摘要：如何利用AI辅助进行产品功能设计？本篇作者分享了使用AI工具进行需求分析、头脑风暴、用户洞察和功能梳理的实践经验，并提供了具体的操作步骤和提示。展示了AI在提高产品设计效率和质量方面的潜力。

如何利用AI辅助进行产品功能设计？本篇作者分享了使用AI工具进行需求分析、头脑风暴、用户洞察和功能梳理的实践经验，并提供了具体的操作步骤和提示。展示了AI在提高产品设计效率和质量方面的潜力。

———— / BEGIN / ————

今天，咱们手把手用AI来做一个产品。

附工具推荐和10个完整的产品设计1.0版本提示词。

咱们今天做出来的产品效果它可以是长这样的小红书运营工具箱：

也可以是长这样的短视频爆款预测分析：

还可以是这样的产品介绍界面：

别急，今天的文章内容会带你一步步做完，真正能用起来的产品。

在AI时代，人人都是产品经理。

从理解需求、头脑风暴、用户洞察、功能梳理，到文档撰写、代码对接，甚至连产品介绍和营销文案都可以一并搞定。我们还让模型读懂了我们设计好的界面，只要把 Figma 链接一丢，它就能自动理解并后续继续干活。

今天的分享主要是围绕某一个赛题（需求）的拆解，讲讲我们是怎么一步一步，从一张题目开始，做出一款完整的产品。

刚好在WayatoAGI的直播，在过程中间我们用到了 Amazon Q 这个AI IDE工作来协助完成整个过程，大家也可以一样使用Trae、Cursor、Windsurf的工具。

我会把这些步骤拆解成实操流程分享给大家，希望你们在比赛过程中也能用上这些方法，真正省下时间、聚焦在创造力上。

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。

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。

前端时间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。

至于从需求根源来说，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。

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。

比如我的个人主页就是纯AI辅助我们完成的～

可以使用flowith这种产品帮你快速的验证你的产品想法和demo，做了个小红书的运营工具箱。

上面这个界面展示链接：https://flo.host/njMdn-z/

这一系列的 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。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。

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。

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、工程师等角色多轮沟通、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。

下面，我们就一步步用AI来辅助我们做一个完整的产品。1.先搞清楚我们到底要做啥

让 AI 帮我们拆解需求内容

一拿到赛题，其实挺容易看着发懵的。题目写得复杂，字也不少，读几遍还是抓不住重点。这个时候，把赛题内容丢给 Amazon Q，它就能帮我们捋清楚逻辑。

比如：题目到底要解决什么问题？有没有什么限制条件？评判标准是啥？它能一步步帮我们拆解出来，相当于是先把方向搞明白，别一开始就瞎忙活。

咱们直接先拿到赛题信息：https://sourl.co/G6XeJn，我们可以直接点击“Ctrl+S”直接把赛题的网页信息拿下来，当然你也可以全选复制到markdown文本中，这种方法都需要确保赛题的文本不是图片格式的。

接下来，让我们的Amazon Q可以去读取一下这个题目，然后给我们分析一下我们需要参加什么样子的比赛，建议的方向是什么。

Prompt模版参考：

这个 Prompt 的核心设计是参考了设计思维（Design Thinking）中的问题定义阶段，以及产品经理常用的 4W1H 框架（What/Why/Who/When/How），同时也留了很大的空间让 Amazon Q 用自己的知识和分析能力展开拆解。

你可以把这个模板稍微调整一下用在不同题目上，比如补充上下文或加上具体的题干，AI 就能更准确地帮你分析。

2.想点子的时候，别自己瞎琢磨

让 AI 帮我们进行头脑风暴

有了方向，下一步当然是想办法解决问题。但一个人脑子里蹦出来的点子毕竟有限，有时候还容易陷进去出不来。把思路说给 AmazonQ 它听，它就能从不同角度帮你发散思维。

