又见2050：用AI重塑产品工作流

推荐语

AI时代下，产品设计工作流的革命性重塑。

核心内容：
1. 2050大会分享：AI如何重塑产品设计工作流
2. 生成式AI技术对信息检索的影响与改变
3. AI工具在现代信息表达和视觉创作中的应用

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

Hi，我是银海。

你身边的AI产品经理，陪你解决每一个真实问题。

又到了一年的 2050大会。今年，对我来说意义尤为不同 —— 不仅作为一名参与者，更作为一名分享者，参与了两场主题分享。近期，我也会把这两场活动的内容整理同步给大家，主题分别是：

• 用AI重塑产品设计的工作流（WaytoAGI专场）

• AI让所有有创造力的人被看见（Datawhale专场）

今天，先想和大家聊聊其中一个主题：——用AI重塑产品设计的工作流。

这次分享，其实是基于之前给大家提到过的那篇文章 ——Agentic Workflow：AI重塑了我的工作流" data-itemshowtype="0" target="_blank" linktype="text" data-linktype="2">Agentic Workflow：AI重塑了我的工作流的基础上，做了一些更新与补充。（之前那版内容还更多是从技术驱动视角出发。）

而这一次，在“人人都有可能成为产品经理”的AI时代背景下，我也有了更多新的体悟与思考。因此，借助这个机会，也希望能够将我的一些实践经验和思考，分享给大家，希望能为你们带来一些新的启发与帮助。

在开始分享前顺便说一句，2050 活动是真的非常有意思！如果还没去过的话，真心强烈建议一定要去看一看。它倡导的主题是：年青人因科技而团聚。在这里，没有职级高低，你甚至可以见到非常亲切的阿里云创始人王坚院士，与他一起交流。

我分享的主要内容，主要围绕：

• 生成式 AI 的出现对我来说改变了什么

• 作为一个 AI 产品经理，我结合 vide coding （Cursor、Cline）等一系列工具后的创造力暴增；

• 在 AI 时代下，自己在思考方式和工作模式上的一些变化，如何更好地使用、驾驭 AI 工具。

在下面简单分享一下：

自2022年末以来，随着ChatGPT-3.5等生成式AI技术的兴起，我们的搜索习惯也经历了一场深刻的变革。过去，我们习惯依赖谷歌、百度等传统搜索引擎，通过关键词查询来寻找答案；而现在，越来越多的人开始直接转向以ChatGPT为代表的大规模语言模型，通过问答式交互来获得解答。

虽然从本质上看，这两种方式都是为了满足我们的查询需求，但这种自然语言对话式的交互体验，已经对传统搜索引擎的业务模式造成了颠覆性冲击。

它不仅改变了信息获取的路径，也在重塑用户对“信息检索”这一行为本身的认知和期待。

要放在过去，面对一份长达10万字的PDF文档，我们可能需要花费大量时间去阅读和筛选其中有价值的信息。实际上，我们真正关心的内容往往只占全文的一小部分，而这部分内容的价值判断也颇具挑战性。

然而，现在借助生成式AI的帮助，我们可以迅速将PDF文档导入系统，并利用AI快速筛选信息，确定哪些内容值得我们关注，哪些是不容错过的重点。这种方式极大地实现了信息降噪，使我们能够更高效地获取并专注于那些真正有价值的知识点。

确实如此，现代技术的发展极大地简化了信息表达和视觉创作的流程。现在，只需要通过简单的文本描述，就可以利用AI生成风格各异的图片。例如，通过调用类似我所能访问的通义万相/Midjourney这样的图像生成API，根据提供的文字描述就能创建出对应的视觉作品。

同样地，对于图表和流程图的制作，像Mermaid这样的工具允许用户通过简洁的语法快速生成专业的流程图、甘特图等。这种方式不仅降低了视觉创作的技术门槛，也使得非专业设计人员能够高效地完成信息可视化工作，大大提高了信息传达的效率和便捷性。

真正的做到了“言出法随”。

就在几天前，GPT-4o的图像生成与编辑能力发布后，它展现出的对图像细节的强大控制力，让我感到无比震撼。 特别是，它已经具备了颠覆传统设计理念的潜力。

起初，我在网上找到了一张电商主图的框架模板，抱着试一试的心态，想让它帮我将模板从中文翻译成英文。 结果令人惊讶：不仅内容翻译得流畅自然，连版式布局也自动进行了智能调整！ 如果按照以往的图像翻译流程，这样的修改通常需要手动逐层编辑图层，调整排版，非常繁琐；而现在，仅仅一句话指令，一切就自动完成了。

