当业务老大突然丢来一个5天必须交付的紧急需求时，这位产品经理没有选择熬夜加班，而是用AI重构了整个工作流程。从PRD撰写到可交互原型开发，再到反向提炼可复用的skill体系，最终将原本需要1周的工作压缩至2小时完成。本文揭秘了这套从实战中淬炼出的AI协作方法论，以及如何将个人经验转化为AI可执行的标准化流程。

系列说明：这是「AI 协作」系列二的第一篇——分享下我把”写一份需求”从 1 周压到 2 小时的故事。

从这期开始，公众号会双线并进：系列一「电商产品能力拆解」继续按计划更新，系列二「AI 协作」不定期穿插——一条讲业务系统怎么落地，一条讲我自己怎么用 AI 提效。

这篇不卖”AI 提效 100 倍”的话术，只给一套可以直接抄走的协作骨架。

先讲讲我是怎么被逼到必须用 AI 的

时间：上个季度某个周三下午 4 点。

那天我刚开完一个跨部门评审会，会上业务老大临时加了一个需求：

“下周一上午我要看到一版完整方案，含 PRD、流程图、还要能演示给老板看的原型。”

我心里默默算了一下时间：

5 天，刚刚好周一交付。 5 天，刚刚好周一交付。但这是最理想的情况——前提是中间没有反复推翻、没有跨部门 battle、没有老板说”我感觉不对再改改”。

那天晚上我盯着白板发了 10 分钟呆，做了一个决定：这次我不靠肝，靠 AI。

第一阶段：用 AI 完成一份完整的 PRD + 可交互原型

我先讲清楚一件事——“用 AI 写 PRD”不是把需求丢给它，让它给你输出。这种用法 95% 的人都试过，最后都骂“AI 真的好废”。

真正能用的方式是：你做导演，AI 做剧组。

第一阶段的目标

不是”看看 AI 能不能写”，是要真的交付一份能上评审的完整方案。所以我同时要做三件事：

最后一项是关键——我不要静态原型，我要老板能在浏览器里点击、能操作、能看到状态切换的“可交互模拟器”。这才能撑得起向上汇报的场面。

我踩的第一个大坑：信息密度不够

第一版我是这么开口的：

“帮我写一份关于会员积分体系优化的 PRD。”

AI 噼里啪啦给我吐了一堆”积分获取/积分消耗/积分有效期……”。全是正确的废话。

废话的原因是——我没给上下文，它就只能讲常识。

第二版我学乖了，喂给它的内容是这样的：

结论：你愿意花 30 分钟整理上下文，AI 才能帮你省 3 天。 这就是 AI 协作的第一性原理。

关于”可交互原型”——这是最惊喜的发现

我一开始也以为 AI 只能做静态的 wireframe。直到我换了思路：

“原型不一定要在 Axure 里画，可以直接是一个能跑的 HTML 网页。”

于是我把所有页面、交互、状态切换、Mock 数据，整理成一份”原型需求清单”丢给 AI，让它直接吐 HTML + Tailwind + 一点点 JS 出来。

结果是——老板真的可以在浏览器里点击操作了。 切换 tab、选品、下单、看到积分余额变化、看到不同等级的兑换价差异，完整体验流程。

而且比 Axure 有几个碾压级优势：

关键认知：原型的目的不是“画得像”，是“让人理解需求”。能交互的 HTML 比静态图强 10 倍。

第一阶段产出对比

但这只是第一步。真正让我“封神”的是第二阶段。

第二阶段：把”做出来的东西”反向提炼成 workflow 和 skill

第一阶段干完，我交付完那个需求，已经够下班了。但我心里有个隐隐的不安：

“这次能 1 天搞定，是因为我刚好状态好、刚好运气好、刚好这个需求适合 AI——下一次还能复现吗？”

如果不能复现，那这就是一个偶然，不是方法论。

反向提炼的核心思维

大部分人用 AI 的姿势是：有需求 → 想 prompt → 试结果 → 不行再调。 这是”靠灵感”。

我做的事情是反过来：已经有了一份高质量的产出 → 倒推这份产出的“生产链路” → 把每一个关键节点抽象成可复用的 skill。

三步具体怎么做

Step 1：拆解已交付物——把“长什么样”显性化

我拿着那份交付完的 PRD，用 AI 帮我做了一件事：反向归纳出这份文档的结构模板。

我喂给它的指令大致是这样：

“这是一份我亲手写的 PRD（附文档全文）。请你帮我归纳：① 它的章节顺序；② 每个章节固定使用的内容类型（表格/SVG/JSON 示例 等）；③ 表格的列设计规律；④ 写作语气和句式特征；⑤ 出现频率最高的术语和短语。”

