需求清晰化
把“我想做点什么”变成“我要让 AI 完成什么任务”。
模糊想法 → 清晰任务一句话需求 → 任务说明让 AI 先反问，而不是直接生成
Loading...
Loading...
100天 AI Product Builder 计划｜Phase 2
把模糊需求变成清晰表达，并建立一套稳定的 AI 协作流程。
这一阶段的重点不是收集一堆 Prompt，而是理解一个完整 AI 任务应该如何描述、背景应该如何提供、输出标准应该如何设定，以及如何评估和迭代 AI 的回答。
Core Abilities
训练需求清晰化、提示词结构化和 AI 协作流程化。
把“我想做点什么”变成“我要让 AI 完成什么任务”。
把任务写成 AI 能理解、能执行、能输出稳定结果的提示词。
每天不只是学概念，而是把概念用在真实任务里，再总结成自己的方法。
Learning Lines
每条主线都对应一个核心问题，帮助我把抽象概念落到真实任务里。
需求表达线
训练自己从“帮我写一下”进入目标、受众、场景、输出格式和判断标准。
提示词工程线
用角色、任务、背景、输入、输出格式、质量标准和限制条件，形成可复用的任务说明。
Context Engineering 线
理解 Prompt 是指令，Context 是任务环境。背景越清楚，输出越贴近。
学习-实践-复盘线
先学一个概念，再用它完成真实任务，最后记录哪里有效、哪里无效。
Stage Outputs
这一阶段留下可复用的方法、模板和案例。
说明我如何向 AI 描述写作任务、提供背景、保留自己的语气、避免 AI 味，并判断文字是否可用。
先沉淀 8-10 个高质量模板：需求澄清、学习总结、产品拆解、反方观点、Vibe Coding、周报和复盘等。
每次问 AI 前检查目标、受众、场景、背景、输入材料、输出格式、风格要求、限制条件和评价标准。
至少完成 3 个案例：Day 总结、AI 产品拆解、让 Codex 修改网站页面。
Requirement Clarification Output
需求澄清放在 Prompt 和 Context 之前。只有先把目标、背景、输出和边界说清楚，后面的 AI 协作才稳定。
先确认需求是否清楚，再决定如何写提示词。
先明确目标、背景、输出和边界，再组织上下文材料。
先评分、检查反方观点和执行价值，再交给 AI 推进。
Seven-Day Sprint
每天都围绕一个具体能力：学一个概念，用一个真实任务验证，再沉淀成方法。
Day 1
把模糊想法变成具体任务。
产出：3 个“模糊需求 → 清晰需求”案例。
Day 2
掌握角色、任务、背景、输入、输出格式、质量标准和限制条件。
产出：Prompt 基础框架笔记 + 5 个可复用 Prompt。
Day 3
用低上下文和高上下文对比，观察 AI 输出差异。
产出：低上下文 vs 高上下文案例 + Context Checklist 初版。
Day 4
保留我的真实经历、判断和语气，让 AI 只做结构整理和表达优化。
产出：AI 写作方法论 v1 + 一组原始稿到发布稿案例。
Day 5
判断 AI 回答是否准确、具体、贴合目标、有真实判断、可执行。
产出：AI 输出质量评估表 + 1 个评分案例。
Day 6
把最有效的提问方式整理成可复用模板。
产出：Prompt 模板库 v1。
Day 7
形成自己的 AI 协作方法论。
产出：阶段复盘：会用 AI 的关键不是提示词，而是问题意识。
Context Engineering Output
Phase 2 的关键产出：从 Prompt 进入 Context，把 AI 协作变成可复用流程。
把上下文拆成 Base、Role、Assignment、Constraint、Evaluation 五层，避免只靠一条提示词推进复杂任务。
每次问 AI 前先检查身份、项目、目标、材料、格式、限制、权限、检查点和验收标准。
把写作、产品拆解、Vibe Coding、AI 周报、反方观点和网站信息架构沉淀成可复用任务包。
Principles
这些原则会作为后续写作、产品拆解、Vibe Coding 和复盘的基本约束。
01不追求万能提示词，先追求清晰需求。
02AI 不是替我思考，而是帮我推进思考。
03我的真实想法要先出现，AI 再帮我整理。
04背景越清楚，输出越贴近。
05复杂任务要先拆解，再交给 AI。
06AI 输出必须被评估，不能因为它完整就直接使用。
07模板不是偷懒，而是复用有效的思考方式。
Context Checklist
后续会把这个清单继续打磨成可复用模板。现在先作为每次提问前的自检框架。
One Sentence Summary
Phase 2 的核心：学会清楚地提出问题、组织背景，并让 AI 成为可控的协作者。