AI指数级增长时代,产品经理如何重构工作流
随着AI模型能力的快速迭代,产品管理依赖底层技术稳定的传统假设已被打破。Claude Code产品经理Cat Wu分享的案例显示,从2024年10月模型无法完成特定任务,到2025年6月初步尝试成功,再到如今Opus 4.6版本能够一次性现场演示,仅用了不到一年时间。模型能力每16个月提升41倍的数据表明,产品管理正从制定长期完美计划转向快速试错与迭代。
01AI工具协作流:按输出需求选择工具
在具体实践中,通过区分任务类型来匹配不同的AI工具,能够显著提升效率。这套工作流的核心在于明确最终的输出形式,而非纠结于任务本身的分类。
| 工具名称 | 适用场景 | 典型任务 |
|---|---|---|
| Claude.ai | 思考与策略 | 撰写策略文档、探讨棘手问题、纯对话交流 |
| Claude Code | 执行与产出 | 构建可运行原型、编写数据处理脚本、代码生成 |
| Cowork | 事务与杂务 | 邮件管理、待办整理、PPT制作、信息检索 |
三种AI工具的分工协作模式
这种工具链让PM能够独立完成原本需要依赖工程师的原型开发。例如,通过Cowork理解背景并整理信息,再利用Claude Code在数小时内产出可演示版本,极大地缩短了从想法到验证的周期。
02工作方式转变:从规划到实验
为了适应模型能力的指数级进化,产品团队需要在四个核心维度上调整工作模式,以保持敏捷性和竞争力。
- 从长期路线图到短周期实验
放弃传统的“两周调研-写PRD-排期”长流程,鼓励团队成员随时进行“Side Quest”(支线任务)。利用下午时间快速验证那些“AI应该做不到”的想法。Anthropic的桌面版Claude Code、AskUserQuestion工具等热门功能,均源于这种即兴的快速实验,而非顶层规划。 - 从文档优先到Demo优先
用Demo分享会替代传统站会,有想法先做出能运行的原型让内部用户试用。例如Noah在开发plugins功能时,直接将规范文档输入Claude Code生成原型,团队基于此快速验证体验。建议在发给团队前,先让AI尝试产出原型,甚至针对特定功能建立评估测试(Evals)以数据支撑决策。 - 定期重审视老功能
每次新模型发布后,将已有功能重新测试。新模型可能直接解决旧版本的短板,例如团队观察用户手动在浏览器和Claude Code间复制粘贴以测试Web应用,从而推出了Chrome集成功能。在实现新功能时,建议先使用足够的Token确保能力可行,成本问题可随后续模型升级自然解决。 - 保持简单实现,避免过度工程
遵循“做有效的简单方案”原则。不要为了绕过当前的模型限制而设计复杂的补丁,这些限制很可能在下个月消失。例如,Claude Code早期的Todo list功能因模型常漏做任务而添加了自动提醒机制,但随着Opus 4.6发布,模型具备了完成任务打勾的能力,该提醒功能随即被删除。Opus 4.6一次性移除了20%的冗余提示词。
03管理思维重构:学会放手与保持清晰
在工作方式转变之外,产品经理的管理思维也需要进行根本性调整,核心在于适应AI带来的快速变化节奏。
PM工作思维转变
追求掌控与完美
制定完美计划后按部就班执行
试图掌控产品每个细节
花费大量时间进行长期规划
因技术限制设立复杂补丁


学会放手与试错
快速试错,抓住当下机会
如冲浪般保持动态平衡
关注少数不可妥协的点,其余快速迭代
拥抱变化,利用新模型能力直接解决旧问题
在这种新模式下,产品经理的核心职责转变为在快速变化中创造清晰度,推动团队思考更大的可能性,并扫清发布障碍。通过降低试错成本,团队能够更专注于验证核心价值。正如Cat Wu所言,产品管理的本质已不再是静态的规划,而是在AI能力指数增长的浪潮中,保持动态的敏捷与适应。
当前文章无评论,是时候发表评论了