企业官网建设流程全解析

这两年我一直在产品一线折腾，见多了各种标签和头衔。以前总觉得“产品经理”是个正经岗位，得会画原型、写需求文档、背KPI，普通人根本碰不着。但AI这波浪潮起来之后，我的看法彻底变了：AI把过去需要一支团队才能完成的洞察、设计、验证循环，压缩到了一个人加几个对话窗口就能跑起来。你不需要有产品经理这个title，也能用产品经理的思维方式把事情做成。这就是我常说的“AI时代人人都是产品经理”。

这篇内容我想聊的是，普通人到底能落地哪3件核心事。不是教你写一堆漂亮文档自嗨，而是用一个最小、可执行、能出结果的闭环，把脑子里的一个想法变成真实世界里的一个东西，再让真实用户给你反馈。这三件事分别是：用AI把模糊想法拆成真实需求、用AI把需求变成可体验的原型、用AI搭一个反馈与迭代的闭环。每一件我都配上自己实操过的提示词模板、步骤和踩坑记录，希望能帮你少走弯路。

1. 为什么说AI时代人人都是产品经理

1.1 产品经理的核心不是职位，而是“三步闭环”

我在带新人的时候发现，很多人对“产品经理”有误解，以为这个岗位的核心是画图、写文档、开会。其实不是。真正的核心能力是一个逻辑循环：发现一个真实的问题，提出一个可能的解法，用最小的成本验证这个解法是否被需要。发现问题的靠用户洞察，提出解法靠方案设计，验证靠数据反馈。过去这三步分别卡在不同的人手里：研究员做访谈、设计师出原型、开发做版本、运营看数据，一个循环跑下来少则一两周，多则一两个月。

AI把中间的摩擦成本打下来了。比如你要验证一个想法是否成立，过去得先找人写调研问卷，再哭着求人填，然后手动整理Excel。现在你可以让AI帮你设计访谈提纲、扮演不同类型的用户做预演、生成问卷的多个版本、把回收的文字回答归类成主题。你不用动一根手指去写分析脚本，只需要会提问、会判断。这个变化让“洞察—构建—验证”的三步闭环，从一个组织行为变成了一个人的日常动作。

这也是为什么我说“人人都是产品经理”不是一句鸡汤。工具的门槛已经被拉平了，剩下真正值钱的，是你愿不愿意用一个系统的方法去对待一个想法。你不需要学会写代码，不需要会画高保真交互图，你只需要愿意把“我觉得这个东西不错”变成“我验证过这个东西确实有人要”。

1.2 普通人做产品的三个实践场景

这三个实践场景我都是亲眼见过或者亲自做过的，不是从概念推出来的。

第一个场景是副业选手。我有个朋友想在小红书卖自制手账本，她一开始只知道发图，没流量。后来我把AI的思路教给她：先用AI分析热门手账笔记的共性关键词，再让AI生成5个不同卖点的标题组合，挑数据好的继续测。她没用任何复杂工具，就是聊天窗口加手机，第三周开始有稳定咨询。对她来说，产品经理不是头衔，是“知道用户想要什么”的判断力。

第二个场景是职场人用AI Agent处理重复劳动。比如有人把市场部每周要做的竞品简报交给AI Agent，让AI自动抓取几个固定网站的更新内容，再用统一模板生成周报摘要。这本质上就是产品经理的“方案落地”能力：定义输入、定义输出、定好规则、跑通流程。

第三个场景是内容创作者做内容矩阵。现在的AI短剧、AI漫剧、AI绘画工具，让一个人也能做出以前需要一个工作室才能搞定的内容产品。但你的内容能不能火，不取决于生成速度，而取决于你对用户喜好的洞察——这是产品经理的老本行。

这三个场景的共同点是：起点都是一个人脑子里的模糊想法，终点都是某个用户可感知、可使用、可反馈的东西。AI在中间扮演的不是“自动完成”的魔法，而是“低成本试错”的加速器。

2. 第一件核心事：让AI帮你把“灵光一现”变成真实需求

2.1 用AI把模糊想法拆成可验证的假设

我见过太多人，包括我自己早期，都是脑子一热就开干。比如“我想做一个给养猫的人用的社区”，然后直接去找人写代码，两个月后做出来，发现根本没人用。问题不是执行力，而是起点太模糊。“给养猫的人用”不是需求，它只是一个方向。

