被Qoder产品经理老友访谈：老产品经理的AI编程工具使用实录
AI编程工具这股浪潮，来得比想象中要猛。很多产品经理同行私信问我：不懂代码，到底能不能用好这些工具？恰好最近，一位做工具产品的老友专门找我做了一场深度访谈，聊的就是这件事——一个老产品人，是怎么从零摸索AI编程，最终把它变成自己得力助手的。全程没有套路，全是实战中踩过的坑和总结出来的方法，希望能给同样困惑的你一些参考。
访谈对象是我自己，访谈者是我的老友（某工具产品经理），核心话题围绕这几个：老产品经理如何用AI编程工具落地真实项目、工具选型的心得、以及那些非技术人员特别容易踩的坑。
一、访谈开场：为什么老产品经理要主动用AI编程工具？
访谈一开始，老友就问得特别直接：“你本来懂产品、会画原型就够了，为什么还要费劲去搞AI编程，甚至自己上手做项目？”
我的回答也很简单：时代变了，产品人的能力边界也该跟着变。以前做产品，只能提需求、画原型，然后等着研发排期，中间沟通成本高得吓人，迭代周期更是漫长。现在AI编程工具已经成熟到一定程度，哪怕完全不懂专业编码，也能借助这些工具把自己的想法快速落地。不仅能更精准地向研发传递需求，自己验证小想法也变得可行，效率完全是几何级的提升。
接着，我就把从去年11月开始的摸索历程，原原本本地跟老友讲了一遍——从盲目试工具、踩遍各种坑，到慢慢沉淀出适合自己的使用方法论。
二、实操经历：从踩坑到上手，AI工具使用之路
说到具体实操，我拿自己的第一个练手项目举例：基于智能眼镜实现一个对讲机功能，需要APP端与眼镜端联动。一个懂产品、会画原型，但完全不懂编码和页面调试的老产品人，刚开始时的窘迫可想而知。
“最开始我自掏腰包用国际版工具试水，因为完全不熟悉代码，只能一点一点摸索，硬生生花了一整周，才调出五六个类似IM的前端页面，别提多费劲了。”回忆起来，那时候是真走了不少弯路。后来我才意识到，用AI工具的核心不是盲目输入需求，而是要找到正确的使用方法。
调整思路后，我试着让模型直接浏览代码、生成技术文档。没想到，仅仅两天就搞定了后端开发和API对接，再花一两周部署、配置域名，第一个可用的产品就出来了。当然，这个过程里也踩了不少工具选型的坑，慢慢摸索出了适合自己的节奏。
“最开始图省事，用solo工具直接输想法，结果输出完全偏离预期；后来改成‘builder模式’，一页一页慢慢打磨；到了后期，终于找到了高效玩法——把原型图喂给模型，让它生成PRD文档，再基于PRD做页面、写代码。这样一来，模型能更好地串联前后端数据、接口与服务，研发效率直接翻倍。”这是最核心的技巧变化。
三、关键突破：用Markdown+思维导图，解决AI工具使用痛点
说到使用AI工具的痛点，我在长期实践中发现了一个特别影响效率的问题：Markdown作为AI最易读取的文档格式，虽然便捷实用，但局限也很明显——长度受限、手机端查看不便。比如一份600多行的Markdown文档，在手机上翻半天都找不到重点；而且模型处理时还容易出现‘过载’问题。
为了解决这个麻烦，我想到了一个互补方案——思维导图。这是我摸索出来的实用技巧：“把Markdown里的标题、列表、代码块，都提炼成思维导图的节点；具体内容放在叶子节点里。这样既能保住文档的逻辑结构，又能展开、收起慢慢查看，还能无损转回Markdown。AI读着方便，我自己查看、调整需求也省心。”
这个被我称为“记忆导图”的小方法，从2026年1月开始用到现在，搭配AI工具，无论是梳理需求、对接模型还是迭代优化，效率提升都非常明显。目前这个配套的小工具已经发版，还在根据实际使用需求持续优化。
老友追问我模型选型的心得，我也毫无保留地分享了：“纯前端需求，Gemini 3用着更顺手；如果是那种不需要调图片和样式的场景，GPT5.3更稳定。举个例子，有个页面对齐的小问题困扰了我好几个月，GPT5.3改了十几版都没搞定，Gemini 3 Pro一次性就解决了。多模态模型看图片的能力，确实很有一手。”
