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

Martin Fowler
Martin Fowler
Jina AI
Jina AI
J
Java Code Geeks
Microsoft Security Blog
Microsoft Security Blog
Recent Announcements
Recent Announcements
I
InfoQ
L
LangChain Blog
The Cloudflare Blog
IT之家
IT之家
博客园 - 叶小钗
Apple Machine Learning Research
Apple Machine Learning Research
B
Blog
A
About on SuperTechFans
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
Last Week in AI
Last Week in AI
Blog — PlanetScale
Blog — PlanetScale
罗磊的独立博客
云风的 BLOG
云风的 BLOG
Microsoft Azure Blog
Microsoft Azure Blog
Engineering at Meta
Engineering at Meta
F
Fortinet All Blogs
博客园 - 聂微东
美团技术团队
博客园_首页

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,
状态差、脑子乱?教你用AI理清需求(附提示词模板)
尤里卡高 · 2025-10-30 · via 人人都是产品经理

当你状态不佳、脑子混乱时,最难的往往不是执行,而是“理清到底要做什么”。这篇文章分享我用AI辅助梳理需求的实战方法,并附上可直接套用的提示词模板,帮你在混乱中找回清晰、在低效中重建节奏。

当状态不佳、毫无思绪时,如何让AI帮我们理清需求

一、为什么状态不好时,更需要AI帮你“理清思路”

产品经理常常面临这样一种时刻:

精神疲惫、脑子一团乱、沟通会堆在眼前,但又必须输出清晰的需求文档。

比如你只是模糊地想到:

“我希望后台能清除某个账号的在线状态,让其他人能重新登录。”

但问题是——

这并不是一个“需求”,而是一团模糊的念头。它还没被结构化成能落地的描述。

在这种状态下,继续硬写只会越写越乱、越解释越糊。

这时,最好的做法不是“逼自己想”,而是——让AI来带着你一起想。

二、AI需求澄清的底层逻辑:从“模糊”到“结构化”

我们在项目实操中,用了一套简单却高效的对话式框架,可以称作:AI五步需求澄清法

这套方法既能帮你自己思考,也能让AI带着你一步步把模糊的想法“长成”标准PRD。

第一步:目标澄清(Why)

先不谈功能,先问为什么要做这个

例如:

“这个想法希望解决什么问题?”

“实现后,理想的结果是什么?”

AI会帮你提炼出背后的动机,比如安全隐患、并发控制、客户体验等。

这时模糊的想法开始“聚焦成问题”。

第二步:角色与范围澄清(Who & Where)

AI会继续问:

“这个后台是会员管理平台还是内部系统?”

“谁有权执行?管理员、销售还是客户自己?”

这一步非常关键,它帮你建立用户角色模型系统边界,是后续功能设计的地基。

第三步:场景细化(What)

在角色确定后,AI会继续追问操作场景:

“你希望看到哪些字段?是否支持筛选?是否记录操作日志?”

通过这种连环追问,你脑中那团模糊的雾气开始化为结构化的功能点。

最终形成清晰的功能描述:

“在会员列表中选中某个会员,可查看账号在线状态、最近登录时间、登录IP,并可点击‘踢下线’立即清除登录状态。”

这,就是标准的PRD“功能描述段落”。

第四步:逻辑补全(How)

AI会帮你进一步完善:

  1. 异常提示如何设计?
  2. 是否要限制同时在线人数?
  3. 是否支持批量操作?

这让需求具备“可开发性”,不是一句空话,而是能交给研发的落地方案。

第五步:扩展与进化(Next)

最后,AI会总结出潜在扩展项:

“未来可加入操作日志、地理位置、设备信息、批量踢下线功能。”

于是,你不仅解决了当下的需求,还顺带完成了产品迭代预案

三、案例:从一段模糊描述到完整PRD的演化

我们把前面的真实对话过程简化成一个“对照表”,看看AI是如何一

步步帮我们理清思路的:

短短5轮对话,从“毫无思绪”变成一份可交付的功能说明。

四、方法论背后的底层思维

这其实是一种结构化思考外化法

当我们状态不好时,脑中短时记忆容量不足,容易被信息洪流淹没。

而AI能扮演“结构镜像”的角色——帮你把模糊的认知倒出来、分类、重组。

从心理学角度,这类似一种外部化思考过程。

你不必强行“想明白”,你只需要让AI不断提问、你不断回答,思路就自然被清理出来。

五、实操建议:当你“想不出需求”时,怎么让AI帮你想?

可以直接复制下面这个提示词模板

我现在对一个需求只有一个模糊的想法。

请你扮演“需求澄清专家”,通过一系列分层提问,帮助我一步步理清思路。

你的提问需遵循以下阶段结构:

1)目标澄清(Why):探究想法背后的动机、痛点、理想结果。

2)对象与场景(Who / Where):明确需求针对的用户、使用场景、触发条件。

3)功能与边界(What):拆解核心功能、非目标、输入输出、边界范围。

4)路径与优先级(How):识别可行方案、实现路径、阶段划分与优先级。

5)验证与衡量(Success):明确成功指标、验证方式、可能风险。

每次只提2~3个关键问题,等待我回答后再推进下一阶段。

如果我描述含糊,请帮我用更清晰、结构化的语言复述与补充。

这个模板的神奇之处在于:它能把“我现在脑子一团乱”这种无序状态,转化成一个有节奏、有反馈的对话过程。

你不再孤军奋战,而是与AI共同建模思考。

六、写在最后:AI不是工具,而是思维镜子

AI不会替你思考,但它能让你的思考变得有形、有逻辑、可复盘

在状态不佳的时候,它就像一个安静的对话伙伴——

不催你、不打断你,只是问出那些让你“终于理顺”的问题。

你会发现,原本写不出来的需求、画不出来的流程、理不清的逻辑,在一次次AI引导中,都被你自己“重新想明白了”。

这,才是AI协作的真正价值。

本文由 @尤里卡高 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