在B端家具规模摸爬滚打多年后，发现信得过接济效力的诀要在于AI用具的深度整合。从ClaudeCode快速搭建可交互原型，到用LLM进行需求拆解与竞品分析，再到Dify自动化责任流编排，这些用具正在重塑家具司理的责任方式。本文不畅谈办法，只共享骨子专揽中能立竿见影的三大AI科罚有野心。
作念B端家具这些年，我换过电商、CRM、供应链、金融好几个行业。用具用了好多，但信得过让我责任效力翻倍的，是最近这一年才初始系统性地把AI接入责任流。
这篇著述不聊办法，只聊具体能用的东西。
1.ClaudeCode/Cursor—让原型从”想”造成”跑”
好多B端PM的原型还停留在Axure/Figma的静态线框图阶段。但淌若你能平直用当然言语让AI生成一个可交互的Web原型，效力和换取效力透彻不同。
我骨子在用的场景
需求考据阶段：拿到一个需求后，先用ClaudeCode快速搭一个带基本交互的页面。不是要它多面子，米兰体育2026世界杯指定中国官网而是要让配置、业务方看到的确东西，而不是对着PRD脑补。
帮我作念一个客户料理后台的列表页，要有筛选（情状、时辰范围、客户称呼）、分页、批量操作按钮，数据先用mock。
几分钟内出一个可点击的页面。配置一看就知说念你要什么，开云kaiyun(中国)比10页PRD王人管用。
比如
PRD辅助生成：先把业务逻辑用当然言语描写明晰，让AI帮你结构化成PRD模式——配景、野心、用户故事、功能清单、非功能要求、验收规范。你只需要审核和休养，而不是从零初始写。PRD的模板的结构界说后，AI会凭据模板生成PRD，这便是效力。可是prd的模板界说经由很有手段性，有酷好不错细聊，由于篇幅原因不再细聊。
2.LLM（对话式AI）—需求分析的”第二大脑”
ChatGPT、Claude、Kimi这些对话用具，B端PM用得最多的场景应该是需求拆解和范围要求挖掘。
我的用法
场景一：用户故事拆解
把一句话需求丢给AI：
“销售要能稽察我方名下客户的订单”
让它帮你拆成：
扮装权限（销售只可看我方的，主宰能看团队的）
数据范围（哪些订单算”名下”的？分派的？我方创建的？）
相称场景（客户被重新分派后历史订单包摄？）
AI不一定对，但它能帮你意想你没意想的。B端系统的坑基本王人在范围要求里。
场景二：竞品分析框架
试试这个prompt：
“我要分析[家具A]和[家具B]在[功能模块]上的互异。请从以下维度帮我出对比框架：功能隐秘度、交互体验、本领终了臆测、可模仿的亮点、互异化契机。”
毋庸它写论断，用它出结构——功能对比维度、优劣分析框架、互异化契机点。我我方作念金融系统的时候，用这个法子20分钟就出了一份竞品对比框架，过去至少花半天。
3.AI责任流编排（Dify/Coze/n8n）—把重迭责任自动化
这是我最想推选给B端PM的用具类型，亦然大多半东说念主透彻不知说念存在的用具。
用法一：用户响应自动归类
积贮各渠说念响应→AI按功能模块分类→索求重要词→生成需求池
用法二：PRD编写
制定prd模板→更新原型/需求→系统自动更新prd
写在终末
这三个用具的共同点：不是替代家具司理，而是放人人具司理的价值。
ClaudeCode/Cursor让你从”绘画”升级到”可运行的原型”
乐鱼体育世界杯中国官网首页对话式AI让你的需求分析更系统、更全面
责任流编排把你从重迭劳动中开脱出来—-后续我会写skill有关的著述，会详备讲这里。
B端家具最中枢的智力如故蚁合业务、概括问题、瞎想系统。AI能帮你更快更好地作念这些事开云kaiyun(中国)，但不可替你想考。
备案号: