第15章 AI 时代的产品经理
2023年大模型爆发后，所有人都在问同一个问题："产品经理会被AI替代吗？"我的答案是：不会被替代，但会被"会用AI的产品经理"替代。
我是怕浪猫，这一章不讲AI技术原理（你要的不是这个），只讲AI时代产品经理的能力升级路径。
15.1 AI 对产品经理的影响
15.1.1 AI 能替代产品经理的哪些工作
AI能替代的：重复性、规则性、可描述的工作。
AI能替代的具体工作
| 工作类型 | AI能做什么 | 示例 | 效率提升 |
|---|---|---|---|
| 竞品功能对比 | 自动抓取竞品功能并对比 | "帮我对比微信和钉钉的群聊功能" | 5-10倍 |
| 用户反馈分类 | 自动分类和归纳反馈 | 把1000条用户反馈按主题分类 | 10-20倍 |
| 数据报表生成 | 自动生成数据分析报告 | "分析上周的用户留存数据并生成报告" | 3-5倍 |
| PRD初稿撰写 | 根据需求描述生成PRD框架 | "帮我写一个搜索功能的PRD框架" | 3-5倍 |
| 原型线框图 | 根据描述生成线框图 | "画一个电商首页的线框图" | 2-3倍 |
| 会议纪要整理 | 自动提取关键决策和待办 | 录音转文字后自动生成纪要 | 5-8倍 |
| 用户画像梳理 | 从数据中归纳典型用户特征 | "根据这批用户数据生成用户画像" | 3-5倍 |
怕浪猫要提醒你一个关键点：AI替代的不是"工作"，是"工作中的重复部分"。竞品分析AI能帮你做表格，但"判断竞品哪个功能值得学"这件事，AI做不了。数据报表AI能帮你生成，但"从数据中发现商业机会"这件事，AI也做不了。区分清楚这两件事，你就不会焦虑了。
AI不能替代的：创造性、判断性、责任性的工作
| 工作类型 | 为什么AI不能替代 | 示例 |
|---|---|---|
| 产品方向决策 | 需要综合判断和商业嗅觉 | "我们应该做社区功能吗？" |
| 用户体验设计 | 需要深度理解用户 | "这个交互设计用户会觉得好用吗？" |
| 跨团队协调 | 需要人情世故和沟通技巧 | 说服研发接受紧排期 |
| 产品价值观决策 | 需要道德判断 | "这个功能会不会伤害用户？" |
| 创新性需求洞察 | 需要从模糊信号中发现机会 | "用户说的和用户想要的不是一回事" |
| 战略级取舍 | 需要承担决策后果 | "砍掉这个功能会影响多少人？" |
15.1.2 AI 时代产品经理的新能力要求
AI时代的产品经理，需要掌握五类新能力。前三类大家可能已经听过，后两类是怕浪猫觉得被严重低估的。
能力一：AI工具的使用能力
不是"会用ChatGPT聊天"，而是"能用AI提升工作效率"。
具体表现：
- 用AI辅助写PRD：先让AI生成框架，再人工精修
- 用AI做竞品分析：让AI帮你整理竞品功能的对比表格
- 用AI生成原型：用AI工具（如Galileo AI）快速生成界面原型
- 用AI辅助数据分析：让AI帮你写SQL查询、生成图表
怕浪猫的经验是：AI工具的使用能力不是"会用多少个工具"，而是"知道什么时候该用什么工具，以及怎么问出好问题"。同一个ChatGPT，有人只能聊天，有人能拿它写完整的产品方案。差距不在工具，在用法。
能力二：AI产品的设计能力
AI时代会出现全新的产品形态。产品经理需要理解AI的能力边界和限制。
AI产品的设计要点：
- 不确定性管理：AI的输出是不确定的，产品设计要考虑"AI答错了怎么办"
- 反馈机制：AI需要用户的反馈来改进，产品要设计便捷的反馈入口
- 透明度：AI做了什么决策，要告诉用户（至少是让用户知道"这是AI生成的"）
- 渐进式信任：用户对AI的信任是逐步建立的，产品要设计从低风险到高风险的使用路径
- 降级方案：当AI服务不可用或输出异常时，产品必须有可用的降级方案
能力三：AI伦理与风险管理能力
AI产品会带来新的风险：隐私泄露、算法偏见、错误信息传播。
产品经理需要具备：
