惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

The Hacker News
The Hacker News
C
Cisco Blogs
Cyberwarzone
Cyberwarzone
N
News and Events Feed by Topic
AI
AI
P
Proofpoint News Feed
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
T
Threat Research - Cisco Blogs
S
SegmentFault 最新的问题
Webroot Blog
Webroot Blog
月光博客
月光博客
Simon Willison's Weblog
Simon Willison's Weblog
WordPress大学
WordPress大学
Blog — PlanetScale
Blog — PlanetScale
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
U
Unit 42
C
CERT Recently Published Vulnerability Notes
www.infosecurity-magazine.com
www.infosecurity-magazine.com
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
罗磊的独立博客
D
DataBreaches.Net
H
Hackread – Cybersecurity News, Data Breaches, AI and More
H
Heimdal Security Blog
S
Security @ Cisco Blogs
S
Securelist
M
MIT News - Artificial intelligence
Recorded Future
Recorded Future
Project Zero
Project Zero
K
Kaspersky official blog
Microsoft Security Blog
Microsoft Security Blog
T
Tenable Blog
Apple Machine Learning Research
Apple Machine Learning Research
P
Privacy International News Feed
小众软件
小众软件
T
Tor Project blog
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
F
Fortinet All Blogs
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
F
Full Disclosure
P
Palo Alto Networks Blog
Recent Commits to openclaw:main
Recent Commits to openclaw:main
Hugging Face - Blog
Hugging Face - Blog
L
LINUX DO - 最新话题
V
Vulnerabilities – Threatpost
博客园 - Franky
B
Blog RSS Feed
云风的 BLOG
云风的 BLOG
T
Troy Hunt's Blog
V
Visual Studio Blog

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
别让 AI 装懂:先让 Skill 学会说不知道 – 人人都是产品经理
Zoe产品手记 · 2026-06-23 · via 人人都是产品经理

这是「AI 协作」系列二第 5 篇。上一篇解决的是输出形态:怎样把“像我”拆成可执行标准;这一篇继续往前走一步,处理输入可信度:信息不够时,Skill 应该什么时候停下来。

读完这篇,你不需要马上重写整份 Skill。先给它加一道开工闸门:关键事实不足时,不生成完整方案,先暴露未知。

同一句需求,为什么早期版本会直接开写

为了把前后差异放在同一把尺子上,下面仍然用一个脱敏合并示例:

某新锐美妆 DTC 品牌,希望优化会员积分过期提醒,减少积分到期后的客诉,同时提升积分兑换率。

如果把这句话交给我自己写的早期 PRD Skill,它会立刻开始工作,把一句话扩成一份看起来完整的方案骨架。

几分钟后,一份章节完整、语气也像我的 PRD 初稿就出来了。

那一刻很容易产生一种虚假的轻松:文档已经有了,我似乎只需要检查。但真正开始核对后,我才发现,写作工作少了,判断工作却被藏得更深。

第一眼看,它很勤快。真正要命的,是桌面上那些还没被确认的便签。

早期版本不知道这些,却会用常见做法把空白填满。

后来的版本面对同一句需求,第一步不是写 PRD,而是先停下来:

“当前信息不足以支持完整方案生成。我先整理已知事实、当前理解和待确认问题。”

这一步的价值,不是换一种更谨慎的写法,而是把那些原本会被藏进正文的判断先摆出来。

我后来把一次次返工写成了一条硬规则:

关键事实不足时,先暴露未知,不得用行业常识补齐。

它慢的不是生成速度,而是把“能不能写”这一步提前了。

这篇要解决的不是“AI 会不会问问题”,而是更前面的判断:

现在的信息,够不够支撑它开始写完整方案?

如果不够,未知信息就应该有权阻止 AI 开工。

越像你写的错误,越容易骗过你

格式稳定以后,合并案例里出现过一条写得非常顺的业务规则:

“积分一经到期不可恢复,用户可通过任务中心重新获取积分。”

这句话的问题不在文笔。

它不像一句明显的胡话,甚至正好落在我习惯写业务规则的位置。

真正的问题是:案例设定里可能存在客服补发机制,部分特殊客诉也允许人工延期。输入里没有这条历史规则,AI 却把“不可恢复”写成了正式结论。

主流程看起来没偏,但客诉兜底、特殊例外和人工处理口径被一并遮住了。

这类错误最危险的地方,不是它错得离谱,而是它错得很像一份成熟文档。

越像你写的错误,越容易骗过你自己。

这里说“装懂”,不是说 AI 有意骗人,而是我们的协作流程没有要求它标出:哪一句有事实来源,哪一句只是常见推断,哪一句必须等人确认。

如果把这条规则拆开,它不是一个错误点,而是一组被熟悉表达包住的判断:

第四篇解决的是“好输出长什么样”。到了第五篇,我才发现还缺一层:

输出标准解决“怎么写”,开工闸门解决“现在能不能写”。

问题发生在开工之前

我之前一直在修“它写出来的东西”。

规则散了,就让它按“条件 / 动作 / 结果 / 例外”写。文字太长,就让它少解释常识。多状态交互看不清,就让它补流程图。

这些修改都有用,但它们解决的是输出层问题。

积分过期这个错误发生得更早:它在开工前就缺少事实,却仍然进入了完整生成。

这也是为什么有些 AI 初稿看起来很省时间,最后却没有真的省时间。它几分钟生成了一整份 PRD,我要花更久逐段确认:

  • 哪些是输入里明确存在的事实;
  • 哪些是 AI 按常识补出来的内容;
  • 哪些规则不符合系统边界;
  • 哪些内容必须重新问业务、客服或技术。

等完整文档已经出来,再去核对每一句,成本就变成了整篇返工。

最消耗我的不是改字,而是所有判断同时回来找我:既要追查每句话的依据,又要重新确认目标、边界和责任人。

后来的修改不是继续加一句“请谨慎”,而是给 Skill 增加一条开工规则:

信息不足时停止,不编造,不替人拍板。

给 Skill 加一道开工闸门

开工闸门不是让 AI 把问题问得越多越好。

问题太多,读者会烦;问题太虚,业务也答不上来。真正有用的是那些“缺了就会影响判断”的信息。

我现在会让 PRD Skill 在生成前先检查五类信息:

这五项不是固定答案,也不要求所有细节一次齐全。它们分别决定方案方向、当前入口、职责边界、可写规则和落地约束。

判断一项未知是否必须阻止开工,要看它会不会改变目标、可行性、核心规则、系统边界或验收口径。会改变这些关键判断,就停止完整生成;只影响文案和局部细节,可以标明假设,继续生成不受影响的部分。

所以真正的闸门不是“还有没有问题”,而是“剩下的问题会不会让方案方向发生变化”。

我写回 Skill 的规则也不再是“请尽量提问”,而是:

在开始生成 PRD 前,先检查现有输入是否足以支持业务判断。

如果缺少以下任一关键信息,不得自行编造:

1. 业务目标与衡量口径

2. 当前流程和主要痛点

3. 涉及角色与系统边界

4. 已确认的业务规则

5. 明确不能改变的约束

请先输出:

– 已知事实

– 当前理解

– 待确认问题

– 缺失信息会影响的章节

等我确认后,再继续生成完整内容。

这一步看起来会慢一点,但它把人工确认放在了完整生成之前。

以前是我把需求交出去等作业,最后再整篇批改;现在是它先摊开理解,我确认方向后再继续。

真正让我轻松的不是少写了几段文字,而是判断终于按优先级回到我面前:我负责确认方向,AI 负责整理和表达。

让输出分清事实、推断和待确认

信息不足时,Skill 不应该只说“请补充更多信息”。

这句话太空了,下一步仍然不知道怎么做。

更有用的方式,是让它先把内容拆成四部分:

  • 已确认事实:输入材料中明确存在的内容;
  • 当前推断:基于事实形成、但仍需判断的理解;
  • 待确认问题:缺少依据,不能直接进入方案的内容;
  • 受影响章节:哪些部分暂时不能生成或只能生成草稿。

真正的变化不是多了四个标签,而是每一类信息拥有了不同的使用权限:事实可以写,推断必须标,待确认会阻止相关内容继续生成。

还是用积分过期提醒举例,早期版本会直接写:

“系统将在积分到期前 7 天、3 天、1 天分别通过短信和站内信提醒用户。”

后来,我不再把它们当成四份一次性清单,而是让信息状态随着人工补充持续更新:

这不是格式升级,而是可信度升级。 读者终于知道:哪句话可以直接使用,哪句话只是暂时判断,哪句话必须停下来确认。

而且,这不是一次性的分类。每次补充信息或纠正判断后,Skill 都要重新判定信息状态、更新使用权限,并只解锁受影响的内容。

继续生成时如果又暴露新的未知,就再次进入同一轮检查。事实逐轮增加,推断逐轮收敛,待确认逐轮减少,方案也因此逐渐完善。

这一篇只处理“哪些信息有权进入方案”。完整 PRD 应该拆成哪些确认节点、出错后退回哪里,留到下一篇再展开。

改完后,我只看三个行为信号

改完开工闸门后,我先做一次最小验收,不再用“文档是不是更完整”判断修改有没有用。

我只看三个行为信号:未知有没有主动暴露,关键事实不足时有没有停止编造,人工确认有没有发生在完整文档生成之前。

在积分过期提醒案例里,它们分别对应历史异常被主动指出、短信能力不再被擅自补齐,以及确认清单完成前不生成完整文档。

这三个信号不能互相替代。停止编造不等于确认前置,覆盖遗漏也不等于已经主动暴露未知;三项都出现,才能说明开工闸门真的改变了协作行为。

这里只做一次最小验收。怎样保存失败记录、管理版本和设计正式复测,留到第七篇再展开。

这里还有一个边界要说清楚:开工闸门并不等于 AI 可以替我判断业务。

它只是把“我必须判断的地方”提前摊开。

以前这些问题藏在完整文档里,我要自己逐段挖出来;现在它们先被摆在桌面上,变成我可以确认、补充或驳回的内容。

一个成熟的 Skill,不是更会回答,而是更早知道自己不该回答。

总结:会停下来,才算真正开始协作

这一篇完成了从“怎么写”到“现在能不能写”的转换:

  1. 开工前先判断信息是否足以支撑业务结论;
  2. 关键未知阻止完整生成,但不影响安全部分继续推进;
  3. 停下来后不只说缺信息,而是交付事实、推断、待确认和受影响章节;
  4. 是否生效,不看文档更满,而看未知暴露、停止编造和确认前置。

开工闸门没有替人判断业务,只是把必须由人判断的地方提前摆出来。

这一轮最明显的感受,不是“AI 终于更听话”,而是工作重心发生了变化:我不再把大量时间花在逐句排雷,而是集中确认目标、事实、边界和取舍。

AI 接走的是整理和表达,产品经理守住的是判断责任。生成越便宜,决定什么能写、何时能写、由谁确认,越是产品经理的价值。

轮到你:写一段能放进 Skill 的规则

这次不要只列“我希望 AI 先问什么”。

给自己 30 分钟,用一个真实任务完成三步:

  1. 把下面五项检查替换成你岗位里的关键信息;
  2. 把规则写进 Skill,用同一条真实需求重新运行;
  3. 检查它有没有主动拦下一项会改变方案方向的未知。

可以从这个最小版本开始:

在开始生成方案前,先检查现有输入是否足以支持判断。

当缺少以下任一会影响方案方向的关键信息时,不得生成完整方案:

– 业务目标与衡量口径

– 当前流程与已知痛点

– 涉及角色与系统边界

– 已确认规则与待定规则

– 不能改变的历史约束

请先输出:

– 已确认事实

– 当前推断

– 待确认问题

– 受影响章节

等我确认后,再继续生成完整内容。

这段规则只做三件事:定义开工门槛、规定何时停止、规定停止后先输出什么。

如果你做的不是 PRD,也可以把五项检查换成自己的场景:

完成标志: 在一次真实运行中,Skill 会停止完整生成,指出至少一项关键缺口,并把它交还给你确认。

灵魂拷问

例如:

写运营方案 + 默认补齐触达渠道 + 渠道能力未确认时只输出待确认清单

下期预告

系列二 · AI 协作 · 第 6 篇:别让 AI 一口气写完,把一次生成改成可回退流程。

开工前问清楚,只解决了“能不能开始”。一份 PRD 仍然包含一串相互依赖的判断,如果继续一口气生成,任何中途偏差都会让后续章节一起返工。

下一篇继续拆:

  • 一份完整 PRD 应该在哪些节点停下来确认;
  • 目标、流程、规则或系统出错时,分别退回哪里;
  • 怎样让流程看起来变长,实际返工范围变小。

第五篇解决“现在能不能写”;第六篇解决“开始以后,怎样不一口气写到底”。

作者:Zoe产品手记 公众号:Zoe产品手记

本文由 @Zoe产品手记 原创发布于人人都是产品经理。未经作者许可,禁止转载

题图来自 Unsplash,基于CC0协议