原始标题: PMS are designing AI products completely wrong
发布日期: 2026-02-20 | 来源频道: @growproduct
📝 深度摘要
1. 对话背景与核心主题
本视频由AI设计专家Genron担任嘉宾，旨在纠正当前产品经理和设计师普遍存在的认知误区：误将掌握提示词工程等同于学会AI设计。Genron拥有丰富的AI产品设计实战经验，他提出设计AI的核心在于理解完整的工作流、系统约束和AI行为逻辑，而非单纯优化提示词技巧。视频围绕四大领域展开讨论：提示词工程、AI创意头脑风暴、AI设计与原型，以及有意识地使用AI。
2. 对话背景与核心主题
本视频由AI设计专家Genron担任嘉宾，旨在纠正当前产品经理和设计师普遍存在的认知误区：误将掌握提示词工程等同于学会AI设计。Genron拥有丰富的AI产品设计实战经验，他提出设计AI的核心在于理解完整的工作流、系统约束和AI行为逻辑，而非单纯优化提示词技巧。视频围绕四大领域展开讨论：提示词工程需先澄清需求、构建必要上下文并提供参考；AI创意头脑风暴应给予AI足够创意空间同时区分灵感与幻觉；AI设计与原型强调从想法到落地的完整流程；有意识地使用AI则需警惕幻觉、偏见和缺乏同理心等风险。通过Custom GPT构建PRD规范、Claude Artifact验证提示词有效性等实战演示，帮助观众掌握真正高效的AI产品设计SOP。
核心干货概览 (Key Takeaways & Stack)
| 类别 | 名称 | 核心用途 / 战略意义 |
|---|---|---|
| 核心理念 | 设计AI ≠ 提示词工程 | 理解整个工作流、系统、约束和行为，比单纯写提示词更重要 |
| 四大领域 | 如何优化提示词工程 | 提示词以获得更好的设计结果 |
| AI创意头脑风暴 | 将AI作为助手生成人类难以想到的想法 | |
| AI设计与原型 | 使用AI工具进行设计和原型制作 | |
| 有意识地使用AI | 引入意图和深思熟虑，了解风险并规避 | |
| 提示词核心 | 澄清需求 | 在使用AI前明确想要什么、包含什么、避免什么 |
| 上下文工程 | 上下文比提示词本身更重要，非越多越好，必要即可 | |
| 提供参考 | 文本、视觉、代码参考能显著提升输出质量 | |
| 工作流 | 蓝海想法→设计 | 从零开始通过AI生成设计原型 |
| 现有体验→设计 | 基于现有网站/Figma文件进行AI设计改进 | |
| 工具栈 | Custom GPTs | 构建定制化GPT用于PRD生成和原型设计 |
| Figma Make | AI原型制作工具（美国设计师使用较多） | |
| Claude Artifact | 轻量级原型验证工具，快速检查提示词是否有效 | |
| Google AI Studio + Stitch | 创建完整功能原型的组合工具 |
深度逻辑拆解 (Deep Dive / SOP)
核心挑战
许多人在使用AI进行设计时面临"空白画布"问题——想用AI设计但不清楚具体想要什么，导致不断"vibe coding"（凭感觉一句话一句话生成），最终陷入循环。Genron认为问题的根源在于：没有在第一时间为AI提供清晰、具体的上下文。
设计AI的四大领域
1. 提示词工程（Prompting）
- 澄清需求：明确想要什么、包含什么、避免什么
- 上下文工程：不是越多越好，而是提供"必要的上下文"
- 受众信息：为目标用户群体提供背景
- 设计原则和品牌指南：提供约束条件
- 提供参考：文本、视觉、代码参考能带来更好结果
- 结构化输入输出：简化为要点的结构
2. AI创意头脑风暴（Ideation with AI）
- 给予AI足够的创意空间（divergent thinking）
- 同时进行收敛思考（convergent thinking）：让AI对想法进行排序
- 要求AI提供想法的来源和参考，便于验证
- 区分"灵感和"幻觉"
3. AI设计与原型（Design & Prototyping）
- 指定具体指令和上下文
- 生成多个设计方向进行探索
- 追踪设计变体（design variations）
- 在不同选项间导航
- 工作流：从想法→设计（基于文本/想法）或从现有体验→设计（基于现有网站截图或Figma文件）
4. 有意识地使用AI（Conscious AI）
- 意识到风险：幻觉、偏见洞察、过时洞察、无关洞察、低质量通用洞察
- 保持人类参与：在研究和创意过程中保持人工审核
- 同理心：AI缺乏对目标用户的真正同理心
- 多样性视角：在流程中纳入不同观点
- 用户控制权：将自动化决策和数据控制权交给用户
实战SOP：从想法到原型的完整流程
Step 1: 构建清晰的PRD规范
- 使用Custom GPT引导式提问，明确：产品目标、目标用户、平台选择、核心用户流程
- 排除登录/注册等非核心流程，聚焦解决用户核心问题
