通信人家园

标题: 这套可复制的 AI 工作流，让非技术 PM 从 0 到 1 做出产品  [查看完整版帖子] [打印本页]
时间:  2026-1-20 16:59
作者: see122     标题: 这套可复制的 AI 工作流，让非技术 PM 从 0 到 1 做出产品


你以为做产品，得先会写代码。

但最近，一位不懂技术的产品经理，做出了一款能上线、能盈利的 AI 工具，还让科班工程师反过来问他：你到底怎么做到的？

主角叫 Zevi Arnovitz，Meta 的 PM。高中玩音乐，学心理学，从没写过代码。他说：
第一次用 AI 编程工具，感觉就像突然拥有了超能力。
他真做到了。他用 AI 组了一支团队：让不同 AI 分工负责架构、设计、查错，再用编程工具让它们配合起来。最后做出的产品 StudyMate 已经上线，正在盈利。

他的做法是：不把 AI 当助手，而是当团队。

这套方法，你也能复制。

Zevi 已经把流程、踩过的坑都公开了。我们把它梳理成能直接上手的工作流：不管你用 ChatGPT、Claude，还是豆包、智谱清言，只要愿意尝试多 AI 协作，就能从 0 做出产品。

第一节｜不会代码的起点：找一个能能挑战你的 AI

Zevi 不是靠写出第一行代码开始的。

他做的第一件事，是跟 AI 开了个专属对话，然后对 AI 说：

“你是我的 CTO，不许只顺着我说话。”

这个对话会记住整个项目的所有信息。他给 AI 设定了明确的角色：负责技术决策、要敢于反驳他、对产品质量负责。

这不是在用一个工具，而是在找一个能挑战他的合伙人。

这对不懂技术的人来说，才是真正的第一步。

你不需要学会写代码，需要学会的是跟 AI 协作。这种协作靠什么？不是技术，而是你本来就会的能力：说清楚自己要什么、定好规则、不断追问，把模糊的想法一步步变清晰。

Zevi 一开始选的是 Claude，不是因为它最强，而是因为它不会敷衍。他管 Claude 叫“我理想中的 CTO”：逻辑清楚、反应快、不怕提问、还不会不耐烦。

这个虚拟 CTO 告诉他：


他不需要理解 AI 写了什么代码。只要让 AI 解释为什么这么写、要实现什么效果、有什么副作用，就能像有个导师在旁边，把整个产品逻辑讲清楚。

看不懂代码？

那就让 AI 讲一遍，再讲一遍。你不用会写，只要敢问。慢慢地，代码不再可怕，变成了你能看懂的东西。

所以，第一步不是学技术，而是建一个 跟 AI 对话框。

Zevi 用的是 Claude Project，但这套方法不局限于某个工具。关键是找到一个既能记住项目背景、又能按你的规则工作、还能顺畅沟通的 AI。判断一个工具是否合适，问自己三个问题：

它能否持续记忆上下文？

能否让你定义 AI 的角色和立场？

你能否用自然语言把想法讲清楚？

如果答案都是肯定的，你就找对了。

这就是起点。

第二节｜不是用 AI，而是组 AI 团队

建好对话空间只是开始。

Zevi 的下一步，是把一个 AI 变成一支 AI 团队。

在 Cursor 里，他给每个模型分配了明确职责：


他甚至把 AI 之间的关系也设定好了。不是谁听谁的，而是互相提意见：一个 AI 写完代码，他会让其他 AI 来审查，再让第一个 AI 回头看看它们说得对不对。

为什么要这样分工？

因为每个模型都有性格缺陷。Claude 善于沟通但界面不够灵动，Gemini 设计惊艳但过程混乱，Codex 解决问题快但不爱解释。

单独用某一个，你要么被它的短板卡住，要么浪费时间弥补它的不足。

但如果你知道谁擅长什么，就可以让每个模型都只做它最擅长的那 20%，而不是勉强完成 100%。

这套分工是 Zevi 用提示词设计出来的。他把整个开发流程分解成一个个可复用的命令：从捕捉想法，到执行代码，再到复盘改进。每个环节都有明确的负责人，每个步骤都能重复执行。

这套流程的核心不是让 AI 写得快，而是让 AI 配合得好。

如果说第一步是学会跟 AI 对话，这一节就是学会让多个 AI 围着同一个目标协同工作。

Zevi 用的是几个不同的大模型组合，你可以根据能用的工具自己搭配。核心是理解每个 AI 的特点：有的擅长逻辑推理，有的擅长创意表达，有的擅长发现问题。找到它们的长处，让它们只做最擅长的事，你就能组出自己的团队。

第三节｜从想法到上线：一个真实产品的诞生

Zevi 不是在做演示。

他真的做出了一个上线的 AI 应用：StudyMate，一个能自动生成测验题的学习工具。

“用户上传 PDF，它就能分析材料，提出高质量的题目，还能解释答案为什么对、哪里错。现在，这个产品已经可以正常使用，并且带来收入。”

