原始标题: Gemini Gems Masterclass with the Creator at Google: 3 Gems You Must Build

发布日期: 2026-03-05 | 来源频道: @growproduct

📝 深度摘要

Google产品专家Lisa Hang作为本次对话嘉宾，围绕Gemini Gems这一自定义AI助手功能，探讨产品经理如何利用AI工具提升个人与团队生产力。视频核心试图解决的关键问题是：在AI模型缺乏持久上下文的痛点下，如何通过自定义指令集实现个性化的AI助手，从而高效完成写作风格复制、战略决策辅助和用户洞察提取。Lisa强调“第一性原理”思维，主张从公司核心目标反向推导方案，而非盲目跟随竞品，并对比了Google与OpenAI在产品定位上的差异，同时剖析Apple、Meta、Google三家公司的产品文化特色。

核心干货概览 (Key Takeaways & Stack)

深度逻辑拆解 (Deep Dive / SOP)

核心挑战

产品经理面临的核心痛点是：大语言模型缺乏上下文记忆能力。每次使用时都需要重复输入角色定义、公司战略、写作风格等背景信息，导致效率低下。Lisa Hang 团队在 2023 年发现：普通用户难以发现和充分利用 AI 的全部能力，因此决定开发 Gemini Gems 来解决这一难题。

步进 SOP：创建产品策略顾问 Gem

Step 1: 准备/输入

• 打开 Gemini，点击左侧菜单的 “Gems” 标签
• 点击 “Create a new gem”
• 输入 Gem 名称（如"产品策略伙伴"）
• 准备核心上下文文档：竞品分析报告、公司战略文档、产品路线图、财务报告等

Step 2: 核心转换

• 在 Instructions 区域填写详细指令，包括：核心职责描述（如"作为产品策略顾问，帮助我思考产品决策"）、希望它采用的思维方式、输出格式偏好
• 可选择默认工具（可选，如代码解释器）
• 在 Knowledge 区域上传准备好的文档（支持同时上传多个文件）
• 指令越详细具体，输出质量越高

Step 3: 交付/结果

• 在右侧测试区输入问题（如"今年有哪些新产品思路？"）
• Gem 会基于上传的上下文生成针对性建议
• 若输出不满意，调整指令或更新知识库，持续迭代优化

案例/细节支撑

Lisa 在演示中实际创建了一个"产品策略伙伴"Gem，上传了四份关键文件：竞品拆解、战略文档、近期路线图。她输入"给我一些今年的产品新想法"，Gem 结合这些上下文生成了结构化的产品建议。

Lisa 强调：她可以分享这个 Gem 给团队成员使用，因为公司内部有共享的上下文基础。这成为团队层面的生产力放大器。

核心干货运用 (Hard Assets / Prompts)

三个必备 Gem（针对产品经理）

1. 写作克隆（Writing Clone）

• 用途：加速日常沟通工作
• 输入：PRD 文档、过往邮件、团队 Slack 消息
• 输出：符合个人风格的初稿
• 逻辑：PM 需要与不同背景的利益相关者频繁沟通，拥有一个"声音像自己"的 Gem 能显著提升沟通效率

2. 产品策略顾问（Product Strategy Adviser）

• 用途：思维伙伴，辅助战略决策
• 输入：公司战略文档、市场定位、竞品分析、GTM 计划
• 输出：决策建议、视角补充、战略建议
• 逻辑：Lisa 认为 PM 需要"第一性原理"思维，而这个 Gem 帮助从已有数据中发现盲点

3. 用户研究合成器（User Research Synthesizer）

• 用途：从海量用户数据中提取洞察
• 输入：用户访谈转录、调查数据、客服工单
• 输出：关键主题、痛点模式、改进建议
• 逻辑：PM 无法参加所有用户访谈，但可以将这些数据喂给 Gem 进行快速综合分析

Prompt 设计原则

Lisa 在采访中明确指出：“Instructions 越详细越好”（the more detailed your instructions are, the better output you’ll get）。她批评了模糊指令如"帮助我写得更好"，主张给出具体案例和明确期望。

