面对200页天书般的PRD文档，传统硬啃方法已经失效。本文揭秘一种革命性学习路径：通过AI工具构建最小可行产品原型，在代码实现过程中反向消化复杂业务逻辑。从资金流科目解析到头寸递推公式实战，你将掌握如何用Cursor把晦涩文档转化为可视化的功能模块，让AI成为24小时在线的业务导师，三天内完成从文档恐惧到原型落地的蜕变。

⚠️ 本文适合谁？

• 拿到一份超长PRD/需求文档，看了3遍还是懵的人
• 要做AI Agent产品，但业务逻辑太复杂不知道怎么下手的人
• 想知道“不懂业务的人怎么快速上手一个新领域”的人
• 用Cursor但只会写代码，不知道怎么用它学业务的人

读完你会得到：

• 一个亲测有效的“边写代码边学业务”的完整方法论
• 知道怎么把200页文档压缩成能直接开干的行动清单
• 学会用AI当你的“业务老师”，而不是自己硬啃
• 一个真实的AI财务系统项目从0到1的实战案例（敏感信息已脱敏）

一、故事的开始：我拿到了一份200页的需求文档

事情是这样的。

我接了一个任务：做一个“AI+智能财务资金预测系统”。

客户是三家不同行业的公司，覆盖了教培、电商服务、共享出行三个领域。需求文档发过来，洋洋洒洒200多页，分成两份：

• 一份叫“资金预测用户需求说明书”，讲的是系统要做什么功能
• 一份叫“AI+智能财务Agent需求设计文档”，讲的是AI怎么融入这些功能

我看了第一遍，脑子里只有三个字：看不懂。

什么“资金流科目”、“资金业务”、“映射关系”、“头寸递推”、“时间段配置”、“AI Agent”、“智能归因”……每个字都认识，连在一起就是天书。

我看了第二遍，开始犯困。

我看了第三遍，决定换个方法。

如果文档看不懂，那我能不能先把产品跑起来？跑起来的过程中，遇到不懂的再问AI？

于是，我打开Cursor，开始了“边写代码边学业务”的3天之旅。

二、这个系统到底是干啥的？（先搞明白最核心的问题）

在开始写代码之前，我花了一个小时，只做一件事：用一句话说清楚这个系统是干啥的。

我问自己：如果只能跟别人说一句话，我会怎么说？

答案是：这个系统就是帮公司管钱的“智能导航”。

1. 以前：管钱的人就像开一辆没有导航的车，只能看后视镜（看历史报表），凭感觉猜前面的路（现金流）
2. 现在：这个系统把“导航”装上去，告诉你“前面500米有个坑”（未来哪天会缺钱），“前方拥堵建议绕行”（钱多了怎么投资，钱少了从哪融资）

搞清楚这个，我就有了方向。接下来所有的细节，都是为了实现这个“导航”功能。

三、我的核心方法论：边写代码边学业务

核心思路就一句话：把文档当成“产品需求”，把代码当成“学习工具”，把AI当成“业务老师”。

具体怎么操作？我分三步走。

第一步：先搭骨架，把文档变成看得见摸得着的东西

拿到文档后，我不再逐字阅读，而是快速扫一遍，找出最核心的几个问题：

1. 这个系统是干嘛的？（帮公司预测未来账上还有多少钱）
2. 谁在用？（财务总监、司库经理、资金分析师、业务财务、系统管理员这几个角色）
3. 核心流程是什么？（数据进来 → 预测 → 计划 → 执行 → 反馈）
4. 有哪些核心模块？（基础数据、资金流管理、资金分析与预测、资金计划等）

然后，我打开Cursor，开始搭架子。

我不追求代码完美，甚至不追求能跑通。我只是把文档里的“模块”变成代码里的“页面”和“文件”。

比如，文档里说系统有这些模块，我就建对应的页面：

1. 总览看板页面
2. 资金流管理页面
3. 分析与预测页面
4. 资金计划页面
5. 外汇敞口页面
6. 基础数据页面
7. 数据集成页面
8. AI智能体页面

虽然每个页面都是空的，但当我看到这些页面摆在那里，我对这个系统的全貌就有了直观的感受。

这就像你要盖一栋楼，先把地基和框架搭起来，再慢慢填砖加瓦。

第二步：遇到不懂的，立刻问AI

搭架子的时候，我遇到了第一个拦路虎：“资金流科目”是什么？

按以前的做法，我会在文档里搜，找到定义，硬读，然后似懂非懂。

但这次，我直接问AI。

我问：“用大白话解释一下，资金流科目是什么？就像跟一个完全不懂财务的人解释。”

