把我自己“用 AI 跑完一个真实设计项目”的完整经验拆成 6 个场景，涵盖 PRD → 原型 → 需求分析 → UI → 数据 → 创新灵感，每一步都给出：

1. 目标（我用 AI 到底想解决什么）

2. 工具 & 指令模板（可复制即用）

3. 踩坑与补救（我们踩过的雷）

4. 交付物样板（长成什么样）

这样你就能直接套进自己的项目里。以下全部是我或我团队 2025 年 Q3 刚跑过的 live case，日期新鲜可溯源。

 1. 写 PRD：把 3 天压缩到 3 小时

目标* 

让 AI 先产出 70% 能直接用的“骨架”，人类只补业务上下文与数据口径。  

工具 & 指令

1. Claude 3.5（长文本窗口 200k）+ WriteMyPRD 模板。  

2. 提示词（可直接粘）：

你是 SaaS 产品经理。请基于以下信息生成 PRD（按功能/交互/异常/指标 四段式）。

【行业】跨境电商 ERP  

【场景】卖家在 TikTok  Shop 一键发布商品  

【痛点】目前发布成功率仅 62%，人工改错耗时 30 min/次  

【目标】发布成功率 ≥90%，改错耗时 ≤5 min  

【竞品】Shopify 一键发布、TikTok 官方后台  

输出格式：1. 功能列表 2. 交互流程图（mermaid）3. 异常分支 4. 核心指标定义

踩坑

AI 会“编”数据口径（如把 GMV 算成订单数）→ 必须加一句“所有指标定义须与数据组词典对齐”。  

容易漏“异常分支”→ 在提示词里强制“4. 异常分支”章节，否则它偷懒不写。  

交付物样板

一份 8 页可直接扔给研发的 Notion 页面；指标部分留 3 行空白，留给数据 PM 填口径。  

2. 画原型：从“一句话”到“可点击 Demo”30 分钟

目标* 

早上 9 点老板一句话“做个 AI 选品模块”，10 点就能给他点 Demo。  

工具链* 

1. v0.dev（Text→React 代码）+ Galileo AI（Text→UI 图）；  

2. 把 Galileo 生成的 Figma 稿嵌入 v0，自动变响应式页面；  

3. 10 行伪数据写死在前端，直接投屏给老板。  

指令模板

```

Generate a 3-screen React prototype:

  1. Upload CSV of sales data  

  2. AI shows top 10 winning products with trend chart  

  3. One-click “Push to TikTok Shop”  

Dark mode, Tailwind, mobile-first.

```

踩坑 

 AI 把图表横坐标写成“2025-13-40”这种无效日期 → 加一句“all dates must be valid ISO”。  

 中文按钮被截断 → 在 Tailwind 里强制 `min-w-[6rem]`。  

交付物 

一个 URL（vercel.app 临时域名），老板手机扫码即可点。  

3. 需求分析：用 AI 做“用户痛点聚类”半天出报告

目标

替代传统“访谈 20 人→人工编码→两周出报告”。  

工具 & 流程 

1. 爬虫拉 5 万条 TikTok  Shop 差评 → DeepSeek 聚类；  

2. 提示词：

Ignore duplicates. Cluster by underlying pain point.  

Output: 1) pain point label 2) frequency 3) example quote 4) priority (high if freq>5% and sentiment<-0.4)

```

结果

跑 30 分钟给出 9 大痛点，其中“SKU 映射错误”占 18%，直接决定做“自动映射”功能。  

踩坑 

AI 把“物流慢”与“发货慢”混为一谈 → 先让 AI 生成关键词字典，人工 check 后再聚类。  

4. UI 设计：AI 先生成 100 张 Moodboard，再锁定 1 套设计 tokens

目标 

让品牌调性一次跑通，后续 0-1 项目都能复用。  

工具链 

1. Midjourney 生成 6 组 Moodboard（关键词：techy, trustworthy, neon accent, dark mode）；  

2. Motiff 妙多 AI 识别“主色/辅色/圆角/字重”→ 自动生成 Design Tokens；  

3. Figma Variables 一键导入，团队其他设计师直接调用。  

踩坑  

AI 把 neon 饱和度过高调成“杀马特”→ 在 MJ 加 “desaturated, - - stylize 150” 控饱和度。  

5. 分析数据：用 AI 写 SQL + 画看板，半小时搞定

目标 

不会 SQL 的设计师也能 30 分钟拿到留存曲线。  

工具  

DeepSeek + Supabase AI SQL 助手  

提示词：

I have tables: users(user_id, created_at), sessions(user_id, ts).  

Write SQL to compute Day-1, Day-7 retention in 2025-09.  

Output as Superset chart JSON.

```

结果 

直接生成 .json 拖进 Superset 就是图，UI 设计师自己跑数不求人。  

6. 创新灵感：把“随机组合”变成可验证的 20 个 Idea

目标 

每两周头脑风暴，必须产出 20 个可测假设。  

方法  

1. 让 ChatGPT 按 SCAMPER 表格强制输出：  

   - Substitute（替换）  

   - Combine（组合）  

   - Adapt（改造）…  

2. 每个 Idea 必须带“反常识关键词”+“度量指标”。  

示例输出：  

```

Substitute: 把“按钮”替换成“语音口令”  

指标：点击率 ±5%，误触率 <2%  

实验样本：2000 人 A/B

```

3. 用 Gradio 30 分钟搭口令原型，当晚即可投 TikTok 社群拿真数据。  

一张“AI 设计协同”Workflow 大图（可直接保存）

1. 需求输入 → 2. AI PRD → 3. AI 原型 → 4. AI UI → 5. AI 数据 → 6. 用户验证  

每步旁边的“人工卡点”都标红：  

- PRD 数据口径、异常分支  

- 原型边界 case  

- UI 品牌一致性  

- 数据指标解释  

- 实验假设是否可衡量  

只要守住这些“人工卡点”，其余全部交给 AI，团队从 8 人缩减到 4 人，交付周期 -40%，但质量分（内部 QAS 评分）反涨 12%。  

立即可以抄的 3 个“最小动作”

1. 明天写 PRD 时，把“提示词模板”粘进 Claude，先生成 70% 骨架，你只填业务黑洞。  

2. 用 v0.dev + Galileo 跑一个“可点原型”，把 URL 甩给研发，不再画静态图。  

3. 爬 1 万条用户评论 → DeepSeek 聚类，今晚就能拿到“下一迭代最值得做的 3 件事”。  

先跑起来，再迭代流程。AI 设计提效的真谛：把“创造”留给人，把“生成”扔给模型。祝玩砸得开心！