课程简介
在AI工具快速进入研发、产品、运营和职能工作流的当下，企业员工已经不再只是“会问AI几个问题”就够了。更关键的是：能否把AI嵌入真实业务流程，帮助团队完成需求拆解、信息调研、PRD撰写、数据分析、原型设计、Demo开发、测试反馈和快速迭代。视源电子具备较强的产品与研发基础，适合通过“低门槛、全流程、强实操”的方式，让不同岗位员工形成统一的AI协作方法。
本课程为期2天，面向产品、研发、设计、运营、项目、数据与职能岗位的零基础或轻基础学员。课程不做过深的编程原理讲解，而是围绕“AI辅助产品全流程”进行训练：Day1重点解决日常办公与产品前期工作提效，Day2重点使用Codex等工具完成一个可运行Demo，并掌握从Bug修复到版本迭代的基本方法。
目标收益
1、掌握AI工具协作的通用方法：能把模糊任务转化为清晰指令，形成角色、背景、任务、约束、输出格式、验收标准六要素提示词。
2、能用AI快速完成基础繁杂的日常工作：包括会议纪要、PRD初稿、竞品调研框架、用户反馈归因、数据分析报告、汇报PPT大纲等。
3、掌握产品需求整理与PRD生成流程：能把访谈记录、客户反馈、会议讨论转化为需求池、用户故事、功能清单、优先级和PRD草稿。
4、掌握Codex辅助开发Demo的基本闭环：能描述目标、生成项目骨架、修改页面与交互、运行调试、修复报错、形成可演示版本。
5、建立团队级AI协作意识：知道哪些任务适合交给AI、哪些必须人工判断，以及如何通过验收清单和复盘机制持续提升产出质量。
培训对象
产品、研发、设计、运营、项目管理、数据分析、职能支持等相关岗位。课程默认AI零基础或轻基础即可参加；具备基础办公软件使用能力即可。若有研发同学参与，可在Demo模块承担小组技术推进角色。
课程大纲
| 主题一、AI工具与产品全流程认知：从“会问”到“会交付” |
1. 产品与研发场景中的AI能力边界 1.1 AI适合做什么：整理、归纳、生成初稿、提出方案、检查遗漏、辅助分析、生成Demo。 1.2 AI不适合直接拍板什么：业务优先级、真实用户判断、商业取舍、上线风险与合规责任。 1.3 产品全流程AI地图：需求整理-方案设计-文档撰写-数据分析-Demo开发-测试迭代。 2. 全员必备提示词框架 2.1 六要素提示词：角色、背景、目标、输入材料、约束条件、输出格式。 2.2 “让AI先问我问题”的澄清式提示词。 2.3 “给我多个方案并说明取舍”的决策辅助提示词。 2.4 “按验收标准检查”的质量控制提示词。 3. 工具矩阵与适用场景 3.1 ChatGPT/DeepSeek：复杂推理、方案拆解、报告生成。 3.2 Kimi/通义千问：长文档阅读、会议纪要、制度资料处理。 3.3 Codex/Cursor/VS Code：Demo生成、代码修改、报错修复、前端迭代。 3.4 办公工具：Excel数据分析、PPT汇报、日常文档处理。 |
| 主题二、AI辅助需求整理、PRD撰写、调研与数据分析 |
1. 需求整理与用户故事生成 1.1 从客户反馈、工单、访谈记录中提取真实需求。 1.2 区分问题、诉求、功能、方案和验收标准。 1.3 生成用户故事、使用场景、异常场景和边界条件。 2. PRD与方案文档提效 2.1 PRD结构：背景目标、用户角色、核心流程、功能说明、交互规则、数据口径、验收标准。 2.2 AI辅助补全PRD：让AI检查遗漏、冲突和不可执行表述。 2.3 把PRD转成研发任务拆解、测试用例和版本计划。 3. 调研与数据分析 3.1 竞品调研：调研问题设计、信息整理、功能对比表、结论摘要。 3.2 用户反馈分析：聚类、归因、优先级排序。 3.3 Excel/CSV数据分析：描述性统计、异常识别、趋势分析、管理层汇报。 4. 日常繁杂工作快速完成 4.1 周报/月报/复盘报告自动生成。 4.2 会议纪要转行动项。 4.3 汇报PPT大纲与发言稿生成。 |
| 主题三、Codex入门实战：从PRD到可运行Demo |
1. Codex最新能力与入门使用路径 1.1 Codex的定位：写、改、读、运行代码的AI编码智能体。 1.2 常见入口：Codex App、CLI、IDE扩展、Cloud任务。 1.3 入门推荐路径：用IDE扩展或CLI在本地项目中完成小型Demo。 1.4 安全边界：目录权限、文件变更确认、敏感信息不上传、AI生成代码必须审核。 2. 把PRD转成Codex可执行任务 2.1 目标描述：要做什么页面/工具/流程。 2.2 约束描述：技术栈、页面风格、数据结构、交互规则。 2.3 验收标准：页面能打开、按钮能点、数据能展示、异常有提示。 2.4 分步提示：先搭骨架，再做页面，再接数据，再优化体验。 3. Demo开发跟练 3.1 从零生成一个轻量前端Demo。 3.2 让Codex解释项目结构与关键文件。 3.3 修改页面文案、表单字段、条件筛选和数据展示。 3.4 运行项目并根据报错让Codex修复。 |
| 主题四、迭代、验收与团队AI工作流搭建 |
