阿里云这位叫求至的产品经理,他们团队将近 40 人,今年目标是把团队转变成 AI Native 组织。他分享了一套从需求到上线的完整工作流,9 个阶段,每个阶段都在用 AI 重新定义产品经理干的事。
我读完觉得这套东西太实在了,整理出来给各位参考。

AI 使用现状:9 大场景覆盖
他们团队核心用的是两个工具:Qoder 和 QoderWork。覆盖的场景包括日常文档和产品方案、原型产出、自动化任务、需求跟踪、定时行业分析等。
有意思的是三个角色的对比:产品经理的 AI 使用成熟度最高,产品文档工程师次之,产品运营排第三。他们用业界公认的七个维度评估 AI Native 程度,产品经理已经做到人人"AI 优先"思维——不是偶尔用一下,而是默认用 AI 干一遍。
9 个阶段的完整工作流实践
阶段 1:产品构思——周末搓出可运行原型
今年三月份开始,Agent 特别火,他们突然发现某个垂直领域缺少类似产品。有这个想法之后就用 Qoder 构建后台管理能力。一个周末、两天,所有功能原型直接手搓出来了。
对比传统方式:用 Axure 画二十几个界面的功能,要 2 到 3 周,中间跟设计师沟通成本高,信息损耗大。现在在 IDE 里用自然语言描述需求,AI 生成页面,人做调优。产出的前端代码仓库在后续研发阶段能直接复用。
阶段 2:设计师介入——UI 组件规范化重构
统一把代码提交到 Git 上,设计师和 PD 在同一个代码分支工作。设计师基于 QoderWork 生成的代码做 UI 重构,把所有前端组件统一成 shadcn/ui 组件。
设计师把设计规范——颜色、间距、字体、圆角——做成一个 Skills 集成在工程里,一键优化。走查发现问题直接在代码上修改,不需要线下口述沟通。十几个到二十个菜单的系统,所有功能都是 AI 直接生成的。
阶段 3:产品开发前——前端代码质量检测
AI 写的很多组件可维护性确实差,交付给客户前不质检就是埋雷。
他们专门写了一个 React 代码质检的 Skills,检测整个工程的前端代码质量,生成报告并自动优化。覆盖国际化、性能、组件可维护性几个维度。这是在真正开发前必须走的一步。
阶段 4:PRD 生产
这个阶段挺有意思。他没有用现成的 PRD 模板,而是把团队写过的最优秀的 PRD 扔进 QoderWork,让它自动分析总结,生成了一个 PRD Writing 的 Skills。
这个 Skills 包含具体的写作要求——章节要求、必备模块、业务流程。生成 PRD 时,AI 会先去读 Repo Wiki 里的交互记录和业务流程,再访问部署在 CDN 上的可点击 Demo,把每个界面点一遍,结合背景知识输出 PRD。
他给了一个心得:一定要给 AI 特定的角色定位,要给足够的知识源清单。这样生成的 PRD 基本不需要花太多时间微调。
最终你只需要补业务细节、修逻辑漏洞,通过 MCP 连接器直接发到内部钉钉文档上交付给研发。
阶段 5:前后端协同功能还原
研发、设计师、前端、后端共用分支,统一在 design 分支上协作。
真正开发时,研发从 design 分支切出 DEV 分支,把后端设计的 API 文档直接灌进去。前端根据 API 文档和已有界面,直接生成带业务逻辑的产品功能。发布上线时,研发分支合到 master。这样前端不会遗漏产品经理关注的功能点和细节,只需要补充 API 逻辑就能快速上线。
阶段 6:市场分析、收入预测与定价策略
用 QoderWork 做竞品市场分析,包括收入预测。
前提是给足够多的数据——类似产品在全国或全球的市场规模、中国市场大小、去年销售数据。AI 做深度分析后推测出收入预测模型,据他们说结果非常精准。产品的定价模式、折扣分析也能通过这个方式实现。
阶段 7:产品文档体系批量产出
产品经理要写的文档实在太多了:用户指南、开发指南、技术白皮书、Release Note、API 文档、产品简介……
他们用 QoderWork 的 Skills 批量生产。比如用户指南里的每个功能——从新建、删除到列表、详情页——AI 会一步步去访问、截图、写功能说明。你只需要让研发和 PD 评审一下就能发布上线。
阶段 8:招标参数与解决方案 PPT
新产品所有的技术招标参数来自功能清单,AI 一键生成。PPT 也是靠 QoderWork 的幻灯片功能写的——包括他这次演讲的 PPT,只有几页单独微调过。
还有商品定价分析、销售数据趋势分析、资源评估,都可以用 AI 一键产出的方式来搞定。
阶段 9:客户需求分析与跟进
他们的客户多,每次收到上百条需求,人肉处理太慢。
用 QoderWork 处理客户的原始需求。有些前线或 SA 提的需求写得很笼统,AI 能把需求涉及的点详细分析出来,批量总结,产出真正的需求清单,并提交拆解任务。实现客户需求的跟进、分发和完整的产品迭代自动化。
效率提升对比
| 场景 | 传统方式 | AI 协同 |
| 竞品素材收集分析 | 23 小时 | 30 分钟 |
| 文档工程师写文档(单个产品) | 34 小时 | 3045 分钟 |
| Release Note | 3060 分钟 | 10 分钟 |
| 技能沉淀 | 散落在共享知识库 | Skills 一次性沉淀,团队复用 |
但说实话,AI 也不是万能药。他们自己承认:最终效果不好往往是因为缺少交叉验证机制。所以无论产出界面还是文档,都要通过验证 Skills 做交叉验证。最终发布给客户前,人必须再审一遍。
总结
他们团队产品经理岗的 AI 化程度已经达到 85%,是整个专有云团队里使用深度和广度最深的岗位。
我最认同的观点是文章结尾说的——把写文档、写 PPT 的过程沉淀成 Skills,分享复用到整个团队。不是做完一次就完了,而是把每次工作流变成可复用的资产。
—
📚 产品人 - 产品经理交流社区 - www.chanpinren.com