写 PRD、画原型、整理会议纪要、做汇报材料，这些当然都是 AI 能做的事。但更值得一试的是，让一个原本只停在脑子里的小想法真正跑起来——比如为了少刷几十次小程序，给自己做一个网球场空场提醒。

上一篇写了我对产品经理使用 AI 的一些思考。

写 PRD、画原型、整理会议纪要、做汇报材料，这些当然都是 AI 能做的事情。

但写完之后，我又觉得，如果我们对 AI 的理解只停留在“工作提效”，其实还是有点窄了。

AI 真正有意思的地方，不只是帮我们把原来的工作做快一点做好一点。

它还可以让一个原本只会停留在脑子里的小想法，真正的、快速的跑起来。

前几天，我就拿自己生活里一个很小的麻烦做了次尝试。

一、我只是想订个晚上的网球场

我平时会去打网球。

家附近有一家网球场，位置比较合适，但晚上的场地经常很难订。尤其是七点到九点这种大家都有空的时间，商家会优先安排自家的教练课，对外开放出来的场地本来就很少，打开小程序的时候往往已经全部约满了。

但是我们经常刷经常刷之后发现，当天商家可能会临时放几个场地出来，偶尔也会有人退订，所以有时候捡漏的几率还挺高的。

问题是，这种空场什么时候放出来完全不确定。可能上午出现，也可能下午突然有人取消；有时候只存在十几分钟，等我想起来再去看，已经被别人订走了。

如果真想捡漏，就得隔一会儿打开一次微信，再进入小程序，切换今天和明天，横向查看十几片场地。

说实话，为了打一小时球，一天盯几十次小程序，实在有点折磨。

于是我问 AI：

这就是最初的需求。

没有需求文档，没有流程图，也没有什么宏大的产品设想。

就是一句非常生活化的话：有场子的时候，提醒我。

二、第一版能跑，但离“能用”还差得很远

AI 一开始给出的方案很直接：定时打开微信小程序，查看预约页面，发现空场后通知我。

听起来已经解决了问题。

但真正开始做，细节很快就冒了出来。

首先，什么叫“有场子”？

小程序里的时间是按半小时切分的，而这个场馆要求至少一小时起订。单独空出半个小时，其实没有意义，都不值得我特意跑一趟。监控不能只看到一个白色格子就提醒，而要判断同一片场地是否有连续两个可预约时段。

其次，到底查哪些时间？

我只关心当天和第二天，也只看晚上七点到九点。白天的场地再多，对我也没有价值。

再比如，提醒发到哪里？

最开始可以在 AI 工具里提醒，但我不可能一直盯着它。后来我想到飞书，因为工作日基本都会在线，手机也能及时收到消息。

于是我们又一起创建了一个飞书机器人，配置发消息权限，找到我的用户 ID，再发一条测试消息验证整条链路。

到这里，第一版勉强跑通了。

每半小时看一次小程序，发现当天或次日晚间有连续一小时的空场，就给我发飞书。

但很快，我又发现一个很现实的问题。

这套方案依赖我的电脑，也依赖微信小程序一直开着。

电脑一旦休眠、关机，或者小程序被我顺手关掉，监控就失效了。

它不是一个真正的提醒工具，更像是找了个人坐在我的电脑前，定时替我看一眼。

三、真正的改进，不是多加功能，而是不断处理“不好用”

我问 AI，能不能让电脑关机之后也继续监控。

接下来，我们开始尝试寻找小程序背后的场地查询方式。

过程并不顺利。

装了网络调试工具，开启了临时抓包，结果发现微信小程序并不走普通的系统代理；又尝试了其他办法，绕了一圈，最后才找到它查询场地时使用的、无需登录的只读查询接口。

这个接口只返回场地和时段状态，不需要登录，也不涉及占位、下单和支付。

找到它之后，整个方案才真正发生了变化。

以前是让 AI 像人一样盯着页面看。

现在则是直接读取结构化的场地数据，判断每片场地哪些时间可订，再把符合条件的结果发给我。

不再依赖微信，也不需要小程序一直开着。

随后，AI 又把这套监控程序放到了云端，让它每半小时自动执行一次。飞书的密钥单独加密保存，不写进程序；每次只做查询，不会替我下单，更不会碰支付。

看起来终于完成了。

但真实世界特别擅长给“已经完成”的产品补课。

跑了一段时间后，我又陆续提出了几个修改：

1号中心场价格太贵，我不会订，所以没必要监控；最开始为了避免骚扰，我要求每天只提醒一次，后来发现如果第一次没来得及订，后面再出现空场还是应该继续提醒，于是改成每次轮巡发现空场都通知；再后来，明明下午放出过几次场地，我却一条消息都没收到。

