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

云风的 BLOG
云风的 BLOG
Forbes - Security
Forbes - Security
IT之家
IT之家
I
InfoQ
The Register - Security
The Register - Security
宝玉的分享
宝玉的分享
罗磊的独立博客
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
GbyAI
GbyAI
Recorded Future
Recorded Future
Google DeepMind News
Google DeepMind News
U
Unit 42
V
Visual Studio Blog
Cyberwarzone
Cyberwarzone
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
I
Intezer
Project Zero
Project Zero
L
LINUX DO - 热门话题
Blog — PlanetScale
Blog — PlanetScale
大猫的无限游戏
大猫的无限游戏
Vercel News
Vercel News
博客园 - 三生石上(FineUI控件)
Stack Overflow Blog
Stack Overflow Blog
D
Darknet – Hacking Tools, Hacker News & Cyber Security
T
The Blog of Author Tim Ferriss
博客园 - 聂微东
H
Hackread – Cybersecurity News, Data Breaches, AI and More
P
Privacy & Cybersecurity Law Blog
Know Your Adversary
Know Your Adversary
美团技术团队
博客园 - Franky
F
Full Disclosure
P
Privacy International News Feed
NISL@THU
NISL@THU
MyScale Blog
MyScale Blog
C
CERT Recently Published Vulnerability Notes
Microsoft Security Blog
Microsoft Security Blog
P
Palo Alto Networks Blog
小众软件
小众软件
S
Secure Thoughts
T
Threat Research - Cisco Blogs
Schneier on Security
Schneier on Security
PCI Perspectives
PCI Perspectives
MongoDB | Blog
MongoDB | Blog
M
MIT News - Artificial intelligence
Help Net Security
Help Net Security
S
Securelist
Google Online Security Blog
Google Online Security Blog
L
Lohrmann on Cybersecurity
Y
Y Combinator 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,
产品经理AI工作流实战(1):跑通需求到原型第一步
Ben的AI实验室 · 2025-04-28 · via 人人都是产品经理

自上一篇政企产品经理AI工作流介绍发布后,身边不少同行朋友尝试并反馈:

由于不熟悉与AI工具的交互,因此卡点很多容易劝退。

因此,本篇将聚焦【需求 → 原型】阶段,通过一个实操项目,分享详细的工具使用、提示词技巧和一些心得,希望对感兴趣的同学有所帮助。

前置准备:工具 & 心态

1. 工具准备

上网工具(强烈建议):这将使你访问各类工具更加丝滑。

Google账号(强烈建议):本文所有推荐工具都支持Google一键登录,简化注册流程。

浏览器收藏夹分类(强烈建议):创建两个收藏夹,分别存放大模型网站(GPT/DeepSeek等)和AI原型构建工具(Lovable/v0等)。浏览器通常支持一键打开收藏夹所有网页,这个功能在同时给多个AI工具派活时非常提效。

2. 心态调整

  • AI只会做你说的,而不是你想的:很多时候你以为你说清楚了,实际上并没有。如果不信,不妨将你给AI的提示词发给朋友,看他能否不追问的情况下就理解你要做什么。不过别急,后文我也提供了提示词模板。
  • 输出内容具有随机性,保持耐心:一击即中是少数,千万不要因单次效果不佳而全盘否定AI的能力。效果不好看上一条。从需求到最终产品,可能涉及数百次交互,耐心是关键。

✏️关于下文的示例项目:

本想拆解过往项目(www.aiben.cc),发现复现困难或不便公开。

因此,索性从0开始做一个新项目,并进行详细记录。不过仅为演示工作流所用,并非商业产品开发流程,跳过了市场洞察与可行性分析等过程。

话休烦絮,我们开始!