- 数据隐私意识：用户数据怎么用、怎么保护
- 算法公平性意识：AI的决策是否公平，有没有歧视某些群体
- 内容安全责任：AI生成的内容谁来负责
- 合规意识：国内外AI相关法规的最新要求（比如欧盟AI法案、中国生成式AI管理办法）
能力四：提示词工程能力
这是怕浪猫认为AI时代产品经理最被低估的能力。为什么？因为AI产品的核心逻辑就是"输入Prompt，输出结果"。产品经理如果不懂Prompt工程，就无法设计好AI产品，也无法高效使用AI工具。
Prompt设计的核心原则：
| 原则 | 说明 | 错误示例 | 正确示例 |
|---|---|---|---|
| 明确性 | 指令要具体，不要模糊 | "帮我分析一下" | "请从功能完整度、用户体验、商业化三个维度分析" |
| 结构性 | 用结构化格式组织Prompt | 大段文字堆砌 | 用编号、分点、分隔符组织内容 |
| 上下文 | 提供足够的背景信息 | "写个PRD" | "我正在做一个面向C端的社交App，日活50万，现在要增加短视频功能，请写PRD" |
| 示例引导 | 给出期望的输出示例 | 不给示例 | "输出格式参考：1.功能名称 2.用户场景 3.验收标准" |
| 约束边界 | 明确告诉AI什么不要做 | 不设边界 | "不要超过500字，不要使用技术术语" |
结构化Prompt的标准模板：
# 角色
你是一个[具体角色]，擅长[具体能力]。
# 任务
请完成以下任务：[具体任务描述]
# 背景
[提供上下文信息]
# 要求
1. [要求1]
2. [要求2]
3. [要求3]
# 输出格式
[描述期望的输出格式，或给出示例]
# 约束
[明确边界和限制条件]高级Prompt技巧：
Few-shot（少样本示例）：给AI几个示例，让它理解你想要的输出模式。
请根据用户反馈提取需求，参考以下示例：
示例1：
用户反馈："搜索结果总是不相关"
提取需求：搜索精准度优化，需改进搜索算法和相关度排序
示例2：
用户反馈："页面加载太慢了，等了5秒"
提取需求：页面加载性能优化，目标加载时间<2秒
现在请提取：
用户反馈："[你的反馈内容]"Chain-of-Thought（思维链）：让AI逐步推理，而不是直接给结论。对于复杂分析类任务特别有效。
请分析这个功能是否值得做，按以下步骤推理：
1. 先分析用户需求强度：这个功能解决了什么问题？有多少用户有这个问题？
2. 再分析商业价值：这个功能能带来什么商业收益？
3. 然后分析技术成本：实现这个功能需要多少开发资源？
4. 最后综合判断：给出你的结论和理由怕浪猫的实战心得：Prompt工程不是一次写对的，而是反复调试出来的。每次让AI输出后，看哪里不满意，修改Prompt再试。一般一个高质量Prompt需要3-5轮迭代。把你调试好的Prompt存下来，形成自己的Prompt库，这就是你的效率杠杆。
能力五：AI产品评估能力
AI产品和传统产品最大的区别是：传统产品的功能是确定性的——点了按钮一定有响应；AI产品的输出是概率性的——同样的问题可能得到不同的回答。这意味着你需要一套全新的评估体系。
AI产品评估的三个层次：
| 评估层次 | 评估什么 | 核心指标 | 评估方法 |
|---|---|---|---|
| 模型能力层 | AI模型本身的能力 | 准确率、召回率、F1值 | 标注数据集评测 |
| 产品体验层 | 用户使用AI产品的体验 | 满意度、采纳率、修正率 | A/B测试、用户访谈 |
| 业务价值层 | AI产品对业务的影响 | 转化率、留存率、效率提升 | 前后对比、归因分析 |
AI产品核心评估指标体系：
| 指标类别 | 具体指标 | 计算方式 | 说明 |
|---|---|---|---|
| 输出质量 | 准确率 | 正确输出/总输出 | AI回答正确的比例 |
| 输出质量 | 相关性评分 | 人工评分1-5 | 输出与问题的相关程度 |
| 输出质量 | 完整性评分 | 人工评分1-5 | 输出是否覆盖了问题的所有方面 |
