AI 工具过剩，高效使用者稀缺
2025 年以来，AI 工具像雨后春笋一样冒出来。写作助手、代码生成、图片创作、数据分析、会议总结……几乎每个工作场景都有对应的 AI 工具。但一个有趣的现象是：工具越来越多，真正高效使用 AI 的人却没有同比增长。
大多数人对 AI 的使用停留在"偶尔问一下 ChatGPT"的阶段。问一个问题，得到一个回答，觉得"还行"或者"不太对"，然后关掉窗口。这就像买了一台高性能电脑，只用来上网浏览——不是工具不好，是使用方式没有跟上。
作为一个每天深度使用 AI 的产品经理，我想分享一些真正有效的使用方法。不是那种"十个 AI 提示词模板"的速成指南，而是一套可以融入日常工作流的方法论。
场景一：PRD 写作
PRD 是产品经理最核心的输出物之一，也是 AI 最能发挥价值的场景。但关键不是让 AI “帮你写 PRD”，而是让 AI 成为你的写作搭档。
我的工作流是这样的：先自己梳理清楚核心逻辑——要解决什么问题、为什么现在解决、方案的核心思路是什么。这些是产品经理的判断，AI 替代不了。然后把这些核心思路告诉 AI，让它帮我扩展成完整的文档结构，补充我可能遗漏的边界情况，生成初稿。最后我在初稿基础上修改、补充业务细节、调整表述。
这个流程的关键是：你提供判断，AI 提供效率。如果你把判断也交给 AI，产出的 PRD 会是一篇"看起来很专业但缺乏灵魂"的文档——结构完整、用词规范，但没有真正的产品洞察。
场景二：数据分析
产品经理经常需要做数据分析，但不是每个人都擅长写 SQL 或者用 Python 处理数据。AI 在这个场景下的价值是降低技术门槛。
我会把数据表的结构告诉 AI，描述我想分析的问题，让它生成 SQL 查询或者 Python 脚本。但这里有一个重要的注意事项：永远要检查 AI 生成的查询逻辑。AI 很擅长写出语法正确的 SQL，但它可能误解你的业务逻辑。比如你说"活跃用户"，AI 可能定义为"最近 7 天有登录"，但你的业务定义可能是"最近 30 天有下单"。
更高级的用法是让 AI 帮你做探索性分析。给它一组数据，让它找出异常模式、提出假设、建议进一步分析的方向。AI 的优势是能快速尝试多种分析角度，而人类分析师可能会被自己的先入之见限制。
场景三：竞品研究
竞品研究是一个信息密集型任务，非常适合 AI 辅助。我的方法是：先让 AI 帮我收集和整理公开信息——竞品的产品功能、定价策略、用户评价、最近的动态。然后在这些信息的基础上，自己做分析和判断。
AI 特别擅长的是"结构化整理"——把散落在各处的信息整理成统一的对比框架。但竞品分析中最有价值的部分——“他们为什么这么做”、“这对我们意味着什么”——仍然需要产品经理的业务判断。
场景四：会议总结和沟通
这是一个被低估的场景。产品经理的大量时间花在会议和沟通上，AI 可以显著提升这个环节的效率。会议录音转文字、提取关键决策和 Action Item、生成会议纪要——这些机械性工作完全可以交给 AI。
更进一步，AI 还可以帮你准备会议。告诉它会议的主题、参与者的角色和关注点，让它帮你准备议程、预判可能的问题、准备应对方案。这不是让 AI 替你开会，而是让你带着更充分的准备走进会议室。
核心原则：给 AI 上下文
所有这些场景的共同点是一个核心原则：给 AI 足够的上下文。
这也是我构建 Link（我的个人 AI 协作者）时最大的体会。AI 的输出质量直接取决于你给它的输入质量。同样是"帮我写个 PRD"，如果你只给这五个字，得到的是一个通用模板。如果你给出业务背景、用户痛点、技术约束、竞品情况、团队资源，得到的是一个有针对性的文档。
我在 AGENTS.md 中设计的分层记忆系统，本质上就是在解决"如何高效地给 AI 上下文"这个问题。对于日常使用，你不需要搭建这么复杂的系统，但可以养成一个习惯：每次和 AI 对话时，先花一分钟描述背景和约束条件。这一分钟的投入，能让 AI 的输出质量提升一个档次。
常见误区
第一个误区是把 AI 当搜索引擎。AI 不是用来"查信息"的，它的强项是"处理信息"。与其问"某某公司的市场份额是多少"，不如给它一组数据，问"从这些数据中你能看出什么趋势"。
第二个误区是不给反馈。很多人看到 AI 的第一次输出不满意就放弃了。但 AI 对话的精髓在于迭代——告诉它哪里不对、你想要什么方向的调整，几轮下来通常能得到满意的结果。
第三个误区是期望一次完美。AI 不是魔法，它是工具。就像你不会期望 Excel 一键生成完美的财务报告，也不应该期望 AI 一次生成完美的 PRD。把 AI 当作一个高效的初稿生成器和思维碰撞伙伴，而不是一个完美的代笔人。
AI 不会替代 PM，但会替代不会用 AI 的 PM
这句话可能已经被说烂了，但它确实是事实。AI 不会替代产品经理，因为产品经理的核心价值——业务判断、用户洞察、跨团队协调、优先级决策——这些都是 AI 目前做不好的事情。
但 AI 会大幅提升产品经理的效率上限。一个善用 AI 的产品经理，在信息处理、文档产出、数据分析等方面的效率，可能是不用 AI 的同行的三到五倍。当效率差距大到一定程度，它就不再是"效率"问题，而是"能力"问题了。
所以，与其焦虑 AI 会不会取代你，不如花时间学会怎么用好它。这不是一个可选的技能，而是一个正在成为标配的能力。