为什么 AI 总做不对？不是它笨，是你没说清

先说个你大概率有过的场景。

你让 AI 帮你做个东西，满怀期待地等它出活，结果做出来的跟你想的差着十万八千里。你改一句、它错一处，来回几轮，你终于烦了，心里冒出一句：“这 AI 也就那样。”

这几个月我几乎天天在用 AI 干活，也天天踩这个坑。但踩着踩着，我改了主意。因为我发现一个很打脸的规律：同一个需求，我换一种说法，它一次就做对了。

一次两次是巧合，十次八次就不是了。慢慢我不得不承认一件事：AI 做错，绝大多数时候不是它笨，是我没说清。

这不是玄学，背后是个特别朴素的道理，朴素到有点残忍：

AI 不会读心。它只会照着你”说的”做，不会照着你”想的”做。

你脑子里那份需求，是立体的——它有背景、有你没意识到的默认假设、有一整套”这不明摆着吗”的常识。可你打进对话框的那句话，往往只剩薄薄一层皮。AI 拿到的就是那层皮，剩下的它只能猜。猜对了算你走运，猜错了你还嫌它蠢。

想通这件事之后，我就不再琢磨”哪个 AI 更聪明”了，转头去练一件更值钱的事：怎么把脑子里那份立体的需求，完整地搬到对话框里。 这篇就是我这套办法的全部。都是能照着抄的，没有一句是需要天赋的心法。

而且我得说，这件事对产品经理是天大的好消息。描述需求，本来就是 PM 的看家本事。 以前你把需求讲给研发听，现在讲给 AI 听——区别只是，研发会用经验帮你补上你没说的、还会回头来问你，AI 更听话也更”实诚”，你说多少它做多少。所以对着 AI，你得比对研发说得再清楚一点点。就这一点点，是门槛，也是分水岭。

一条能让 AI 一次做对的需求，有五个零件

我把自己”说清楚了”的那些需求扒开看，发现它们总是凑齐了五样东西。缺哪样，AI 就在哪样上替我做主。

不用每次都五样写全、搞成八股。但你心里得有这五个格子——发出去之前扫一眼，哪个格子空着，AI 就会在那儿自作主张。

零件一：要什么——先把名词说准

最基础，也最容易糊弄过去。

你说”帮我做个用户管理的东西”，这个”东西”是什么？一个页面？一张表？一整套后台？AI 只能挑一个猜。

换成：“做一个用户列表页面，一个表格，显示头像、姓名、邮箱、注册时间、状态。“——它立刻知道从哪下手。

心法就一句：把”东西""功能""模块”这种虚词，换成具体的名词。 页面、表格、按钮、表单、图表、弹窗。你能说出它到底是个”啥”，AI 才接得住。

零件二：给谁、为什么——这一环最容易漏，也最值钱

这一环，技术出身的人反而常漏，而它恰恰是 PM 的主场——你天生就该关心”谁用、为什么用”。

对比一下。你说”做个数据看板，把各种数据都放上去”，它会给你堆一屏你可能根本不看的图。

你换成：“做个数据看板，给门店店长每天早上看的。他最关心的是昨天卖了多少、比前天涨还是跌、哪个品类最好卖，这三个放最显眼，别的次要。”

看出差别了吗？加上”谁用 + 他最关心什么”，AI 就知道什么该突出、什么该弱化——它开始有”重点”了，而不是把所有信息平铺一地。

我现在几乎养成了习惯：每个需求后面，都补一句”这是给谁用的、他想解决什么”。 这句话，常常比前面所有描述加起来都值钱。

零件三：具体形态——把”长什么样”说出来

想法在你脑子里是有画面的，可你只丢了个抽象词出去。

“做个筛选功能”——AI 不知道你要筛什么、怎么筛。

“在表格上方加一排筛选：一个日期范围选择器、一个’状态’下拉（全部／正常／禁用）、一个搜索框（按姓名或邮箱搜）；筛选是即时的，选完立刻刷新，不用点确定。“——这它就能一比一还原。

不用你会设计，你只要把心里那个画面用大白话描出来：有哪几块、每块是什么、放哪、怎么用。描得出来，它就还原得出来；描不出来，说明你自己也没想清楚——那正好，这是个信号，后面我讲怎么用它反过来帮你想清楚。

零件四：边界——“看着能跑”和”真能用”的分水岭

这一环我要多说两句，因为它是新手和 PM 的真正区别。

新手描述需求，只描述”正常情况”：用户乖乖填、数据都正常、网络一直通。可真实世界里，用户会乱填、数据会是空的、网络会断、输入会超长。这些叫”边界情况”，是 PM 最该操心、也最需要你明确告诉 AI 的地方。

你说”做个反馈提交表单，有姓名、邮箱、内容，一个提交按钮”，它给你做个正常路径就交差了。

你要是这么说：

”……注意这几种情况：邮箱格式不对时，在输入框下标红提示、别让它提交；反馈内容为空时，提交按钮点不动；提交成功后清空表单、显示’感谢反馈’；提交失败（比如断网）时，别清空用户已经填的内容，提示’提交失败，请重试’。”

