AI正在悄然重塑产品经理的工作方式，从竞品监控到需求初稿生成，Agent工具已经接管了大量规则明确的任务。但真正的挑战在于那些需要模糊判断和人际协调的工作——这才是产品经理的核心价值所在。本文将带你深入探讨Vibe PM的现实应用边界，以及如何在这场AI革命中重新定位自己的不可替代性。

01 从”氛围编程”说起

最近”Vibe Coding”这个词突然火了起来。

说的是程序员不用再逐行敲代码，直接用自然语言描述你想要什么，AI 帮你生成可以跑起来的代码。Andrej Karpathy 发了条推之后，这个词就开始在技术圈疯传，然后蔓延到产品圈、运营圈，基本上互联网从业者都开始讨论这件事。

我当时看到这个词的第一反应是——等等，那产品经理呢？

程序员可以”氛围编程”，那 PM 是不是也可以”氛围管产品”？在协作工具里发一句”帮我梳理本周用户反馈的高频痛点并生成需求草稿”，Agent 就帮你干完了——这算不算 Vibe PM？

这个问题我想了挺久，越想越觉得有意思。不是那种”AI 要来抢饭碗了快跑”的焦虑叙事，也不是”AI 只是工具 PM 永远不可替代”的自我安慰——我想说的是，这件事比你想的更复杂，也比你想的更值得认真对待。

02 Vibe PM 已经在发生了，真的！

先把结论放在前面：Vibe PM 不是概念，是正在发生的现实。

我身边有几个做产品的朋友，已经在用各种 Agent 工具接管了相当一部分日常工作。不是说说而已，是真的接管了，而且效果挺好的。我把这些场景整理了一下，发现有几类工作几乎是天然适合被 AI 接管的。

竞品监控这件事，真的不需要人来做了

以前怎么干的？每周花半天时间，挨个打开竞品的应用商店页面，翻评论，看有没有新功能上线，截图存档，然后整理成一份文档发给团队。

现在怎么干？配好 Agent，设定好抓取源，每天早上自动生成一份竞品动态简报，直接推到你的消息里。你要做的只是花五分钟扫一眼，把觉得重要的标记出来。

省了多少时间？原来每周半天，现在每天五分钟。

这件事之所以适合 AI 接管，逻辑很简单：规则明确，输入结构化，评判标准客观。Agent 做这件事比人更稳定，也更快，还不会累。

需求文档的初稿，可以不用从零开始了

以前的流程是：用户访谈结束，PM 回来对着录音和笔记，花两三个小时整理成需求文档。这个过程里大概有 60% 的时间是在做信息转录，真正需要判断力的部分可能只有 40%。

现在可以把录音或者反馈截图扔给 Agent，让它帮你提炼痛点、生成结构化的需求草稿。出来的东西不会完美，但框架是有的，关键信息基本都在，PM 只需要在这个基础上做审核、补充背景判断、加上优先级建议。

我有个做 C 端产品的朋友跟我说，她现在开完用户访谈，当天就能出初稿，以前最快也要第二天。这不是小事，这意味着反馈循环快了将近一倍。

数据报告和会议纪要，直接交出去

埋点数据跑完之后，”把这几个核心指标的变化趋势整理出来，标注超过 15% 的异常波动”——这种任务，Agent 做起来比人更准，也不会漏。PM 只需要关注被标注出来的异常项，不需要从头读数字。

会议纪要这个门槛最低，落地最快。会议录音自动转录，提炼 Action Item，发送跟进提醒，现在工具已经很成熟了。我认识的一个团队，接入自动会议纪要工具之后，跟进项的完成率明显提升了——不是因为大家更认真了，而是因为 Agent 会定时提醒，没有人能假装没看到。

说这些场景，不是为了鼓吹某类工具，而是想说明一件事：如果你还没开始用，不是因为这些工具不够成熟，而是因为你还没有认真去配。

03 但有一道墙，自然语言指令过不去

好了，上面说的那些都是 AI 能做的事。现在说说 AI 做不了的事。

这才是我真正想聊的部分。

我的核心判断是：AI 能处理”规则明确、输入结构化、评判标准客观”的工作；但一旦工作需要”模糊判断、利益协调、情境理解”，自然语言指令就会失效。

这道墙是真实存在的，而且比很多人想象的更清晰。

用户说”不好用”，背后是什么意思

用户反馈”这个功能不好用”。

这句话背后可能是什么？可能是交互设计有问题，点击路径太深；可能是他根本不需要这个功能，是被引导进来的；可能是他在拿你的产品和竞品对比，竞品那边做得更顺手；甚至可能是他今天心情不好，随手打了个差评。

AI 能做什么？它能把这条反馈分类，能统计有多少条类似反馈，能把关键词提炼出来。但 AI 没办法告诉你：这条反馈背后的真实意图是什么，哪个解读才是值得投资的方向。

这个判断需要你带着业务背景去做。你得知道这个功能是为什么做的，当初的假设是什么，这个用户是哪类用户，他的使用场景是什么。这些上下文不在任何数据库里，它在你的脑子里。

这不是信息处理，是意义建构。

我见过一些团队，让 Agent 跑完用户反馈分析之后，直接把高频词拿去做需求。结果就是：做了很多”用户说想要的东西”，但没有做”用户真正需要的东西”。如果你问用户想要什么，他们会说想要一匹更快的马——AI 能帮你统计有多少人说了”马”，但没办法告诉你他们真正需要的是”更快地到达目的地”。

