用 AI Agent 让产品管理再次变得有趣：PM 的 AI Agent 完全指南

Lennys.Newsletter · 2025-04-29

摘要

产品管理的美妙之处在于"一切皆为你负责"，而令人抓狂之处也在于"一切皆为你负责"。本文作者 Tal Raviv 为 PM 提供了一份实操性极强的 AI Agent（AI 智能体）使用指南。文章首先辨析了"AI Agent"的定义——它不是魔法精灵，而是一个能力谱系：主动行动、制定计划、利用上下文、抓取实时数据、执行真实操作、创建反馈循环。作者以 Zapier Agents 为例，手把手带领读者在 10 分钟内搭建第一个 AI Agent（客户电话准备助手），然后系统性地讲解了"规划第二个 Agent"的框架：从小处着手、降低失误代价、用自然语言构建、建立信任、优化成本与安全。文章还展望了 AI Agent 的未来演进方向：闭合反馈循环以及 AI 助手（Copilot）、AI 原型设计（Prototyping）和 AI Agent 的融合趋势。核心信息是：AI Agent 能接管 PM 最乏味、最消耗精力的重复性任务，让你重新聚焦于客户、团队和创造。

正文

什么是 AI Agent？

"AI Agent"这个术语的定义确实模糊。与其纠结于名称，不如关注行为。把"Agent"看作一个谱系——AI 系统表现出的以下行为越多，就越"Agentic"（具有智能体特性）：

  1. 主动行动——而非等待指令
  2. 制定计划——而非按给定指令执行
  3. 利用上下文——访问关于公司和团队的内部知识库，定期拉取最新信息
  4. 获取实时数据——如网络搜索或客服队列（而非依赖静态训练数据或手动上传文件）
  5. 执行真实世界操作——更新 CRM、运行代码或在工单上评论，而非仅做推荐
  6. 创建反馈循环——观察自身输出并在无人工辅助下迭代

（图表：各 AI 产品类别在六个行为维度上的对照矩阵）

每个产品类别在某些维度打勾，但不是全部。AI 系统仍处于早期阶段，每个类别从不同的起点切入这一机遇。

在目前所有 Agent 的流派和方法中，被作者称为"AI 自动化"（AI Automations）的类别对帮助 PM 处理单调的繁琐工作最为实用。这包括 Zapier、Lindy AI、Relay App、Gumloop、Cassidy AI 等工具。本文将聚焦于此类别。

立即启动你的第一个 AI Agent

让我们快速启动一个为你准备客户电话的 AI Agent，让它在后台运行，你继续阅读本文。

以下指令适用于 Zapier Agents（作者与 Zapier 无利益关联，仅为该工具的粉丝），只需 10 个步骤。

所需工具

  1. Zapier Agents
  2. Google Calendar（或 Outlook）
  3. Slack（或 MS Teams）

操作步骤

  1. 创建 Zapier 账户，导航到"Zapier Agents"（注意，这是与经典"Zaps"不同的独立新产品）。
  2. 选择"创建自定义 Agent"，命名，点击"从零开始"。
  3. 点击顶部"配置"→"创建行为"。
  4. 将自动化设置为每天早上 8 点运行。
  5. 将以下提示词粘贴到指令字段：

查看我今天的所有日历事件，找出所有外部参与者（电子邮件域名与我不一致的人），为每个邮箱地址做一次网络搜索。总结这些人是谁（在哪里工作、什么职位、在该职位多久、过往经历及其他相关信息），然后通过 Slack 发私信给我。

为每个有外部参与者的会议发送私信（跳过仅内部参与者的会议），内容包含：会议名称、会议时间、每位外部参与者的姓名和相关信息。

  1. 删除占位文本"[CALENDAR FIND MULTIPLE EVENTS]"，用"插入工具"菜单选择"Find Multiple Events"（如使用 Google Calendar）。
  2. 关联日历软件，选择个人日历。
  3. 删除占位文本"[SEND DIRECT MESSAGE]"，用"插入工具"菜单连接你的即时通讯服务（如 Slack，设置为仅能发私信——这让你可以放心实验）。
  4. 点击"保存指令并测试"。
  5. 满意后开启运行。

