【这是为自己写的总结，但如果你想做，或者正在尝试做类似的事情，你就知道里面的内容有多干巴......】我一直想把这段经历认真总结下来，不是因为某一个项目本身有多特殊，而是因为我越来越清楚地意识到，真正值得沉淀的，往往不是项目最后得出了什么结论，而是我和 AI 是如何一起把一个原本还很模糊的想法，慢慢推进成一个结构清晰、逻辑完整、可以继续拆解、可以进入执行、也可以形成正式交付物的过程。对我来说，这个过程本身，比某一个阶段性的答案更重要。因为项目会变，题目会变，行业会变，但如果人与 AI 协作的方法能够被提炼出来，它以后就可以反复复用，也可以分享给别人，甚至可以拿来教别人如何更有效地与 AI 沟通。这篇文章想讲清楚的，正是这样一套方法。它不是在讨论“AI 能不能替代人做项目”，恰恰相反，它讨论的是，当一个人真正把项目主导权握在自己手里时，应该怎样把 AI 组织进自己的工作流，让 AI 不只是回答问题，不只是生成内容，而是真正参与到项目的顶层设计、需求梳理、问题拆解、专题研究、结构整合和交付打磨之中。
很多时候，人以为自己在向 AI 提需求，但其实自己的需求本身并没有完全想清楚。这个时候，AI 真正有价值的地方，不是立刻给答案，而是帮助人把自己的模糊想法梳理成一个更大的框架认知，把原本混在一起的问题拆开，把真正重要的矛盾暴露出来，再逐步形成结构。这也是为什么我在和 Codex 沟通时，会不断把问题拉回到“我们现在到底缺什么”“这一块为什么重要”“这一步要解决的核心问题是什么”这些层面。比如我会先让它判断，目前的材料是否足够支撑一份面向投资人的商业计划书，如果不够，还差什么；我会让它写一份面向完全不了解这个项目的人的介绍文案，看看它能不能把项目讲清楚；我也会反过来抛一个非常尖锐的问题：“如果我可以写日记，可以发个人可见的朋友圈，我为什么要用你这个 app？”这些问题的共同点在于，它们表面上看像是在让 AI 写文案、写说明、写回答，但更深层的目的，其实是在帮助我确认自己的需求到底是什么，确认这个项目究竟想解决什么问题，现有替代方案到底缺了什么，用户到底为什么需要它。换句话说，AI 在这里不是替我“想内容”，而是在帮助我“想清问题”。
五、项目进入后半场后，我开始把 AI 当成项目协作者来管理
如果说前半场更多是在确认项目“是什么”，那么后半场，我和 Codex 之间的沟通，其实已经明显进入了项目分解、项目管理和执行推进的阶段。这个阶段里，我不再只是让 AI 帮我继续讨论，而是开始像一个项目经理一样，把一个大的、模糊的问题拆成一个个必须单独成立、单独分析、单独判断的模块，再逐个推进、逐个验证、最后重新汇总。在这个阶段里，我用了很多后来回看起来非常值得总结的方法。它们并不是孤立的技巧，而是组成了一套完整的引导逻辑。下面这些点，正是我觉得后半场最值得被提炼出来的部分。1. 我先把“研究任务”定义成项目模块，而不是普通话题后半场里，一个很明显的变化是，我不再只是和 AI 继续聊想法，而是开始直接说：“以下是你的研究任务。”我会把市场规模、目标用户、竞品差异化、商业模型和财务测算、获客路径、隐私合规与心理安全、融资用途和里程碑，这些都拆成独立的研究模块。这里的重点，不只是我把事情拆开了，而是我开始把一个项目真正当成一个需要被管理和推进的系统来处理。市场不是一个闲聊话题，而是在回答“需求底盘是否存在”；目标用户不是一个补充想法，而是在回答“第一批人从哪里来”；竞品不是顺手做的对比，而是在回答“差异化能不能成立”；商业模型是在回答“未来如何闭环”；增长路径是在回答“冷启动和规模化之间的路怎么走”；合规和心理安全是在回答“这个项目能不能真正上线而不翻车”；融资和里程碑则是在回答“项目如何被阶段性验证”。也就是说，一旦我开始用“研究任务”这个方式和 AI 沟通，AI 就不再只是一个陪我聊天的对象，而被我组织成了一个专题研究协作者。