- 生成轻量级markdown格式规范（不包含后端逻辑，专注前端展示和交互）
Step 2: 验证提示词有效性
- 将规范粘贴到Claude Artifact进行轻量级验证
- 检查是否报错、是否有理解偏差
- 如有问题，返回调整后再进入下一步
Step 3: 生成完整原型
- 将验证后的规范粘贴到目标AI原型工具
- 生成完整可交互的原型
- 持续迭代优化
案例细节
Genron在演示中创建了一个"帮助自由职业者追踪开支"的产品：
- 目标：帮助用户追踪开支
- 受众：自由职业者
- 平台：响应式Web
- 核心流程：添加支出、查看历史、生成报告
Custom GPT引导他逐步明确这些信息，最终生成了4个核心屏幕的规范，排除了登录/注册（因为不是核心用户流程）。
核心干货运用 (Hard Assets / Prompts)
Custom GPT构建模板（用于PRD生成）
Instructions示例：
- 你是AI原型PRD生成助手
- 不要包含登录/注册作为核心用户流程
- 只关注前端展示和交互
- 输出markdown格式
- 先提问确认：产品目标、目标用户、平台、核心流程
- 提供预览，确认后再生成最终版本
核心问题清单：
- 产品的主要目标是什么？
- 产品的目标用户是谁？
- 产品面向什么平台？
- 帮助用户实现目标的核心流程是什么？（排除非核心如登录）
提示词优化原则
- 越具体越好，但保留探索空间
- 初期建立结构，后期逐步细化
- 平衡控制与创意空间
- 像雇佣一个人：有时需要具体指令，有时需要给予创意空间
工具选择策略
- ChatGPT：用于澄清需求和生成PRD（节省Claude tokens）
- Claude：用于代码和原型生成（更强大但消耗更多tokens）
- Gemini：用于特定场景
- Figma Make：有付费计划的设计师使用
- Google AI Studio + Stitch：创建完整功能原型
PM 避坑与实战洞察 (Insights & Reflections)
反直觉结论
提示词框架的陷阱：市面上的提示词框架太多，但核心很简单——澄清需求、提供上下文、给出参考。过多框架反而让人困惑。
不是越多的上下文越好：Context Engineering（上下文工程）比Prompt Engineering更趋势化，因为人们意识到相关且必要的上下文才能放大提示词效果。
AI设计工具的采用差异：美国设计师较多使用Figma Make，但亚洲和欧洲部分地区的采用率较低，即使他们有Figma访问权限。
AI原型工具不仅面向PM：设计师也在广泛使用AI原型工具，并非PM独有。
适用边界
- 空画布问题：当你不清楚自己想要什么时，使用引导式Custom GPT先明确需求
- 团队协作：Custom GPT可以分享给团队成员，使用共享的上下文
- 快速验证：使用Claude Artifact进行轻量级验证，快速检查提示词是否有效
- 复杂产品：AI可能难以一次生成完整全栈应用，建议聚焦核心用户体验
实战陷阱
- 模糊需求就启动：不明确目标、用户、平台就开始AI生成，导致不断返工
- 忽略登录不是核心流程：AI默认推荐包含登录注册，但往往不是第一步需要解决的
- 一次性追求完美：第一次使用可能不完美，需要持续迭代优化
- 忽视风险：完全依赖AI生成，忽略幻觉、偏见、过时信息风险
- 不给AI创意空间：过于具体的指令会失去AI带来的惊喜和探索可能
认知洞察
- 第一提示词的重要性：第一个提示词为整个过程定调
- 人类的控制不可或缺：即使AI可以生成一切，保持人类意图和深思熟虑仍然关键
- 同理心无法替代：AI没有足够的同理心理解用户真实需求
- 工具差异真实存在：不同AI工具适合不同任务，需要理解其特点
金句 (Golden Quotes)
“设计AI不是关于提示词工程，而是关于理解整个工作流、系统、约束和行为。”
“AI不是人类，它没有足够的同理心——这就是为什么在AI原型设计的第一步保持人类意图非常重要的原因。”
“上下文工程比提示词工程更重要——不是更多的上下文，而是必要的上下文。”
“很多人面对空白画布问题：想用AI设计但不知道自己想要什么。这就是为什么我创建了引导式Custom GPT来帮助明确需求。”
“第一次提示词决定了整个过程的基调。第一个提示词是为AI原型设计奠定基础的关键。”
“我更喜欢用ChatGPT生成PRD来节省Claude的tokens，把强大的Claude用于代码生成。”
“AI原型工具的采用差异很大——美国设计师用Figma Make较多，但亚洲和欧洲的采用率低得多，原因不明。”
“在研究和创意过程中保持人类参与很重要——你需要核实来源，需要同理心，需要纳入多样视角。”
嘉宾信息：Genron，AI设计专家，撰写"Designing with AI" newsletter，开设"AI for Product Designers"课程（Maven平台，4.6星，116条评价）
📺 视频原片
视频ID: IUvi2YHayS0