| 用户体验 | 采纳率 | 采纳AI建议次数/总建议次数 | 用户接受AI输出的比例 |
| 用户体验 | 修正率 | 用户修改AI输出的比例 | 修正率越低越好 |
| 用户体验 | 首次满意率 | 不修改直接使用的比例 | 一次性满意的占比 |
| 效率指标 | 平均响应时间 | 从提问到获得回答的时间 | 含模型推理时间和网络延迟 |
| 效率指标 | 任务完成时间 | 用户完成任务的总时间 | 对比有AI和没AI的差异 |
| 安全指标 | 有害输出率 | 有害输出/总输出 | AI产生不当内容的比例 |
| 安全指标 | 幻觉率 | 事实错误输出/总输出 | AI编造信息的比例 |
怕浪猫提醒：评估AI产品时，不要只看模型层面的准确率，更要看产品层面的采纳率和业务层面的价值指标。一个准确率95%的AI功能，如果用户采纳率只有30%，说明产品体验有问题——可能AI的输出格式不好用，可能用户不信任AI，可能AI在关键场景上表现不好。评估是手段，改进才是目的。
15.2 AI 工具辅助产品设计
15.2.1 用 AI 辅助需求分析
场景一：从用户反馈中提取需求
传统方法：人工阅读1000条用户反馈，提取高频需求。耗时：2-3天。
AI辅助方法：把1000条反馈输入AI，让AI提取高频需求并分类。耗时：10分钟。
Prompt模板：
# 角色
你是一个资深产品经理，擅长从用户反馈中提取有价值的需求洞察。
# 任务
请分析以下用户反馈，提取需求并分类。
# 用户反馈
[粘贴用户反馈内容，每条一行]
# 要求
1. 按主题分类（功能请求/体验问题/Bug报告/性能问题/其他）
2. 每个类别提取高频关键词（出现3次以上的）
3. 给出优先级建议（P0紧急/P1重要/P2一般/P3低优），优先级基于：
- 出现频率（提到次数越多越优先）
- 影响范围（影响多少用户）
- 业务影响（对核心指标的影响程度）
4. 每个需求给出一句话描述和对应的原始反馈条数
# 输出格式
| 分类 | 需求描述 | 高频关键词 | 出现次数 | 优先级 |输出示例：
| 分类 | 需求描述 | 高频关键词 | 出现次数 | 优先级 |
|---|---|---|---|---|
| 体验问题 | 搜索结果不精准 | 搜索、不准、找不到 | 87 | P0 |
| 功能请求 | 支持夜间模式 | 夜间、暗黑、护眼 | 63 | P1 |
| Bug报告 | 分享图片失败 | 分享、图片、失败 | 45 | P0 |
| 性能问题 | 页面加载慢 | 加载、卡顿、慢 | 38 | P1 |
| 功能请求 | 增加收藏功能 | 收藏、保存、标记 | 31 | P2 |
场景二：竞品功能对比
传统方法：下载竞品App，手动截图对比功能。耗时：1-2天。
AI辅助方法：让AI自动对比。耗时：30分钟。
Prompt模板：
# 角色
你是一个产品竞品分析专家，擅长系统性对比产品的功能差异。
# 任务
请对比以下产品的核心功能差异。
# 产品信息
产品A：[产品名称]，[一句话描述定位]，核心功能：[列出核心功能]
产品B：[产品名称]，[一句话描述定位]，核心功能：[列出核心功能]
# 分析维度
1. 功能完整度对比（谁的功能更全面）
2. 用户体验对比（谁的体验更流畅）
3. 差异化功能（各有什么独特功能）
4. 商业化对比（谁的变现能力更强）
5. 技术实现难度（如果我们要补齐差距，难度如何）
# 输出格式
先输出一个功能对比表格，再输出一段分析总结（不超过300字），最后给出3条可落地的建议。场景三：需求优先级排序
这是怕浪猫觉得AI用得最好的场景之一。当你有一堆需求不知道先做哪个时，让AI帮你用RICE模型排序。
Prompt模板：
# 角色
你是一个产品经理，擅长用RICE模型进行需求优先级排序。
# 任务
请用RICE模型对以下需求进行排序。
# 需求列表
1. [需求1]
2. [需求2]
3. [需求3]
...
