，最后 AI 只能做边缘事情。
四、现场讨论里的几个有价值的观点
关于模型选择
Gemini：多模态最强，截图复刻页面效果最好 Codex：性价比最高 Claude：代码和推理更稳
现实问题：阿里等大厂内部合规不能用境外模型，SaaS 也只能接国内模型，工具再好也用不上。
关于多智能体
大多数场景单智能体够用。 多智能体适合复杂分工，但目前稳定性仍有问题，出错后很难排查。
关于 AI 时代的焦虑
新词太多，追不过来，比如最近超火的"Harness Engineering“，我第一次听是在这个圆桌上，没想到几周之后已经在圈子内爆火...
共识观点： 不用追每个新词，但要理解 AI 工程的底层框架： 模型怎么调用工具、上下文怎么管理、智能体怎么协作。 搞懂这些，新词出来也能快速判断是不是真东西。
AI 作为一个“不疲倦的思考伙伴”，可能比作为“执行工具”更有价值。
会上提到了很多好用的AI工具，简单整理出来供大家收藏
工具清单（方便收藏）
后续还会继续办
这种小范围的交流形式，比大会议室演讲有意思得多。 没有 OKR，没有表演，就是真实聊各自在用什么、踩了什么坑，看看从别人讲的里有什么启发
后续我还会继续举办类似活动（第二期已经邀请嘉宾完毕啦），保持小规模、高质量
如果你是个大佬想要破圈！或者在自己的领域也在用 AI 做一些有意思的事情，或想找同行交流，欢迎加入呀! 这个活动能帮大家打破次元壁，第一期我邀请了3个不同行业的AI产品，会上大家也来自于各个业务，互相talk的过程还是很有趣的，随着能力不断的平权，更多维视角获取能帮你打开不一样的世界～
但同时参与会有些门槛，需要是相关行业从业者，不做小白科普，优先杭州线下参与，如果参与了一场想要参加后续的场次，需要对本场返repo反馈（希望能筛选愿意主动学习且同时能花点时间总结复盘学到的内容的同学）组织线下活动不易，望理解，希望大家尊重自己的时间，也同样尊重分享者的时间，对于双方都有收获才是好的活动。
附上活动微信群二维码，后续活动信息不定期发布在这里：
