产品经理必备的3个 AI 工具

前阵子看到 Claude Code 的产品经理 Cat Wu 做的一次经验分享。她把自己日常用到的 AI 工具分成三层：用 Claude AI 聊需求和做思路碰撞，用 Coding Agent 把想法直接变成可点击的原型，用 Claude CoWork 处理日常的办公事务和流程跟进。这个用法挺好的，对应到我们的工作环境里，映射成如下三个工具：

• Gemini（AI Chat） —— 帮你想：该干什么、怎么干、产出什么
• OpenCode（Coding Agent） —— 帮你 Code：原型、落地页、数据可视化
• OpenWork（Work Agent） —— 帮你完成日常工作：竞品追踪、迭代管理、运营跟踪

1 Gemini AI Chat —— 帮你想

它就像一个随时在线的什么都懂的专家伯乐，你可以把模糊不清的业务背景、用户痛点、粗略的想法一股脑丢给它，然后让它从不同角色的视角帮你梳理。

为什么选 Gemini？ 在众多对话 AI 里，Gemini 对产品经理的优势在于：

• 搜索能力极强：深度整合 Google 搜索，能快速同步最新的行业动态和技术趋势。
• 产品方法论全：在需求拆解、数据建模、业务流程梳理上有更深厚的知识沉淀。
• 产品构想力强：更擅长从 0 到 1 的发散性创意 and 复杂场景的沙盘推演。

如果你因为网络等环境限制无法使用 Gemini，替代方案可以尝试 Kimi AI Chat（Agent模式），它在长文档解析 and 国内业务背景理解上表现也很出色。

怎么用：

根据你当前卡在哪个阶段，用法不同：

• ** 还没想清楚该干什么**

刚拿到一个模糊的业务诉求，或者季度规划要选方向的时候。把已知信息 and 约束条件丢给 Gemini，让它帮你列出"做这件事必须先回答的 10 个问题"。你会发现自己其实有很多前提假设没验证过。

• ** 知道干什么，但没想清楚怎么干**

方向确定了，但具体路径还在纠结。让 Gemini 分别从运营侧、技术侧、合规侧的角度，逐一对你的初版方案提反对意见。针对每个反对意见追问"如果这个问题不解决，最坏结果是什么"，持续剪裁，直到推演出一条各方都能接受的主流程。

• ** 方案有了，但不确定产出对不对**

写好了 PRD 或方案文档，喂进去让它扮演开发 Tech Lead 做 Review，找逻辑断点 and 遗漏。或者让它扮演业务方，看看读完之后是不是能准确还原你要表达的东西。

适合的场景举例：

2 OpenCode Coding Agent —— 帮你 Code

OpenCode 擅长的是写代码这件事。对产品经理来说，很多过去需要依赖开发团队排期、或者只能用静态图交差的东西，现在可以自己直接出。

为什么选 OpenCode？ 相比于 Claude Code 这种偏向 CLI（命令行）的专业开发者工具，OpenCode对产品经理更友好：

• 桌面版 UI：提供了完整的图形界面，屏蔽了复杂的终端指令以及技术细节，更符合 PM 的操作习惯。
• 非技术背景友好：大幅降低了环境配置 or 代码调试的焦虑，让你可以专注在功能逻辑 and 交互体验上。

它可以灵活对接各种 Coding Plan 对应的模型，首选建议是 Claude/Codex 模型，或者Kimi Coding Plan。

如果 OpenCode 暂时无法满足你的需求，替代方案可以尝试字节的 Trae，或 OpenAI 的 Codex桌面端，两者在 IDE 体验 and 模型响应速度上都做了针对非专业代码人群的优化。

适合的场景举例：

这几类场景有一个共同点：产出物都是代码 or 配置文件层面的东西。有了 OpenCode，产品经理不用等其他团队的排期，从想法到真实可跑的页面 or 专属 Skill 脚本，通常半天内自己就能跑出第一版。

配合使用的 Skills：

正如我们在《AI-Native产品经理的 5 项修炼》中提到的：产品经理必须具备独立动手完成场景 MVP 的能力。OpenCode 就是跑通这条路的工具。

3 OpenWork Work Agent —— 帮你跑起来

OpenWork 是对应Claude CoWork的开源方案，核心设计思路是：把产品经理的日常工作流配置成可重复运行的 Agent，下次触发不用再从头配。

为什么选 OpenWork？

• 开放性与定制化：相比封闭的 Claude CoWork，OpenWork 的开源生态允许你更深入地修改 Skill 逻辑，适配企业内部私有的工作流。
• 易用性与可控性：相比于 OpenClaw 等工具，OpenWork 的环境配置更稳健，门槛更低，在保证 Agent 自主运行的同时，给产品经理留下了更好的交互控制权。

