然后打开一个空白文档，从第一行开始敲字。过去，一份相对完整的需求文档，我通常需要三天，有时候甚至更久。但最近，我尝试了一种新的工作方式：先由我完成需求判断和信息整理，再让 AI 帮我搭建文档框架、补充细节、检查遗漏。最后，一份原本需要三天完成的需求文档，我用了大约半小时就整理出来了。需要说明的是，AI 并没有替我做产品决策。它真正帮我节省的，是那些重复整理、结构化表达和查漏补缺的时间。
现在我是怎么用 AI 写需求文档的？我现在的方式，不是直接对 AI 说：帮我写一份需求文档。因为这种方式得到的内容通常比较空泛，也很难真正落地。我会把整个过程拆成几个步骤。第一步：先由自己完成需求判断我会先明确几个最核心的问题：
这个需求为什么要做？
解决的是谁的问题？
当前问题有多严重？
本期目标是什么？
哪些内容明确不做？
产品经理最重要的工作，是做判断，而不是做文字搬运。如果这些问题自己都没有想清楚，就算 AI 写出几十页文档，也只是一份看起来完整、实际无法执行的材料。所以，在使用 AI 前，我通常会先写一份非常粗糙的需求说明。比如：当前用户下单后无法主动取消订单，遇到选错商品或填写错误信息时，只能联系客服处理。本期计划增加用户主动取消能力。仅支持未进入制作状态的订单取消。已支付订单取消后需要原路退款。本期暂不支持部分商品取消。这些内容不需要写得很正式，但关键规则必须明确。第二步：把零散信息交给 AI 结构化接下来，我会把会议记录、需求背景和已确认规则一起交给 AI，让它按照需求文档的结构重新整理。例如，我会提出这样的要求：请根据以下信息，整理一份产品需求文档，包含需求背景、需求目标、适用范围、用户角色、业务流程、功能规则、页面交互、异常情况、数据埋点和验收标准。不要自行编造业务规则，对不明确的内容单独列出待确认项。这一步非常重要。“不要自行编造”和“列出待确认项”，可以减少 AI 一本正经补充错误内容的情况。AI 很快就能将原本零散的信息整理成一份结构清晰的文档初稿。过去我要花一个小时搭建框架，现在几分钟就可以完成。第三步：让 AI 主动查漏补缺初稿生成后，我不会马上结束。我会继续让 AI 站在不同角色的角度检查文档。例如：
这些建议看起来都合理，但是否要做，需要结合业务阶段、开发成本、用户规模和本期目标决定。产品经理不能因为 AI 提出了建议，就把所有内容都加进需求。否则，原本一个简单需求，很容易被扩展成一个庞大的项目。因此，我会明确区分：
本期必须完成的内容；
可以优化但不影响上线的内容；
后续版本再考虑的内容；
暂时不做的内容。
AI 可以帮助发散，但产品经理必须负责收敛。
04
半小时完成的，并不是一份“自动生成”的文档有人可能会问：既然 AI 能写需求文档，那产品经理以后是不是只需要输入一句话？实际体验恰恰相反。AI 越强，对产品经理提出的问题质量要求越高。如果输入的信息不完整，AI 只能根据常见经验进行补充。这些内容表面上很专业，但未必符合真实业务。比如，同样是取消订单，不同业务的规则完全不同。
电商订单可能涉及库存、优惠券和物流。
餐饮订单可能涉及后厨制作状态。
机器人饮品订单可能涉及机械臂是否已经开始制作。
酒店订单可能涉及入住时间和取消费用。
AI 不知道企业内部真正的业务约束。它只能基于你提供的信息进行整理和推演。所以，半小时完成需求文档的前提是：
产品经理已经对需求有基本判断；
核心规则已经完成确认；
能够识别 AI 输出中的错误；
知道哪些内容需要保留，哪些内容需要删除。
从这个角度看，AI 并不是替产品经理写文档，而是把产品经理脑子里的内容更快地变成文档。
05
AI 最适合帮产品经理做哪些工作？经过一段时间的使用，我认为 AI 在需求文档场景中，最适合承担以下几类工作。
AI 也可能让需求文档变得更糟AI 提升效率的同时，也带来了一个新的问题：需求文档可能越来越长，但不一定越来越有用。AI 很容易生成看起来非常完整的内容。一个简单需求，可以快速扩展出背景分析、用户画像、风险评估、竞品分析、埋点方案、权限设计和几十条异常情况。如果产品经理缺少判断，就会将大量不必要的内容全部放进文档。最后文档看起来很专业，研发却找不到真正需要实现的部分。因此，我给自己设定了几个原则。
文档不是越长越好，而是越容易执行越好。
所有规则都必须服务于本期目标。
不确定的内容必须标记为待确认，不能让 AI 自动补全。
核心流程、状态和边界必须由产品经理亲自检查。
AI 生成的内容默认只是一份草稿，不能直接交付。
07
AI 省下来的时间，产品经理应该用来做什么？这是我认为最重要的问题。如果 AI 帮助产品经理把写文档的时间从三天缩短到半小时，节省下来的时间不应该用来写更多文档。而应该用来做更有价值的事情。比如：
夜雨聆风
