ARTICLE · 产品设计
AI 使用心得：B 端产品工作中的方法、边界与实践
一语总结文章通过个人实践介绍 AI 在 B 端产品工作中的四步法、Skill 沉淀、Prompt→Context→Harness 演进及使用边界，强调人为决策者、AI 为劳动者。
作者以京东零售产品经理的亲身经历为例，展示了在 B 端产品工作中引入 AI 如何将需求交付人日从 34 压缩到 15，核心在于重组工作方式而非省略流程。文章提出 AI 的价值在于把结构化劳动和初稿交给 AI，人负责判断与复核；详细阐述了 Prompt → Context → Harness 三层演进、PRD 四步法（建立 Skill、交代关键节点、AI 反向提问、生成文档）以及经验沉淀为 Skill 的复利机制；并通过支付设置优化、PRD Writer Skill、AI 点餐交互设计、AI 分享材料生成四个案例说明方法落地；最后明确使用边界：AI 可负责整理、生成和辅助分析，但判断、审核和最终责任须由人承担，警示过度依赖的风险。
- AI 在 B 端产品工作中的价值：重组工作方式，人为决策者，AI 为劳动者。
通过将信息整理、初稿生成等结构化劳动交给 AI，产品经理能将更多精力投入业务理解、流程判断、异常处理和方案取舍，实现效率提升（如 34→15 人日）而不牺牲质量。
- 方法论框架：Prompt → Context → Harness 三层演进及 PRD 四步法 + Skill 沉淀。
首先通过角色设定、步骤拆分等 Prompt Engineering 把问题问清楚；再通过提供文档、截图、历史规则等 Context Engineering 把上下文给足；最后通过工具、文件系统、权限等 Harness Engineering 让 AI 进入真实工作现场。在需求文档场景中，形成可复用的四步法：建立需求文档 Skill、交代已知关键节点、让 AI 反向提问、调用 Skill 生成文档，并把经验沉淀为 Skill 以实现复利。
- 使用边界与风险：AI 只能辅助整理、生成和分析，判断与最终责任须由人承担。
AI 可能产生幻觉或遗漏，因此关键结论必须由人确认；过度依赖 AI 会导致责任模糊，正确做法是让 AI 负责阅读、整理、提出疑点，而人负责业务目标判断、流程边界确认、异常规则拍板以及评审结论。
- 实践案例展示方法落地：支付设置优化、PRD Writer Skill、AI 点餐交互设计、AI 分享材料生成。
通过先抓真实页面结构再应用设计 Skill、将真实需求跑出来沉淀为 PRD Writer Skill、用 Gemini 跑通交互逻辑后再进 Figma 精调、以及 Claude Design 生成 PPT 并用备注文件对齐，验证了方法在不同场景下的可复用性和实际效果。
AI 使用心得：B 端产品工作中的方法、边界与实践
作者以京东零售产品经理的亲身经历为例，展示了在 B 端产品工作中引入 AI 如何将需求交付人日从 34 压缩到 15，核心在于重组工作方式而非省略流程。文章提出 AI 的价值在于把结构化劳动和初稿交给 AI，人负责判断与复核；详细阐述了 Prompt → Context → Harness 三层演进、PRD 四步法（建立 Skill、交代关键节点、AI 反向提问、生成文档）以及经验沉淀为 Skill 的复利机制；并通过支付设置优化、PRD Writer Skill、AI 点餐交互设计、AI 分享材料生成四个案例说明方法落地；最后明确使用边界：AI 可负责整理、生成和辅助分析，但判断、审核和最终责任须由人承担，警示过度依赖的风险。
京东 B 端产品一线：需求交付人日近乎腰斩，靠的是 AI 干结构化活、人做判断复核。沉淀 Prompt→Context→Harness 与 PRD 四步法，并划清不能外包的责任边界。要实用方法而非概念，这篇可直接照做。
文章金句
"人是决策者，AI 是劳动者。
"AI 的价值从来都不是省略流程，而是重组工作方式。
"把经验总结成 Skill
"AI 不是看教程学会的，而是用出来的。
"AI 可以负责整理、生成和辅助分析，但判断、审核和最终责任必须由人承担。