# RICE评分标准
- Reach（覆盖面）：1-10分，影响多少用户
- Impact（影响度）：0.25x（微小）/ 0.5x（低）/ 1x（中）/ 2x（高）/ 3x（巨大）
- Confidence（信心度）：50%（低）/ 80%（中）/ 100%（高）
- Effort（工作量）：预估人月
# 输出格式
| 需求 | Reach | Impact | Confidence | Effort | RICE得分 | 排名 |
| 需求1 | 8 | 2x | 80% | 2人月 | 6.4 | 1 |
...
最后给出排序建议和理由（200字以内）。场景四：用户访谈提纲生成
传统方法：根据经验手写访谈提纲，容易遗漏关键问题。耗时：1-2小时。
AI辅助方法：让AI根据产品目标生成结构化访谈提纲。耗时：5分钟。
Prompt模板：
# 角色
你是一个用户研究专家，擅长设计深入的用户访谈提纲。
# 任务
请为以下产品功能设计用户访谈提纲。
# 产品背景
产品：[产品名称]
功能：[要验证的功能]
目标：[访谈要验证什么假设]
# 要求
1. 设计8-10个问题
2. 按以下结构组织：
- 破冰问题（1-2个，让用户放松）
- 行为探索（3-4个，了解用户现有行为）
- 需求验证（2-3个，验证我们的假设）
- 开放收集（1-2个，让用户自由表达）
3. 每个问题标注访谈目的
4. 避免引导性问题，使用开放式提问15.2.2 用 AI 生成产品文档
AI生成PRD框架
Prompt模板：
# 角色
你是一个资深产品经理，擅长撰写结构清晰的PRD。
# 任务
请帮我写一个[功能名称]的PRD框架。
# 产品背景
产品：[产品名称]，[一句话定位]
目标用户：[用户描述]
当前数据：[DAU/MAU/关键指标]
# 功能描述
[描述这个功能要做什么，解决什么问题]
# PRD要求包含
1. 需求背景与目标
2. 目标用户与场景
3. 用户故事
4. 功能详细描述（含流程图描述）
5. 异常情况处理
6. 数据埋点方案
7. 上线评估标准
8. 里程碑与排期建议
# 输出格式
使用Markdown格式，每个大节用二级标题，小节用三级标题。AI生成后，你需要：
- 检查逻辑是否完整（AI可能会遗漏异常流程）
- 补充具体数值（AI不知道你的具体数据）
- 调整语气和风格（AI写的可能太正式或太口语）
- 增加业务约束（AI不知道你的技术债和资源限制）
AI辅助写用户故事
用户故事是PRD的核心，但很多产品经理写的用户故事太粗糙。AI可以帮你把模糊的需求变成标准的用户故事。
Prompt模板：
# 角色
你是一个敏捷产品经理，擅长撰写标准的用户故事。
# 任务
请根据以下需求描述，生成标准的用户故事。
# 需求描述
[描述你的需求，可以是模糊的]
# 用户故事格式
作为[角色]，我想[动作]，以便[价值/目的]
# 要求
1. 每个用户故事遵循INVEST原则（独立、可协商、有价值、可估算、小、可测试）
2. 每个用户故事附上验收标准（Given-When-Then格式）
3. 如果需求太大，拆分为多个用户故事
4. 标注用户故事的优先级（Must/Should/Could/Won't）
# 输出格式
### 用户故事 [编号]
**故事：** 作为[角色]，我想[动作]，以便[价值]
**优先级：** Must/Should/Could/Won't
**验收标准：**
- Given [前提条件], When [触发动作], Then [期望结果]
- Given [前提条件], When [触发动作], Then [期望结果]输出示例：
### 用户故事 US-001
**故事：** 作为搜索用户，我想按时间范围筛选搜索结果，以便快速找到最近的内容
**优先级：** Must
**验收标准：**
- Given 用户在搜索结果页, When 用户选择"最近一周", Then 只显示7天内发布的结果
