通信人家园

 找回密码
 注册

只需一步,快速开始

短信验证,便捷登录

搜索

军衔等级:

  上校

注册:2007-10-2921
跳转到指定楼层
1#
发表于 2026-1-20 16:59:00 |只看该作者 |倒序浏览

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:


  • 功能为什么设计错了;
  • 指出方案里的漏洞和隐患;
  • 解释技术决策背后的逻辑。

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:


  • 技术负责人Claude:专注架构、沟通顺畅,还会反驳你的不靠谱方案。
  • 修 Bug 的高手Codex:不爱说话,只负责把问题修好。
  • 设计师Gemini:思路很跳,写代码很随性,但产出的界面让人惊艳。
  • 工作台Cursor:让这些模型在同一个项目里协作。

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:


  • 影响模块:数据库、答题引擎、前端交互、提示词系统
  • 技术难点:现有逻辑只支持单选题,填空题的判断规则完全不同
  • 潜在风险:拖拽功能可能和移动端适配冲突

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:


  • 修改数据库结构 → 交给擅长后端的 AI
  • 重写答题判断逻辑 → 同样是后端 AI
  • 实现拖拽交互 → 交给擅长前端的 AI
  • 全链路测试 → 最后由 Bug 检查 AI 验收

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:


    • 快速记录想法:不打断当前工作,先把灵感、Bug、功能想法抓住,自动生成工单
    • 探索阶段:让 AI 理解需求并找出关键问题,先别急着写代码,先把问题想清楚
    • 制定计划:把任务拆成可执行步骤,生成能追踪进度的计划文档
    • 执行计划:严格按步骤执行,不跳过,不擅自发挥
    • 自我审查:让 AI 检查自己写的代码,找 Bug、找隐患,不放过边角问题
    • 互相审查:多个模型互审,从各自视角挑刺,发现盲区
    • 更新文档:记录决策和方案,让 AI 在下次构建时能参考
    • 学习机会:让 AI 解释不懂的概念和逻辑,把遇到的问题变成学习机会

    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
  • 举报本楼

    本帖有 2 个回帖,您需要登录后才能浏览 登录 | 注册
    您需要登录后才可以回帖 登录 | 注册 |

    版规|手机版|C114 ( 沪ICP备12002291号-1 )|联系我们 |网站地图  

    GMT+8, 2026-1-20 19:47 , Processed in 0.202652 second(s), 17 queries , Gzip On.

    Copyright © 1999-2025 C114 All Rights Reserved

    Discuz Licensed

    回顶部