夜雨聆风
这是“酱∞”的第2篇。沉下去，想清楚那些不变的事。今天聊的话题是——
项目管理的基本功，在AI时代是否有新的定义？
昨天和前天，我在酱×栏目里连续写了两篇AI开发实录。
第一天，10分钟手搓了WBS生成器。丝滑、顺畅、成就感爆棚。简直是“PM的梦中情工具”。
第二天，给WBS加上甘特图。卡了一下午，连续白屏，反复调试，最后请教专业人士才勉强跑通。
两天的落差让我想清楚了一件事：PM转型AI，学到什么程度，根本不是一道选择题。而是一道填空题——填的是你遇到的场景、你面对的复杂度、以及你对自己的期待。
今天不写代码，我们把这道填空题拆开。
一、三个能力层次：你在哪一层？
先给一个清晰的框架。PM跟AI的关系，分成三个层次。
第一层：会用。
能用ChatGPT、Claude、Kimi这类现成工具。会写提示词。知道什么场景用什么工具，知道怎么追问才能拿到高质量结果。
这一层看似简单，但实际仍然具有壁垒。是强大的项目管理基本功+遣词造句能力。
——这也是酱+系列要表达的。
第二层：会造。
能跟AI协作开发工具。不是自己写代码，是用自然语言指挥AI写出能用的工具。能调试、能迭代、能把一个想法从零到一变成可以跑的东西。
这是在第一层基础上，增加系统构建、数据逻辑、交互协作、流程再现的能力。
——这也是酱×系列要探索的。
第三层：会想。
能理解AI的底层逻辑和边界。知道什么事AI能做、什么事不能做、什么事今天不能做但明天很可能能做。能基于这个判断做决策、做架构、做方向选择。
这三个层次不是递进关系，是你随时在三个层次之间切换。同一个PM，写会议纪要时你在第一层，造甘特图时你在第二层，做技术选型判断时你在第三层。
问题不是“我该到哪一层”，是“我现在需要哪一层的能力”。
——这是酱∞系列会聊到的。
二、五层能力拆解：从能用，到能造，到能判断
昨天和前天两天的开发经历，让我能把这三层拆得更细。不是三个模糊的层次，而是五个可以描述、可以练习、可以检测的具体能力。
能力一：提示词能力——能不能说清楚要什么
这是第一层的基础。提示词能力的核心不是“会写prompt”，是“会描述目标”。
提示词写得好的人，不只是文笔好的人，是思维清晰的人。他知道自己想要什么结果，知道结果的衡量标准，知道怎么把“模糊的需求”翻译成“具体的指令”。
对应到PM能力：需求澄清。你把业务需求翻译成开发需求，现在你把人话翻译成AI话。同一套底层能力，换了一个输出对象。
训练方式： 拿一个熟悉的PM场景，比如写周报、做风险识别、画干系人地图。先手写一份你理想中的输出长什么样。再把这份理想输出“反向翻译”成提示词。对比AI生成的结果和你手写的理想版，找出差距，修改提示词，再试。三轮之后，你对提示词的体感就建立起来了。
检验标准： AI第一次输出的结果，你能不能只改一次提示词就让它达到合格线。合格的标志是“拿来能用，不用大改”。
能力二：需求拆解能力——能不能把一个功能说清楚
这是第一层到第二层的过渡能力。很多PM卡在这里：他知道“我想要一个甘特图”，但说不清楚甘特图由什么构成。
昨天下午的甘特图开发，第一版失败的原因就是这个。我说“加一个甘特图”，AI生成了一个界面，但里面没有数据。因为我不懂甘特图需要四样东西：任务名称、开始日期、结束日期、负责人。
需求拆解能力就是把一个功能，拆成它必须包含的要素。甘特图不只是“图”，是“基于四个字段生成的时间序列可视化”。WBS不只是“结构”，是“基于阶段和交付物的层级分解”。
训练方式： 拿你手头正在用的任何一个项目管理工具，随便点开一个功能，给自己五分钟，回答一个问题：这个功能，背后需要几个数据字段？每个字段的作用是什么？没有哪个字段这个功能就跑不起来？练十次，你看到任何功能的第一反应就不再是“它长这样”，而是“它由这些数据构成”。
