如何用 Skills,高效完成产品经理的工作?

在之前那篇文章里,曾提到过用 AI 提效的“三步曲”。

第一步,是把 AI 当搜索引擎,效率大约提升 10%。这一步很多人已经很熟了,用豆包、DeepSeek 之类的工具查资料、找答案,确实比传统搜索更快,但提升往往有限。

第三步,是把 OpenClaw 当作“实习生”来用,效率可能直接翻倍,但对应的时间成本、学习成本和经济成本也不低。它更像是一种更彻底的工作方式改造,不太适合大多数人一上来就直接进入。

真正值得大多数产品经理认真做的,其实是第二步:用合适的 AI 工具,把自己的工作流拆解成原子化的 Skills。

上次主要分享的是,怎么用 Skills 高效完成 50 个客户案例 PPT。今天继续沿着这个主题往下走,不过这次不讲客户案例,而是回到产品经理最日常、也最真实的工作场景里,聊聊一件更重要的事:

如何用 Skills,高效完成产品经理的工作?

如果你是做 B 端产品的,对下面这条工作流应该不会陌生:需求管理、需求优先级判断、产品规划、竞品调研、客户需求调研、设计产品方案、评估工作量、绘制原型、写 PRD、评审、项目管理、上线、上线培训、写上线公告、收集反馈……

看上去每个环节都重要,但真正要下手改造时,千万别想着一口气全做完。改变工作流从来不是一件容易的事,更不是装一个工具、写几句提示词就能立刻见效。

更现实的做法是:先僵化,再固化,然后再优化。

说白了,就是先挑那些高频、重复、相对标准化的环节,固定下来反复用,等跑顺了,再慢慢扩大范围。别一上来就想“重构整个产品经理工作方式”,那样大概率只会把自己折腾累。

以自己的实践为例,真正把“写需求文档”和“写上线公告”这两个环节改造出来,前后差不多花了一年多。到现在,这两个环节基本已经稳定下来了。日常需求文档,通常先由 AI 生成,再做人工调整。如果是 1 到 2 周的小需求,调整量大概在 5% 到 10%;如果是 2 到 4 周的中等需求,改动量一般在 10% 到 20%;大型项目的变动会更高,通常在 30% 到 50%。

这里有一个非常真实的规律:你给 AI 的上下文越完整,最后需要改的内容就越少。

后来又花了近半年时间,把“评估工作量”和“设计产品方案”这两个环节调到可用状态。前者帮忙处理每周 2 到 5 个客户需求的工作量评估,后者更像一个随时能讨论思路的“军师”,在方案设计上提供结构化支持。

最近还在持续调试的是“需求价值判断”和“竞品调研”两个环节。一个用来避免陷入自嗨,更客观地看待需求价值和优先级;另一个用来更高效地收集竞品信息,尤其是相关需求的解决思路。

下面,就结合这几个真实案例,讲讲 Skills 到底怎么嵌进产品经理的工作流里。

Case 1:怎么用 AI 写一份专属的需求文档?

最开始用的工具,其实不是 Skills,而是智谱清言的自定义智能体。后来逐渐转向 Trae 的智能体,再到扣子的 Skills,现在基本稳定在 Trae + Skills这套组合上。

如果你现在才开始,不想绕太多弯路,我反而更建议你直接用 Skills,而不是从自定义智能体起步。原因很简单:Skills 更稳定、更可控,也更灵活。

智能体早期最大的问题,是每次都得先切换入口。写需求文档要进“B 端需求文档助理”,写上线公告又要换“B 端上线公告助理”。

更麻烦的是,效果并不总稳定。尤其当提示词变长、格式要求变复杂时,经常会出现偏差。比如明明要求“一个需求对应一条需求清单”,最后却常常被拆成 3 到 5 条。

现在换成Trae + Skills之后,体验就顺了很多。入口其实还是同一个,只是通过前缀告诉它这是“需求文档”还是“上线公告”,输出的结构和质量基本就比较稳定了。

很多人会问,能不能直接把现成的 Skills 拿去用。坦白说,这种想法很正常,但意义不大。

因为每家公司、每个团队,甚至每个产品经理,对需求文档模板的定义都不一样。你真正需要的,不是一份别人现成的 Skills,而是知道怎么做出自己的专属 Skills。

这件事的核心,无非三步。

第一,你要有一个能帮你写 Skills 的工具。第一次上手的话,扣子编程里的“技能”或者 Trae 都可以,门槛不高,直接用自然语言告诉它:“帮我创建一个写需求文档的 Skills”,再补充背景、文档格式和注意事项,它就能先搭一个雏形出来。

第二,你得先定义清楚,什么叫一份“好的需求文档”。这个标准非常重要,因为 Skills 最终输出的稳定性,不是来自模型本身,而是来自你对格式和标准的定义。你给得越清楚,它越容易稳定。

第三,反复调试,直…

— 以上为试看内容(约 40%),开通会员后阅读全文 —