AI 帮我 2 小时写完了别人 2 周的产品方案
上篇写完「渡 Ferry」的起点，我收到一条私信：「你一个人做，PRD 谁写？」
说实话，以前我也这么想。传统产品流程里，产品经理花 2 周写 PRD 是常态：需求调研、用户画像、竞品分析、功能拆解、技术方案评审……一轮轮改下来，文档能堆成小山。我一个人，既写代码又写文档，时间从哪来？
答案是：AI 帮我写。2 小时，12 个文档，外加一个完整的落地页。
那天晚上，我打开 Cursor，对着 Claude 说了第一句话：「我想做一个 AI 文件整理工具，用户选个文件夹，AI 扫描后给出分类建议，用户确认后执行迁移。帮我从产品概述开始，一步步把完整方案写出来。」
我没有说「帮我写个 PRD」。因为我知道，那样出来的东西会是泛泛的模板——有结构没灵魂。我要的是：先让 AI 理解我在做什么，再让它和我一起推演。
Claude 先问了我几个问题：目标用户是谁？和 Hazel、CleanMyMac 有什么区别？打算怎么收费？我一一回答，它边听边记，然后输出第一版《产品概述》。我读了，觉得「核心问题」那一段太抽象，补了一句：「大多数人的桌面堆满了截图、下载的 PDF、各种『未命名-1』，找文件靠搜索，根本不知道『应该放哪里』。」它立刻把这句话融进文档，整个开篇就有了画面感。
这就是第一个方法论：别让 AI 猜，先喂上下文。
接下来是技术架构。我说：「这个工具要跨平台，macOS、Windows、Linux 都要支持。安装包要小，用户下载转化率很重要。你帮我对比一下 Tauri 和 Electron。」
它给出一张对比表：
| 对比项 | Tauri | Electron |
|---|---|---|
| 安装包大小 | ~5-10 MB | ~80 MB |
| 内存占用 | ~30-50 MB | ~150-300 MB |
| 后端语言 | Rust | Node.js |
| 文件操作性能 | 原生级 | 受 Node.js 限制 |
8MB vs 80MB——差了 10 倍。对于工具类产品，用户第一次下载的犹豫成本，可能就是这几十 MB。我几乎没犹豫：选 Tauri。
但我也没全信。我追问：「Rust 写文件扫描，性能真的能比 Node 好多少？有数据吗？」它补充：Rust 的 walkdir 单线程扫描可达 10,000+ 文件/秒，Node 的 fs.readdir 递归大目录时容易阻塞。我查了查，确实如此。第二个方法论：让 AI 给方案，你来质疑和验证。
技术文档写到第 3 篇时，我意识到：光有技术方案不够，还得有「怎么卖」。传统 PRD 里，定价、渠道、SEO 往往是另一个团队的事。但一人团队，这些都得自己想。
我切到营销文档：「渡 Ferry 的商业模式是免费入门 + 按次付费。50 个文件以内免费，超出按阶梯收费。帮我设计一套定价策略，要算清楚成本和毛利率。」
它给出的价格表，我至今还在用：
| 文件数量 | 单次价格 | 折扣 | 毛利率 |
|---|---|---|---|
| ≤50 | 免费 | - | 获客投入 |
| 51-200 | ¥9.9 | - | ~97% |
| 201-1,000 | ¥19.9 | - | ~95% |
| 1,001-5,000 | ¥29.9 | 8折 | ~90% |
| >5,000 | ¥39.9 | 6折 | ~87% |
毛利率 87%-97%，不是我拍脑袋——是 AI 根据 GPT-4o-mini 的 token 价格算出来的。每个文件元数据约 50 tokens 输入、80 tokens 输出，200 个文件的 AI 成本约 ¥0.3，卖 ¥9.9，毛利自然高。免费档（≤50 文件）成本仅 ¥0.07/次，比付费获客的 ¥5-10 便宜太多，本质是获客手段。
我盯着这张表看了很久。原来定价可以这样算。
用户画像那部分，AI 一开始写得很「标准」：25-35 岁、职场人士、有整理需求……我打断它：「太泛了。我要能想象出具体的人。」
它重新写，这次有了三个有血有肉的画像：