恭喜！你已经搭建了第一个 PM AI Agent，它将在此后持续运行。

规划你的第二个 AI Agent

选择什么任务？

问自己：什么持续性工作需要一定的判断力和写作能力——但不需要你的全部专业知识和直觉？换句话说，如果公司给你配了一个初级实习生（Junior Intern），你会让他/她做什么？

以下是 PM 从 AI Agent 中获得大量价值的使用案例示例（图表展示了约 20 个 PM 典型任务场景），包括：
- 竞品动态监控
- NPS 反馈分类
- 客户电话准备
- 每周更新汇总
- 功能请求整理
- 用户反馈聚类分析

作者建议选择持续到达的重复性任务。AI 自动化在"一次一个"的重复任务中表现最佳。对于大批量一次性任务（如筛选已收到的几十封邮件），建议直接使用 AI 系统：
- 导出数据并手动上传到 Claude、Gemini 或 ChatGPT
- 使用 Slack AI、Notion AI、Gemini for Workspace 或 Microsoft Copilot 等内置工具
- 通过 MCP 集成直接连接软件应用

设计你的 Agent：五步检查清单

1. 我自己理解这个任务吗？

就像给人分配任务一样，最先进的 AI 也只能根据指令执行。你是否清楚自己如何手动完成这个任务？关键信息在哪里？能否用语言清晰表达？

Gumloop CEO Max Brodeur-Urbas 说："理解问题应该是解决问题的唯一前提。"最好的方法是亲手做一两次，提供"成功"的范例。

2. 能否从更小的范围开始？

AI Agent 容易让人联想到魔法精灵，很容易忍不住把所有愿望一次性提出来。更现实的做法是像对待新产品或新流程一样——从最小范围开始，砍掉需求。问自己：最糟糕的部分是什么？最让你畏惧的步骤？从只委派那一步开始。

如果你的梦想是监控五个竞品网站，先从一个开始。

3. 能否将失误代价控制在最低？

墨菲定律（Murphy's Law）对 AI 和人都一样：任何可能出错的事情都会出错。不要试图预测模型会产生多少幻觉（肯定会），或你的工作流是否第一次就能跑通（肯定不会）。而是设计 Agent 让你获得全部收益的同时限制损失。

低风险高收益的示例：
1. 取代在 Slack 频道发消息 → 发私信给我，让我复制粘贴
2. 取代发送邮件 → 创建草稿并标记供我审核
3. 取代做决定 → 做出建议
4. 取代修改文档 → 在底部追加建议

Agent 平台的硬性权限约束在这里特别有价值。

4. 我提供了足够的上下文吗？

你的 Agent 大概率不需要深度竞品分析报告、三年愿景或完整公司组织架构图。但它确实需要知道：
- 从哪里获取正确数据
- 你做决策的指导方针
- 如何识别团队成员

如果你期望一个实习生"扫描所有 Slack 消息，找出客服团队分享的关于双因素认证的功能请求"——他们需要知道谁是客服团队成员。如果你期望 Agent 做出优先级决策，分享你的优先级框架。

5. （危险区）我是否与原始客户信号保持近距离？

用 AI 摘要一切会让你迅速退化客户直觉。PM 们：AI 不是在危及你的工作，但让 AI 替你阅读才是。

中间路线是什么？用 AI 遍历、浏览、导航、聚类和清理大量数据，但不要让它用摘要模糊你的视野。坚持要求精确引用原文和直接链接到原始客服工单、销售电话片段和录屏。

Gumloop 的 Max 分享了另一种策略：用 AI 分析每条客服对话，询问"这个人遇到了什么困难？主要投诉是什么？"，然后创建一份引用原始问题的报告，使团队可以回溯查看原始对话。