2. 我每拆一个模块，都会先说明：为什么这一块现在必须做我后来发现，和 AI 沟通时，一个非常重要的技巧是，不要只告诉它“做什么”，还要告诉它“为什么要做这个”。因为一旦只给主题，AI 很容易给出一堆看起来很对、但其实不够贴合当前项目判断的内容。比如在目标用户画像这一段，我不会只说“帮我研究目标用户”，而是会先说：现在的方向是“普适情绪出口”，这个作为愿景没问题，但投资人会希望先看到最容易启动的种子用户。然后我再让它回答第一批用户是谁，他们在什么场景下打开产品，他们现在用什么替代方案，他们为什么不用朋友圈、日记、心理咨询、AI 聊天，以及他们的付费能力和付费动机。这里的关键在于，我是在先给 AI 一个“决策目的”，再让它去研究。这样一来，AI 不是在泛泛做用户分析，而是在围绕“如何让这个项目先冷启动起来”这个问题工作。对我来说，这一点特别重要，因为它能让 AI 帮我真正服务于项目判断，而不是只堆知识。3. 我会把抽象问题改写成一组明确的判断维度竞品分析这一块尤其能体现这一点。很多人做竞品分析时，会让 AI 自己去决定怎么比，但我不是这样。我会先告诉它，要覆盖哪些产品类别，比如匿名社交类、心情记录类、冥想疗愈类、AI 陪伴类、传统替代方案；然后再明确规定比较维度：是否私密，是否社交，是否 AI 拟人回复，是否有回看资产，是否有付费闭环，是否有传播卡片，是否有隐私信任壁垒。这个动作看似只是“列一个表头”，但它其实非常关键。因为它说明我已经不满足于“看看别人都在做什么”，而是先定义了：对于我这个项目来说，什么才是值得比较的关键维度。这样一来，AI 的工作就不是自由发挥，而是在我给定的判断框架里去补全内容。最后出来的就不是几段散乱的产品介绍，而是一张真正能服务于项目判断的差异化矩阵。4. 我会专门设计“反问”，逼 AI 回答项目最根本的问题在后半场里，有一个我觉得特别值得保留的问题，就是：“如果我可以写日记，可以发个人可见的朋友圈，我为什么要用你这个 app？”这个问题表面上像是在准备对用户的表达，但实际上，它是在逼 AI 回答这个产品最根本的存在理由。因为一个项目最怕的不是功能不多，而是用户觉得“现有替代方案已经够了”。所以我在这里并不是想让 AI 写一句漂亮的话，而是在用一种尖锐的方式逼它回到最根的问题：这个项目到底是一个真正独立成立的东西，还是只是现有习惯的换皮版本。这样的反问很有价值，因为它能迅速把项目从表层功能拉回到核心价值主张上。5. 我不会允许 AI 只会否定，我会要求它必须补出替代路径这一点在增长那一块特别明显。我不是只说“朋友圈裂变不适合”，然后停在那里。我会进一步强调：否定了强依赖朋友圈裂变，这个判断是对的，但否定之后，还需要给出替代增长方案。然后我再继续拆：前一百个用户怎么来，前一千个用户怎么来，前一万个用户怎么来，要不要做小红书、知乎、豆瓣、公众号内容，要不要做心理类、读书类、女性成长类、职场压力类博主合作，要不要做应用商店关键词、小程序 SEO，要不要建立内容品牌。这背后反映的是一种很强的项目管理习惯。因为真正推进项目时，最危险的状态之一，就是只知道哪条路不对，却没有下一条路。所以在和 AI 协作时，我也不会满足于“判断对错”，而是会继续追问：如果这条路不走，那下一条路是什么？怎样才算更适合这个项目？这能逼着 AI 从“批评者”切换成“路径设计者”。6. 我会主动把“优势”翻译成“风险”，让 AI 从治理角度思考问题隐私、合规和心理安全这一块，其实特别能说明我在后半场的角色变化。我先告诉 AI：这个项目的优势是隐私，但最大的风险也在隐私和心理安全。然后我才继续往下拆：数据是本地存储还是云同步，是否端到端加密，忘记密码怎么办，平台是否能看到用户内容，用户是否能导出和删除，极端情绪、自伤、自杀风险怎么处理，是否提供心理热线入口，小程序和 App Store 审核属于什么类目，是否涉及心理健康服务资质，隐私政策和用户协议如何写。