多出来的这几行，就是 PM 的专业度。AI 完全有能力处理这些，但你不说，它默认只做”正常路径”。你把边界列出来，它一次给你做全。

顺带一提，“什么算做好了”和”什么不做”也属于边界，同样要说。 一句”这版只做列表和筛选，先不做增删改”，能替你挡掉一堆这轮你根本不想要的东西。

零件五：参照——给它一把尺子

风格、配色、体验这种”感觉”上的事，最难用文字讲清。最省事的办法：给参照。

“颜色搞好看点、专业点”——“好看""专业”一百个人有一百种理解。

“主色用品牌蓝 #3B82F6，整体配色和留白参考 Stripe 官网那种干净、克制的风格。“——它有尺子了，就不用瞎猜你心里的”好看”。

参照可以是一个色值、一个你觉得好的产品（“像 Notion 那样”）、一个标准。给了参照，AI 就不用赌你的审美。

五个最常见的”说不清”，和它们的修法

上面是正面拆解。下面是我见得最多、自己也犯得最多的五个坑，一个个对着自查。

坑一，太笼统。 “做个好看的页面”——它给你个平庸的东西，你还说不出哪不对。修法：往具体里逼一层，把形容词换成名词和细节。

坑二，光下命令、不给上下文。 “加个导出功能”——导什么？导到哪？什么格式？加在哪？修法：补齐”在哪 + 导什么 + 什么格式”，比如”在报表页右上角加’导出’按钮，点击把当前筛选条件下的表格导成 CSV 下载”。

坑三，一口气提一堆。 一条消息塞十五个需求，做出来一团乱，你都不知道从哪改。修法：小步快跑，一次只提一个。 先搭骨架、跑起来看到效果，再一个一个往上加。这条是所有里面最重要的，没有之一。

坑四，不给参照、全靠它猜审美。 修法见零件五，给色值、给参照物、给标准。

坑五，只说正常、不说异常。 demo 演示很顺，真给用户一试就各种崩。修法：发需求前问自己三句话——数据是空的会怎样？用户乱填会怎样？网络断了会怎样？ 把答案写进需求。

三个招式：把 AI 从”手”变成”脑子”

上面练熟，你已经超过大多数人了。下面三招，是我用来把 AI 从”一双听话的手”变成”一个帮我想的脑子”的。

第一招，让它先反问你，别急着做。 这是我用得最多、也最反直觉的一招：越重要的需求，越不要一上来就让它做，而是让它先问你。

“我有个想法：做一个客户反馈收集和分析的工具。先别动手——先问我五个最关键的问题，把目标用户、核心用途、必须有的功能、边界，都帮我问清楚。”

它问出来的问题，十有八九就是你自己还没想清楚的地方。你回答的过程，就是把需求从”一团模糊”逼成”一条清晰”的过程。等你答完，它手里已经是一份完整需求了，做出来自然对。这一招的本质，是用 AI 帮你想清楚，而不只是帮你做出来——想清楚了，做对是顺带的。

第二招，给正例和反例。 文字讲不清的时候，举例子最快，尤其是”我要这种、不要那种”。

“帮我写这个按钮点击后的提示文案。要像这样：简短、口语、给人安全感——‘已保存，放心’。不要像这样：官腔、啰嗦——‘您的操作已成功提交至服务器并完成持久化存储’。”

一个正例加一个反例，比你写三行形容词都管用。

第三招，让它复述确认，再动手。 需求复杂时，让它先把它的理解复述一遍，你确认无误它再做。

“我刚说的需求，你先别做。用三句话跟我确认：你准备做什么、分几块、有没有你拿不准的地方。我确认了你再开始。”

这一步花三十秒，能省你半小时返工。它复述的时候，你常会当场发现”哎，这里我说的和我想的不一样”——趁它还没动手，赶紧改。

一遍走完：从一句模糊话，到它一次做对

把上面串起来，看一遍真实的过程。假设我脑子里只有一句模糊的话：“我想要个东西，能看用户反馈。”

第一步，我不急着让它做，先让它帮我想清楚（第一招）：让它问我五个关键问题。它会问：谁用（运营同事）？反馈从哪来（一个 CSV 文件）？最想从里面得到什么（快速知道大家最集中抱怨啥）？要不要按严重程度排（要）？这版要不要做筛选（先不用）？

第二步，把答案凑成一条完整需求，五个零件正好齐了：给运营看、目的是快速看出用户最集中抱怨什么（给谁、为什么）；上方一个上传区传 CSV，下方自动显示反馈的主题归类、每类多少条、占比多少、按条数排序（要什么、形态）；CSV 为空或格式不对时提示”读取失败，请检查格式”、这版先不做筛选和搜索（边界）；干净克制、主色 #3B82F6、参考 Notion 的排版（参照）。先用假数据搭出来，跑个本地服务让我预览。

第三步，跑起来看到效果，再小步加（坑三的修法）：一次一个——“每个主题后面加个进度条显示占比""点某个主题展开显示这类的三条原始反馈""主题按严重程度着色，红是高频、黄是中、灰是低”。

第四步，让它自己找问题：“把能点的地方都点一遍，找出报错、卡住、不符合预期的，列个清单。”

全程我一行代码没写，但每一步都说得清清楚楚。这就是现在的日常——你负责想清楚、说清楚，它负责做出来。

最后

按回车之前，我一般会花十秒钟，在心里过一遍这几个格子：要什么（是具体名词吗）、给谁为什么、什么样、边界（空数据、乱填、失败、不做什么都说了吗）、参照、以及——这次是不是只提了一个需求。六个能过四五个，它基本一次就做对。

会用 AI 的人越来越多，但说得清需求的人，一直是少数。前一件事是门槛，人人都能迈过去；后一件事是分水岭，把人分成两拨。

而你作为产品经理，本来就最懂用户、最懂重点、最懂那些没人替你操心的边界。你缺的从来不是这些，是把它们说出来的习惯。练一个月，你会发现不是 AI 变聪明了，是你终于学会了，把心里那份需求，完整地交出去。