正确的第一步是让AI帮你把这个方向拆成一组可以验证的假设。我常用的提示词模板是：

我现在有一个想法：______。请你扮演一个资深产品经理，帮我把这个想法拆成5个可验证的假设。每个假设必须包含：目标用户是谁、在什么场景下产生需求、当前用户是怎么解决问题的、我的方案凭什么让用户切换、用什么方法能最快验证这个假设。

不要小看这个提示词，它一次性逼着AI把“用户、场景、痛点、解决方案、验证方式”五个要素全列出来。我第一次用的时候，AI输出的内容比我之前开会讨论两小时得到的结论还要结构清晰。但这里有个关键动作：AI的第一次输出只能当草稿，你要继续追问。我一般会接着问：

这些假设中，哪一个最容易被推翻？如果只让我选一个做最小验证，应该选哪个？为什么？请你反过来找出这个假设的3个致命漏洞，并告诉我如何用一周时间低成本验证。

追问这一步很重要，因为AI默认倾向于顺着你说，给你一个看起来完美的答案。你让它主动找漏洞，它才会把那些你没意识到的风险翻出来。我做过的一个小工具“周末去哪玩推荐”就是靠这一步发现假设不成立——目标用户对这个需求的痛感并不强，他们更痛的是“和谁去、怎么定下来”，推荐地点反而是最不重要的。

这个环节请务必留下文字记录。我自己的习惯是，每次让AI拆解完，就存到一个固定的笔记里，标上日期。一周后回看，往往会发现很多当时觉得兴奋的点，已经没那么诱人了。这时候你的想法才算开始成熟。

2.2 AI驱动的用户访谈与调研：怎么问、怎么听、怎么判断

如果你只想做一件事来验证需求，那就去做用户访谈。这不是大公司专属，普通人也做得起。AI在这里能帮你三件事：设计提纲、模拟预演、整理反馈。

先说说设计提纲。以前我要憋半天才能想出七八个问题，而且经常问出“如果有这样一个功能你会用吗”这种无效问题。现在我会让AI按场景生成：

我想访谈的目标用户是______，他们的核心场景是______。请帮我设计一份20分钟深度访谈提纲，要求：前5个问题用于建立信任和了解背景，中间10个问题围绕具体经历和场景，禁止问“你是否会使用某功能”这类假设性问题，最后5个问题用于了解用户当前选择的代价和成本。

这套逻辑其实就是产品经理常说的“过去行为比未来意向更可靠”。你直接问用户“你要不要”，用户出于礼貌基本都会说“要”；但你问他“上一次遇到这个问题是什么时候、当时你做了什么”，你得到的就是真实的经验。

AI还能帮你做访谈预演。我会让AI扮演三种用户角色，分别基于不同的性格背景，然后我对它提问，看它怎么回答。这能帮我提前发现提纲里的问题是否清晰。注意，AI的扮演只是“模拟”，不能替代真实的访谈对象。真正做访谈时，你至少要找到5到10个符合目标用户特征的真实的人。我一般在微信群、朋友圈、闲鱼上找人，成本很低，关键是不要卖产品，只聊天。

访谈完的素材怎么处理？直接丢给AI做归纳：

这是我在用户访谈中收集的原始回答：______。请帮我提炼出用户的痛点、用户常用的替代方案、用户表达出的情绪强度，并按主题归类。最后指出最让我意外的发现是什么。

用一次你就会发现，过去花一下午整理访谈纪要的活，AI几十秒就干完了，而且归类视角比你一个人埋头整理要全。你节省下来的时间，应该拿去多聊一个真实用户。

2.3 需求验证的最小成本实验设计

当你访谈完，得到了一些方向，下一步不是急着开发，而是做最小成本实验。所谓最小成本实验，就是花尽量少的钱和时间，去验证那个最关键的假设。

我常用的方法是“落地页测试法”。假设你想做一个“给自由职业者用的记账工具”，你不需要先做产品，你只需要一个落地页：一个标题说明产品价值、一个功能介绍列表、一个“立即预约”的按钮。然后你把这个页面发给目标用户，看多少人会点击预约。这个落地页完全可以用AI生成，文案让AI写，页面用下一部分讲的AI建站或者AI生成HTML来搭，总成本基本是零。

这里最关键的指标不是“有人点赞”，而是“用户愿意付出某种成本”。点赞、收藏、评论都不算数，因为这些成本太低。真正的验证是：用户愿意留下邮箱、愿意预约体验、愿意花时间跟你聊第二遍，甚至愿意预付定金。你在设计实验的时候，一定要设置一个“让用户付出真实代价”的动作。