四、核心分享：老产品人用AI编程工具，避坑指南+选型技巧
访谈中，老友重点问我：“很多老产品人想尝试AI编程工具，但不知道怎么选、怎么用，有没有什么避坑指南？”
结合自己的经历，我总结了两个关键点：第一，没有最好用的工具，只有最顺手的，完全不用盲目跟风追热门；第二，不必追求“全懂”，只要掌握核心用法，能落地自己的想法、辅助需求对接就够了。
我详细对比了几款热门AI研发工具的使用体验：“cloud code全是命令行操作，门槛偏高，产品人用着不太顺手，项目复杂时还容易改出差错；solo就很友好，能同时处理多个任务，还能直接选文件路径，让模型精准定位需要修改的地方，既省token又省时间；Codex Windows版更贴心，在命令行基础上加了可视化界面，专业选手能用，我们这种老产品人也能慢慢摸索上手。”
此外，国内AI模型的进步也值得一提：“像Minimax M2.5、Kimi 2.5、智谱GML 5这些，效果已经能达到GPT的70%~80%。虽然偶尔会考虑不周全，但多找几个模型出方案，再整合优化一下，就能补上短板。关键是能省下不少国际版工具的费用，性价比很高，特别适合日常练手、落地小项目。”
最后着重强调一点：“很多老产品人会觉得，自己不懂编码就用不好AI工具。其实完全不必担心。AI不仅能帮我们写代码，还能慢慢教我们部署、环境变量这些小知识点。现在‘人人都是产品经理’真的不是一句空话，借助AI工具，我们完全能实现自己的产品想法。”
五、延伸探讨：AI编程时代，老产品人的核心竞争力是什么？
聊到AI编程对产品人的影响，老友问：“AI能帮助写代码、做页面，未来产品人的核心竞争力，会不会变？”
我的观点很明确：“AI只是工具，它能帮助我们落地想法、提高效率，但替代不了产品人的核心能力——对需求的洞察、对用户的理解，还有把模糊需求转化为可落地方案的能力。比如我用AI工具落地的项目，核心还是我先明确需求、画好原型，AI只是帮我实现‘编码’这个环节。不同的产品人，对需求的理解不一样，用AI工具的方式和优化方向也不一样，这才是我们真正的差异化价值。”
我们还聊到了行业趋势：“现在很多公司的研发流程都在简化。比如宝马的研发平台已经转型，除了架构和运维，其他人全部转成了AI engineer，每个人都直接对业务负责；美国那些科技公司，早就不区分前后端了，测试岗位基本取消，研发自己测试成为常态。对我们产品人来说，懂一点AI工具的用法，能更好地对接研发、推动项目，也能让自己变得更有竞争力。”
老友也认同这一点：“没错，AI不是来替代我们的，是来帮我们提效的。尤其老产品人，有丰富的需求洞察经验，再搭配AI工具，能发挥的价值确实更大。”
六、访谈收尾：老产品人用AI工具，核心是“敢试、敢错”
访谈接近尾声时，老友问有没有什么话想对其他想尝试AI编程工具的老产品人说。
“其实没什么复杂的，核心就是‘敢试、敢错’。”不必害怕自己不懂编码，不必畏惧踩坑。先找一个自己的小想法、小项目练手，从最简单的页面、最基础的功能开始，慢慢摸索工具的用法。在试错中总结经验，慢慢就会发现，AI工具其实很友好，能帮我们解决很多实际问题。
很多想法，一个人琢磨会越想越乱，但跟同行、跟做技术的朋友聊一聊，往往一下就通了。这也是愿意接受这次访谈的原因——希望能给其他老产品人一点参考，让大家少踩坑，更快地用好AI编程工具。在这个AI时代，守住自己的核心竞争力，也能跟上时代的节奏。
AI编程的浪潮已经到来。对老产品人来说，这不是挑战，而是机遇。不必害怕变化，不必畏惧未知。只要保持开放的心态，愿意尝试、愿意学习，借助AI工具，我们依然能发挥自己的优势，做出更贴合用户需求的产品。
