两个AI Skills把产品经理从PRD中解放出来

产品经理的日常工作节奏中，PRD（产品需求文档）撰写往往是最耗时又最考验耐心的环节之一。当产品想法还停留在概念阶段时，如何将其转化为结构清晰、可协作的文档？当需求边界模糊、业务方描述笼统时，又该如何高效澄清？传统的AI辅助方式常常陷入"输入一句话，生成一篇文档"的简单逻辑，输出的内容看似完整却难以落地。

概述

第一个Skill工具专注于产品定型环节。它的核心思路是通过多轮澄清对话，将模糊的产品想法逐步整理为结构化的定型文档。在工具启动时，系统会初始化一个包含六个子文档的工作空间，分别对应需求收集、产品定型、用户工作、边界定义、页面流程和待确认问题等维度。这种结构化设计的巧妙之处在于：它不会让AI在没有信息的地方"自作聪明"地编造内容，而是用[待确认]标识保留空白，确保信息的真实性。

PM-Make：从模糊需求到清晰定型文档

第二个Skill则专注于PRD撰写环节。传统的AI写作往往一次性生成整篇文档，结果是结构完整但细节粗糙。PRD-Make采用了截然不同的策略：先制定写作模块计划，再按顺序逐个模块完成，每写完一个模块都需要用户确认、修改或补充后才进入下一模块。这种设计通过两层约束确保质量——模块状态更新和用户确认日志的双重机制，既让AI的注意力聚焦于当前模块，又保证了用户在每个关键节点的控制权。

PRD-Make：分模块、分轮次的PRD生成策略

这两个Skill的共同设计理念是"分步处理"。当LLM被要求一次性完成长程任务时，注意力会被显著摊薄，导致输出质量下降。将复杂任务拆解为多个小步骤，不仅能让AI在每个环节吃满max_tokens，更重要的是在每个"断点"处保留了人工介入和纠错的机会。这种设计呼应了一个重要观点：AI改变的是用户完成任务的方式，而理解其原理后的"约束添加"才是真正释放AI价值的关键。

设计理念：最大化LLM注意力，避免信息失真

值得注意的是，产品定型文档的价值不仅在于支持PRD撰写。在Vibe-Coding场景下，它甚至可以作为Coding Agent的提示词使用，相比直接丢给AI一段PRD，结构化的定型文档能显著提升生成代码的质量和可交互性。这提示我们，产品经理使用AI时，不应只聚焦于"生成"本身，而应更多思考如何通过设计来约束和引导AI，让它真正成为提升工作效率的得力助手而非制造混乱的"聪明"工具。

如有侵权，请联系删除。