更不可思议的是，我还尝试给它提供了一些商品主图的相关信息，要求它将这些元素融合进主图设计中。 它不仅精准完成了商品的抠图、背景融合，还细致处理了光影效果，整体视觉效果相当专业，几乎达到了商业级别的标准。

整个过程，只花了大约3分钟。 而如果用传统方式，比如Photoshop，即使是熟练设计师，恐怕也需要花上至少一个小时以上才能完成类似质量的作品。

这次体验，让我真切感受到了什么叫做："言出法随，想即所得。"

在探讨了上述几个应用场景之后，我们不妨进一步思考日常工作中涉及的众多流程。实际上，这些流程的核心可以归纳为：我们输入了哪些信息，以及我们期望从中获得什么样的输出。

尽管我们可能并不清楚大型模型内部的具体运作机制（所谓的“黑箱”），其中可能集成了无数的小工具、插件、大语言模型、视觉模型或逻辑处理条件等组件。

然而，对我们而言，更重要的是明确我们的目标是什么，即我们期望得到的结果是什么，我们需要提供怎样的输入信息，以及如何更有效地控制这些大型模型以达成我们的目的。

因此，在相当长的一段时间里，我们致力于学习如何优化提示词（prompt）的方法，以便让大型模型更好地遵循我们的指令进行输出。

例如，我们可以设定：“你是一位具备特定领域专业知识的专家，根据我的提示撰写内容，并确保你拥有某些特定技能。” 同时，我们还会对输出的内容施加一系列限制，如字数上限、回复格式等具体要求。

还记得之前我们有很多非常火爆的提示词框架吗？其中，像LangGPT社区发起的这一套框架，就是典型的代表之一。

刚刚我们也提到了“流程”，实际上，在提示词框架的设计中，流程拆解本身就是重要的一环。比如，它会指引你：第一步应该做什么、第二步应该做什么、第三步又该做什么……通过这样的分步指导，帮助我们逐步推进思考。

如果用一句话来概括，这类提示词框架的核心就是：让我们一步一步思考。

到了现在，我们可能已经发现了一个新的变化。今年春节期间，随着 DeepSeek 等具备强推理能力（reasoning能力）的大模型出现，我们逐渐不再需要设计那么复杂的提示词框架了。

如今，我们只需简洁地表达一句核心诉求，大模型就能够自动推演、不断拆解，围绕我们的目标探索出更全面的方向，并最终生成更符合预期的结果。

整体来看，这种演变让我们与大模型的交互变得更加自然、更加高效。

带着这个问题，我们继续深入思考：提示词真的会消失吗？它又是否会颠覆我们的工作流？

在回答这个问题之前，不妨先回顾一下，早期一些SaaS软件中关于工作流设计的思路。比如，在RPA（机器人流程自动化）工具中，通常会设计出非常丰富的工作流节点。通过点击页面元素、获取网页对象等方式，用户可以编排出一套完整的流程，从而实现自动抓取网页数据的能力。又如，在Zapier这类工具中，用户可以预设好一系列固定步骤，比如自动填充表单信息，并将内容发送给指定对象。这也是一种典型的固定式流程设计。

再比如，像 ComfyUI 这样的框架，它基于 Stable Diffusion 模型，将图像处理的各个环节通过节点方式进行流程化编排，帮助我们更高效地生成指定风格的图像模型。 

实际上，像ComfyUI这样的系统，底层依然是典型的流程化设计逻辑。 此外，还有诸如 DSL配置文件这类方式，也通过固定的导入导出机制，极大地方便了流程的搭建与复用，把流程化思维深度融入了我们的日常工作与创作中。

 尤其在很多高度确定性的应用场景下，这种标准化、风格化的流程设计依然不可或缺，发挥着重要作用。

相信大家也已经体验过，像 扣子（Coze） 这样的AI工程应用搭建平台了。 在Coze中，同样具备流程编排的能力。

比如，当我们想要设计一个“口语专家”智能体时，需要先定义好这个专家的人设特征，确定他要调用的各类插件能力（如语音识别、内容生成、语义纠错等），再通过一系列流程化的节点串联起来，遵循我们预设的表达逻辑，最终实现理想的对话效果。 

