這套可復制的 AI 工作流，讓非技術 PM 從 0 到 1 做出產品

全文 3,000字 | 閱讀約 8 分鐘

（非技術 PM 的 AI 實戰 | Zevi Arnovitz 訪談要點）

你以為做產品，得先會寫代碼。

但最近，一位不懂技術的產品經理，做出了一款能上線、能盈利的 AI 工具，還讓科班工程師反過來問他：你到底怎么做到的？

主角叫 Zevi Arnovitz，Meta 的 PM。高中玩音樂，學心理學，從沒寫過代碼。他說：

第一次用 AI 編程工具，感覺就像突然擁有了超能力。

他真做到了。他用 AI 組了一支團隊：讓不同 AI 分工負責架構、設計、查錯，再用編程工具讓它們配合起來。最后做出的產品 StudyMate 已經上線，正在盈利。

他的做法是：不把 AI 當助手，而是當團隊。

這套方法，你也能復制。

Zevi 已經把流程、踩過的坑都公開了。我們把它梳理成能直接上手的工作流：不管你用 ChatGPT、Claude，還是豆包、智譜清言，只要愿意嘗試多 AI 協作，就能從 0 做出產品。

第一節｜不會代碼的起點：找一個能能挑戰你的 AI

Zevi 不是靠寫出第一行代碼開始的。

他做的第一件事，是跟 AI 開了個專屬對話，然后對 AI 說：

“你是我的 CTO，不許只順著我說話。”

這個對話會記住整個項目的所有信息。他給 AI 設定了明確的角色：負責技術決策、要敢于反駁他、對產品質量負責。

這不是在用一個工具，而是在找一個能挑戰他的合伙人。

這對不懂技術的人來說，才是真正的第一步。

你不需要學會寫代碼，需要學會的是跟 AI 協作。這種協作靠什么？不是技術，而是你本來就會的能力：說清楚自己要什么、定好規則、不斷追問，把模糊的想法一步步變清晰。

Zevi 一開始選的是 Claude，不是因為它最強，而是因為它不會敷衍。他管 Claude 叫“我理想中的 CTO”：邏輯清楚、反應快、不怕提問、還不會不耐煩。

這個虛擬 CTO 告訴他：

• 功能為什么設計錯了；

• 指出方案里的漏洞和隱患；

• 解釋技術決策背后的邏輯。

他不需要理解 AI 寫了什么代碼。只要讓 AI 解釋為什么這么寫、要實現什么效果、有什么副作用，就能像有個導師在旁邊，把整個產品邏輯講清楚。

看不懂代碼？

那就讓 AI 講一遍，再講一遍。你不用會寫，只要敢問。慢慢地，代碼不再可怕，變成了你能看懂的東西。

所以，第一步不是學技術，而是建一個 跟 AI 對話框。

Zevi 用的是 Claude Project，但這套方法不局限于某個工具。關鍵是找到一個既能記住項目背景、又能按你的規則工作、還能順暢溝通的 AI。判斷一個工具是否合適，問自己三個問題：