这一段很重要，因为它说明我已经不只是让 AI 帮我设计一个“好产品”，而是在让 AI 帮我建立一个“不会轻易出大问题的产品”。也就是说，我开始把项目从机会讨论带入治理框架讨论。这对于很多 AI 辅助项目来说都非常关键，因为 AI 很容易把机会讲得很好，但如果人不主动把风险和边界拉进来，它就很难自然走到这一层。7. 我会把抽象叙事压成带数字的执行框架融资和里程碑这一块，我也觉得非常值得总结。我不是只问“融资页该怎么写”，而是直接说：BP 最后一定要回答，你要多少钱，钱用来干什么，多久验证什么结果。然后我再继续拆成融资金额、资金用途、六个月里程碑、十二个月里程碑、MVP 上线时间、目标用户数、留存指标、付费验证指标、下一轮融资前要证明什么。这一点很关键，因为它说明我已经不满足于让 AI 帮我“讲好一个故事”，而是在逼它帮助我把项目转化成一个带时间、带数字、带验证逻辑的执行框架。对项目管理来说，这一步非常重要。因为一个项目如果只有叙事，没有验证节点，没有数字目标，没有阶段性成果要求，那么它其实还停留在概念层，而没有真正进入执行层。8. 我会反复提醒 AI：每一轮都必须建立在前面材料的基础上继续推进在后半场里，我经常会用一个句式，就是“根据我们之前所有的这些材料”。这个表达看起来很普通，但其实意义很大。因为它意味着我在不断提醒 AI：当前这一轮任务，不是孤立发生的，而是建立在前面已经形成的结论、研究和判断之上的。这其实就是一种项目里的知识积累意识。市场研究做完了，后面的用户研究、竞品分析、商业模型、增长路径和融资规划都应该把它当成输入，而不是当成不存在。对 AI 来说，如果人不持续强调这一点，它很容易把每一轮都当成新的单轮任务去做。但我想要的，是它像一个真正参与项目的人一样，在前面成果的基础上继续推进。9. 我会主动组织并行研究，而不是只接受一个线性的回答我在很多任务里都会明确说，如果有需要的话，可以使用多个 agent 并行分析，然后汇总成一份完整的详细分析报告。这一点其实特别重要，因为它说明我不是只把 AI 当成一个回答问题的对象，而是在把它组织成一个虚拟项目组。比如，竞品的不同类别可以拆开并行研究，增长和合规可以同时推进，财务、成本和获客基准也可以分别处理，最后再汇总。这样做的意义，不只是提速，而是让不同问题在各自的逻辑里先被做扎实，再统一回到一个整体结构里。也就是说，我在后半场已经不只是在提问，而是在编排 AI 的工作流。10. 到了整合阶段，我会强行把 AI 拉高一个层级，让它做“总编辑工作”当市场、用户、竞品、商业模型、增长、合规、融资这些模块基本都做出来以后，我并不会满足于“现在材料已经很多了”。因为材料很多，不等于结构成立。专题研究只是把砖一块一块烧出来，但真正的商业计划书，需要的是一个完整的建筑。所以到了汇总这一步，我会明确要求 AI 从更宏观的角度，把所有资料整理到一起，从整个文档的规划出发，去分配每一个章节所需要的内容，而且同样的内容不要在不同章节反复出现，要特别注意整个文档的逻辑结构和内容组织结构。这个要求已经不是在做内容补充，而是在做文档级架构设计。换句话说，到了这个阶段，AI 不能再只是一个分析员，而必须切换成总编辑和结构设计者。11. 我不会把“内容差不多了”当成结束，我还会继续管理交付标准后面我连续几次指出，AI 写出来的商业计划书并不真正适合人阅读，因为很多内容还是列表式、提纲式、清单式的罗列，而不是自然段的、流畅的、符合商业正式文书规范的表达。我会明确要求它先改 Markdown 主稿，把大段清单改写成连续论述，只保留少数必要表格；后来我又进一步指出，框架虽然没问题，但还没有真正重写成自然段文体。