哪个需求先做，从来不是纯粹的技术问题

需求优先级这件事，表面上看是个计算题：用户价值乘以技术可行性除以开发成本，排个序就好了。

但做过产品的人都知道，这个公式只是个起点。

真正决定哪个需求先做的，是一堆在任何数据库里都找不到的变量：老板最近在关注什么，他上周开会说了什么；研发团队这个季度的资源是不是已经排满了；竞品上周刚发布了一个新功能，时间窗口压力有多大；这个需求如果做了，对某个部门是利好还是利空，他们会不会在评审会上卡你。

这些信息存在于会议室里、走廊聊天里、饭桌上的随口一句里。Agent 永远拿不到这些上下文，因为这些上下文根本就没有被结构化地记录在任何地方。

你让 AI 帮你排需求优先级，它能给你一个看起来很合理的结果。但这个结果是在信息严重残缺的情况下算出来的，缺的那部分恰恰是最关键的。

研发为什么对这个需求消极抵抗？

这个问题我觉得是最能说明问题的。

你发现某个功能开发进度一直在拖，研发每次同步都说”在推进”，但就是没有实质性进展。你能让 Agent 帮你解决这个问题吗？。

不能。

这个问题的答案可能是：这个需求的技术方案有一个坑，研发早就发现了但没有正式提出来；可能是某个工程师觉得这个需求的价值根本不值得他花这么多时间；可能是团队内部有一些你不知道的摩擦。

这些问题的解法，是你去找那个工程师喝杯咖啡，认真问他”你觉得这个方案哪里有问题”，然后听他说完，然后一起想办法。

Agent 可以帮你起草这条消息，但它没办法替你去喝那杯咖啡。

04 真正的危险，你可能搞反了方向

很多 PM 现在的焦虑是：AI 会不会把我的工作抢走

我觉得这个焦虑方向搞反了。

真正的风险不是 AI 抢走你的工作，而是你因为不会用 AI、继续亲自做那些低价值工作，导致你的时间成本在团队里越来越难以被证明。

你上周花了多少时间在 AI 能做的事上？

想象两个 PM，面对同样的竞品分析任务：

A 花了两天自己做，做得很认真，报告写得很漂亮。

B 花了两个小时配好 Agent，然后每天自动收到竞品动态简报，多出来的时间用来做用户访谈和战略推演。

两年后，谁的判断力更强？谁对团队的价值更难被替代？

这个答案我觉得不需要我来说。

但我想说一个更深的东西：AI 的出现，实际上是在”强制放大”每个 PM 的决策质量。

以前，一个决策质量一般的 PM，可以靠勤奋和执行力来掩盖。他花了很多时间做竞品分析，花了很多时间写需求文档，这些时间投入本身就是一种可见的贡献，即便最终的判断不够准确。

现在，执行层全部被 AI 承包了。你的时间被解放出来了，但同时，你的决策质量也被赤裸裸地暴露出来了——你用这些时间做了什么判断，这些判断对不对，结果好不好，现在没有任何遮掩。

对优秀的 PM 来说，这是利好。对平庸的 PM 来说，这是加速淘汰。

这不是我在吓人，这是正在发生的事。

05 Vibe PM 的正确姿势：做”指挥官”，不做”执行员”

说了这么多，到底应该怎么做？

我有一个很简单的分类方法：把你每周的工作列出来，对每一项问一个问题——”这件事需要我带着业务背景和人际判断才能做吗？”

如果答案是否，就是 AI 的活；如果答案是是，就是你的活。

听起来简单，但真正执行的时候很多人会发现，他们花了大量时间在”答案是否”的事情上。

先把这四件事配好

竞品监控、数据报告、会议纪要、需求初稿——这四类工作，是最容易配置、落地最快、效果最明显的。

目标是把这四类工作的时间占比降到接近零。

具体第一步：这周选一件事，花半天时间认真配一个 Agent。不要想着一次全部搞定，先把一件事做顺，你会发现比你想象的简单很多。

保护你的”判断时间”

每周至少留出两个整块时间做用户访谈或深度思考。不是半小时，是整块的时间，两小时起步。

原因很简单：你的判断力来自于你对用户、对业务、对市场的真实感知。这种感知不是看报告能得来的，是在真实的用户对话里、在认真思考一个问题的过程中积累起来的。

一旦这个时间被碎片化任务挤掉，你的判断力会快速退化。我见过一些做了好几年产品的 PM，判断力越来越差，不是因为他们不努力，而是因为他们把所有时间都花在了执行层，很久没有认真和用户说过话了。

学会写”高质量的指令”

这一点很多人忽略了。

Vibe PM 的核心技能不是会用工具，而是能把模糊的业务意图转化成清晰的 Agent 指令。

你让 Agent”帮我分析用户反馈”，和你让 Agent”分析最近两周应用商店的一星评论，按照功能模块分类，标注每个模块的高频关键词，并标注其中有明确改进建议的条目”——这两个指令得到的结果，差距是巨大的。

能写出第二种指令的人，其实是在把自己的业务理解和分析框架显性化。这个能力，恰恰是 PM 本来就应该具备的东西。

所以学写好指令，不只是在学用 AI，是在锻炼自己的思维。

具体第一步：下次你让 Agent 做一件事之前，先在纸上把你真正想要的结果写清楚，写到你自己觉得”如果我是 Agent，我能根据这段描述准确执行”的程度，再发出去。

06 最后说一句

Vibe PM 是真实的，但它只解放了你的双手，没有解放你的大脑。

双手的工作，交给 AI。大脑的工作，那是你真正的护城河，也是这个职业最后留下来的东西。

你今天用 AI 省下来的时间，用来做了什么？