可以看到，这种通过流程化内容进行搭建和编排的方式，依然是实现复杂应用行为的重要手段。

如果我们进一步拆解上面提到的这些工作流，会发现它们的底层逻辑其实依然非常复杂。 那么，这背后传递给我们的核心信息是什么呢？ 

本质上，我们期望系统在有一个明确输入的前提下，产出一个明确的输出结果。 

即便在设计中，我们可能在某些节点引入了随机性和多样性，让流程看起来更加灵活和富有变化，但整体上，输入-输出的确定性依然是这些工作流设计的基本诉求。

于是，又有人开始思考： 既然我们希望系统能够遵循我们的习惯，而且希望它以更简单的方式去执行指令，那么，是否可以让这种流程遵循变得更加自然、更加高效呢？ 如去年比较火的 Rabbit R1，就提出了新的探索方向： 不仅仅是模仿单次的动作，还希望能够实现快速的流程化复制，让系统可以更灵活地适配不同任务场景，实现更高效的任务处理。

与其说各种流程在不断变化，不如先回过头来思考一下：这一系列流程化变革，究竟给我们的生活带来了多大的颠覆？

特别是通过AI驱动的流程创新，诞生了一批真正意义上的 AI Native应用 —— 它们并不是简单地在原有软件上叠加AI功能，而是从底层开始，重新定义了交互方式和工作流，带来了与传统应用截然不同的体验。 

这些AI原生应用，正在各个领域悄然改变我们的生活和工作方式。

比如，我之前做过一款应用，叫做Pailido，它本质上是一个基于AI的拍立得相机。 这款产品的底层是通过多模态AI卷层驱动的，实现了图像和文本之间的智能联动。 使用时，我只需要选择不同的应用场景，比如：小红书文案、咸鱼文案、外卖点评等各种风格化模板。

点击体验：Pailido - AI拍立得

然后，只要对准场景，点击拍照，相机就能根据当前画面内容，自动生成对应风格的文案。

它真正实现的是一种从确定场景到确定文字的高效流程，体验上极大提升了便利性。 相比传统方式——需要先上传图片、再手动撰写提示词、再调用大模型生成，整个过程至少要两步以上；

而在拍立得中，我只需要选中场景并拍摄一次，就能直接拿到预期结果。 本质上，这款产品做的事情，就是在AI交互中极大缩短了原本繁琐的流程，让体验更加自然、即时、高效。

最近，我还做了一个新的尝试 —— 开发了一个语音笔记功能。 在我的手机上，我通过设置一个 iOS快捷指令，只需要快速点击几下，就能一键唤醒这个应用，然后直接跟它进行语音对话。 我只需要把脑海中想法说出来，它就可以快速记录，并且自动把内容整理后写入到备忘录里。

当然，为了提升记录的准确性和搜索的便捷性，我在底层也预置了很多提示词（prompt）、关键词匹配逻辑以及灵感启发的设置。这样，当我需要查找某条笔记时，也能更快地定位到对应内容。

至于为什么要做这件事？ 因为我发现，我的思考速度远远快于打字速度。 举个例子：我一分钟可以想到大约100个字的内容，但如果用打字的方式，可能一分钟连50个字都打不完，且打字时思路容易被打断，顺序也可能混乱。 而通过这种语音输入 + 大模型润色整理的方式，不仅记录更快，还能让内容更加流畅、有条理。

这就像我之前分享过的那篇文章 —— 我是怎么“口喷”就能写出文章的，其实讲的也是同样的思路。 通过这种方式，我真正实现了内容记录效率的大幅提升，让灵感捕捉变得更加自然和轻松。语音笔记后面也会出教程，请期待一下。

当然，除了语音笔记之外，最近还有一个非常热门的话题——那就是大家谈笑风生的 Vibe Coding，也就是 AI编程。 

这种新兴方式，正在深刻重塑整个产品的设计逻辑。

 过去，我们需要根据需求手动撰写大量代码，一步步搭建产品原型；而如今，通过与AI协作，我们只需要用自然语言描述想法，AI就可以辅助生成底层代码、搭建界面、优化交互逻辑。

之前，我也尝试过使用 Cusor 以及像 VS Code Cline 这样的工具，结合 阿里云百炼的一些API，去快速开发产品的Landing Page 以及比较完整的功能页面。  整个过程中，我只需要输入一份比较详细的功能文档，就可以快速生成对应的前端页面，同时还能实现像数据分析报告、内容策略报告这类实际功能的输出。