这一部分很值得被单独强调，因为它说明在项目进入后半场以后，我已经不只是管理内容是否正确，而是在管理这份成果到底像不像一个真正能交付出去的成品。很多人和 AI 协作时，只要内容“看起来差不多了”就停了，但对我来说，内容正确不等于交付可用。正式文档还要讲究阅读感、文体、语气、结构密度和整体表达方式。AI 很容易把信息堆得很多，但如果人不继续要求，它未必会自然形成真正的成稿。12. 一旦出现新的上位观点，我会要求 AI 把它升级成战略前提，而不是局部补丁后面有一段我觉得特别能说明我已经是在管理项目层级，而不是只在修文案。那就是我补充了一个重要观点：这个产品在设计之初虽然可以先围绕中国市场，但事实上它必须做成一个国际化的产品，因为同样的问题在任何国家都会出现，越是发达国家，相关问题越突出。这句话如果只是被当成一个普通补充，很容易只是在某一章里加一句“未来也可以考虑海外”。但我不会接受这种处理。我会明确要求 AI 把它上升成战略前提：在项目定位里改成“中国起步、全球成立”，在市场章节里把问题本身写成全球共性需求，在产品章节里补上从第一天就按国际化产品设计的要求，在增长和融资章节里把中国市场写成验证起点而不是最终天花板。也就是说，只要出现了这种会影响整个项目顶层逻辑的新判断，我就不会让 AI 局部打补丁，而是要求它重新调整整体结构。
六、所以，AI 真正帮我做的，不是“多写一点”，而是帮我把项目组织起来
把前面这些过程放在一起看，就会发现，后半场里我和 Codex 的关系其实已经和前半场完全不同了。前半场，我更像是在和 AI 一起探索问题；后半场，我是在用 AI 一起管理问题。前半场更像一起想，后半场更像一起做项目。这个“做项目”的意思，并不是 AI 替我执行，而是说它已经被我纳入了一个很清晰的项目推进流程里。我会先定义模块，再说明为什么这一块重要，再列出当前缺什么，再设定判断维度和输出形式，再要求它给出可执行路径、带数字的验证框架和阶段性目标，最后再把这些成果统一整合成文档，并继续纠偏交付标准和战略前提。所以，AI 之所以真的能帮助我梳理清楚自己的需求，建立一个更大的框架认知，或者梳理整个大框架的方方面面，并不是因为它自己天然就会，而是因为我在不断地把模糊问题重写成结构化任务，把零散判断升级成系统框架，把阶段性分析收束成下一步可执行的议程。
七、这套方法真正重要的，不是某个技巧，而是一种工作方式
对我来说，这整套方法最值得分享的地方，不是某一个单点技巧，而是它证明了一件事：人与 AI 的关系，不应该只是“我问，你答”，而可以是一种真正的项目协作关系。在这种关系里，人负责目标、方向、层级、取舍、边界、标准和纠偏；AI 负责补盲、展开、研究、并行、汇总和结构化输出。真正高质量的协作，不是让 AI 自己发挥，而是人始终知道，在当前这个阶段，最该让 AI 做什么，不该让它做什么，它现在做到了什么程度，还缺什么。这也是为什么我特别想把这套经历写下来。因为我希望以后无论是自己复盘，还是分享给别人，重点都不是停留在“怎么写 prompt”，而是让别人看到：一个项目可以先在 Gemini 里发散，再在 Codex 里收敛；聊天记录可以被导出为下一阶段的工作材料；顶层设计应该先于具体执行；项目问题可以被模块化；研究任务应该服务于决策；否定一个方向之后必须补一条替代路径；风险治理应该和机会设计同步；阶段数字和验证节点必须被压实；最终交付物还需要被单独管理。只有当这些东西都被纳入工作流以后，AI 才不只是一个即时回答问题的工具，而真正变成了一个可以与人一起推进复杂项目的协作体系。
基本文件流程错误SQL调试
请求信息 : 2026-04-17 14:36:28 HTTP/1.1 GET : https://www.yeyulingfeng.com/a/536574.html
夜雨聆风