用 AI 做产品设计,关键不是让 AI 画图或写代码,而是把 AI 放进产品运行过程里承担任务,并把自己的判断标准写成 AI 能读的上下文。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
先分清 AI 是帮你造,还是在产品里干活
材料里的观点用 Cursor 写代码、让 AI 生成设计稿,都属于开发阶段帮忙,用户打开产品时 AI 并没有参与理解、判断和行动,这不算 AI 产品。真正的分界是:用户使用时,AI 有没有在系统内部承担一部分任务执行。一个邮件助手哪怕代码简单,只要它会读上下文、判断意图、生成回复、调用接口、等用户确认再发送,就已经有了 AI 运行时的参与。判断成熟度可以顺着问:AI 只是回答,还是能基于上下文回答、调用工具、嵌入固定流程、决定下一步、循环执行并纠错、带记忆和权限、主动触发。产品设计时先想清楚你要它停在哪一层,再决定界面和流程怎么搭1。
把隐性判断写成 AI 能读的上下文
材料里的观点AI 产出总是差点意思,往往不是模型不行,而是它不知道你的标准。品牌调性、审美偏好、受众画像、过往取舍这些都在你脑子里,从没被写成 AI 能读的格式。做法是先文档化:把风格偏好、判断原则、验收标准写下来,再针对每个具体任务精选最相关的背景,而不是把所有东西都塞进去。给指令时定义结果而不是遥控步骤,说清做到什么算对。这个过程本身有价值,很多人写文档时才发现自己的标准从没被真正想清楚过2。
第一版是拿来发现问题的,不是拿来交付的
材料里的观点在开始之前,产品只是一个名词,它把几百个关于信息、权限、状态、用户预期的决定压缩成一个看起来边界清晰的东西。计划发生在压缩后的世界里,真正的工作发生在解压后的现实里。很多正确的决定在看到错误版本之前根本不存在:先看到页面才知道信息顺序不对,先用过才知道哪些数据不该占主要位置。所以 AI 把写代码的成本压低后,值得先做一版能跑的东西,用它来暴露你原本想不到的问题,而不是指望一次做对。Demo 只需要展示那一刻是对的,产品要在现实变化中一直是对的3。
这些材料讲的是判断框架和原则,没有给出针对具体产品类型的设计步骤,实际落地还要结合你的产品形态。
出处
- 1AI产品的六个层次
讲清 AI 辅助开发与 AI 在产品运行时工作的区别,是理解这个问题的起点。
- 2AI 用得好的人与普通人的5个差距,和背后具体技术原因|非技术岗位版
解释为什么 AI 产出总差点意思,以及把隐性判断显性化的具体做法。
- 3Don't build: 看清demo和production之间的鸿沟
说明第一版的作用和 demo 与产品的差距,帮你调整对迭代的预期。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 总觉得现在学习新东西,技术没有什么意义了,因为ai能比你做的快10倍,同时也觉得任何东西/poc都没有门槛,我能几天之内学习新的技术,并deliver。如果我能,我相信别人也能,那我的竞争力到底在哪里? 学更广的知识还是干别的什么?
几天做出一个能跑的东西,只证明你当下交付得快,不证明能力留在你身上。竞争力更可能来自撤掉帮助后仍能判断、拆解和交付,以及别人做不出来的深度。
- workbuddy普通人怎么用
普通人用 AI 的关键不是学会某个工具,而是从“偶尔用一用”变成“让 AI 成为核心生产力”,并围绕自己反复做的一件事持续积累。
- 如何学习 ai
学 AI 要当手艺练,不是当知识背:围绕真实任务动手,用“撤掉帮助、隔段时间、换个条件还能不能做”来检验自己是否真会。
- ai时代如何赚钱?
立正认为AI时代赚钱的关键不是抓住某个风口,而是把认知和方法练出来:用经营者的视角看待工作,学会识别真正创造价值的事,并且相信赚钱的唯一方式是给别人创造价值。
- 课代表一直说要像学习一门手艺一样工作,这个怎么理解,什么是手艺,学习手艺的时候需要注意什么,如何精通一门手艺?
手艺不是熟练重复,而是能不断往深里钻研、越做越发现学问的活能力;学它靠动手试错,精通靠长期坚持。
- ai时代,我应该怎么了解我想做,可以做的事,作为马上就要毕业的大学生,我应该怎么样去求职。
先别急着海投简历,花一两天认真想清楚:不靠公司,你能给别人提供什么价值;再花几周去真实试一次。