- Given 用户在搜索结果页, When 用户选择自定义时间范围, Then 显示该范围内的结果
- Given 搜索结果为空, When 用户调整时间范围, Then 显示提示"未找到匹配结果，请调整时间范围"
### 用户故事 US-002
**故事：** 作为搜索用户，我想保存搜索条件，以便下次快速使用相同的筛选
**优先级：** Should
**验收标准：**
- Given 用户设置了筛选条件, When 用户点击"保存搜索", Then 条件保存到"我的搜索"列表
- Given 用户有已保存的搜索, When 用户点击某条保存记录, Then 自动填充对应的筛选条件AI辅助做竞品分析报告
一份完整的竞品分析报告需要大量信息整理，AI可以帮你搭框架、填内容。
Prompt模板：
# 角色
你是一个产品竞品分析专家，擅长输出结构化的竞品分析报告。
# 任务
请帮我撰写一份竞品分析报告。
# 分析对象
我方产品：[产品名称]，[定位描述]
竞品：[竞品1名称]、[竞品2名称]、[竞品3名称]
# 分析维度
1. 产品定位与目标用户对比
2. 核心功能对比（用表格呈现）
3. 交互体验对比
4. 商业模式对比
5. 数据表现对比（如公开数据）
6. SWOT分析（针对我方产品）
7. 可借鉴的点（Top 3）
8. 差异化建议（Top 3）
# 输出格式
使用Markdown格式，每个维度一个章节。
功能对比用表格，分析用段落，建议用编号列表。
总字数控制在2000字以内。输出示例（SWOT部分）：
| 维度 | 内容 |
|---|---|
| 优势（S） | 社区氛围好，用户粘性高，内容质量审核严格 |
| 劣势（W） | 搜索功能弱，缺少短视频内容，商业化手段单一 |
| 机会（O） | 短视频赛道仍有增量，AI推荐可提升内容分发效率 |
| 威胁（T） | 竞品A正在强化社区功能，竞品B有更强的算法推荐能力 |
AI辅助生成测试用例
产品经理虽然不写测试代码，但需要提供验收测试场景。AI可以帮你从PRD生成完整的测试用例。
Prompt模板：
# 角色
你是一个QA工程师，擅长从产品需求中设计全面的测试用例。
# 任务
请根据以下功能描述，生成测试用例。
# 功能描述
[粘贴功能描述或PRD片段]
# 测试用例要求
1. 覆盖正常流程和异常流程
2. 覆盖边界条件
3. 覆盖兼容性（如适用）
4. 每个用例包含：用例编号、测试场景、前置条件、操作步骤、预期结果、优先级
5. 按功能模块分组
# 输出格式
| 用例编号 | 测试场景 | 前置条件 | 操作步骤 | 预期结果 | 优先级 |输出示例：
| 用例编号 | 测试场景 | 前置条件 | 操作步骤 | 预期结果 | 优先级 |
|---|---|---|---|---|---|
| TC-001 | 正常搜索 | 用户已登录 | 1.输入关键词 2.点击搜索 | 显示搜索结果列表 | P0 |
| TC-002 | 空关键词搜索 | 用户已登录 | 1.搜索框留空 2.点击搜索 | 提示"请输入搜索关键词" | P0 |
| TC-003 | 搜索无结果 | 用户已登录 | 1.输入无匹配的关键词 2.点击搜索 | 显示"未找到相关结果"和建议 | P1 |
| TC-004 | 搜索结果翻页 | 搜索结果>20条 | 1.执行搜索 2.点击第2页 | 正确加载第2页结果 | P1 |
| TC-005 | 特殊字符搜索 | 用户已登录 | 1.输入<script>alert(1)</script> 2.点击搜索 | 不执行脚本，显示无结果或转义处理 | P0 |
AI生成原型说明文档
Prompt模板：