检验标准： 给你一个从没用过的工具，你能在五分钟内说出它的核心数据模型。不要求全对，但数据骨架要能摸到。
能力三：系统搭建能力——你能不能把数据流转说清楚
这是第二层的核心。数据流转是AI开发真正的门槛。
第一天WBS为什么顺利？因为WBS是静态结构。输入一段项目描述，输出一个层级列表。数据从输入直接到输出，没有中间环节。
第二天甘特图为什么卡？因为甘特图需要数据流转。WBS生成的是一棵树，甘特图需要的是一张表。树和表之间，需要一层转换。这一层，叫做数据映射层。
系统搭建能力就是：当你设计一个功能的时候，脑子里能自动画出“数据从哪来、经过什么加工、最终输出到哪”这条链路。这不是技术能力，是逻辑能力。PM做业务流程梳理时，画的也是类似的链路。
训练方式： 下次用Cursor或Windsurf开发工具时，在让AI写代码之前，先给自己画一张草稿纸。画三样东西：输入是什么（用户填什么），中间要做什么转换（数据从A格式变成B格式），输出是什么（用户看到什么）。画完再让AI动手。刚开始会很慢，但画了三次之后，你会发现AI的第一次输出质量明显提高。这不是提示词变好了，是你的需求变清晰了。
检验标准： 你能不能在五分钟内画出一个完整的数据流草图。能画出来，AI开发的成功率至少翻一倍。画不出来，大概率会像我昨天下午一样，连续白屏。
能力四：调试与验证能力——你发现错误后往哪查
这是第二层最容易被忽略的能力。
昨天甘特图开发过程中，有一个细节：连续生成几次都是空白页面。我反复重试，反复白屏。直到请教了专业人士：数据源传进去了吗？
我的下意识没有想到这方面，这就是直觉经验还不能穿透技术的认知，打通“空白页面”和“数据源”之间紧密的映射关系。
这也是调试能力的差距。专业人士看到白屏，脑子里会按“数据-逻辑-视图”的顺序排查：数据来了没有？数据格式对不对？数据传给视图了没有？而不是“再生成一遍试试”。
AI能帮你写代码，但不能帮你建立调试的思维框架。这个框架，需要你刻意去建。
训练方式： 下次遇到AI生成的工具运行出错，不要直接说“修一下”。先做一件事：描述你预期什么、实际发生了什么、中间你做了什么操作。这三个信息，就是调试三要素。描述完再让AI修。描述的过程，就是你在建立调试思维的过程。另外，每次修完之后，问AI一句“为什么会出现这个问题，根因是什么”。AI会给出解释，这些解释积累起来，就是你的调试知识库。
检验标准： 遇到一个Bug，你能不能在问AI之前，先列出两个可能的原因。对错不重要，能开始排查就说明思维框架在建立。
能力五：AI边界判断能力——你知道什么事AI能做，什么事不能做
这是第三层的能力。也是区分“会用AI的PM”和“理解AI的PM”的分水岭。
边界判断能力包含三个维度：
第一，知道大模型的能力边界。什么事它擅长（结构化输出、文本生成、代码辅助），什么事它不擅长（实时数据、精确计算、保密信息处理）。
第二，知道不同AI工具的能力差异。ChatGPT擅长什么，Claude擅长什么，Cursor擅长什么。不是看评测，是自己亲手测出来的体感。
第三，知道组织的AI适配度。工具再好，组织没准备好用，等于零。推动AI在项目组落地，考验的不是技术，是影响力和变革管理。
训练方式： 同一个任务，同时扔给至少两个不同的AI工具，对比输出结果。记录差异。每周做一次，做一个月的对比测试，你对AI边界的理解会超过看一年公众号文章。另外，每当你听到“AI能解决XX问题”的说法时，问一句：能解决到什么程度？是替代还是辅助？是现在还是未来？追问“程度”，是边界判断的核心习惯。
检验标准： 当你听到一个AI相关的说法时，你能不能立刻判断它是真实可用的，还是被夸大的。不是凭感觉，是凭你亲手测试过的结果。
三、五个能力构成一个进阶阶梯
这五个能力不是并列的，是一条进阶路径。
提示词能力 → 需求拆解能力 → 系统搭建能力 → 调试与验证能力 → AI边界判断能力
