用途:帮助非技术产品经理借助 AI 编程智能体构建并交付可上线的软件,把 AI 当作技术负责人、开发者与 QA 负责人来编排。
核心原则:把 AI 视为技术所有者,要求它质疑你的想法、避免迎合,由它负责技术架构,你负责问题与用户体验;从 ChatGPT/Claude Projects 等聊天界面,逐步过渡到 Bolt/Lovable 等构建器,再到 Cursor/Claude Code 等专业 IDE;在 markdown 计划定稿前不要让 AI 开始写代码,急于编码会带来架构债务和复杂 bug。
/命令工作流(可在 Cursor、Claude Code 或 IDE 系统提示中作为可复用命令实现):
- /create-issue:快速捕获 bug 或功能,让 AI 停下当前工作,按 TLDR、当前状态、预期结果、优先级格式总结;可用 MCP 自动在 Linear 或 GitHub 建单。
- /exploration-phase:提供 issue ID 作为上下文,要求 AI 分析代码库,就数据模型、UX、边界情况和架构影响提出 5-10 个澄清问题,并识别受影响的“关键区域”。
- /create-plan:生成 plan.md,包含 TLDR、关键决策(技术栈或逻辑变更)、带状态复选框的任务清单;执行前需人工批准。
- /execute:把 plan.md 交给编码智能体(如 Cursor Composer 或 Claude Code),一次执行一个任务以保持 UI 与逻辑稳定。
- /peer-review:让不同 LLM 评审同一代码,制造“模型摩擦”。先用 Claude 运行 /review 找自身错误,再把代码交给 GPT-4o 或 Gemini 1.5 Pro,使用提示“你是开发负责人。其他团队负责人发现了这些问题[粘贴问题]。要么修复,要么基于我们的具体上下文解释为何不是真问题。”允许模型就技术点争论直至达成共识。
- /learning-opportunity:以“我是成长中的技术 PM,用 80/20 法则解释这个技术决策或错误,聚焦架构与心智模型而非语法”来培养技术直觉。
维护“Harness”:每个主要功能后运行 /update-docs,让 AI 更新 architecture.md、api-routes.md 等文档,使下一次智能体会话有完整上下文;AI 出错时追问“系统提示或当前文档中什么导致了此错误”,并更新系统提示防止同类错误复发。
示例:为学习应用添加拖拽填空测验时,用 /create-issue 描述需求,AI 建 Linear 工单,再经 /exploration-phase 询问同一答案拖到两个位置时状态如何处理,最终在写代码前产出考虑拖拽库依赖的技术计划。移动端 Safari 崩溃时,用 GPT-4o 二次意见发现 CSS 兼容问题,再经 /peer-review 反馈给 Claude,得到跨浏览器兼容修复。
常见陷阱:迎合陷阱——AI 常为讨好而同意坏主意,应明确要求它做“脾气差的 CTO”守护代码库;垃圾代码堆积——不要让 AI 未经审查生成数千行,功能完成后用“deslop”思路要求重构精简、删除冗余注释与未用导入;跳过 /review——不要因代码“看起来对”就假设可用,始终本地运行并让竞争模型触发 /review。
限制:资料未提供具体安装命令、收费、价格、平台支持范围或效果数据,暂未提供。