用提示词构建你的 Agent（平台无关）

为什么不用 AI 原型设计工具？

虽然用 AI 原型设计工具（如 Bolt、v0、Lovable）通过自然语言构建很有诱惑力，但作者不推荐。原因：
- 你需要为每个 SaaS 服务注册应用，获得内部 IT 权限
- 需要处理合规和安全审查
- 生产级应用需要大量维护、修复 bug 和应对回归

更好的方法是使用支持自然语言提示词的现有 Agent 平台。Cassidy、Relevance 和 Zapier Agents 已开始支持自然语言提示词；Gumloop 有"Gummie"聊天机器人引导你；Manus 擅长制定计划但缺少关键的工作场所集成。

AI Agent 构建提示词模板

将以下提示词粘贴到你最喜欢的具备网络搜索能力（最好还有推理能力）的 LLM 工具中。作者推荐 OpenAI 的 o3 Deep Research 或 Perplexity Deep Research：

以下是我对 AI Agent 工作流的目标。你是一位擅长向新手解释的 AI Agent 构建专家。我想在 Relay App、Lindy AI、Zapier Agents（非 Zaps）、Cassidy AI、Gumloop 或 Relevance AI 中构建一个 Agent。

针对每个平台，仅使用其官方文档或教程或视频，为我创建逐步的、明确的、手把手的搭建指南（每个平台分别独立，不混用平台）。

尽量保持简单。任何建议都不应要求编程。（如果不得不推荐直接 API 调用或 webhook，请超级清晰明确地说明如何实现。）仅使用完成任务所需的最小必要权限。

不要跳过任何步骤；假设我一无所知，需要拼写出每一步。如果某步骤需要 LLM 提示词，请替我写下。查询字符串也是如此。

当你建议某个功能时，确保该功能确实存在于该平台！如果网络结果不直接支持你的推荐，仍可推荐，但用"🚨"标记不确定性，并用"♻️"提供替代方案。

🌅 机会：[描述任务——如果你的老板给你配了一个聪明的零经验实习生，你会让他做什么？为什么有价值？]

🪖 AI Agent 执行指令：[告诉实习生如何完成——使用格式"每当__发生时，我希望你决定_，基于数据，与上次数据对比，然后执行___"]

这个提示词的结果时好时坏，但即使需要填补空白，它也是一次难得的提升，越过令人生畏的学习障碍。

选择平台

最佳 AI Agent 平台是你的公司已经在使用和信任的那个。如果市场团队已将 Zapier 连接到 HubSpot 等敏感系统，你最好利用现有连接而非另选新工具。

另一个重要标准是平台是否支持你需要的集成以及具体操作（例如，多个平台能读取 Zendesk 工单但不能创建工单）。

使用以下提示词让 AI 帮你做平台对比：

基于上述平台和方法，创建一个平台对比表。每列是一个平台，每行是与你概述步骤相关的具体功能。聚焦于具体功能而非抽象概念或主观特征。在表格中尽量引用网络来源，用少量 emoji 突出关键差异。

最后，如果我只能选一个平台，仅基于你上面的回答针对这个特定用例、不考虑网络结果或营销宣传，推荐哪个平台？

将 Agent 发布到实际使用中

保持宽容和同理心

一位 PM 发现 Agent 在 Slack 更新中产生了幻觉——虚构了 Sprint 编号。他追溯到原因：他的示例标题中有"Sprint 5"，但项目管理面板根本没提到"Sprints"。（简单修复：从示例中移除"Sprints"引用。）

同一位 PM 发现 AI 把任务错误标注为"已完成"。他意识到项目管理面板只有预估"结束日期"但没有"任务状态"。（简单修复：添加了"已完成"复选框，结果立竿见影。）