会用工具 → 能说清楚 → 能搭架构 → 能查Bug → 能做判断
每一层都建立在前一层的基础上。
提示词写不清楚，需求拆解就无从谈起。需求拆不出来，系统搭建就是空中楼阁。系统搭不起来，调试的时候你连从哪里查都不知道。没有调试经验，你对AI边界的判断就全是道听途说。
大部分PM处在第一层和第二层之间。能写提示词，但遇到复杂功能就拆不动。这在AI工具使用层面够用了——酱+栏目的所有内容，都只需要这个层次。
但如果你走到酱×栏目这一步，开始自己造工具，第三层系统搭建能力绕不过去。昨天甘特图卡了一下午，卡的就是这一层。
四、学习计划：百日五步
如果你现在在第一层，想走到第二层甚至第三层，这里有一个不需要报课的百日学习计划，供大家参考：
第一步（第1-2周）：建立提示词体感。
每天拿一个PM日常工作场景，写一条提示词。比如周一写会议纪要、周二写风险识别、周三写周报生成。先用AI生成结果，再花五分钟修改提示词，对比两次结果的差异。重点不是“拿到结果”，是“通过改提示词改进结果”。两周后，你会攒下十几条常用的、经过验证的提示词，这就是你的提示词武器库。
第二步（第3-4周）：练习需求拆解。
每天打开一个你常用的工具，随便点一个功能。给自己五分钟，写出：这个功能需要哪些数据字段？少了哪个字段这个功能就废了？练满两周，你会建立“任何功能背后都是数据”的直觉。
第三步（第5-8周）：上手AI开发。
这是时间最长的一步。打开开发工具，做三样东西：一个待办清单工具、一个会议纪要模板生成器、一个简单的项目进度看板。每个工具至少迭代三次。第一次只做核心功能，第二次加辅助功能，第三次做美化。三次迭代走完，你会对“从需求到成品”有一个完整的体感。
注意：这个过程里肯定会遇到白屏、报错、改不动的情况。这些时刻不是失败，是训练调试能力的时机。记住：每次出错先描述三个信息——预期、实际、操作步骤——然后再让AI修。
第四步（第9-12周）：做对比测试，积累判断力。
每周围绕一个问题，同时用两个不同的AI工具做对比。比如“同样的风险识别任务，ChatGPT和Claude的差异是什么”。四周下来，你对AI的能力边界就不再是“听说的”，而是亲手验证的。
第五步（百日之后，持续）：每周一小时。
AI领域每个月都在变。你不需要追每个新工具，但需要保持关注。每周花一小时，看一篇深度文章，或者试一个新工具的一个新功能。保持手感，别让触觉钝化。
全程重点：不报课，不考证。做东西就是学东西。你每造出一个能用的工具，你的能力就上了一个台阶。PPT和证书不会帮你进阶，亲手做出来的东西会。
五、回看这两天：从“能用”到“能造”的分水岭
前天10分钟出WBS，昨天一下午出甘特图。两天的差别，不是“甘特图比WBS难”，是这两个模型的性质、逻辑、生成方式有根本不同，造出来需要的能力也完全不同。
能用，是你用别人的工具。能造，是你理解工具的底层逻辑，自己搭一个出来。
PM转型AI，不是从PM变成AI工程师。是从“只会用工具的PM”变成“能造工具也能判断AI边界的PM”。
三层是阶梯，五层能力是台阶。你不需要一天走完，但你需要知道自己正在往哪个方向走。
酱缸笔记
AI时代来了，需要新的能力加持，才能应对新的挑战，然后有新的发展。
这五层能力：提示词能力、需求拆解能力、系统搭建能力、调试验证能力、边界判断能力。它们不只是AI开发需要的能力，也是项目管理的基本功在AI时代的重新定义。
好PM本来就应该会分解、梳理、定义标准、理清输入输出。AI只是把这些能力从“隐性的专业直觉”变成了“显性的协作要求”。
这口缸还在发酵。明天周日，聊点生活，轻松惬意的的话题~
一口酱缸，三种发酵。酱+做加法，酱×做乘法，酱∞探无穷。工作日加料造物，周末沉下来想清楚。
如果这篇对你有用，点个「在看」，让更多PM一起入缸。还没关注的，点个关注，这口缸里还会酿出更多东西。