比如可以从用户需求、技术实现、商业价值这几个方向帮你找灵感，还能顺手把你说的一些模糊点归纳得更清楚。就像随时有个不累的同事在和你对话。

Prompt 模板：帮我发散思路、头脑风暴一下解决方案

这个 Prompt 的设计，核心参考了几个专业的创意发散模型：

SCAMPER（替代、组合、调整、放大、缩小、替换、反转）

五个维度发散法（用户、场景、技术、市场、价值）

第一性原理思考法（从问题本质出发推导新路径）

你可以把当前你手头的赛题描述或已有的思路补充进去，效果会更好。

3.搞清楚用户到底在意什么

比如我们通过上面的头脑风暴之后，最终选定了一个“社交媒体内容分析策略师”的场景，那么接下来我们应该去洞察这个场景下用户更在意的点是什么，我们的核心发力点在哪里。

让 AI 帮我们进行洞察分析

如果手上有用户反馈、竞品资料或者数据报告，直接扔给 Amazon Q，它就能帮你分析哪些问题是用户反复提的，哪一类人最常碰到这些问题，还有哪些功能可能会被忽略但其实很关键。它会帮你从这些杂乱信息里捞出有价值的洞察，告诉你应该往哪个方向优化或者创新。

Prompt 模板：帮我从用户反馈或竞品资料中提炼出有价值的洞察

这个 Prompt 参考了用户体验研究和产品洞察中的典型分析结构，例如：

Affinity Mapping（相似观点归类）

Jobs to be Done（用户要完成什么任务）

Pain-Gain Map（痛点与收益分析）

4.功能要怎么设计，让它来帮我们梳理一下

ok，上面我们已经基本清晰了用户的画像和痛点信息，接下来其实主要就是根据这些场景去梳理出咱们的MVP（最小可行产品）的功能模块分别是什么，然后需要有一份清晰的需求清单。

让 AI 帮我们梳理功能需求

当你有了大概的产品想法或者解决方向，下一步就是把它拆成一个个具体功能。AI会根据前面分析的结果，帮你列出“这个产品应该包括哪些功能”“每个功能解决什么问题”“用户是怎么一步步操作的”。

这一块它特别擅长，能把我们脑子里模糊的想法变成一条条写得清楚的功能点，给设计和开发用起来也方便。

Prompt 模板：帮我把产品想法拆成一份清晰的功能需求清单

这个 Prompt 的设计参考了产品规划中的经典方法论：

功能-需求映射表（Function vs. Need）

用户路径分解（User Journey Mapping）

MoSCoW 优先级模型（Must, Should, Could, Won’t）

5.写PRD这活，也能交给它搞定

让 AI 生成一份AI看得懂的PRD文档

现在写 PRD，不光是给人看的，还得让 AI 工具也能读懂。AI 会根据我们前面聊出来的功能，自动生成一份结构清晰的产品需求文档。里面包括功能说明、用户流程、接口逻辑这些关键点。它写出来的文档逻辑很清楚，拿去跟团队同步，或者对接别的智能工具，都能直接用。

Prompt 模板：帮我生成一份结构清晰、AI可读的PRD文档

这个 Prompt 融合了：

机器友好型PRD写作法（结构明确、模块分割、数据流清晰）

产品六要素（目标、用户、功能、流程、数据、边界）

适用于自动化系统理解的语法习惯（如 Markdown 表达、字段命名清晰、明确的输入输出分离）

6.让模型知道我们想要的界面长啥样

让模型知道我们想象中的界面长什么样子，使用 FigmaMCP的服务，把 Figma链接放进去就可以了。

如何配置Amazon Q的MCP呢？直接在终端中输入这个指令，创建mcp的json文件：vi ~/.aws/amazonq/mcp.json。

创建完之后，我们把相关的mcp都粘贴进去，主要用到的是figma的mcp服务，配置完成之后，也可以直接问下Amazon Q目前哪些MCP服务是可以用的。

更多mcp服务可以在mcp.so或者modelscope里面找到。

有时候我们脑子里已经有了产品大概的样子，甚至已经在 Figma 上画好页面了，这时候完全可以让模型直接“看图说话”。我们只需要把 Figma 的设计链接丢给它，它就能通过 MCP 服务自动识别页面结构、组件类型、交互关系这些细节。

咱们可以在Figma社区里面找一些公开的图像设计资源，然后喜欢的风格布局等等，当然约接近越好，就好比我们要做一个内容创作工具，我们就去找类似的设计资源，当然很细分的需求也难找到一摸一样的，其实主要看你喜欢什么风格可以直接视觉化的描述即可。

这一步最大的好处是，模型理解界面的方式就跟人一样，知道哪个是按钮、哪个是输入框，知道用户点一下会发生什么。后面你要让它写前端代码，或者生成交互逻辑，就会顺畅很多，省得我们一个个功能再解释一遍。

Prompt提示词这个就很简单：

7.如果要它接入系统，那接口文档得准备好

给 AI 准备好对应的API文档

想让它进一步帮我们动手干活，比如调用数据库、调取用户信息，那就得先把 API 文档给它。只要我们把接口说明、参数规则、请求方式写清楚，它就能“学会”怎么调用这些服务，后面可以自动帮我们写代码、拉数据、生成内容，不用我们手动对接每个环节。

咱们之前也有给大家分享过如何直接把大模型的API文档一步一步给到，然后让大模型去读取就能够对接上的内容。

8.前面准备好了，就让它开始上手干活

让 AI 开始读取文档帮我们干活

一旦 PRD 和接口都搞定了，就可以让 Amazon Q 正式“上岗”。我们可以直接告诉让它去读取我们的需求文档、API文档，它就能根据文档自动处理，真正把分析、设计、开发串在一起干了。

咱们之前已经直接让它开始干活了，可以看到它已经出了一个基础版本的内容：

咱们也可以来看看最后运行完成实现的效果：

9.产品介绍也不用自己写，交给它就行

让 AI 帮我们写一份产品介绍文档

咱们的作品提交里面也有很多模版参考了，作品链接文档模版这个我们就根据模版的大纲去填充相关内容就行。

产品做出来了，总得有个对外或对内的介绍材料。这个时候也可以让 Amazon Q 来写，它能根据我们之前的需求文档、用户场景和产品功能，总结成一份像样的介绍内容。不管是给团队成员看，还是用于内部评审，它写出来的内容结构都挺专业的，不啰嗦，重点也很清楚。

Prompt 模板：帮我写一份简洁且专业的产品介绍文档

10.宣传文案也能一把包了

让 AI 帮我们搞定产品营销推广文案

产品要推向市场，就得有能打的文案。

这事儿也可以交给 Amazon Q。你告诉它你要发在哪个平台、目标人群是谁，它就能帮你写出贴合场景的宣传内容。

不管是要正式一点的介绍，还是轻松一点的社交媒体文案，它都能根据语气和渠道自动调整风格，不用我们反复改来改去。

Prompt 模板：帮我生成贴合场景的营销推广文案

这个 Prompt 的设计参考了文案创作中的多渠道策略和用户画像驱动的个性化营销，并通过不同的语气调整来确保文案符合发布平台的特点。

咱们也可以来看下预览的效果：

过去做产品，从调研、构想到落地，要翻过不少山。

现在借助 AI，咱们只需要把想法讲出来，它就能陪你一路把事干成。

这一整套流程不是演示，是我们亲手实战过的，我也会继续把现在的1.0版本迭代成为更稳定成熟的版本分享给大家。

希望你看完之后，也能试着把这些方法用在自己的项目上，真正把 AI 用起来，省下不必要的时间，聚焦在最值钱的创造力上。

我们一起，用 AI 把创意变成作品。

，作者：银海inhai

来源：王王科技资讯