画像 A：数码生活混乱者——桌面 300 多个文件，各种截图、文档、下载的资料混在一起，找东西靠搜索，想整理但一看到那么多就放弃。典型用户故事：「每次想找东西都要搜半天。」
画像 B：效率追求者——程序员、设计师，3 个外置硬盘 + 2 个云盘，文件重复存了好几份，不敢随便删。典型用户故事：「要是有个工具能帮我理清楚就好了。」
画像 C：数据迁移用户——刚买新电脑，旧电脑几百 G 要搬过来，想趁换机好好整理。典型用户故事：「不想把旧电脑的混乱带到新电脑上。」
读完之后，我能想象出这三类人坐在电脑前的样子。第三个方法论：逼 AI 写具体，写到你脑子里有画面。
2 小时里，我和 Claude 的对话轮数超过了 50 次。每次它输出一版，我就挑毛病：这里太虚、那里缺数据、这个假设不成立。它改，我再问。迭代到后来，文档已经分不清哪些是它写的、哪些是我改的。
最终产出的文档体系是这样的：
docs/ 技术文档 6 篇：
- 01 产品概述
- 02 技术架构（含 Tauri vs Electron 选型）
- 03 API 设计
- 04 数据模型
- 05 安全设计
- 06 部署方案
marketing/ 营销文档 5 篇：
- 01 产品定位（用户画像、竞品分析）
- 02 定价策略（阶梯定价、成本分析、转化预估）
- 03 推广渠道计划
- 04 SEO 策略
- 05 增长策略
外加一个完整的 landing page——HTML/CSS/JS，响应式布局，Schema.org 结构化数据，该有的都有。我打开浏览器预览，第一反应是：这真的是 AI 生成的？
但我也必须诚实：AI 产出的文档，质量大概在 80 分。
那 20 分差在哪？差在「判断力」。
比如定价策略里，AI 算出了 87%-97% 的毛利率，但它不会主动提醒你：免费档可能被滥用，需要设计防刷策略。是我看到「用户可能反复卸载重装用免费档」时，才追问「怎么办」。它才补充：用设备指纹记录、但不阻断——因为过度防刷会损害新用户体验，愿意反复卸载只为省 ¥9.9 的人本来就不是目标用户。
比如技术选型，AI 能列出 Tauri 和 Electron 的优劣，但「为什么工具类产品特别在意安装包大小」——这个产品直觉，是我补的。AI 不会替你判断「这件事对渡 Ferry 有多重要」。
最后一个方法论：AI 负责 80% 的产出，剩下 20% 的判断和决策，必须是人。
回过头看，传统产品经理花 2 周写 PRD，不是因为写得慢，而是因为要反复沟通、对齐、评审。需求方说不清，设计方有疑问，技术方要评估——文档在多方之间来回改。
一人团队没有这个问题。需求方、设计方、技术方，都是我自己。AI 是我的协作者，我只需要把脑子里的想法讲清楚，它就能快速具象化。我质疑，它修正。我补充，它迭代。2 小时，不是 AI 写得快，而是沟通成本被压缩到了零。
如果你也在用 AI 写产品文档，记住：别一上来就说「帮我写个 PRD」。先描述问题和用户，让 AI 理解上下文。让它提出方案，你来质疑。每次讨论都在之前的基础上深化。最后，那 20 分的判断，留给自己。
渡 Ferry 的 12 个文档，现在都在 GitHub 上。你可以去看，哪些像 AI 写的，哪些像人改的。也许能帮你找到自己的节奏。
本篇 Takeaway
- 别让 AI 猜：先说清楚问题、用户、约束，再让它产出。直接说「帮我写 PRD」会得到泛泛的模板。
- 分步骤引导：产品概述 → 技术架构 → 定价策略 → 用户画像，一步步来，每步都在上一步的基础上深化。
- 让 AI 提方案，你来质疑：技术选型、定价逻辑、防刷策略——AI 能算能写，但不会主动想到「这里可能有坑」。追问、验证、补充。
- 逼 AI 写具体：用户画像要能想象出真人，定价要有数字依据，别停在「25-35 岁职场人士」这种层面。
- 80/20 法则：AI 负责 80% 的产出，剩下 20% 的判断和决策必须是人。产品直觉、优先级、风险权衡——这些 AI 替不了你。
系列导航
系列：AI 时代，我如何一人从想法到产品赚到第一个 10 万
