AI PM 工具箱：效率工具全景

工欲善其事，必先利其器。AI PM 的核心竞争力不在于会用多少工具，而在于知道什么场景用什么工具最高效。

本章学习目标

• 建立 AI 工具的分类认知框架
• 掌握各类工具在产品管理中的最佳应用场景
• 学会构建个人 AI 工具组合（Tool Stack）
• 了解工具选型的成本与效率权衡

---

一、AI 工具分类框架

1.1 按功能维度分类

1.2 按工作流阶段分类

需求阶段 ─────────────────────────────────────────────────────▶
│
├─ 用户研究：Claude (深度分析) + Perplexity (信息检索)
├─ 需求整理：Notion AI (结构化) + ChatGPT (头脑风暴)
└─ PRD 撰写：Claude (长文档) + Notion AI (模板化)

设计阶段 ─────────────────────────────────────────────────────▶
│
├─ 原型设计：v0.dev (快速 UI) + Figma AI (设计系统)
├─ 交互方案：ChatGPT (方案对比) + Claude (细节推敲)
└─ 设计评审：Claude (设计规范检查)

开发阶段 ─────────────────────────────────────────────────────▶
│
├─ 技术评审：Claude (代码理解) + ChatGPT (方案评估)
├─ 进度跟踪：Notion AI (自动汇总) + Linear AI (任务管理)
└─ Bug 分析：Claude (日志解读) + ChatGPT (根因分析)

上线阶段 ─────────────────────────────────────────────────────▶
│
├─ 数据分析：ChatGPT Code Interpreter (数据处理)
├─ 用户反馈：Claude (情感分析) + Notion AI (分类整理)
└─ 迭代规划：ChatGPT (优先级排序) + Claude (方案推演)

---

二、核心工具详解

2.1 ChatGPT：全能型选手

最佳场景：

• 快速头脑风暴和方案发散
• 数据分析（Code Interpreter）
• 多轮对话式需求澄清
• 标准化文档生成

PM 实战技巧：

# 需求澄清 Prompt 模板

你是一位资深产品经理，我需要你帮我澄清一个模糊的需求。

需求描述：[用户说的原话]

请帮我：

1. 识别这个需求背后可能的用户痛点（至少 3 个）
2. 提出 5 个澄清问题，帮助我确认真实需求
3. 给出初步的功能边界建议

输出格式：

## 可能的用户痛点

-   ...

## 澄清问题

1. ...

## 功能边界建议

-   核心功能：...
-   可选功能：...
-   明确不做：...

成本考量：

• GPT-4o：$5/1M input tokens, $15/1M output tokens
• GPT-4o-mini：$0.15/1M input tokens, $0.6/1M output tokens
• 日常任务用 mini，复杂分析用标准版

2.2 Claude：深度分析专家

最佳场景：

• 长文档处理（支持 200K tokens 上下文）
• 代码理解和技术方案评审
• 结构化输出和格式化文档
• 需要高度准确性的任务

PM 实战技巧：

# PRD 质量检查 Prompt

作为产品经理，请帮我检查这份 PRD 的质量：

[粘贴 PRD 内容]

检查维度：

1. 完整性：是否覆盖了背景、目标、功能、非功能、验收标准？
2. 明确性：是否有歧义表述？边界是否清晰？
3. 可测试性：每个功能点是否可验证？
4. 技术可行性：是否有明显的技术风险？
5. 用户价值：功能是否真正解决用户问题？

请用表格形式输出检查结果，并给出改进建议。

成本考量：

• Claude 3.5 Sonnet：$3/1M input, $15/1M output（性价比最高）
• Claude 3 Opus：$15/1M input, $75/1M output（最强能力）
• 日常用 Sonnet，关键决策用 Opus