AI还能帮你设计这个实验的脚本。我问过AI一个问题：

我准备用落地页验证一个产品想法，目标用户是______，核心卖点是______。请帮我设计3个不同版本的落地页标题和用户行动号召按钮文案，并说明每个版本试图验证的不同心理动机。

结果它给了三个方向：一个强调省时间，一个强调省钱，一个强调专业感。这三个方向对应的其实是不同的用户痛点，你用数据看哪个方向的转化率高，就知道你的产品应该主打哪个卖点。这个步骤在传统产品经理流程里叫“竞品分析”和“用户价值定位”，现在一个人加AI就能跑通。

还有一个我自己很喜欢的低成本验证法：预购测试。你可以在社交平台上发一个帖子，直接说“我正在设计一个×××类的工具，如果你感兴趣，可以私信我领取早鸟资格”。真的有人私信你，需求就有几分真；如果只有点赞没有私信，那你心里也要有数。AI在这里可以帮你优化帖子的文案、发布时间和措辞。记住，验证不是证明你是对的，而是给你一个及时止损的信号。

3. 第二件核心事：用AI把想法变成看得见摸得着的原型

3.1 不会写代码也能做原型：AI生成的正确打开方式

需求验证跑完之后，你要把想法变成一个能体验的东西。很多没有技术背景的人一听到“做产品”就害怕，觉得必须要学编程。其实今天的AI编程工具已经把门槛降到了非常低的水平，你不需要成为程序员，只需要学会怎么给AI下达清晰的“建站需求”。

我推荐一个最容易上手的路线：先让AI直接生成一个静态页面原型。你不用安装任何环境，只要用浏览器就能看效果。用法很简单，打开任何一个支持AI编程的聊天工具，输入：

请用HTML + CSS + JavaScript生成一个手机端应用原型，产品名称是“×××”，功能包括：顶部导航栏、一个数据概览卡片区、一个按钮、一个底部标签栏。界面风格参考现代移动应用的极简风，颜色要柔和。请把完整代码输出，不要省略。

生成之后，把代码保存成一个后缀为.html的文件，双击用浏览器打开，你就能在手机上预览这个页面。如果AI生成了好几种版本，你可以都保存下来，自己点一点，看哪个交互更顺眼。这个过程最大的好处是快，一个页面从想法到可点开，五分钟内就能完成。

但这里有一个很多人都会踩的坑：AI生成的代码一次不一定完美，可能出现按钮没反应、图片显示不出来、布局错乱的情况。这时候不要慌，直接把浏览器上看到的问题描述给AI：

你生成的这个页面，在我点击按钮时没有任何反应，请检查JavaScript部分，帮我修复。这是我的完整代码：______。

AI会像一个耐心的小助手一样帮你改。你不需要懂代码，但你要学会“描述问题”而不是“猜测原因”。只要你会观察页面哪里不对、把现象说清楚，AI就能帮你定位。这个协作模式，本质上就是产品经理和技术开发的沟通方式，只不过对方从程序员变成了AI。

等到你的原型复杂一点了，可以直接试试AI Agent或低代码工具。市面上很多工具已经支持你用自然语言描述一个应用的功能，然后自动帮你搭出页面结构。核心思路始终不变：不要想着一次性让AI生成完整产品，而是“小步快跑”，先做一个能看的页面，再去验证核心流程，再继续加功能。

3.2 从文案、图片到短视频：AI搞定内容型产品

并不是所有产品都是软件。很多时候，你验证需求的产物是一篇内容、一套图、一个短视频，这些也是“产品”，也要有人使用、有人反馈。内容型产品的优势在于，它的制造门槛和分发门槛都极低，并且AI在内容生成上的能力已经非常成熟。

以小红书笔记为例。假设你想做“职场效率工具推荐”的账号，你可以让AI帮你一次性产出多篇候选：

请为“职场效率工具”这个主题生成5篇小红书笔记的标题和正文。标题要带数字和情绪词，正文要口语化、有真实使用细节，结尾引导收藏和关注。每篇控制在500字以内。

生成之后，你不是直接发，而是要做一个小小的AB测试：把标题改成两个方向，一个偏强利益点，一个偏故事感，发布后看哪个的点击率高。这个过程就是AI时代人人都是产品经理的典型动作——你不是在“写作”，你是在用内容做产品实验。