与此同时，结合大语言模型API，我还可以对所有生成的内容进行进一步的智能分析。其实在前面也提到过，我是如何进行数据采集的小红书收藏太多怎么办？AI一键帮我搬好分类好，后续也计划跟大家继续分享——比如：怎么用大模型进行数据分析，如何让AI辅助我们提炼洞察等等。

更值得一提的是，整个开发过程中我几乎没有手动改过任何一行代码。 从最初的功能构思，到数据接入，再到内容生成和页面搭建，整个项目我大概只花了不到20个小时，就完成了整体的包装与上线。

看了以上分享的这么多案例，相信大家回到今天的主题——用AI重塑产品设计的工作流，也已经有了更深的体会。 这些变化，不仅仅是我们在一次次实践与尝试中感受到的，更是我们与AI协同关系正在发生深刻变迁的直接体现。

AI已经从一个简单的工具，逐步成为了我们的思考伙伴、执行助手，甚至在某些场景下，成为了创意与决策过程的重要推动者。 在这样的背景下，我们也需要重新审视——人与AI协作的关系，重新理解如何更好地利用AI，在未来的工作流中占据主动、释放更大的创造力。

我相信这张图很多人已经见过了。 回想一下，在你上一次看到它的时候，可能心里还在想：AI大概只能作为Copilot（辅助驾驶员）模式，帮我完成一些具体的操作。 但随着最近，像扣子空间、Manus等一系列纯AI Agent产品陆续发布，我们会越来越清晰地感受到：

纯Agent模式，正在离我们越来越近。

AI不仅仅是辅助人类完成指令，而是逐步具备了自主感知、判断和执行完整任务的能力。 未来，它们可能不再是简单的工具，而是真正可以作为工作流中的智能协作伙伴，独立承担起越来越复杂的任务链条。

作为一个产品经理，每次回顾当年我自己画的那张图，依然觉得非常有意思。

回头来看，我们真正需要关心的，其实始终是两个核心问题：

• 我的输入是什么？

• 我期待得到怎样的输出？

至于中间的处理过程，过去它更像是一个黑盒。 在当年，我是通过确定性的工作流来驱动这个黑盒运转的——一环扣一环，每一步都预先设定好。

而到了今天，随着Agent系统的出现，这一切发生了本质变化。 现在的Agent，可以根据需要自主调用不同的MCP模块、动态选择工作流，甚至能实时检索外部信息，在过程中做出判断和调整。 它们已经能够全面驱动和重塑我们传统的作业流程。

但有趣的是，最终我们所获得的结果，依然与当初的目标是一致的： 我们仍然在追求，从明确输入，到达成预期输出的这个闭环。

不同的是，实现路径已经从“预设式执行”，转变为“自主式演进”了。 而这，正是AI原生工作方式给我们带来的最根本的变革。

这个时候，又要再请出我们之前画的那张图了。 在那张图里，我们定义了非常多关于输入、处理、输出、反馈的一系列要素：

• 包括我们希望系统如何进行格式化、结构化的输出，

• 也包括逻辑提取、可视化呈现等一系列能力要求。

但我相信，在这些定义当中，尤其需要我们重点关注的，是图中被高亮标出的部分。 这些内容，不仅体现了我们对AI协作能力的更高期望，也代表了未来在设计AI工作流时需要优先思考和优化的方向。

它们关乎的不只是简单的结果输出，而是整个链路上，信息处理的质量、速度与可解释性。

接下来，让我们一起看看，在AI时代下，新的工作流程设计会呈现出怎样的变化。未来，很多时候我们只需要简单地口头表达需求，比如：

• “帮我完成一份需求文档。”

• “帮我设计一个针对某某主题的访谈提纲。”

• “指导我如何整理用户旅程地图。”

• “我有一个简单的功能需求文档，希望直接通过Vibe Coding的方式，帮我快速生成界面。”

• “帮我完成一个结构完整、视觉专业的PPT。”

这些场景，过去往往需要产品经理、设计师、运营等角色多轮沟通、多轮手动制作，而在AI的加持下，现在只需一句话的描述，系统就可以理解意图、自动完成中间的繁琐环节，直接产出高质量的结果。

可以看到，这样的流程设计，已经非常接近我们的自然思考方式了 —— 不再是先写需求文档，再开发，再调整，而是从想法到成品，几乎无缝衔接。

比如，当我们使用像秘塔 AI 这样的AI搜索引擎时，会发现它和传统搜索方式有着本质的不同。  在过去，当我们想要了解一家公司时，往往并不知道该如何准确地提出问题，可能只是简单地问：

• “欸，新是一家什么样的公司？”

• “它的核心业务特点是什么？”

• “它有哪些主要竞争对手？”

• “能不能从多个维度帮我分析一下？”

但实际上，我们往往无法完整枚举出所有需要了解的角度，也缺乏系统化提问的框架。  这时，传统搜索引擎就显得很被动，只能基于关键词零散返回结果，需要我们自己去筛选、整理和归纳。

而在AI搜索中，体验就完全不同了。 AI不仅能够理解我们的模糊需求，还能主动引导我们发现更多潜在的重要信息维度，比如行业地位、增长潜力、融资情况、客户画像、技术壁垒、市场趋势等，甚至能基于不同场景给出对应的分析框架。

可以说，从信息检索到信息洞察，AI极大地提升了整个工作流程的智能化和主动性。

所以，在这样的AI工作流时代，我们真正需要专注做好的一件事，就是——

学会提问。

具备优秀的提问能力，可以极大地激发出大模型作为工具的潜能， 帮助我们在最短时间内，快速获得某一个领域的Know-how信息， 而不是停留在浅层的、零碎的搜索结果上。

一个好的提问，能够引导AI更准确理解意图、调动更深层次的知识网络，从而给出更有洞察力、更具结构化的回应。 

可以说，在未来，提问的质量，决定了你与AI协作的上限。

这时候，就要再提到像 DeepSeek 这样的 Reasoning推理模型，或者像 通义千问的QwQ模式了。  它们的出现，进一步改变了我们与AI协作的方式。

现在，我们只需要简单地提问，比如：

• “我想了解某个行业的核心方法论是什么？”

像通义千问这样的通用大模型，已经具备了非常丰富且系统的知识能力。 它们不仅可以快速理解我们的意图，还能够帮助我们在极短时间内掌握一个陌生行业的基本框架和核心要点。

过去，需要通过大量阅读、调研才能积累的Know-how，如今，借助这类大模型，只需通过正确的提问和方法论引导，就能迅速实现信息的高效抓取与系统学习。

可以说，大模型已经成为了获取领域知识、构建认知框架的重要加速器。

通过与大模型协作，我们现在可以轻松获得诸如麦肯锡的PEST分析、产业链拆解、行业结构分析、价值链分析、SWOT分析、关键成功因素（CSF）提炼等一整套专业方法论。

放在以前，哪怕是熟悉这些名词，本身也需要经过长时间的学习和积累，才能逐一掌握和应用。 而如今，结合大模型的能力，我甚至可以轻轻松松地成为一个行业研究的“专家”，快速构建起完整的认知框架。

如果再进一步，结合像 秘塔AI 这样的AI搜索工具，实时补充多维度的信息源， 那么可以说，在很大程度上，传统AI产品设计的工作流程也被极大地简化和提速了。

认知的门槛被大幅降低，执行的速度被大幅提升，工作流正在被悄然重塑。

最后，我想用一句一直让我在AI时代深有感触的话，作为今天分享的收尾。这句话来自著名媒介理论家马歇尔·麦克卢汉（Marshall McLuhan）：

“我们塑造了工具，然后工具又塑造了我们。”

在今天这个不断演进的AI时代，希望我们都能清醒地认识到：

技术不仅是我们手中的武器，更正在悄无声息地重塑着我们的思维方式、工作方法乃至世界观。

共勉。

以上，就是我这次完整的分享。希望这些内容，能给大家带来一些启发和帮助。

我相信，在AI时代，很多事物之间可以不断排列组合，激发出前所未有的潜能。就像之前类似MCP在应用创建上的探索，虽然有时看起来像是“拿着锤子找钉子”，但它确实是一种非常好的灵感激发方式，在前所未有的环境下，赋予我们新的创造力。

作为一名产品经理，我们始终要围绕真实需求出发，纯工具型或纯功能型的产品经理，未来被AI替代的风险会非常大，无穷的想象力，才是这个时代最宝贵、最不可替代的能力，不断用新的方式更快地创造出属于这个时代的，独一无二的竞争力。

在AI时代，人人都可以成为产品经理，关键在于——能否用创造力去引领工具，定义真正的问题，构建真正的价值。

真正做到：让创造发生。

我是银海，你身边的AI产品经理，陪你解决每一个真实问题，我们下次再见～

© THE END

都是对我最好的认可！