# 角色
你是一个产品经理，擅长撰写原型说明文档。
# 任务
请根据以下原型描述，生成原型说明文档。
# 原型描述
[粘贴你的原型描述或上传原型截图]
# 文档要求
1. 页面结构说明（每个区域做什么）
2. 交互逻辑说明（点击/滑动/长按等操作后的响应）
3. 数据字段说明（每个字段含义和格式）
4. 异常流程说明（网络错误/空数据/权限不足等）
5. 状态说明（不同状态下页面的差异）15.2.3 AI 在产品设计全流程中的应用
AI在产品设计全流程中的应用地图
| 阶段 | AI能做什么 | 推荐工具 | 注意事项 |
|---|---|---|---|
| 市场调研 | 自动抓取和分析竞品信息 | ChatGPT、Claude | AI抓取的数据可能过时，需人工核实 |
| 需求分析 | 从用户反馈中提取需求 | ChatGPT、自研工具 | AI可能误分类，关键需求人工复核 |
| 产品设计 | 生成PRD框架、原型说明 | ChatGPT、Notion AI | AI生成的只是框架，需人工精修 |
| 原型设计 | 生成线框图 | Galileo AI、Uizard | AI生成的原型只能做参考，细节需调整 |
| 开发协作 | 生成技术方案建议 | GitHub Copilot | 技术方案需开发确认可行性 |
| 数据分析 | 自动生成分析报告 | ChatGPT、Python+AI | 数据结论需人工判断业务含义 |
| 用户研究 | 生成访谈提纲、分析访谈记录 | ChatGPT | 访谈洞察需人工判断真伪 |
| 测试验收 | 生成测试用例 | ChatGPT、自研工具 | 边界用例需人工补充 |
怕浪猫总结了一个"AI辅助产品设计的3-3原则"：
三分用AI：信息收集、框架生成、初稿撰写，这三类工作放心交给AI。
三分靠人：需求判断、体验设计、跨团队协调，这三类工作AI帮不上忙。
三分人机协作：数据分析、文档精修、竞品洞察，这三类工作AI出初稿人来精修。
剩下一分是什么？是怕浪猫说的"直觉"——产品经理对用户和市场的直觉，这个东西AI学不会。
AI不是来替代你的，而是来"增强"你的。会用AI的产品经理，效率是普通产品经理的3-5倍。
15.2.4 AI产品设计实战：从0到1设计一个AI助手
怕浪猫这一节不讲理论，直接带你走一遍完整的AI助手产品设计流程。假设我们要设计一个"AI编程助手"，目标是帮助初中级开发者提高编码效率。
第一步：需求分析
先明确三个问题：用户是谁？痛点是什么？AI能解决什么？
| 维度 | 分析内容 |
|---|---|
| 目标用户 | 1-3年经验的初中级开发者，日常需要写代码、查文档、调试Bug |
| 核心痛点 | 频繁切换工具（编辑器/浏览器/文档）、重复性代码写太多、调试耗时、不熟悉新框架时效率低 |
| AI能解决的 | 代码补全、代码解释、Bug诊断、文档查询、代码重构建议 |
| AI不能解决的 | 架构设计决策（需要经验判断）、性能调优（需要系统理解）、团队协作问题 |
第二步：能力定义
根据需求分析，定义AI助手的核心能力矩阵：
| 能力模块 | 具体能力 | 优先级 | 实现难度 |
|---|---|---|---|
| 代码补全 | 根据上下文自动补全代码 | P0 | 中 |
| 代码解释 | 选中代码段，AI解释含义 | P0 | 低 |
| Bug诊断 | 分析错误信息，给出修复建议 | P0 | 中 |
| 代码生成 | 根据自然语言描述生成代码 | P1 | 中 |
| 代码重构 | 给出重构建议和重构后代码 | P1 | 高 |
| 文档问答 | 基于官方文档回答技术问题 | P2 | 中 |
| 单测生成 | 自动生成单元测试代码 | P2 | 中 |
第三步：Prompt设计