1. 用AI完成Demo迭代 1.1 从“我想改一下”变成清晰迭代需求。 1.2 让Codex按优先级拆分版本：V0.1、V0.2、V1.0。 1.3 页面体验优化：布局、文案、交互、空状态、错误提示。 1.4 数据体验优化：导入示例数据、筛选、排序、图表、导出。 2. 测试、验收与质量控制 2.1 AI生成测试用例：正常路径、异常路径、边界条件。 2.2 AI辅助自测：让Codex阅读代码并找潜在问题。 2.3 人工验收清单：业务正确性、可用性、数据准确性、安全性。 2.4 如何把AI结果讲给业务方听：演示脚本与汇报结构。 3. 团队级AI协作机制 3.1 产品-研发-设计-运营如何共用一套AI工作流。 3.2 建立团队提示词库、PRD模板库、Demo模板库。 3.3 每周复盘：哪些任务AI节省时间，哪些任务仍需人工判断。 3.4 后续进阶方向：Codex Cloud、GitHub PR审查、MCP、企业知识库、智能体工作流。 |
|
主题一、AI工具与产品全流程认知：从“会问”到“会交付” 1. 产品与研发场景中的AI能力边界 1.1 AI适合做什么：整理、归纳、生成初稿、提出方案、检查遗漏、辅助分析、生成Demo。 1.2 AI不适合直接拍板什么：业务优先级、真实用户判断、商业取舍、上线风险与合规责任。 1.3 产品全流程AI地图：需求整理-方案设计-文档撰写-数据分析-Demo开发-测试迭代。 2. 全员必备提示词框架 2.1 六要素提示词：角色、背景、目标、输入材料、约束条件、输出格式。 2.2 “让AI先问我问题”的澄清式提示词。 2.3 “给我多个方案并说明取舍”的决策辅助提示词。 2.4 “按验收标准检查”的质量控制提示词。 3. 工具矩阵与适用场景 3.1 ChatGPT/DeepSeek：复杂推理、方案拆解、报告生成。 3.2 Kimi/通义千问：长文档阅读、会议纪要、制度资料处理。 3.3 Codex/Cursor/VS Code：Demo生成、代码修改、报错修复、前端迭代。 3.4 办公工具：Excel数据分析、PPT汇报、日常文档处理。 |
|
主题二、AI辅助需求整理、PRD撰写、调研与数据分析 1. 需求整理与用户故事生成 1.1 从客户反馈、工单、访谈记录中提取真实需求。 1.2 区分问题、诉求、功能、方案和验收标准。 1.3 生成用户故事、使用场景、异常场景和边界条件。 2. PRD与方案文档提效 2.1 PRD结构：背景目标、用户角色、核心流程、功能说明、交互规则、数据口径、验收标准。 2.2 AI辅助补全PRD：让AI检查遗漏、冲突和不可执行表述。 2.3 把PRD转成研发任务拆解、测试用例和版本计划。 3. 调研与数据分析 3.1 竞品调研：调研问题设计、信息整理、功能对比表、结论摘要。 3.2 用户反馈分析：聚类、归因、优先级排序。 3.3 Excel/CSV数据分析：描述性统计、异常识别、趋势分析、管理层汇报。 4. 日常繁杂工作快速完成 4.1 周报/月报/复盘报告自动生成。 4.2 会议纪要转行动项。 4.3 汇报PPT大纲与发言稿生成。 |
|
主题三、Codex入门实战：从PRD到可运行Demo 1. Codex最新能力与入门使用路径 1.1 Codex的定位：写、改、读、运行代码的AI编码智能体。 1.2 常见入口：Codex App、CLI、IDE扩展、Cloud任务。 1.3 入门推荐路径：用IDE扩展或CLI在本地项目中完成小型Demo。 1.4 安全边界：目录权限、文件变更确认、敏感信息不上传、AI生成代码必须审核。 2. 把PRD转成Codex可执行任务 2.1 目标描述：要做什么页面/工具/流程。 2.2 约束描述：技术栈、页面风格、数据结构、交互规则。 2.3 验收标准：页面能打开、按钮能点、数据能展示、异常有提示。 2.4 分步提示：先搭骨架，再做页面，再接数据，再优化体验。 3. Demo开发跟练 3.1 从零生成一个轻量前端Demo。 3.2 让Codex解释项目结构与关键文件。 3.3 修改页面文案、表单字段、条件筛选和数据展示。 3.4 运行项目并根据报错让Codex修复。 |
|
主题四、迭代、验收与团队AI工作流搭建 1. 用AI完成Demo迭代 1.1 从“我想改一下”变成清晰迭代需求。 1.2 让Codex按优先级拆分版本：V0.1、V0.2、V1.0。 1.3 页面体验优化：布局、文案、交互、空状态、错误提示。 1.4 数据体验优化：导入示例数据、筛选、排序、图表、导出。 2. 测试、验收与质量控制 2.1 AI生成测试用例：正常路径、异常路径、边界条件。 2.2 AI辅助自测：让Codex阅读代码并找潜在问题。 2.3 人工验收清单：业务正确性、可用性、数据准确性、安全性。 2.4 如何把AI结果讲给业务方听：演示脚本与汇报结构。 3. 团队级AI协作机制 3.1 产品-研发-设计-运营如何共用一套AI工作流。 3.2 建立团队提示词库、PRD模板库、Demo模板库。 3.3 每周复盘：哪些任务AI节省时间，哪些任务仍需人工判断。 3.4 后续进阶方向：Codex Cloud、GitHub PR审查、MCP、企业知识库、智能体工作流。 |
近期公开课推荐