AI回答：“就是给每一笔钱贴标签。比如你工资到账，标签是‘工资收入’；你还信用卡，标签是‘信用卡还款’。公司也一样，只不过标签更细。”

瞬间懂了。

然后我又问：“那资金业务和资金流科目有什么区别？”

AI回答：“资金流科目是‘大类标签’，比如‘收入’或‘支出’。

资金业务是‘具体事情’，比如‘发工资’、‘买设备’、‘还借款’。一个资金业务可能对应多笔资金流，比如‘银行借款’这个业务，会先有一笔‘借入本金’（流入），然后有‘利息’（流出）和‘还款本金’（流出）。”

一下子清晰了。

我继续问：“那映射关系是什么？”

AI回答：“就是翻译规则。银行流水里写的是‘借方发生额’，我们系统里叫‘支出’。映射关系就是告诉系统：‘借方发生额’等于‘支出’。这样系统才能看懂银行的数据。”

我又问：“时间段配置里的‘天7+周4’是什么意思？”

AI回答：“就是预测的时候，越近的时间看得越细，越远的时间看得越粗。未来7天按天预测，接下来4周按周预测，再往后按月、按季、按年。

这叫‘近细远粗’，因为越远的事情变数越大，看太细也没意义。”

最后一个问题：“头寸递推公式怎么算？”

AI回答：“就是最简单的流水账：期末余额 = 期初余额 + 本期流入 – 本期流出。跟你自己家记账一模一样。今天早上有1000块，工资到账500，还信用卡300，晚上还剩1200。”

五个概念，五个问题，全搞清楚了。

我的方法很简单：遇到任何不懂的词、不懂的逻辑、不懂的规则，立刻问AI。用大白话问，让AI用大白话答。

不要觉得丢人，不要觉得自己应该看懂。文档写得绕，不是你的问题。

第三步：跑通一个最小闭环，再慢慢加功能

概念搞清楚了，下一步就是跑通一个最简单的流程。

我不管什么“多币种”、“汇率折算”、“复杂审批流”，那些都是锦上添花。

我先把最核心的算清楚。

核心是什么？就是那个公式：期末余额 = 期初余额 + 本期流入 – 本期流出。

我在代码里硬编码了几条数据：期初100万，明天流入50万，明天流出30万。

然后让系统算出明天期末是120万。

跑通了。

看到页面上显示“120万”的那一刻，我对整个系统的理解，比看10遍文档都深。

因为我知道了这个数字是怎么来的，每一步的逻辑是什么。

然后，我开始一个一个往上加功能：

• 数据不能硬编码，要从Excel导入 → 做导入功能
• 期初余额不能手动填，要从银行账户取 → 对接银行接口（先mock）
• 预测不能只算一天，要算未来7天、4周、3个月 → 做时间段配置
• 预测结果不能光看数字，要画成图表 → 接ECharts
• 预测结果要能变成资金计划 → 做“下发至计划”按钮
• 要能问AI“下个月会缺钱吗” → 接大模型API

每加一个功能，我都会遇到新问题，然后问AI，然后解决。循环往复。

3天后，一个能跑的原型出来了。而我对整个业务的理解，也到位了。

四、这个方法为什么有效？

我总结了一下，这个方法之所以有效，有三个原因。

第一，从“被动接收”变成“主动探索”。

看文档是被动的，你永远在接收信息，但不知道哪些重要、哪些不重要。写代码是主动的，你必须做出选择：这个字段要不要？这个功能先做哪个？这种“不得不做决定”的状态，会让你更专注，学习效率更高。

第二，把“抽象概念”变成“具体问题”。

文档里的“资金流科目”是个抽象概念，你很难记住。但当你在代码里建了一张表，字段包括“科目代码、科目名称、资金流向、是否期初/期末”，你就会问自己：为什么要有“是否期初/期末”？什么科目算期初？

然后你回去查文档，发现期初科目只能有一个，期末科目也只能有一个。这时候你不仅记住了规则，还知道了为什么有这个规则——因为头寸递推需要知道从哪里开始、到哪里结束。

第三，AI是最好的“业务老师”。

传统的学习方法，遇到不懂的，你要么自己硬想，要么问同事。

自己硬想浪费时间，想不出来还会挫败。问同事，人家也忙，不好意思一直问。

但AI随时在线，而且有耐心。你可以用各种方式问：

• “用大白话解释一下XX是什么”
• “XX和YY有什么区别？举个例子”
• “为什么要XX？没有会怎样？”
• “如果我是小学生，你怎么跟我讲这个？”