这是AI产品的核心。每个能力模块都需要精心设计Prompt。怕浪猫以"Bug诊断"能力为例展示完整的Prompt设计过程。
初版Prompt：
你是一个编程助手，用户会给你一段报错信息，请帮用户分析原因并给出修复建议。这个Prompt太笼统了。AI不知道用户用什么语言、什么框架，输出格式也不明确。迭代。
第二版Prompt：
# 角色
你是一个全栈编程助手，擅长诊断和修复代码Bug。
# 任务
用户会给你一段错误信息和相关代码，请分析原因并给出修复建议。
# 要求
1. 先分析错误类型（语法错误/逻辑错误/运行时错误/配置错误）
2. 再定位可能的原因（给出Top 3）
3. 给出修复方案（包含修复代码）
4. 如果有多种修复方式，说明各自的优缺点
# 输出格式
1. 错误类型：[类型]
2. 原因分析：[分析]
3. 修复方案：[代码+说明]
4. 预防建议：[如何避免同类问题]第二版好多了，但还缺一些东西。比如用户可能给的信息不全，AI应该主动追问。再迭代。
第三版（终版）Prompt：
# 角色
你是一个全栈编程助手，擅长诊断和修复代码Bug。
# 任务
用户会给你错误信息和相关代码，请分析原因并给出修复建议。
# 分析步骤
1. 解析错误信息，提取关键错误类型和堆栈
2. 结合代码上下文，定位错误根因
3. 给出Top 3可能原因（按可能性排序）
4. 针对最可能的原因给出修复方案
5. 提供预防同类问题的建议
# 输出格式
## 错误类型
[语法错误/逻辑错误/运行时错误/配置错误/其他]
## 原因分析
1. [最可能的原因]（可能性：高）
2. [次可能的原因]（可能性：中）
3. [其他可能的原因]（可能性：低）
## 修复方案
[修复代码和说明]
## 预防建议
[如何避免同类问题]
# 特殊处理
- 如果用户给出的信息不足以判断，列出需要补充的信息
- 如果是框架/库的已知问题，附上相关Issue链接
- 如果修复方案有风险（如可能影响其他功能），明确标注
# 约束
- 修复代码必须与用户的技术栈一致
- 不要修改与Bug无关的代码
- 如果不确定根因，诚实说明，不要猜测怕浪猫的Prompt设计心得：好的Prompt就像好的需求文档——角色清晰、任务明确、步骤有序、格式规范、边界清楚、异常处理完备。你写PRD时怎么严谨，写Prompt就怎么严谨。
第四步：交互设计
AI助手的交互设计和传统产品不同，核心挑战是"如何让用户信任AI的输出并高效使用"。
| 交互场景 | 设计方案 | 设计理由 |
|---|---|---|
| AI输出代码 | 代码高亮+一键复制+差异对比 | 用户需要快速使用和验证AI代码 |
| AI解释代码 | 行内标注，悬浮显示解释 | 不打断用户阅读代码的节奏 |
| AI诊断Bug | 错误信息旁边直接显示诊断按钮 | 减少用户操作路径 |
| AI输出不确定 | 灰色标注+置信度提示 | 让用户知道AI不是100%确定 |
| AI输出有风险 | 黄色警告+需要确认才能执行 | 避免AI操作带来不可逆影响 |
| AI无法回答 | 诚实说明+给出替代建议 | 维护用户信任，不要编造答案 |
| 用户反馈 | 每次AI输出后都有"有用/没用"按钮 | 收集反馈用于模型改进 |
关键交互原则：
渐进式展示：不要一次性给用户大量信息。先给结论，用户需要细节时再展开。
人在回路：高风险操作（如自动修改代码）需要用户确认。AI建议，人决策。
可解释性：AI给出的建议要附带理由，让用户理解"为什么"，而不是盲从。
第五步：评估指标
产品上线前就要定义好评估指标，不然上线后你不知道效果好不好。
| 指标类别 | 具体指标 | 目标值 | 评估方式 |
|---|---|---|---|
| 代码补全 | 采纳率 | >40% | 代码补全建议被接受的次数/总建议次数 |