做短视频也一样。AI短剧最近很火，已不需要我多解释。它的制作流程大致是：先用AI生成一个短剧剧本的钩子和分镜，再用AI绘图工具生成角色和场景图，再用AI配音和剪辑工具合成视频。整个过程一个人就能完成。但我的建议是：不要一上来就想做成大片，先做一个15秒以内的“概念预告片”，把它发给你的目标朋友看看，问他们“这个剧情你会想看下去吗”。如果连身边人都没兴趣，那你就知道问题出在剧本，不一定是制作。

做内容型产品最容易犯的错是“自嗨”，觉得自己生成的东西特别漂亮就一定会火。实际决定内容能不能打，是能否在开头3秒内准确把握用户的情绪。AI能帮你批量生成方案，但选择哪一个方案的责任，始终在你肩上。

3.3 提示词的质量决定了你的产品下限

做原型的这个过程，你会发现：AI输出质量的上限，取决于大模型的能力；但你的产品下限，完全取决于你给的提示词质量。同一件事，模糊的提示词和结构化的提示词，产出的东西可能是天壤之别。

我给你看一个对比。假设你要设计一个记账应用的第一屏。

模糊提示词是：“帮我设计一个记账首页。”AI会给你一个套路的、泛泛的答案，谁看了都觉得没意思。

结构化的提示词是：

请为“自由职业者专用记账工具”设计一个手机端首页。目标用户是收入不稳定的人群，最关心的数据是“本月累计收入、待入账金额、上月对比”。首页第一屏必须只展示这三个核心数字，次要功能收纳在“更多”按钮里。视觉风格偏轻松，避免财务软件常见的冰冷感。请输出带完整样式的HTML页面。

两者区别一目了然。前者没有给AI任何边界，后者给了用户画像、核心数据、信息优先级、视觉调性。AI不是魔术师，它擅长的是在你给定的约束范围内做高质量填充。所以你想让AI干活，就得先把约束说清楚。

我把自己常用的提示词框架总结成这个模板：角色加（你是谁）、任务加（做什么）、背景加（给谁用、在什么场景）、输出格式加（结构化、带代码或表格）、约束条件加（不要什么、一定要什么）、示例加（参考风格）。

这套模板几乎适用于所有类型的产品原型生成，不管你是生成页面、生成文案、生成视频脚本还是生成商业计划。每次你觉得AI输出的东西达不到要求时，先从自己身上找原因：是不是背景没讲清楚？是不是没给示例？只要把提示词打磨好，AI的产出质量会立刻上一个台阶。

4. 第三件核心事：用AI搭一个“永远在线”的反馈与迭代闭环

很多人觉得产品做完就结束了，其实这才刚开始。产品经理工作最重的部分，是上线之后永不停止的迭代。以前一个产品经理要手动盯着评论区、客服消息、后台数据，身心俱疲还容易漏。现在你可以把AI当成你的“产品助理”，帮你把反馈循环搭建起来。

4.1 AI帮你监听、归类、提炼用户反馈

当你的原型开始有人用了，你一定会收到各种反馈。有可能是在你发布的社交平台下面有评论，有可能是用户私信你，有可能只是身边朋友随口说了一句“这个按钮我找了半天”。这些信息非常散乱，但都是金矿。问题是，你一个人根本看不过来。

我的做法是：定期把这些原始反馈拷贝到一起，丢给AI处理。提示词是这样的：

以下是我收集到的用户反馈，每条后面标注了来源渠道和反馈时间。请你帮我做三件事：第一，把所有反馈按主题归类，比如体验问题、功能建议、内容问题、情感表达；第二，统计每个主题下有多少条反馈；第三，指出最可能影响用户留存的一个问题，并用一句话说明理由。原始反馈内容：______。

第一次用的时候，我很惊讶：它把我以为的几十条无关紧要的评论，归类成了“注册流程太繁琐”“首页信息密度不足”“对会员价格敏感”三个主题，而且明确指出注册流程的问题出现在多条不同表达的反馈中。这个洞察，如果靠我自己一条条翻，可能到第二天才能反应过来。

要注意的是，AI归类时有幻觉风险，尤其是你把大量反馈一股脑丢给它的时候。所以我每次都会加一句“如果某条反馈你无法判断主题，请单独标记为‘待确认’，不要硬塞到某一个类别里”。这条约束能帮你减少瞎归类的情况。把AI的结果当作初稿，你要亲自抽样看几条原文，确认它的判断靠谱。