我甚至让AI帮我检查理解对不对：“我理解这个功能是干这个的，对吗？不对的话帮我纠正。”

AI就像一个24小时在线的私人教师，不会烦你，不会觉得你笨。

五、我们的完整项目实践：从0到1做了什么

基于这个方法，我们完整地跑通了这个AI财务资金预测系统。以下是我们的实战记录（敏感信息已做脱敏处理）。

第一轮：搞清楚三类客户的核心差异

文档里提到三家客户，分别来自不同行业，各有特点。

我问AI：“这三类客户的痛点有什么不同？”

AI回答（脱敏版）：

A类客户（教培行业）：监管账户多、合规要求高，管理层想看大屏但没能力做

B类客户（电商代运营）：数据散落在多个系统，核心财务还靠Excel，AI要能给决策建议

C类客户（共享出行）：每天大量小额交易，多种结算周期混在一起，付款排程压力大

听完我立刻就懂了：这不是一个通用产品，而是要针对不同客户做差异化交付。

我又问：“那系统要怎么设计才能同时满足这三类？”

AI回答：“核心架构统一，但交付策略不同。A类客户先做账户管理+资金计划+大屏；B类客户先做数据打通+现金流预测+决策建议；C类客户先做付款排程+资金预测+应收应付。”

这个回答让我对产品定位有了清晰的认识。

第二轮：搭建核心模块

根据文档，系统有多个核心模块：

1. 总览看板 – 一屏看清资金大盘
2. 资金流管理 – 每一笔钱的明细
3. 资金分析与预测 – 核心大脑，算出未来现金流
4. 资金计划 – 定预算，超了报警
5. 外汇敞口 – 管理外币风险
6. 基础数据 – 科目、业务类型等配置
7. 数据集成 – 从银行/ERP取数据
8. AI智能体 – 自然语言问答

我一个个模块建页面，每建一个就问AI：“这个模块是干什么的？用户进来会怎么用？”

比如建到“资金流管理”时，我问AI：“资金流管理页面应该有什么功能？”

AI回答：“用户要能看到所有资金流单据列表，可以按单位、业务、币种、金额、日期筛选。可以新增单据、批量确认、导出数据。大额资金流要自动标记为待审核。”

我把这些功能一个个加到页面上，虽然还没写后端逻辑，但前端的架子已经有了。

第三轮：跑通预测算法

这是最核心的部分。

文档里有一个复杂的“头寸递推公式”，还有“时间段配置”的逻辑。

我直接问AI：“用最简单的代码实现这个预测逻辑，不考虑数据库，不考虑性能，只要能跑通。”

AI给了我一版代码，核心就几行：

function predict(期初, 流入列表, 流出列表) {

let 余额 = 期初;

let 结果 = [];

for (let i = 0; i < 流入列表.length; i++) {

余额 = 余额 + 流入列表[i] – 流出列表[i];

结果.push(余额);

}

return 结果;

}

我跑了一下，输入期初100万，流入[50万, 30万]，流出[30万, 40万]，得到结果[120万, 110万]。

看到这个结果，我彻底理解了：预测的本质就是这么简单。

复杂的只是数据从哪里来、怎么展示、怎么处理特殊情况。

然后我问AI：“那‘天7+周4+月3’这种时间段怎么实现？”

AI给了思路：先把时间轴切成段，近的按天，远的按周，再远的按月。每个段内用同样的公式计算。

我按照这个思路实现了时间段配置功能，跑通了。

第四轮：接入AI Agent

文档里提到多个AI Agent，各有不同的职责。

我问AI：“如果我只先做1个，先做哪个？”

AI回答：“先做决策建议类的Agent，因为这是管理层最能直接感知价值的。让老板能问‘下个月会缺钱吗’，系统能回答，这个效果最震撼。”

于是我接了大模型API，做了一个简单的问答框。用户输入问题，系统把预测数据和问题一起发给大模型，大模型返回答案。

效果出乎意料的好。我问“某一天会缺钱吗”，系统回答“根据预测，那天余额将低于安全线，建议提前安排资金调拨。”

虽然背后只是简单的提示词工程，但看起来已经像一个“智能体”了。

六、给同样困惑的你：一份完整的行动清单

如果你也拿到了一份看不懂的需求文档，试试这个流程：

第1步：快速扫描，找出核心模块（15分钟）

不要逐字读，不要试图记住所有细节。快速扫一遍，找出：

1. 这个系统要解决什么问题？（一句话说清楚）
2. 核心流程是什么？（不超过5步）
3. 有哪些主要模块？（不超过10个）
4. 谁在用？（角色不超过5个）
5. 把这些写在白板上，或者记在笔记里。