AI 一下子吐出一份结构骨架文档。这就是后来”PRD 生成器”的雏形。

Step 2：还原生产流程——把“怎么做”显性化

光有骨架不够，因为不知道“先做什么、后做什么、卡在哪、怎么校验”。

所以我做了第二件事——把我做这份 PRD 的过程，用一份”复盘日记”写下来：

• 第一步我先做了什么决策？为什么？
• 我跟 AI 来回对话了几次？每次在调什么？
• 我什么时候自己改的，什么时候让 AI 改的？
• 我用什么标准判断“这一版可以了”？
• 把这份日记再喂回 AI，让它帮我抽象成一个 workflow（工作流）：N 个步骤、每一步的输入输出、卡点检查项。

Step 3：封装成 skill——把“我的方法”显性化

到这一步，最关键的一步是：把骨架（Step 1）+ 流程（Step 2）合体，写成一份“AI 可以直接读取并执行”的指令包。

这个指令包就是 skill。它本质上是一段”元 prompt”，告诉 AI：

“下次再有人让你写 PRD，你必须严格按这个章节顺序、用这种表格格式、保持这种文风、走完这套 workflow，最后输出符合这些 checklist 的产物。”

我陆陆续续封装了 5 个 skill：

关键认知：skill 不是 prompt 工程，是把你的“经验”做成了 AI 的“骨头”。

第三阶段：拿 skill 实战验证——2 小时完成一份需求初版

骨架搭完了，是骡子是马得拉出来溜溜。

正好上周又来了一个新需求：给会员资产体系加一块“代金券” 模块。需求复杂度跟第一阶段那个项目差不多——4 个角色、6 个系统、十几个核心场景。

我开了个计时器，开始干。

2 小时干了啥

交付后的反馈

第二天评审会，业务、研发、测试都在场。先是业务直接在浏览器里点了 5 分钟原型，然后扔过来一句：

“这次方案做得很细，跟以前不是一个水平。是不是换了个人来做？”

研发的 Tech Lead 翻了一下接口表和时序图，问的第一句话是：

“这接口字段你们怎么这么快就梳理完整了？是不是早就开始做了？”

我嘴上回答着”前期调研做得比较充分”，心里偷偷打开计时器看了看：120 分钟，节省 95%。

我把这套方法浓缩成 10 条认知（重点看）

如果你只想看结论，这一章节背下来就够了。

关于”用 AI 写 PRD”

1. 上下文密度决定 AI 的下限。 你花 30 分钟整理上下文包，AI 才能省你 3 天。

2. 原型必须能交互。 让业务方点 5 分钟，胜过你讲半小时。HTML 模拟器是 Axure 的天敌。

3. AI 不是替代你，是替代你的“重复劳动”。 写章节骨架、画时序图、补字段表——这些是它擅长的；做业务判断、定优先级、做权衡——还得你。

关于”反向提炼”

4. 不要追着 prompt 跑，要追着产出跑。 谁的产出更稳定，谁的 AI 用得更好。

5. 把“长什么样”和“怎么做”分开归纳。 前者是骨架，后者是流程。两个都齐全才能复用。

6. 第一次靠灵感，第二次靠 workflow，第三次靠 skill。 三次以上才算沉淀。

关于”workflow 和 skill”

7. workflow 是步骤，skill 是元 prompt。 一个 skill 内嵌完整 workflow，AI 拿到就能跑。

8. skill 越具体越好。 通用 skill 就是空话，”电商品牌端会员 PRD 生成器”这种限定到具体场景的才好用。

9. skill 是会进化的。 每次用完都该回头改 skill——把这次踩的坑写进去，下次就不会踩。

关于”长期主义”

10. 真正的护城河，是你能让 AI 干 80% 的活，再用剩下 20% 把它甩开。 80% 是效率，20% 是判断力，缺一不可。

自查清单：你的 AI 协作姿势对不对

能勾对 8 题以上的，你已经超过 95% 的 AI 用户了。

上下文（3 题）

1. 每次让 AI 干活前，会先整理一份“上下文包”吗？ 业务背景 + 角色场景 + 系统约束 + 模板样本，缺一不可

2. 给 AI 看你的历史交付物了吗？ 让它学你的文风，比让它”按通用规范”强 10 倍

3. 把约束讲清楚了吗？ 排期、人力、不能动的接口——AI 不知道这些就只能画”理想态”

产出验证（3 题）

4. AI 出的内容，你逐条 review 了吗？ 不是看排版，是看业务规则有没有错

5. 有没有一份自查 checklist？ 每次交付前过一遍，不靠记忆

6. 异常场景覆盖了吗？ AI 默认只写主流程，异常分支必须你来提

沉淀复用（4 题）

7. 做完一次有没有反向提炼模板？ 还是下次又从头开始

8. workflow 写下来了吗？ 不是脑子里想想，是文档化、可分享

9. 高频任务封装成 skill 了吗？ PRD / 时序图 / 对接方案，哪个不是高频

10. skill 在持续迭代吗？ 每次用完就改一遍，越用越锋利

总结：3 阶段 · 1 张全景图

一句话总结： AI 协作不是”会用 prompt”，是把你做了 8 年的经验，蒸馏成 AI 能调用的能力。