继续排查后才发现，不是场地判断错了，也不是飞书发送失败，而是云端定时任务出现了延迟和漏跑。

于是又调整了云端执行时间，避开容易拥堵的整点和半点；同时增加本机兜底任务：先检查云端最近有没有正常运行，只有云端失效时才补查，避免两边重复发送。

本以为这次总该结束了。

结果每次本机兜底运行，PowerShell 窗口都会闪一下，抢走正在工作的焦点。

这个工具确实开始提醒我了，也确实开始打扰我了。

所以最后又把兜底任务改成了完全静默的后台运行。

到这一步，它才变成现在的样子：

每半小时查询当天和第二天晚七点到九点的场地；跳过价格太高的1号中心场；只认连续一小时以上的可预约时段；每次轮巡只要符合条件就发飞书；云端异常时由本机静默兜底；不打开微信，不自动下单，也不碰支付。

回头看，最初那句“有场子的时候提醒我”，和最后真正能用的东西，中间隔着一长串当时根本没想到的问题。

四、这件小事，让我重新理解了怎么使用 AI

以前我们说使用 AI，很容易想到一句提示词换一个结果。

让它写一篇文章，生成一张图，做一份 PPT，或者给一段代码。

这些当然也是在用哈。

但这次尝试让我感受更深的是，AI 更适合被当成一个可以持续协作的搭档，而不是一个“一次性交作业”的工具。

我并没有一开始就把所有需求想清楚。

事实上，我只知道自己不想反复刷小程序。

至于孤立的半小时时段算不算、电脑休眠怎么办、提醒发到哪里、一天提醒几次、某片场地要不要排除、云端调度失败怎么处理，这些都是在实际使用中一点点暴露出来的。

这其实和做产品很像。

用户最初说出来的，通常只是一个目标，不是一份完整方案。

如果 AI 只是严格执行第一句话，我们最后得到的大概率只是一个“可以演示”的东西。

真正让它变得可用的，是后续不断观察、反馈和修正：这一步能不能跑，那一步会不会漏，异常发生时怎么办，它解决问题的同时有没有制造新的问题。

说白了，AI 可以帮我写程序、查问题、配置通知，也可以在某条路走不通时换一种办法。

但“现在这样到底好不好用”，仍然需要我自己判断。

五、产品经理的创造力，常常藏在一句“这也太麻烦了”里

做完这个小工具之后，我开始重新理解产品经理的创新力和创造力。

我们一说创新，很容易想到一套全新的商业模式、一个改变行业的产品，或者某种从来没有人做过的技术。

这些当然是创新。

但产品经理日常能接触到的创新，很多时候没有这么宏大。

它可能就藏在一句“每次都要这样操作，也太麻烦了”里，藏在一个大家已经习惯、却始终不太合理的流程里，也藏在生活中那些反复消耗时间、但因为问题太小，一直没人专门解决的地方。

为了订一小时网球场，每天打开几十次小程序，是一个小问题。

半小时的空场虽然可以预定，但对于用户使用没有实际的意义，是一个小问题。

电脑休眠后监控失效、云端任务偶尔漏跑、后台窗口总是抢焦点，也都是很小的问题。

可产品经理的工作，本来就是不断发现这些不顺手、不合理、不够好的地方，然后想办法让它往前走一步。

创造力不一定表现为凭空想出一个惊天动地的点子。

更多时候，它是你愿不愿意多问一句：这件事一定只能这样吗？有没有可能换一种方式？

以前，很多想法会停在这里。

不是因为它没有价值，而是实现成本太高。为了一个只服务自己的小需求，专门找开发写程序不现实；自己从头学技术，又很可能还没学会就先放弃了。

AI 把尝试的门槛降了下来。

它不会自动替我们发现生活中的问题，但当我们发现问题之后，它可以陪着我们把一个模糊的念头，慢慢试成一个能运行的东西。

从这个角度看，AI 对产品经理的意义，不只是写 PRD 更快、画原型更快。

它让产品经理的想法离验证更近了。

以前我们提出一个想法，还要考虑有没有研发资源、能不能排进版本、值不值得投入。现在有些小想法，可以先自己做一个最小的尝试，先让它跑起来，再看它有没有价值。

哪怕最后只解决了自己的一个小麻烦，这个过程也完整地经历了发现问题、明确需求、设计方案、验证结果和持续迭代。

这本身就是一次很具体的产品实践。

现在大家都在讨论 AI 浪潮。

有人焦虑会不会被替代，有人本能地排斥，也有人追着每一个新工具跑，生怕自己落后。

但浪潮已经来了，站在原地跟它对抗，其实没有太大意义。

对普通人来说，更现实的选择，是先看懂它能做什么，再想清楚自己能借它做什么，学会借势启力。

不必一开始就做一个多么完整的产品，也不必急着证明自己掌握了多么高级的技术。

先从身边一个真实的小问题开始，借它一点力，往前走一小步。

小一点没关系，笨拙一点也没关系。

重要的是，我们没有站在浪潮前面反复证明自己不需要它，而是开始学着顺着它的方向，找到自己的发力点。

之前我一直在说，AI 时代产品经理更重要的能力，是判断什么值得做。

而这次我更想说，判断之后还要有把想法变成现实的行动力。

产品经理的创新力和创造力，很多时候就潜藏在那些不起眼的小事里。以前我们看见了，也只能先放在那里；现在，我们终于多了一种把它做出来的可能。

从一个网球场提醒开始，确实很小。

但我们终究是在顺势而为。