OpenWork 对产品经理有用的核心特性：

• Worker —— 每个任务有独立的执行环境

OpenWork 的基本单位是 Worker。每个 Worker 是一个独立配置的执行环境，有自己的目录隔离、网络权限、工具组合 and 触发条件。产品经理可以按任务类型配置不同的 Worker，互不干扰：竞品监控是一个 Worker，周报生成是另一个，每个都有自己的配置以及运行节奏。

• Automation —— 定时跑 + 事件触发，不用盯着

Worker 支持两种触发模式：定时触发（每周一早 9 点自动跑竞品汇总） and 事件触发（Jira 状态变更时自动生成通知）。配置好之后不用手动启动，任务自己跑，结果推到你指定的地方。

• Agent Builder —— 用自然语言定义 Agent 的行为

不需要写代码，直接用自然语言描述这个 Agent 应该做什么、用什么工具、按什么格式输出。系统能快速把你的工作要求转成可执行的 Agent 日常配置，负责后续的持续运转。

• 团队共享 Worker —— 个人经验变成团队基础设施

Worker 配置 and Skills 可以通过版本控制（Git）在团队内共享。一个 PM 沉淀好的竞品追踪 Worker，整个团队都能直接用，不用每个人重新配一遍。个人积累变成团队基础设施，这是它区别于普通个人 AI 工具的地方。

适合产品经理的场景举例：

配合使用的 PM 专项 Skills 库：

除了 MCP 接数据，还有两个专门为产品经理设计的 Skill 库可以装进来用，覆盖具体的 PM 分析框架和日常产出：

deanpeters/Product-Manager-Skills — 47 个经验证 of PM Skill，v0.75，已上架 Claude Code Plugin Marketplace。

/plugin marketplace add deanpeters/Product-Manager-Skills
/plugin install jobs-to-be-done@pm-skills

对应产品经理日常任务的重点 Skills：

phuryn/pm-skills — 65 个 Skills + 36 个工作流命令，分 8 个 Plugin，基于 Teresa Torres、Marty Cagan、Alberto Savoia 等人的方法论。

claude plugin marketplace add phuryn/pm-skills
claude plugin install pm-execution@pm-skills       # PRD、OKR、Roadmap、Sprint
claude plugin install pm-product-discovery@pm-skills  # 用户研究、假设测试
claude plugin install pm-market-research@pm-skills    # 竞品分析、用户画像
claude plugin install pm-data-analytics@pm-skills     # SQL、A/B 测试分析

对应产品经理日常任务的重点命令：

正如我们在《企业落地 AI Skill 的 12 个疑问》中讨论的：Skill 的核心价值在于把个人零散 of AI 使用经验，转化成组织集体可复用的数字知识资产。OpenWork 的 Skills 体系 and 团队共享机制，恰好提供了这个沉淀渠道。

配合使用的 MCP / Plugin：

这类任务的关键不仅是 Skills，更在于能接上哪些数据源。以下是产品经理场景里评价最高的一批 MCP Server 和工具集成：

这些当前更适合海外生态；自己在使用的时候可以参考这些，来完成企业内部的工具集成实现。这些 MCP 挂到 OpenWork 的 Worker 里，就能把「抓数据 → 分析整理 → 生成文档 → 推送通知」这条链路跑通，不需要手写任何爬虫 or API 对接代码。

三类工具怎么串起来用

单独用当然可以，但串起来用效率更高。一个典型的产品工作流可以是这样：

新需求进来
    |
    v
[Gemini] 帮你想：理清该干什么、怎么干、产出什么
    |   输出：经过多角度验证的思路 and 方案
    |
    v
[OpenCode] 帮你 Code：把想法落成可交互原型
    |   输出：可点击的 MVP 页面，替代传统交互文档
    |
    v
[OpenWork] 帮你完成日常工作：把重复事务自动化
        输出：定时跑的 Worker，持续运行的 Skills

Agent 能力快速发展，作为产品经理，首当其冲的还是要把当前的 Agent 能力先用到极致。尝试把Gemini 的博识、OpenCode的工程能力、OpenWork的事务托管都用起来，努力把Agent 杠杆效应发挥到极限，释放我们的创造力。

最后

你目前用 Agent 工具有哪些 Tips？欢迎留言 or 直接来 AI2.0产品经理主页（ai4pm.space） 来做分享呀～

延伸阅读：

• AI-Native产品经理的 5 项修炼
• 企业落地 AI Skill 的 12 个疑问
• Impeccable：给产品经理、设计师与前端团队的 AI 设计协作升级包

#产品经理AI工具 #产品经理Skills #AI-Native产品经理