| Bug诊断 | 修复成功率 | >60% | 用户反馈"诊断有用"的次数/总诊断次数 |
| 代码解释 | 满意度 | >4.0/5.0 | 用户评分 |
| 整体效率 | 任务完成时间 | 降低30% | 有AI vs 无AI的任务完成时间对比 |
| 整体体验 | NPS | >30 | 用户调研 |
| 安全性 | 有害代码率 | <0.1% | AI生成的代码包含安全漏洞的比例 |
| 安全性 | 幽觉率 | <5% | AI编造不存在的API/函数的比例 |
第六步：迭代优化
产品上线后，根据数据持续迭代。怕浪猫总结了一个AI产品的迭代节奏：
| 阶段 | 时间 | 重点 | 关键动作 |
|---|---|---|---|
| 冷启动期 | 上线1-2周 | 收集真实数据，不做大改 | 监控核心指标，收集用户反馈 |
| 快速迭代期 | 上线3-6周 | 根据数据修复明显问题 | 优化Prompt、调整输出格式、修复高频Bad Case |
| 稳定优化期 | 上线7-12周 | 提升核心指标，拓展能力 | A/B测试Prompt优化、新增能力模块、优化交互体验 |
| 精细化运营期 | 上线3个月+ | 长尾场景覆盖，个性化 | 用户分群优化、场景化Prompt、多模型策略 |
迭代中最重要的事情是Bad Case分析。每周选出10个用户反馈"没用"的案例，逐个分析原因：
| Bad Case类型 | 占比 | 处理方式 |
|---|---|---|
| Prompt理解偏差 | 30% | 优化Prompt，增加示例 |
| 模型能力不足 | 25% | 换用更强的模型，或增加RAG检索 |
| 用户输入不清 | 20% | 优化交互引导，提供输入模板 |
| 边界场景 | 15% | 增加边界处理逻辑 |
| 不合理期望 | 10% | 优化产品说明，管理用户预期 |
怕浪猫最后说一句：设计AI产品和设计传统产品最大的区别不是方法论变了，而是你需要多考虑一个维度——"AI的不确定性"。传统产品你设计的是确定性流程，AI产品你设计的是"AI做对了怎么办、AI做错了怎么办、AI不确定怎么办"这三种情况的应对方案。把这三个问题想清楚，你的AI产品就不会差。
本章小结
AI时代，产品经理不会被替代，但会被"会用AI的产品经理"替代。掌握AI工具的使用能力、AI产品的设计能力、AI伦理与风险管理能力、提示词工程能力、AI产品评估能力，是AI时代产品经理的必修课。
| 本章核心知识点 | 一句话总结 |
|---|---|
| AI能替代的 | 重复性、规则性、可描述的工作 |
| AI不能替代的 | 创造性、判断性、责任性的工作 |
| 新能力要求 | AI工具使用+AI产品设计+AI伦理+提示词工程+AI产品评估 |
| 提示词工程 | Prompt设计要像写PRD一样严谨——角色、任务、背景、格式、约束缺一不可 |
| AI产品评估 | 三层评估：模型能力、产品体验、业务价值 |
| AI辅助需求分析 | 从反馈提取需求、竞品对比、RICE排序、访谈提纲 |
| AI生成文档 | PRD框架、用户故事、竞品分析报告、测试用例、原型说明 |
| AI全流程应用 | 调研→分析→设计→开发→分析→研究 |
| AI产品设计实战 | 需求分析→能力定义→Prompt设计→交互设计→评估指标→迭代优化 |
觉得有用？收藏起来，下次用AI辅助产品设计时直接照抄Prompt。
你认为AI会替代产品经理吗？评论区说说你的看法。
关注怕浪猫，下期我们讲"产品人生与职业规划"——产品经理的职业发展路径，怕浪猫给你建议。
系列进度 15/16
下章预告： 第16章是收官之作。产品经理的职业发展路径是什么？怎么从初级产品经理成长到产品总监？怕浪猫用5年产品经理经验，给你最真实的建议。