在对 AI 感到沮丧之前，先问自己是否给它制造了难题，或提供了足够上下文来做正确决策。

信任是点滴积累的

经过几个周期后，你将开始感受到对 AI 的信任程度。如果结果总体不错，考虑增加它的范围和责任——是否让它不经过审批直接发送草稿？是否添加额外的数据源？

如果进展不顺利，坦诚给出反馈。有些工具可以直接接受反馈并转化为自身指令。其他工具则需要回到原始 AI 对话，用 ✏️ 图标更新提示词。

优化成本

PM 对 AI Agent 的最大担忧不是《终结者》系列中的场景，而是成本。这些平台通常按使用量定价。

Lindy 的 Flo Crivello 说："公司有数百万美元的工资支出，然后花一千美元在 AI 上。你应该乐于在 AI Agent 平台上花钱，因为你花在 AI 上的每一美元能节省人类本需花费的 10 美元。"

Relay.app 的 Jacob Bank 给出实用建议："当涉及 AI 步骤时，降低成本有两种方式：选更便宜的模型或喂更少的数据。我通常建议先用好模型和大量数据把事做对，如果使用频率不高就不用费心优化。如果是每天运行 100 次、每次 10 美元，那就拉这两个杠杆。"

安全

一个核心关注点是 AI 是否会吸收和学习公司数据。幸运的是，每个 AI 系统提供商都有"不用于训练"的选项。

另一关注点是第三方 SaaS 访问公司数据。建议根据替代方案评估风险：

  1. 你是否已经在使用第三方自动化（与 AI 无关）？AI 本身给你的工作流增加了多少额外风险？
  2. 有多少人类员工已被授予这些权限？想想近期的丑闻，AI 真正增加了多少风险？

Jacob Bank 说："人们对招聘员工并给他们大量信息很大意，但对遵循安全最佳实践的 SaaS 产品却过分严格。"——当然，请咨询你的 CISO（首席信息安全官）。

Agent 的未来演进

闭合反馈循环——无需人类介入

AI Agent 可能会做出明智决策，然后像蒙着眼睛打 piñata 一样执行。人类会立即发现愚蠢错误（覆盖电子表格标题、黏贴不可读的大段文字到 Google Doc），AI Agent 缺乏这种直觉。

一大障碍是权限：公司更愿意给予"写入权限"而非允许应用"查看公司数据"。这看似反直觉，但"在 Salesforce 中创建联系人"确实比"查看所有现有联系人"更安全。

解决方案可能不是来自更好的 AI 模型，而是来自模块化和编排的创造性方案。Replit 的 Agent 最近能做到截取自身虚拟浏览器的屏幕截图并分析所见内容。作者设想未来可能有一个内部可信 AI Agent 驻留在目标应用中，访问相同指令并向第三方 Agent 提供反馈。

AI 助手、AI 原型设计和 AI Agent 将开始融合

高上下文思维伙伴（AI Copilot）、自然语言应用构建器（AI Prototyping）和主动决策者（AI Agent）将开始互相借鉴元素。未来的 AI 工具将同时具备对公司和角色的大量上下文、连接现实世界的输入输出，以及通过自然对话操作。

总结

AI Agent 还不是魔法精灵，但它代表了一个重新夺回精力、专注力和产品工作乐趣的真正机会。回顾关键步骤：

  1. 从小处着手：选择你熟悉的任务，缩小范围
  2. 设计有限损失：为不可避免的错误创建安全网
  3. 用语言构建：利用 AI 跳过学习曲线
  4. 带着同理心迭代：即使最聪明的同事也需要反馈
  5. 慢慢建立信任：逐步增加范围和责任

最令人兴奋的部分是你用重新夺回的时间和精力能做什么——沉浸在客户问题中、与团队建立更深的关系、享受创造的过程。

致谢

感谢所有参与采访、可用性测试和工作坊的 PM 和 AI Agent 产品领导者：Jacob Bank（Relay App）、Justin Fineberg 和 Jake Rosenthal（Cassidy AI）、Max Brodeur-Urbas（Gumloop）、Flo Crivello（Lindy AI）、Bryce Vernon（Zapier Agents）等。

祝你这周充实高效 🙏