• 它能否持續記憶上下文？

• 能否讓你定義 AI 的角色和立場？

• 你能否用自然語言把想法講清楚？

如果答案都是肯定的，你就找對了。

這就是起點。

第二節｜不是用 AI，而是組 AI 團隊

建好對話空間只是開始。

Zevi 的下一步，是把一個 AI 變成一支 AI 團隊。

在 Cursor 里，他給每個模型分配了明確職責：

• 技術負責人 Claude：專注架構、溝通順暢，還會反駁你的不靠譜方案。

• 修 Bug 的高手 Codex：不愛說話，只負責把問題修好。

• 設計師 Gemini：思路很跳，寫代碼很隨性，但產出的界面讓人驚艷。

• 工作臺 Cursor：讓這些模型在同一個項目里協作。

他甚至把 AI 之間的關系也設定好了。不是誰聽誰的，而是互相提意見：一個 AI 寫完代碼，他會讓其他 AI 來審查，再讓第一個 AI 回頭看看它們說得對不對。

為什么要這樣分工？

因為每個模型都有性格缺陷。Claude 善于溝通但界面不夠靈動，Gemini 設計驚艷但過程混亂，Codex 解決問題快但不愛解釋。

單獨用某一個，你要么被它的短板卡住，要么浪費時間彌補它的不足。

但如果你知道誰擅長什么，就可以讓每個模型都只做它最擅長的那 20%，而不是勉強完成 100%。

這套分工是 Zevi 用提示詞設計出來的。他把整個開發流程分解成一個個可復用的命令：從捕捉想法，到執行代碼，再到復盤改進。每個環節都有明確的負責人，每個步驟都能重復執行。

這套流程的核心不是讓 AI 寫得快，而是讓 AI 配合得好。

如果說第一步是學會跟 AI 對話，這一節就是學會讓多個 AI 圍著同一個目標協同工作。

Zevi 用的是幾個不同的大模型組合，你可以根據能用的工具自己搭配。核心是理解每個 AI 的特點：有的擅長邏輯推理，有的擅長創意表達，有的擅長發現問題。找到它們的長處，讓它們只做最擅長的事，你就能組出自己的團隊。

第三節｜從想法到上線：一個真實產品的誕生

Zevi 不是在做演示。

他真的做出了一個上線的 AI 應用：StudyMate，一個能自動生成測驗題的學習工具。

“用戶上傳 PDF，它就能分析材料，提出高質量的題目，還能解釋答案為什么對、哪里錯。現在，這個產品已經可以正常使用，并且帶來收入。”

最初他只打算做多選題。后來他調研發現，競品已經開始做填空題了。于是他決定馬上加這個功能。

整套流程他是這么跑的：

1、一句話想法，變成 AI 能執行的任務

他用語音說了一句需求：我想加個填空題功能，最好能拖拽選項，兩個空格六個選項。

AI 聽完，開始反問：

• 這個填空題的難度定位是什么？給初學者還是進階用戶？

• UI 風格要延續現在的極簡風，還是想做得更有交互感？

• 答對一題給多少分？要不要設置答題時間限制？

幾輪對話后，AI 把需求整理成一條結構化的任務記錄：功能名稱、核心需求、技術要點、待確認問題，全部寫清楚，可以直接開始開發。

2、別寫代碼，先弄明白問題

有了任務記錄，下一步不是直接寫代碼，而是讓 AI 先掃描代碼庫，分析影響范圍。

AI 給出的技術評估報告：

• 影響模塊：數據庫、答題引擎、前端交互、提示詞系統

• 技術難點：現有邏輯只支持單選題，填空題的判斷規則完全不同

• 潛在風險：拖拽功能可能和移動端適配沖突

這一步，沒寫任何代碼，但把所有技術風險點都摸清了。

3、開發、審查、測試，一條龍

Zevi 讓 AI 把技術分析轉化成執行計劃，然后分配給不同 AI：

• 修改數據庫結構 → 交給擅長后端的 AI

• 重寫答題判斷邏輯 → 同樣是后端 AI

• 實現拖拽交互 → 交給擅長前端的 AI

• 全鏈路測試 → 最后由 Bug 檢查 AI 驗收

每個 AI 寫完自己負責的部分，Zevi 會讓其他 AI 來審查：寫代碼的 AI 自查一遍，其他 AI 從各自角度挑刺，然后讓第一個 AI 判斷這些意見是否合理。

他說：

“我不是要 AI 寫得完美，而是它寫完后，我能安排誰來指出問題。”

所有代碼審查通過后，進入測試階段。Zevi 手動測了一遍核心流程，再讓 AI 檢查邊界情況：空白答案怎么處理？拖拽到一半放棄怎么辦？移動端會不會有問題？

4、上線，然后復盤

測試通過，功能上線。

從想法到上線，一共用了不到一周。現在這個填空題功能已經在 StudyMate 里跑起來了，有真實用戶在用。

但 Zevi 不會到此為止。

上線后他做了一件很多人忽略的事：讓 AI 復盤整個開發過程。

• 哪個環節一開始理解錯了？

• 哪段提示詞可以寫得更明確？

• 次遇到類似需求，能不能更快？

然后把這些經驗更新到提示詞庫和開發文檔里。下一次構建功能，就會更順、更快。

這就是 Zevi 的完整路徑。

不是 Demo，不是概念驗證，而是真正上線、有用戶、能賺錢的產品。

從需求到上線，Zevi 把開發過程拆解成可驗證的小步驟，讓多個 AI 各司其職，每一步都留下記錄。這套流程可以復制，可以迭代，可以持續優化。

這就是一個非技術 PM，從 0 到 1 做出產品的完整過程。

第四節｜八個指令，一套可復制的工作流

Zevi 最有參考價值的地方，不是他做了什么產品，而是他把每個環節都變成了標準流程，誰都能照著走一遍。

這不是聽完很受啟發那類方法論，而是實打實的工具清單：

• 快速記錄想法：不打斷當前工作，先把靈感、Bug、功能想法抓住，自動生成工單

• 探索階段：讓 AI 理解需求并找出關鍵問題，先別急著寫代碼，先把問題想清楚

• 制定計劃：把任務拆成可執行步驟，生成能追蹤進度的計劃文檔

• 執行計劃：嚴格按步驟執行，不跳過，不擅自發揮

• 自我審查：讓 AI 檢查自己寫的代碼，找 Bug、找隱患，不放過邊角問題

• 互相審查：多個模型互審，從各自視角挑刺，發現盲區

• 更新文檔：記錄決策和方案，讓 AI 在下次構建時能參考

• 學習機會：讓 AI 解釋不懂的概念和邏輯，把遇到的問題變成學習機會

Zevi 把每個環節都寫成了固定的操作。你不需要記住每個細節，只要告訴 AI 執行哪一步，它就知道該做什么。

這套工作流可以逐步升級。從最簡單的對話 AI 開始，在聊天框里搞清楚流程；熟悉后接入編程工具，試試執行和審查；想深入點，就用不同 AI 處理不同模塊；最后，搭建起一支 AI 團隊，協同完成產品

你不需要一次做完所有事。關鍵是建立一套能重復執行的工作方式：把臨時的決策變成可復用的流程，把模糊的想法變成清晰的步驟。

這樣，每個環節都能驗證，每次結果都能復盤，每條流程都能改進。

不是學會某個工具，而是學會設計自己的工作模式。

從一個對話框開始，從一條提示詞開始。

結語｜從“不會”到“會”，只差一套工作流

Zevi 的故事說明了一件事：不會寫代碼，不是做產品的障礙。

關鍵在于你有沒有一套可重復的工作流。

從建立對話框、到讓多個 AI 協作、再到把流程寫成命令，這套方法不依賴天賦，不局限于某個工具，只需要你愿意動手。

Zevi 用了一年時間摸索出這條路。

現在，這條路就在你面前。

識自AI

本文由 AI深度研究員 出品，內容整理自 Zevi Arnovitz 在 Lenny's Podcast 訪談等網上公開素材，屬評論分析性質。內容為觀點提煉與合理引述，未逐字復制原訪談材料。未經授權，不得轉載。

星標公眾號， 點這里 1. 點擊右上角 2. 點擊"設為星標" ← AI深度研究員 ? ← 設為星標

參考資料：

https://www.youtube.com/watch?v=1em64iUFt3U&t=1s

https://www.lennysnewsletter.com/p/the-non-technical-pms-guide-to-building-with-cursor

來源：官方媒體/網絡新聞

排版：Atlas

編輯：深思

主編: 圖靈