乐于分享
好东西不私藏

我不想再做 AI 工具收藏家了

我不想再做 AI 工具收藏家了
过去一段时间,我一直有一种很拧巴的感觉。

我明明装了很多 AI 工具,收藏了很多 Prompt,也看过不少“AI 提效 10 倍”的文章。

但回到真实工作里,PRD 还是要自己一段段写,用户反馈还是要自己一点点看,竞品分析还是做完一次丢一次。

工具变多了,工作流并没有真的变好。

这也是我决定重启这个账号的原因。

我不想再做 AI 工具收藏家了。

我想用接下来的 30 天,认真验证一件事:

一个普通的初级产品经理,到底能不能用 AI 重做自己的真实工作流?

不是让 AI 帮我写几句文案,也不是收藏 100 个 Prompt。

而是把 PM 每天会遇到的具体任务拿出来,重新做一遍:

  • 写 PRD
  • 整理用户反馈
  • 做竞品分析
  • 拆用户故事
  • 写需求评审纪要
  • 做数据假设
  • 生成上线公告
  • 沉淀可复用模板

每个任务我都会尽量保留 5 个东西:

原始输入、AI 处理过程、输出结果、人工判断、可复用模板。

这篇文章,算是这个账号的新起点。


01 我以前以为“学 AI”就是学工具

最开始接触 AI 的时候,我和很多人一样,第一反应是装工具。

ChatGPT 要不要开?Claude 好不好用?Kimi 能不能读长文档?Perplexity 和普通搜索有什么区别?扣子、Dify、飞书智能伙伴到底值不值得折腾?

那段时间,我的收藏夹里全是工具清单、注册教程、Prompt 合集。

但用了一个月后,我发现一个很尴尬的问题:

我会问 AI 了,却没有真正改变自己的工作方式。

比如写 PRD。

我会让 AI 帮我写大纲,它确实写得很快;但如果前置信息不完整,它会把假设写得很像事实。

比如整理用户反馈。

我会把访谈纪要丢给 AI,让它提炼洞察;但它经常把高频抱怨当成高价值需求,把用户情绪当成产品结论。

比如做竞品分析。

我会让 AI 做对比表,它能列很多功能;但如果我不先定义分析目的,它最后只会产出一张“看起来很完整、但无法支持决策”的表。

慢慢地我意识到,问题不在于工具不够强,而在于我一直在用“工具思维”学 AI。

工具思维是:

这个按钮怎么用?这个 Prompt 怎么写?哪个模型更强?

工作流思维是:

这个任务的输入是什么?哪些步骤可以交给 AI?哪些判断必须由 PM 自己做?最后的输出怎么进入真实协作?

这两个问题,差别很大。


02 真正让我紧张的,不是 AI 会写文档

有一次,我卡在一个需求的大纲上,就把背景、目标用户、已有问题和几个粗糙想法丢给 AI。

几十秒后,它给了我一份结构完整的大纲:

  • 用户场景
  • 痛点假设
  • 功能拆解
  • 数据指标
  • 风险点
  • 待确认问题

坦白说,我第一反应不是开心,而是紧张。

因为这些内容如果我自己写,至少要来回组织很久;而 AI 不是只给了“文字”,它还补上了我漏掉的维度。

但再仔细看,我又发现它并没有真的替我完成产品判断。

它能帮我列风险,但不知道哪个风险在当前业务里最致命。它能帮我拆功能,但不知道团队这周能不能排进开发资源。它能帮我写指标,但不知道公司现阶段到底更看重转化、留存还是履约效率。它能帮我整理用户反馈,但不知道哪条反馈来自核心用户,哪条只是偶发抱怨。

那一刻我反而松了一口气。

AI 会让很多“文档型工作”变便宜,但不会自动替 PM 做取舍。

所以我现在更愿意用这句话提醒自己:

PM 不一定会被 AI 取代,但只会搬运信息、堆文档、复述需求的 PM,会越来越危险。


03 我想把这个账号做成一个工作流实验室

接下来这个账号不会主要做“某某 AI 工具注册教程”,也不会天天追新模型。

我更想做一个工作流实验室。

每周选一个真实 PM 任务,按同一套结构做实验。

具体来说,每篇内容都会尽量回答这些问题:

  1. 任务背景:这次要解决什么问题?
  2. 原始输入:给 AI 的材料是什么?哪些内容已脱敏?
  3. 工具分工:用了哪些 AI?为什么这样分工?
  4. 处理过程:关键提示词、追问、校验步骤是什么?
  5. 输出结果:表格、文档、流程图或模板。
  6. 人工判断:AI 哪些地方有用,哪些地方不靠谱?
  7. 时间对比:以前大概多久,现在节省了什么?
  8. 可复用模板:读者能不能拿走复用?

我希望每篇内容都不只是“看完很爽”,而是能留下一个东西:

  • 一张 PRD 输入清单
  • 一个用户反馈分类表
  • 一个竞品分析框架
  • 一个会议纪要行动项模板
  • 一个需求优先级判断表
  • 一个 AI 输出检查清单

如果最后没有留下可复用资产,那这篇内容就不算真的完成。


04 这个账号会做什么,也会克制什么

我会做:

  • 用 AI 重做 PM 的真实任务
  • 拆解 Claude、ChatGPT、Kimi 等工具在 PM 场景里的分工
  • 把经典产品方法论改造成 AI 可执行流程
  • 记录 AI 输出哪里有用、哪里不靠谱
  • 沉淀模板、表格、清单和复盘

我不会做:

  • 泛 AI 新闻搬运
  • “10 秒生成爆款内容”式教程
  • 不经验证的工具神话
  • 公司敏感资料演示
  • 把 AI 输出直接当事实发布

我不是 AI 专家,也不打算装成专家。

我更想用一个普通的初级 PM 的身份,把过程记录清楚:

我怎么试、哪里踩坑、最后哪些东西真的改善了工作。


05 30 天后,我希望验证出 3 个答案

接下来 30 天,我会全职投入这个账号。

但这个月不是为了立刻变现,也不是为了把所有平台铺满。

这个月只验证 3 件事:

第一,PM x AI 工作流这个定位有没有真实需求。有没有人愿意收藏、评论、私信,问“这个任务能不能也用 AI 重做”。

第二,哪些选题值得继续做。是 PRD?用户反馈?竞品分析?工具分工?还是 AI 时代 PM 能力变化?

第三,能不能沉淀一批后续复用的资产。比如任务地图、模板包、栏目体系、复盘表和案例库。

如果 30 天后,我能明确知道“什么值得做、什么不值得做”,这个月就算成功。


06 先从一个问题开始

如果你也是产品经理,或者正在转型 PM,我想问你一个问题:

评论区告诉我。

我会从真实问题里挑选选题,做成下一篇实验。

这个账号接下来会持续记录:一个普通 PM,如何在 AI 时代重新理解自己的工作。

不是为了证明 AI 万能,而是为了搞清楚:

哪些工作真的可以提效,哪些判断必须留给人。