一、需求整理:从模糊到清晰

1. “倾倒”想法

需求的初始形态往往是零散的:会议记录、口头描述、初步想法等。

别担心格式或结构,先将所有想法“倾倒”出来,结合提示词交给AI帮你梳理。

比如我这个项目初始想法:

过年时,看到奶奶为儿女准备粿和粽子,这让我意识到,自己和许多同龄人并不掌握这些传统手艺。

同时,身边很多长辈身怀各种“绝技”(如毛笔字、手工艺等),若不传承,这些宝贵技能可能会逐渐消失。

由此萌生一个想法:能否创建一个平台,连接对某项技能感兴趣的年轻人与掌握该技能的老年人?让长辈的知识和经验得以传承,惠及年轻一代。

2. AI梳理需求

这个初始需求还比较模糊,仅是一个有初步构想。接下来让AI梳理,明确需求框架。

我同时向GPT-4o、Gemini和 DeepSeek 发出请求,让它们分析这个想法。

提示词如下:

# 角色你是一位经验丰富的产品经理和需求分析师。

# 背景

我正在构思一个[老年人与年轻人之间经验传承的平台]。

# 原始需求

1.信息发布功能:-老年人(姓名,年龄,愿意传授的技能,位置)-年轻人(姓名,年龄,想要学习的技能,位置)

2.搜索和匹配功能

3.聊天功能

4.同时支持web和手机端

5.……

# 任务

请帮我将以上这些零散模糊的需求进行结构化整理和分析,输出一份清晰、有条理的需求文档。

# 注意事项

请务必确保输出的需求符合最小可行性原则,不要肆意扩充需求以免增加项目开发难度。

AI们的反馈如下:

3. 人工审核

读了各AI的回复后,我认为Gemini的输出最贴近我的初衷。

在其基础上稍作修改,形成了以下MVP(最小可行产品)需求文档:

# 项目名称:代际经验传承互助平台 (MVP)

## 1. 引言

本需求文档旨在为“代际经验传承互助平台”的最小可行性产品(MVP)阶段提供核心功能和非功能性需求定义。平台的核心目标是搭建一座桥梁,连接拥有特定生活或专业技能的老年人与渴望学习这些技能的年轻人,促进经验的传承和知识的交流。MVP阶段将专注于实现用户信息的发布、搜索匹配及基础沟通能力。

## 2. 项目目标 (MVP阶段)

* 验证代际间技能传承的意愿和模式可行性。

* 实现用户(老年人、年轻人)的基本信息注册和发布。

* 提供基于技能和位置的基础搜索和匹配功能。

* 支持用户间的初步在线文字交流。

* 为后续迭代收集用户反馈。

## 3. 用户角色

本平台MVP阶段主要服务两类用户:

* **经验传授者 (老年人用户):**愿意分享自己的技能、经验或知识的老年人群体。

* **经验学习者 (年轻人用户):**希望学习特定技能、获取人生经验或知识的年轻人群体。

## 4. 核心功能需求 (Functional Requirements)

基于MVP原则,我们将核心功能分为以下几个模块:

### 4.1 用户管理模块

* **FR-UM-01: 用户注册**

* 用户应能够通过手机号+验证码或邮箱+密码的方式注册账户。

* 注册时用户需选择自己的角色:经验传授者 (老年人) 或 经验学习者 (年轻人)。

* 注册时需填写基本信息(详见 FR-UM-02)。

* **FR-UM-02: 个人资料创建与编辑**

* **通用信息 (注册时必填,后续可编辑):**

* 昵称 (建议使用昵称保护隐私)