第2步：搭骨架，让文档“可视化”（1小时）

打开Cursor，把核心模块变成页面、文件、数据表。

不需要写完整逻辑，只需要有“壳”。

比如文档里说有8个模块，你就建8个页面，标题写上模块名。

这样，抽象的文档变成了你可以点击、可以填充的东西。

第3步：遇到不懂的，立刻问AI（持续进行）

不要积累问题，不要硬啃。遇到任何一个不懂的词或逻辑，立刻问AI。

问的时候，用大白话。我的常用问法：

“用最简单的话解释一下XX是什么”

“XX和YY有什么区别？举个例子”

“为什么要有XX？没有会怎样？”

“如果我是小学生，你怎么跟我讲这个？”

“我理解这个功能是干这个的，对吗？不对帮我纠正”

AI的回答，往往比文档清晰10倍。

第4步：跑通最小闭环，再迭代（半天）

1. 不要一开始就想做完美。先跑通最简单的流程。
2. 哪怕数据是硬编码的，哪怕界面丑得要命。只要能跑通，你就有信心了。
3. 比如这个系统，最小闭环就是：输入几笔钱，算出未来余额，展示出来。
4. 跑通这个，你就抓住了核心。然后一个一个往上加功能。每加一个，你对业务的理解就深一层。

第5步：让AI帮你检验理解（30分钟）

原型跑通后，让AI给你出题。

我的常用问法：

“如果我是一个新来的产品经理，你会怎么跟我解释这个系统？”

“这个系统最容易被误解的三个点是什么？”

“用几个问题考考我，看我是不是真的理解了”

看AI的回答，检验自己是不是真的懂了。答不上来的，就是还需要补课的地方。

七、关于信息安全的重要提醒

在做这个项目的过程中，我特别注意了一件事：信息安全。

需求文档里有大量客户信息、业务数据、内部架构。这些东西绝对不能外泄。

我的做法是：

1. 所有代码和文档都在公司内网环境开发
2. 问AI的时候，只问通用概念和逻辑，不问具体客户数据
3. 举例用的数据都是自己编的，不是真实的
4. 写文章分享时，所有客户信息都做了脱敏处理

如果你也要用这个方法，请务必注意：

1. 不要把真实的客户名称、金额、账号等敏感信息输入到公网AI
2. 可以用企业内部部署的AI版本，或者只问通用问题
3. 代码中的敏感配置要用环境变量，不要硬编码

学习方法和具体数据是两回事。方法可以分享，数据必须保密。

八、写在最后：这个方法的核心是什么？

有人说，做AI Agent产品很难，因为业务太复杂、技术太新、文档太厚。

但我的经历告诉我：难的不是业务本身，而是学习方法。

用对了方法，3天就能从“完全不懂”到“能跑通原型、能讲清楚逻辑”。

这个方法的核心，不是死磕文档，而是用代码验证理解，用AI加速学习。

1. 文档是静态的，代码是动态的。 静态的东西你看10遍还是懵，动态的东西你亲手做一遍就懂了。
2. 文档说的是“是什么”，代码问的是“怎么实现”。 当你思考“怎么实现”的时候，你对“是什么”的理解会更深。
3. 文档是别人写的，代码是你自己写的。 自己写的东西，记忆更深，理解更透。

AI在这个方法里扮演什么角色？

1. AI是你的业务翻译官：把文档里的“黑话”翻译成大白话
2. AI是你的私人教师：24小时在线，不懂就问，不会烦你
3. AI是你的代码助手：帮你快速实现想法，验证理解
4. AI不是你的替代品：它的价值不是帮你写代码，而是帮你理解那些文档里说不清、道不明的东西

九、最后一个建议：从今天开始试试

如果你也在做类似的事情，从今天开始试试这个方法：

1. 别再死磕文档了，打开Cursor
2. 把文档里的模块变成页面
3. 遇到不懂的，立刻问AI（注意信息安全）
4. 先跑通最简单的流程
5. 然后一个一个往上加功能

你会发现，原本晦涩难懂的文档，突然变得清晰了。

原本觉得遥不可及的系统，你也能做出来了。

别怕看不懂文档。怕的是，你看不懂还不去动手。

最后送你一句话：

最好的学习方式，不是读，而是做。

最好的老师，不是人，而是AI。

最好的时间，不是明天，而是现在。