处理完反馈之后，我还会让AI给下一轮迭代提建议：

基于上面的反馈归类结果，假设我只能做一次版本更新，你会建议我优先解决哪个问题？请给出具体的修改方案，并预估这个修改对用户留存的可能影响。如果这个问题解决不了，有什么替代方案？

这里我只把AI当“第一个提意见的人”，真正的决策还是要结合你自己对用户的理解来做。AI能看到文本里的规律，但看不到用户在屏幕那头的表情和语气。你亲自用过产品、见过用户，才知道哪个问题最疼。

4.2 AI测试：快速验证你的原型不出错

原型做得再漂亮，如果用户点两下就报错，前面的努力全都白费。在正式把原型分享给目标用户之前，我强烈建议你做一轮AI辅助测试。

最省事的做法，是让AI生成一份测试用例清单。你把你做好的原型页面功能描述给它：

请为这个应用原型设计一套测试用例。功能列表如下：注册登录、打卡记录、数据列表展示、个人资料编辑。请按功能模块列出测试用例，每个用例包含：测试步骤、预期结果、边界条件（如空值、超长输入、重复提交）。请尽量覆盖移动端常见的兼容性风险。

拿到这份清单后，你还是得自己手动点一遍页面，把每个用例都过一遍。这个过程无法省略，但AI帮你把“要测什么”的思考过程省掉了。你的注意力可以全放在“观察页面是否表现正确”上。

除了测试用例，AI还能扮演用户来“体验”你的产品。你可以把你原型的文字说明和页面截图丢给它，然后说：

请模拟一个第一次使用这款产品的普通用户，按照“注册—使用核心功能—退出”的流程走一遍，每一步告诉我你看到什么、想到什么、担心什么。

这种模拟测试的价值不在于发现技术Bug，而在于发现“理解偏差”。比如AI可能说“我不明白这个数据为什么要展示”，你就能提前知道新手用户大概率也会困惑。让AI当你的“第一位用户”，成本几乎为零，却能避免你把一个自己已经审美疲劳的界面直接扔给真实用户。

4.3 迭代决策：让数据告诉你下一步做什么

AI帮你整理了反馈，AI帮你做了测试，接下来最关键的问题是：下一步做什么？这个决策不能靠感觉，要靠数据和逻辑。

我自己常用的方法是“反馈矩阵”。纵轴是“提及频次”，横轴是“影响严重度”。你把所有问题按两个维度打分，丢给AI帮你生成矩阵排序：

以下是我整理出的用户反馈主题及每条主题的提及次数和严重程度评分：______。请你把我生成一个优先级排序表格，先考虑“频次高+严重度高”的象限，再给出每个问题的处理建议，分三类：立即修复、安排迭代、继续观察。

这个过程能避免一个经典误区：被少数说话大声的用户带偏。AI不会刻意偏袒谁，它只看你给的数据。当然，数据本身要真实，你不能把“我朋友说好看”和“100个陌生人愿意付费”放在同一权重上。

做完优先级排序，就该把迭代需求变成具体任务了。我习惯让AI生成一份简短的迭代清单：

根据优先级排序结果，请把我的下一次迭代拆成不超过5个具体任务，每个任务包含目标、涉及页面、验收标准，并用200字内的话说明为什么这个任务排在这个位置。

你会发现，当AI把这些都说清楚以后，你就不再是一个“凭感觉做产品”的爱好者了，而是一个真正具备闭环能力的产品人。AI提供的不是答案，而是一个让你每次决策都有依据的流程。

5. 普通人的落地路线图与避坑清单

5.1 30天从零到一的可执行路线图

如果看这篇内容的你，目前只有一个模糊的想法，还不知道从哪里下手，我帮你整理一个30天路线，每一步都有明确产出物。

第1至7天，聚焦需求拆解。选定一个你真正感兴趣并有点经验的领域，用2.1中的提示词拆成假设，每天花30分钟跟AI反复对话，最终确定一个你最想验证的假设。产出物：一份包含目标用户、场景、当前痛点和验证方法的需求假设卡片。

第8至14天，去做真实访谈。用AI设计提纲，找到至少5个目标用户聊天，把原始记录全部丢给AI做归类。产出物：一张用户痛点归类表，上面有三个以上高频出现了两回的痛点。如果访谈结果让你怀疑最初的想法，大胆调整方向，不要心疼前一周的投入。