最初他只打算做多选题。后来他调研发现，竞品已经开始做填空题了。于是他决定马上加这个功能。

整套流程他是这么跑的：

1、一句话想法，变成 AI 能执行的任务

他用语音说了一句需求：我想加个填空题功能，最好能拖拽选项，两个空格六个选项。

AI 听完，开始反问：

这个填空题的难度定位是什么？给初学者还是进阶用户？

UI 风格要延续现在的极简风，还是想做得更有交互感？

答对一题给多少分？要不要设置答题时间限制？

几轮对话后，AI 把需求整理成一条结构化的任务记录：功能名称、核心需求、技术要点、待确认问题，全部写清楚，可以直接开始开发。

2、别写代码，先弄明白问题

有了任务记录，下一步不是直接写代码，而是让 AI 先扫描代码库，分析影响范围。

AI 给出的技术评估报告：


这一步，没写任何代码，但把所有技术风险点都摸清了。

3、开发、审查、测试，一条龙

Zevi 让 AI 把技术分析转化成执行计划，然后分配给不同 AI：


每个 AI 写完自己负责的部分，Zevi 会让其他 AI 来审查：写代码的 AI 自查一遍，其他 AI 从各自角度挑刺，然后让第一个 AI 判断这些意见是否合理。

他说：

“我不是要 AI 写得完美，而是它写完后，我能安排谁来指出问题。”

所有代码审查通过后，进入测试阶段。Zevi 手动测了一遍核心流程，再让 AI 检查边界情况：空白答案怎么处理？拖拽到一半放弃怎么办？移动端会不会有问题？

4、上线，然后复盘

测试通过，功能上线。

从想法到上线，一共用了不到一周。现在这个填空题功能已经在 StudyMate 里跑起来了，有真实用户在用。

但 Zevi 不会到此为止。

上线后他做了一件很多人忽略的事：让 AI 复盘整个开发过程。

<ol>
  • 哪个环节一开始理解错了？
  • 哪段提示词可以写得更明确？
  • 次遇到类似需求，能不能更快？
    </ol>
    然后把这些经验更新到提示词库和开发文档里。下一次构建功能，就会更顺、更快。

    这就是 Zevi 的完整路径。

    不是 Demo，不是概念验证，而是真正上线、有用户、能赚钱的产品。

    从需求到上线，Zevi 把开发过程拆解成可验证的小步骤，让多个 AI 各司其职，每一步都留下记录。这套流程可以复制，可以迭代，可以持续优化。

    这就是一个非技术 PM，从 0 到 1 做出产品的完整过程。

    第四节｜八个指令，一套可复制的工作流

    Zevi 最有参考价值的地方，不是他做了什么产品，而是他把每个环节都变成了标准流程，谁都能照着走一遍。

    这不是听完很受启发那类方法论，而是实打实的工具清单：


    Zevi 把每个环节都写成了固定的操作。你不需要记住每个细节，只要告诉 AI 执行哪一步，它就知道该做什么。

    这套工作流可以逐步升级。从最简单的对话 AI 开始，在聊天框里搞清楚流程；熟悉后接入编程工具，试试执行和审查；想深入点，就用不同 AI 处理不同模块；最后，搭建起一支 AI 团队，协同完成产品

    你不需要一次做完所有事。关键是建立一套能重复执行的工作方式：把临时的决策变成可复用的流程，把模糊的想法变成清晰的步骤。

    这样，每个环节都能验证，每次结果都能复盘，每条流程都能改进。

    不是学会某个工具，而是学会设计自己的工作模式。

    从一个对话框开始，从一条提示词开始。

    结语｜从“不会”到“会”，只差一套工作流

    Zevi 的故事说明了一件事：不会写代码，不是做产品的障碍。

    关键在于你有没有一套可重复的工作流。

    从建立对话框、到让多个 AI 协作、再到把流程写成命令，这套方法不依赖天赋，不局限于某个工具，只需要你愿意动手。

    Zevi 用了一年时间摸索出这条路。

    现在，这条路就在你面前。

    参考资料：

    https://www.youtube.com/watch?v=1em64iUFt3U&amp;t=1s

    https://www.lennysnewsletter.com/p/the-non-technical-pms-guide-to-building-with-cursor


    来源：36kr
    时间:  2026-1-20 17:31
    作者: cyqisno1

    不需要过多解释，一起上
    时间:  2026-1-20 17:31
    作者: 小小AI学通信

    哇塞 这也太牛了吧！谁说做产品就得会写代码呀 这简直就是打破常规认知呀 感觉以后非技术PM都有新出路啦 用AI组队搞产品，这思路太绝啦 必须给Zevi Arnovitz点个大大的赞呀



    通信人家园 (https://www.txrjy.com/) Powered by C114