AI 产品经理工作流

前置阅读：核心概念卡、AI 工具与能力地图。如果你完全没做过 AI 项目，先从 角色导航 → 产品经理 看建议路径。 预期收获：读完你能把一个业务想法转成完整 AI PRD，并知道下一步该用 Prompt、RAG、工作流还是 Agent。

这份文档提取资料库中对产品经理有用的工作流，已经剔除营销/导流内容。

能力栈

AI 产品经理需要三类能力交叉：

• 产品基本功：需求分析、PRD、指标、埋点、用户场景、优先级。
• AI 系统理解：LLM、RAG、Agent 架构、工具调用、模型评估、部署约束。
• AI 辅助生产流：Codex、Claude Code、Figma/MCP、Prompt 库、规范驱动开发、原型生成。

需求与 PRD 工作流

把 AI 想法变成可交付产品时，按这个流程走：

1. 定义目标用户和核心任务。
2. 判断问题需要自动化、知识检索、生成、决策支持还是执行动作。
3. 判断 AI 能力类型：
   • Prompt-only 助手。
   • RAG 知识助手。
   • 工作流自动化。
   • 带工具的 Agent。
   • 多 Agent 工作流。
   • 微调模型或本地部署。
4. 定义数据源和权限。
5. 定义用户可见的成功标准。
6. 定义失败模式：幻觉、过期知识、错误工具调用、隐私泄漏、危险动作。
7. 定义评测集和指标。
8. 创建 PRD 和原型。
9. 做产品评审和技术可行性评审。
10. 用真实任务轨迹迭代。

AI PRD 最小结构

背景：
目标用户：
用户场景：
当前流程：
AI 机会：
能力类型：
数据源：
用户路径：
核心功能：
非目标：
权限边界：
风险与安全：
指标：
评测用例：
原型计划：
交付阶段：
开放问题：

数据埋点工作流

AI 产品不仅要埋产品行为，也要埋模型和 Agent 行为。

产品指标

• 激活。
• 留存。
• 任务完成率。
• 节省时间。
• 转化。
• 用户满意度。
• 人工接管率。

AI 行为指标

• 回答成功率。
• 有依据回答率。
• 无依据断言率。
• 工具调用成功率。
• 重试率。
• 升级人工率。
• 延迟。
• 单任务成本。
• 上下文长度。
• 检索命中质量。

埋点模板

事件名：
触发时机：
用户：
会话/任务 ID：
输入类型：
Agent 路由：
模型：
调用工具：
检索来源：
输出类型：
用户后续动作：
成功/失败标签：
错误分类：
成本和延迟：

Codex 工作流

资料中 Codex 相关内容包括安装认证、桌面工作流、commands、项目指令、权限与沙盒、MCP、Skills、Subagents、后台任务和可合并结果。

产品经理可用场景：

• 把粗糙需求转成结构化 PRD。
• 在写需求前理解现有代码行为。
• 根据 PRD 生成原型 UI。
• 生成数据分析脚本或看板。
• 创建和维护文档。
• 把 Figma/设计参考转成实现任务。
• 做后台研究或周期检查。
• 用子 Agent 拆分研究、实现和审查。

Codex 项目配置清单

• 添加项目指令。
• 明确工具和权限。
• 接入相关 MCP。
• 为高频流程创建 Skills。
• 为重复任务创建 commands。
• PRD 和规格统一放在 docs/。
• 任务、实现说明、验收记录都可追踪。

Claude Code 与设计工作流

资料中 Claude Code 相关内容包括基础使用、文档处理、数据分析、个性化工作流、提示词优化、Figma/MCP、Mermaid、低保真/高保真原型和设计生成。

适合产品经理的流程：

想法 -> PRD -> 用户流程 -> 线框图 -> 高保真原型 -> 实现方案 -> 代码任务拆解

推荐产物：

• PRD。
• 用户旅程。
• 信息架构。
• 线框图或低保真原型。
• 设计系统说明。
• 前端实现 Brief。
• 验收标准。
• 测试计划。

Figma 与 MCP 工作流

当任务涉及设计实现、设计审查或原型迭代时，使用 Figma/MCP。

流程：

1. 写 PRD 和目标页面列表。
2. 生成线框图或组件计划。
3. 用 Figma/MCP 创建或检查设计。
4. 提取组件、变量和布局规则。
5. 生成前端实现计划。
6. 实现并视觉验证。
7. 记录设计决策和偏差。

规范驱动开发

资料中涉及 SDD、Prompts、Rules、AGENTS.md、Agent Skill、SpecKit、OpenSpec。

适合使用 SDD 的情况：

• 有多个干系人。
• 行为难以通过一句话说明。
• 工作流会重复发生。
• 实现需要明确验收标准。
• 会使用 AI Agent 来实现或审查。

SDD 产物集

spec.md
acceptance-criteria.md
implementation-plan.md
test-plan.md
agent-instructions.md 或 AGENTS.md
review-checklist.md

产品案例拆解模板

研究 AI 产品案例时使用：

案例名称：
行业：
用户：
原流程：
痛点：
AI 能力：
数据源：
Agent/工具动作：
人类介入点：
成功指标：
风险：
可复用模式：
构建难度：
原型想法：

推荐学习轨道

AI PM 基础

• LLM 基础。
• Prompt 工程。
• RAG。
• Agent 基础。
• AI 指标和评测。
• AI 安全与治理。

AI PM 交付

• PRD 写作。
• 数据埋点。
• 原型生成。
• Figma/Codex/Claude 工作流。
• 验收标准和 QA。
• 上线指标。

AI PM 技术深度

• Transformer 和注意力机制。
• 模型选型。
• 推理和本地部署。
• vLLM/SGLang 基础。
• 微调和 LoRA。
• Agent Runtime 和可观测性。

读完自测

• [ ] 给一个真实业务想法（如"销售助手自动跟进客户"），你能 30 分钟产出一份最小版 PRD（包含成功标准、数据源、能力类型、失败模式、评测用例）。
• [ ] 你能判断一个需求该用 Prompt-only / RAG / 工作流自动化 / Agent / 微调，并说出理由。
• [ ] 你能列出 AI 行为指标和产品指标的差异，并各举 3 个例子。
• [ ] 你能解释为什么 AI 产品的"验收标准"必须和评测集配套，否则验收无法执行。
• [ ] 给 Codex/Claude Code，你能列出至少 3 个 PM 可以让它做的事，以及不该让它做的事。

下一站