2.3 Notion AI：文档协作利器

最佳场景：

• 会议纪要自动整理
• PRD 模板化生成
• 知识库内容总结
• 团队文档协作

PM 实战技巧：

1. 会议纪要自动化

   • 会议录音 → 语音转文字 → Notion AI 整理成结构化纪要
   • 自动提取 Action Items 和 Owner

2. PRD 模板联动

   • 创建 PRD Database
   • 用 Notion AI 根据简要描述自动填充模板字段

3. 知识库智能问答

   • 将历史文档导入 Notion
   • 用 Notion AI Q&A 功能快速检索相关信息

2.4 v0.dev：原型神器

最佳场景：

• 快速生成 UI 原型
• 验证交互方案
• 技术方案可视化演示
• Landing Page 快速搭建

PM 实战技巧：

# v0.dev Prompt 示例

创建一个 AI 聊天应用的界面，包含：

-   左侧：对话历史列表
-   中间：聊天主区域（消息气泡、输入框、发送按钮）
-   右侧：设置面板（模型选择、温度调节）

风格：现代、简洁、深色主题
响应式：支持移动端适配

与 Figma 的配合：

• v0 生成初版 → Figma 精细调整 → v0 导出代码给开发

---

三、工具组合策略

3.1 轻量级组合（个人/小团队）

3.2 专业级组合（成熟团队）

3.3 工具选型决策树

需要处理长文档 (>50页)?
├── 是 → Claude (200K context)
└── 否 → 需要数据分析?
         ├── 是 → ChatGPT Code Interpreter
         └── 否 → 需要生成 UI?
                  ├── 是 → v0.dev / Figma AI
                  └── 否 → 需要结构化文档?
                           ├── 是 → Notion AI
                           └── 否 → ChatGPT (最通用)

---

四、效率倍增技巧

4.1 Prompt 复用库

建立个人/团队的 Prompt 库：

/prompts
├── /需求分析
│   ├── 用户痛点挖掘.md
│   ├── 需求优先级排序.md
│   └── 竞品功能对比.md
├── /文档撰写
│   ├── PRD 生成.md
│   ├── 技术方案评审.md
│   └── 会议纪要模板.md
└── /数据分析
    ├── 用户行为分析.md
    └── A/B 测试报告.md

4.2 工作流自动化

示例：需求收集自动化

用户反馈 (Intercom/Zendesk)
    │
    ▼
Make/Zapier 自动触发
    │
    ▼
ChatGPT API 分类 + 情感分析
    │
    ▼
Notion Database 自动入库
    │
    ▼
周报自动汇总 (Notion AI)

4.3 多工具协同

PRD 撰写流程：

1. ChatGPT：头脑风暴，发散需求点
2. Perplexity：竞品调研，收集参考
3. Claude：整理成结构化 PRD 初稿
4. Notion AI：导入模板，格式化输出
5. v0.dev：生成关键页面原型
6. Claude：最终质量检查

---

五、常见陷阱与规避

5.1 工具依赖症

症状： 每个任务都想用 AI，反而效率下降

规避：

• 简单任务直接做，不必过度依赖 AI
• 建立「5 分钟规则」：如果手动能在 5 分钟内完成，不必调用 AI

5.2 幻觉风险

症状： AI 生成的内容看起来很专业，但包含错误信息

规避：

• 关键数据务必人工核实
• 使用 Claude 的 Citations 功能要求引用来源
• 对专业领域内容保持怀疑态度

5.3 成本失控

症状： API 调用费用超出预算

规避：

• 日常任务用 mini/haiku 等轻量模型
• 设置月度用量上限
• 复用 Prompt，减少重复调用

---

六、本章小结

---

实战练习

练习 1：工具组合设计

为以下场景设计工具组合：

• 场景：3 人初创团队，月预算 $100，主要做 B2B SaaS 产品

练习 2：Prompt 库搭建

创建一个包含 5 个常用 Prompt 的个人库，覆盖需求分析、文档撰写、竞品调研。

练习 3：自动化工作流

设计一个「用户反馈 → 需求整理」的自动化流程，画出流程图并说明工具选择。

---

延伸阅读

• ChatGPT 最佳实践指南
• Claude 使用技巧
• Notion AI 官方文档
• v0.dev 入门教程