* 年龄范围 (如: 50-60岁, 60-70岁, 70岁以上 / 18-25岁, 25-35岁) – MVP阶段不要求精确年龄。

* 所在城市/区域 (精确到区县级别即可,保护隐私)。

* 简单的个人介绍/宣言。

* **经验传授者 (老年人) 专属信息:**

* 愿意传授的技能列表 (支持用户输入技能名称/关键词,可添加多个)。

* 技能描述 (简要说明能传授的内容)。

* **经验学习者 (年轻人) 专属信息:**

* 想要学习的技能列表 (支持用户输入技能名称/关键词,可添加多个)。

* 学习目标/描述 (简要说明想学什么)。

* 用户应能够随时修改自己的个人资料信息。

* **FR-UM-03: 登录与退出**

* 用户应能够使用注册凭证(手机号/邮箱 + 密码/验证码)登录。

* 用户应能够主动退出当前登录状态。

### 4.2 信息发布与展示模块 (与个人资料关联)

* **FR-IP-01: 个人主页展示**

* 每个用户都应有一个可公开访问的个人主页 (对其他已登录用户可见)。

* 主页应展示用户公开的个人信息 (昵称、年龄范围、位置、个人介绍)。

* **经验传授者主页:**重点展示“愿意传授的技能”列表和描述。

* **经验学习者主页:**重点展示“想要学习的技能”列表和描述。

* 主页上应提供“联系TA”或“发起聊天”的入口 (见 FR-CM-01)。

* **FR-IP-02: 技能信息列表 (列表页)**

* 系统应提供一个列表页,展示所有经验传授者公开的技能信息摘要。

* 列表项应包含关键信息:经验传授者昵称、年龄范围、部分技能关键词、位置。

### 4.3 搜索与发现模块

* **FR-SD-01: 技能搜索**

* 经验学习者应能够在技能信息列表页通过输入技能关键词进行搜索。

* 搜索结果应展示包含该关键词的经验传授者列表。

* **FR-SD-02: 位置筛选**

* 经验学习者应能够根据城市/区域筛选经验传授者列表。

* 可以与技能搜索结合使用 (搜索某个位置的某种技能)。

### 4.4 沟通模块

* **FR-CM-01: 发起聊天**

* 在用户主页或搜索结果/列表页,用户可以点击按钮向对方发起聊天。

* 发起聊天后,双方进入聊天会话界面。

* **FR-CM-02: 文字聊天**

* 在聊天会话界面,双方应能够发送和接收文字消息。

* 聊天界面应显示消息发送时间和发送方。

* **FR-CM-03: 会话列表**

* 用户应能够查看所有正在进行或已有的聊天会话列表。

* 列表应显示会话的对方昵称和最新一条消息摘要。

## 5. 非功能性需求 (Non-Functional Requirements)

* **NFR-PF-01: 平台支持**

* MVP版本先满足Web端浏览器访问,不做移动端。

* **NFR-US-01: 可用性**

* 界面设计应简洁明了,考虑到老年用户的操作习惯 (如字体大小、按钮清晰度)。

* 核心流程(注册、发布信息、搜索、聊天)应流畅易懂。

4. 本节小结

  • 记录原始想法:将初步需求写下来,不必追求结构和格式。
  • AI辅助梳理需求:利用大模型(如上文提示词示例)将杂乱信息归类、提炼,形成结构化需求框架。
  • 人工审核确认:微调AI生成的内容,删除不必要信息(比如AI的客套话),确保符合初衷。

判断是否可以进入下一步的标准:

这份需求文档能否回答:“这个产品/项目,最终是为了解决谁的什么问题?想要达到什么样的核心目标/结果?”

如果能,则基本合格,进入下一步!

二、原型设计:让AI把想法具象化

有了清晰的需求文档,下一步是让AI工具构建原型。这个过程充满惊喜,你会看到想法迅速变为可见可交互的界面。

我的原型成果链接如下,想先看下效果的可以点击查看(建议电脑端打开):

Lovable 生成的原型:https://preview–legacy-learn-share.lovable.app/

Bolt.new 生成的原型:https://elde-youth-bridge-bolt.netlify.app/

1. 工具简介

热门产品:v0.dev, Lovable, Spring.new, Bolt.new 等。这些工具均为国外开发,界面为英文。

  • 功能:这类AI工具被称为“NL to APP”(自然语言构建应用)。与返回文本的大模型不同,它们能根据你的指令完成产品设计、搭建技术框架、编写代码,并提供实时可预览的Web应用。
  • 注册:首次使用通过Google账号一键登录(需科学上网)。若无,则需邮箱注册。
  • 价格:都提供免费试用额度(如每日对话次数或Token限制)。例如,Lovable免费版每日限5次对话。付费订阅一般在20美元/月左右,丰俭由人。

