我的 AI 原生工作流：让 Agent 成为团队的新同事

过去一年，我在团队里做 AI 应用的宣导与落地，也开了《产品经理如何使用 AI》的系列课。一个观察越来越清晰：多数人把 AI 用成了「更快的搜索引擎」，问一句答一句再复制粘贴。这只是打字更快了。

三层结构：从用到编排

我把团队的 AI 使用分成三层，越往上越省人力，也越需要设计：

• 信息层：检索、翻译、总结、竞品扫描。价值是「快」，几乎零门槛，人人都该会；
• 产出层：PRD 初稿、原型草图、SQL 取数、周报生成。价值是「从 0 到 0.7」，AI 出初稿，人做判断与修剪。这一层的关键是喂上下文：目标、约束、范例，缺一样产出就平庸；
• 决策层：Agent 编排。把「每周一从三个系统取数、生成报表、发给五位负责人」这类确定性流程整个交给 Agent，人只看异常。这一层的 AI 是不需要工位的同事。

判断你的工作流是否 AI 原生，就看一件事：你不在线的时候，有多少事仍在自动推进。

三条原则

• 人定义问题与验收标准，AI 负责路径。验收标准写不清，就别怪产出不可用。这其实倒逼了需求质量的提升；
• 一切产出要有可核查的来源。数据类回答必须给出取数口径与出处，AI 幻觉在内部流程里的代价远大于闲聊；
• 沉淀比尝试重要。好用的 Prompt、模板、流程要及时固化成团队资产，否则每次都在重新发明轮子。

一个真实产出

业务侧提了一个轻量需求：把资产数据拼成一份可筛选的报表。按老流程要排研发队列。我用 AI 辅助工具直接搭了出来，从数据接入到页面和筛选逻辑一气呵成，没有占用一行研发资源。这类「产品自己交付的轻量工具」后来成了常态，研发队列留给真正需要工程能力的项目。

写在最后

有人担心 AI 取代产品经理。我更同意另一句：会取代你的，是那个把 AI 编排进工作流的同行。从今天开始，把你工作里最重复的一件事挑出来，交给 Agent 试试。

相关阅读

• 产品经理的核心竞争力，是提出真问题的能力
• 增长的底层是权益设计：会员体系如何撬动复购

— 光人，写于 2025-12