产品经理分享利用Claude Code与AI辅助原型演示及文档自动化

背景

在 AI 技术快速渗透各行各业的当下，产品经理（PM）的工作模式正经历从“纯文档驱动”向“原型与代码驱动”的深刻转变。作者作为一名专注于医院相关系统产品的产品经理，分享了其在使用 AI 工具提升工作效率过程中的两个主要阶段。

早期阶段，作者主要依赖 GPT、Gemini、千问等网页端对话式 AI 进行需求分析、客户反馈模拟及方案梳理。虽然利用 Gemini 生成 HTML 演示页面能较快验证单一功能，但在面对复杂现有系统框架的交互修改时，网页端 AI 存在无法操作本地文件、无法直接修改现有系统代码的局限。

随着 Agent（智能体）技术的普及，作者转向了 VS Code + Claude 的组合。这种本地化、文件可操作的 AI 工作流，极大地释放了产品经理的生产力，使其能够独立完成原本需要前端开发介入的任务，如界面修改、插件开发、文档自动化及数据爬取等。

核心内容

作者详细描述了从网页端 AI 到本地化 AI 编码助手的工作流演进，并通过四个具体场景展示了该工作流在实际产品工作中的应用成果。

工作流演进：从网页对话到本地 Agent

1. 第一阶段：网页端对话式 AI

   • 工具：GPT、Gemini、千问等。
   • 应用场景：需求分析、模拟客户沟通、落地方案梳理、项目汇报演示。
   • 核心优势：利用 Gemini 生成 HTML 可交互原型，快速验证用户需求。对于单一功能或与新系统关联不大的模块，效果良好。
   • 核心痛点：纯网页交互形式局限性强，无法读写本地文件，无法直接修改现有系统页面，难以实现基于现有框架的定制化演示。

2. 第二阶段：VS Code + Claude（Agent 模式）

   • 工具：VS Code 编辑器 + Claude（及其他桌面版 AI 编码助手如 Codex）。
   • 核心优势：
     • 本地目录集成：左侧直接显示本地工作目录，便于文件管理和代码修改。
     • 无需深奥代码能力：产品经理只需提出需求，AI 即可生成单页面、文档或脚本。
     • 直接操作现有系统：能够直接修改本地测试服务器的网页内容或进行二次开发。
   • 作者评价：这是目前最顺手、舒服的方式，甚至被作者调侃为“太过完美”。

实战场景：产品经理的“超能力”

作者列举了四个典型场景，展示了 AI 如何替代或辅助前端开发及行政工作：

1. 汇报演示与界面定制

   • 痛点：售前演示中，客户要求在现有系统基础上增加特定功能（如医生签字与 CA 系统对接），但原系统无此页面，传统做法需等待前端开发排期。
   • 解决方案：利用 AI 直接修改本地测试服务器的网页。AI 生成了一个类似“油猴”脚本的 Chrome 扩展插件，注入并修改网页内容，实现功能演示。
   • 结果：快速生成录屏视频交付客户。作者强调，此类简单功能 AI 生成代码质量高，具备后续交付可行性，显著减轻了前端负担。

2. 需求统计页面二次开发

   • 痛点：售前团队希望在开源版禅道（ZenTao）中增加按区域、事业部、需求类型的统计页面，以便掌握需求边界。
   • 解决方案：作者本地部署禅道开源版，让 AI 分析代码结构后，以插件形式进行二次开发。耗时约 2 小时。
   • 结果：AI 不仅生成了功能代码，还自动编写了 Markdown 操作手册，直接作为需求文档提交给开发团队，提升了需求传递效率。

3. 文档资料自动化

   • 痛点：系统验收需申请软著、测评，涉及大量文档整理（如将三级树形菜单简化为一级菜单列表）、截图及录屏，耗时 2-3 天。
   • 解决方案：
     • 菜单处理：AI 编写 Chrome 插件，自动将后台所有根级节点变为一级菜单，便于录制符合要求的视频。
     • 用户手册生成：AI 自动截取每个菜单页面，按照“标题 > 截图 > 功能描述”的结构自动生成文档。
   • 结果：原本需数天的工作缩短至一个下午，甚至能协助其他同事完成类似任务。

4. 数据爬取与处理

   • 痛点：销售团队需要历史招投标数据，但网站默认查询限制为 1 年，且需提取中标金额。
   • 解决方案：AI 编写脚本突破查询限制，爬取数据并生成 PDF，同时自动提取关键金额字段。
   • 结果：高效满足销售需求，节省购买商业数据信息的成本。

基础设施与成本

作者提到其技术栈主要依赖开源或免费资源，体现了“白嫖”精神：

• 网络代理：优选 Cloudflare (CF) 代理。
• 大模型接入：使用 AnyRouter 进行路由分发。
• 路由器固件：使用 CCR。
• 核心模型：Claude 等。

关键要点

• 工具选择决定生产力上限：对于涉及文件操作、代码修改的工作，本地化编辑器（如 VS Code）结合 Agent 模式的 AI 工具，远优于纯网页端对话式 AI。
• 产品经理的技术边界拓展：通过 AI 辅助，产品经理无需深入掌握复杂代码，即可实现界面原型定制、简单插件开发、数据爬取及自动化文档生成，具备“全栈”雏形。
• AI 生成的代码具有交付潜力：作者指出，对于简单功能，AI 生成的代码（如 Chrome 扩展、单页面脚本）质量可靠，不仅可用于演示，后续也可直接交付开发，真正减少了开发人员的重复劳动。
• 工作流自动化显著降本增效：从需求文档编写、界面修改到数据爬取，AI 将原本需要数天的人工操作压缩至小时级甚至分钟级，同时降低了对外部数据服务和开发资源的依赖。
• 开源生态的价值：结合本地部署的开源系统（如禅道）和免费/低成本的基础设施（CF、CCR、AnyRouter），个人或小团队可以以极低成本构建强大的 AI 辅助工作流。

意义与影响

这篇文章不仅是一个产品经理的个人经验总结，更折射出 AI 时代下角色边界模糊化的趋势。

首先，它重新定义了产品经理的核心竞争力。在 AI 辅助下，PM 不再仅仅是需求的传递者，而是能够直接通过代码和原型验证想法的“超级个体”。这种能力使得 PM 能够更快速地响应市场变化，降低沟通成本，并提升方案的可行性验证效率。

其次，它展示了 AI 在垂直领域（如医疗系统、项目管理工具）的落地潜力。通过本地化部署和定制化插件开发，AI 能够深入企业现有系统内部，解决标准化 SaaS 产品无法满足的个性化需求，为中小企业提供了低成本定制化的可能。

最后，它倡导了一种高效、低成本的技术实践哲学。作者利用开源工具和免费模型资源，实现了高效产出，证明了在算力成本可控的前提下，个人或小团队可以通过合理的工具链组合，获得超越传统团队的生产力，这对行业内其他非技术背景或资源有限的从业者具有重要的借鉴意义。