PM 避坑与实战洞察 (Insights & Reflections)

反直觉结论

Gemini Gems vs. Custom GPTs 的战略选择：Lisa 透露，Google 在开发 Gemini Gems 时，OpenAI 同时推出了 Custom GPTs 并主打"应用商店"概念（GPT Store + 货币化）。Lisa 团队认为当时缺乏足够的护城河来支撑应用商店模式——指令容易被复制，上传的知识可能通过 prompt 被提取。因此 Google 选择聚焦于"个人生产力工具"和"团队协作"场景，而非开放平台模式。Lisa 坦言：这个决定是"第一性原理"思维的体现，后来的发展证明很少有人通过 Custom GPTs 真正盈利。

PM 不必追求"完美Gem"：Lisa 强调迭代的重要性：“第一次使用可能不完美，但随着使用频率增加，不断调整指令和知识库，它会越来越接近你的需求。“她将 Gem 视为"为自己创建的 AI 小产品”，需要持续迭代优化。

适用边界

• 公司信息敏感场景：上传机密文档到云端可能存在泄露风险，需评估合规要求
• 知识库过期：当公司战略或产品路线图更新时，必须手动同步更新 Gem 的知识文件
• 通用任务：简单的问答或搜索无需创建 Gem，直接使用标准 Gemini 即可

实战陷阱

• 指令过于笼统：如"帮我写好一点"这类模糊指令无法产生高质量输出
• 忽视知识上传：仅靠指令而不上传上下文文档，Gem 无法真正理解你的具体场景
• 一个 Gem 做所有事：Lisa 建议针对不同任务创建专用 Gem，而非创建一个"全能"Gem
• 从不迭代：创建后不使用、不反馈、不优化，Gem 会停留在初始的低效状态

跨公司产品文化洞察

Lisa 分享了在 Apple、Meta、Google 三家公司的观察：

• Apple：产品至上（product is supreme），愿意为完美细节付出任何代价，“即使只差一毫米也要修复”
• Meta：高度数据驱动 + 强执行文化，“不仅需要好战略，还要快速执行和竞争”
• Google：技术深度期望最高，PM 被要求与工程师深度合作，“每个人都必须非常技术化”

Lisa 认为 AI 时代对 PM 的技术深度要求只会越来越高。

AI PM 招聘标准

Lisa 作为 Zero 的 SVP，分享了她在招聘 AI PM 时的核心考量：

基础要求（标准 PM 101）：

• 理解产品战略和愿景
• 理解指标和数据分析
• 跨团队协作和执行能力
• 无权威影响力（influence without authority）

加分项：

• 韧性（grit）和成长型思维：面对快速变化的技术环境，能否快速学习和适应
• 内在动机：是否"足够关心"这个问题，愿意排除万难解决它
• 快速学习能力：能否在任何环境中迅速上手并产生价值

Lisa 指出，具有这种特质的人"很容易识别”，在交谈中就能感受到他们对项目的热情和解决问题的执着。

金句 (Golden Quotes)

“你可以把 Gemini Gems 想象成‘专科医生’与‘全科医生’的区别——标准 Gemini 就像全科医生，什么都能做但每次都需要详细指令；而你的 Gem 就像专科医生，已经对你的情况了如指掌。”

“产品经理的核心技能可以归结为四大类：产品战略、执行、沟通、以及竞品和用户研究——这些正是你應該用 AI 来放大的能力。”

“不要过分爱上技术本身，但要深入理解它。最优秀的产品诞生于你对用户需求的深刻理解，与对技术能力的深刻理解之间的交汇点。”

“第一性原理思维意味着：不要看竞品做了什么，而是问’我们的公司试图解决什么问题’，然后从那里反向推导。”

“在 AI 时代，每个 PM 都必须更加技术化。这不是选择，而是必然。”

📺 视频原片

视频ID: HnIbYsXdJ1Y