我的策略:同时使用多个工具完成同一任务,进行“赛马”,择优采用,也能有效利用免费额度。

2. 开始构建

step1:一次性打开收藏夹中的多个工具,将整理好的需求文档输入。

step2:工具接收指令后,会开始分析需求并构建应用。

界面通常左右布局:左侧为对话区,右侧为预览/代码区。

无需担心代码,构建完成后会自动跳转到预览界面(若无跳转可尝试刷新)。

step3:构建过程中可能出现如下报错。别担心,它们都提供了【Fix with AI】的按钮。点击让AI尝试自行修复。

step4:AI构建过程中,可以去喝杯茶,点击前往原文查看录屏

step5:等待约5-8分钟,大功告成,开始审阅AI的成果,点击前往原文查看录屏

step6:生成的原型可以通过链接分享查看。

  • Lovable和v0.dev生成的链接可直接分享给他人访问。
  • Spring.new需要对方登录。
  • Bolt.new目前暂不支持直接分享链接查看。

3. 常见问题

问题1:反复报错 / 空白没有预览画面等:

可能原因:需求描述过于复杂或有歧义;工具本身临时性问题。

解决方案:

  • 点击“Fix with AI”或类似按钮尝试修复。
  • 简化需求描述,开启新会话重试。
  • 更换其他AI原型工具,千万不要耗着。

问题2:整体效果不满意:

可能原因:输入的需求指令不够清晰;AI理解偏差或随机生成效果不佳。

解决方案:

  • 记录不满意点:具体列出问题(例如:颜色太花哨、布局太拥挤、缺少某些关键功能等)。
  • 开启新对话 (推荐):同一个工具新建会话或换一个工具,重新输入核心需求,并明确加入对不满意点的反向要求。例如:“请确保应用采用极简风格,配色朴素,主色调不超过三种。”
  • 在当前基础上对话修改:尝试通过对话让AI调整。但这容易陷入反复拉扯,且会较快耗尽免费额度。

问题3:部分效果不满意:

具体表现:某个组件、某个细节不符合预期。

解决方案:

  • 截图+对话:截图指出具体位置,用文字描述修改要求。例如:“截图中的【发送】按钮位置太靠下,请将其高度与旁边的输入框对齐。”
  • 直接修改(部分工具支持):如Lovable提供“Edit”功能,允许直接在预览区修改文字、调整组件大小边距等。

4. 本节小结

  • 重视首轮提示词:首轮指令质量很大程度决定原型基础。若效果不佳且越改越乱,不如优化指令后重新开始。
  • 抓大放小:此阶段目标是获得一个框架合理、主要功能齐全、风格大致符合要求的原型骨架,而非追求完美的最终产品(除非需求极简)。
  • 接受不完美:允许存在细节瑕疵(如图标、间距),这些问题可在后续“工程化实现”阶段精调。

三、总结回顾

前置准备

  • 备好科学上网工具和Google账号,提升效率。
  • 整理好工具收藏夹,便于快速访问多个工具。
  • 接受AI输出的随机性,拥抱迭代过程。

需求整理

  • 先自由记录想法,再利用大模型进行结构化梳理。
  • 人工审核并微调,明确产品核心目标与范围。

原型设计

  • 多试不同的“NL to APP”工具,不同的工具会给你不同的惊喜。
  • 有报错就点“Fix with AI”,没画面就刷新会重开会话。
  • 接受初步结果的不完美,获取满意的原型骨架即可。

✏️小贴士

  • 保存有效提示词:请及时保存效果好的提示词,构建模板库,方便复用。
  • 了解前端基础(按需):适当学习前端知识有助于理解和修改原型。
  • 关注工具更新:AI工具迭代迅速,新功能可能带来更爽的体验。

希望本文细化的步骤和技巧,能助你顺利跑通AI工作流的前半段!

在后续的文章中,我将继续讲解如何将原型转化为可运行的最小可行性产品,包括项目导入、环境配置、产品功能调整、部署上线和PRD文档撰写等流程。

未完待续……

作者:Ben的AI实验室 公众号:Ben的AI实验室

本文由 @Ben的AI实验室 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

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务