第15至21天，制作最小原型。根据访谈结论明确核心功能，用3.1的AI建站或3.2的内容生成方法，做一个可以给别人看、别人能操作的版本。记住，这个版本只能包含一个核心功能，其他都是装饰。产出物：一个链接或一个页面，加上3个版本的替代文案。

第22至28天，上线测试加收集反馈。把原型分享给访谈用户和你能触达的陌生用户，设置一个“让用户付出真实代价”的验证动作。每天把反馈丢进4.1的模板归类。产出物：一次真实使用数据和一份反馈归类报告。

第29至30天，做迭代决策，用4.3的反馈矩阵决定下一步是继续完善、增加功能，还是彻底放弃、换个方向，把结论写成一份200字内的复盘，附上你的下一步行动。产出物：一张优先级表格和一份下一步计划。

这个路线的核心是：每一步都有明确产出，每一步的成本都很低，你可以随时止损。不要跳过任何一步，特别是访谈那一步，它决定了后面所有工作的地基牢不牢。

5.2 实操中踩过的坑与排查方法

这一路我自己踩过不少坑，挑四个最典型的说给你听，希望你直接用我们总结的排查方法绕过去。

第一个坑是提示词太笼统导致AI输出很虚。前期我经常抱怨“AI给的建议不落地”，后来才发现是我只给了AI一个宏大的话题，却没说用户是谁、场景是什么、我想要什么格式。排查方法是换用结构化提示词模板，把角色、任务、背景、输出格式、约束条件写全，AI的输出立刻从“正确的废话”变成“可用的初稿”。

第二个坑是让AI访谈上瘾，不去接触真实用户。有一段时间我沉迷于让AI扮演用户，觉得自己已经“懂用户”了。结果真正上线时，才发现真实用户的反馈跟AI扮演的差别巨大。真实用户的情绪是复杂的，有些问题他会绕圈子讲，有些人根本不会说出真正的原因。排查方法是给自己定死规矩：AI访谈只能做预演和补充，你至少要把方案拿到5个真实用户面前过一遍。

第三个坑是收集到反馈就急着改。有一次我收到几条负反馈，马不停蹄改了一版，结果上一版的老用户反而觉得改差了。我后来才明白，少数几人的抱怨不一定代表整体，你需要依据数据而不是情绪做判断。排查方法是用反馈矩阵，别在没有统计的情况下单点行动。

第四个坑是被AI的“幻觉”带偏。AI在总结用户反馈时偶尔会凭空生成一条不存在的用户原话，如果你直接引用那就会闹笑话。排查方法是在4.1模板里加“无法判断的单独标记”，并且每次让AI给出归类结果时，都要求它“直接引用原文加出处”，没有原文支撑的结论都降权处理。

这些坑本质上都有一个共同的根源：把AI当成全知全能的神，而不是一个能力很强但也会犯错的新同事。你用项目管理的方法对待AI，给它提需求、审产出、看结果，它的价值才会被安全地发挥出来。

5.3 我的真实体会

做了那么多小实验之后，我最大的体会是：AI没有替代产品经理，反而把产品经理的门槛从“技能门槛”降到了“思考门槛”。以前你不会写代码、不会做设计、不会数据分析，很多想法就卡在喉咙里。现在这些能力AI都给了你，剩下的核心是你是否愿意花时间去搞清楚用户到底要什么。

在我做过的几个小产品里，唯一跑通的那个，并不是我技术做得最好的，而是我在访谈和验证阶段花的时间最多的那一个。AI帮我缩短了验证周期，但它没有帮我绕过验证本身。我还是得一遍遍问自己：这是不是真需求，这个方案用户愿不愿意换过来。你可以把AI当作一个随叫随到的导师、执行者和评审，但做决定的永远是你。

最后再分享一个我自用的小技巧：每次产品改版之前，我都会把页面截图和改动说明丢给AI，让它用最苛刻的“挑剔用户”口吻挑毛病，然后反过来列出10条“表扬点”。这个“左右互搏”的过程，逼着我把每一个决定都从利弊两面想清楚。希望你也能把这些方法用起来，在一个具体的想法上跑通一次完整的闭环。走过一轮之后，你会发现所谓产品经理能力，不过就是真诚地面对用户、理性地面对数据，再把这两者统一到行动里。