一个不会写代码的产品经理，用 14 天搭了一套覆盖 7 个国家的竞品情报系统
听起来像吹牛逼。让我把话说完。
我当时心里就一个念头：你是不是对"一个人"这个概念有什么根本性的误解？
"这种模式我给它起了个名字叫——用爱发电。发完之后你就知道什么叫黑灯瞎火了。"
七个采集器像七条狗一样同时出动，八十多个网页全自动。我睡觉，它干活。
App Store 评分 / Google Play 排名 / Google News / Google Trends / 股价 / Reddit / 官网页面
7 个数据源Claude API 对每日新闻做情绪分析（-100~+100），提取出入金规则变化、营销活动变化
日均 500+ 条新闻飞书文档周报 + 单文件 HTML 交互看板，信号分级（红/黄/绿），行动项分 P0/P1/P2
2 种输出格式就像工厂的四条产线：采集、存储、分析、输出。每层独立，任何一台机器坏了不影响全局。
就像捏泥巴，捏一下看一眼，再捏一下再看一眼。两周，东西就在那了。
"就像捏泥巴，捏一下看一眼，再捏一下再看一眼，两周，东西就在那了。"
AI 是装修工人，活儿干得又快又好。但房子三室一厅还是四室两卫——这是你的事。你是甲方。
第 1 步：给方向 — 不写详细规格，只说目标。"做一个出入金规则变化的监控"。
第 2 步：AI 出方案 — AI 给出技术选型、数据流、代码结构。PM 花 2 分钟扫一眼。
第 3 步：验证产出 — 打开浏览器看效果，看不到的 = bug，直接反馈。
第 4 步：精确修正 — 不需要解释为什么，只说改什么。"入金来源改为 Bank"（5 个字改 11 处）。
核心原则：PM 的时间花在判断上（该 Bank 还是 Clearing），不花在执行上（找到 11 个位置逐个改）。
| PM 做（不可替代） | AI 做（高效执行） | 为什么这么分 |
|---|---|---|
| 选哪 53 个竞品、怎么分级 | 写竞品数据结构、配置解析 | 业务判断 vs 工程实现 |
| 定义信号分级规则（红/黄/绿） | 实现分级逻辑、生成可视化 | 标准制定 vs 标准执行 |
| 判断"入金来源是 Bank 不是 Clearing" | 找到 11 处引用全部替换 | 领域判断 vs 全局替换 |
| 决定看板要给谁看、展示什么 | 写 2209 行 HTML/CSS | 受众理解 vs 视觉实现 |
| 设计采集频率和告警阈值 | 配置 launchd + 心跳监控 | 运营策略 vs 技术部署 |
不只是做情报系统——你做任何项目都能用。我都替你踩过坑了。
不管你监控什么（竞品价格/政策变化/用户评价），都遵循这个四步：拉取数据 → 和上次对比 → 提取变化 → 写入存储。
关键：MD5 hash 做 diff，只在内容真正变化时才触发 AI 分析，省成本。
不要和 AI "聊天"，要"委派任务"。区别：
对话："你觉得我们应该怎么做这个功能？"
委派："做一个出入金规则采集。用 Playwright，数据写 Bitable。"
给目标 + 约束，不要给过程。
不要试图第一次就做对。分批次：
Round 1: P0 — 核心功能跑通（能看到数据）
Round 2: P1 — 关键改进（信号分级、行动项）
Round 3: P2 — 打磨（视觉、交互、边界）
每轮做完打开浏览器验证，再继续。
把 AI 帮你做的东西封装成模块，不绑定特定工具：
示例：feishu_doc.py — 一个 100 行的飞书文档创建模块。Claude Code 能用，Codex 也能用，未来任何 Agent 都能用。
本质：让 AI 的能力可传递、可积累。
与其每次和新 AI 从头磨合，不如把你的工作风格写成一份 "SKILL.md"：你的身份、沟通方式、质量标准、常用指令。
效果：新 Agent 读完这份文件，第一轮交互就能按你的习惯工作。
类比：相当于给 AI 一份"新人入职手册"——只不过新人是 AI。
这不是让 AI 模仿你，而是让 AI 从你的最佳实践出发，而不是从零开始。
过去我们的核心能力是画原型、写文档、跟研发吵架。现在呢？判断力，加品味。
| 能力 | 以前（价值高） | 现在（价值高） |
|---|---|---|
| 写 PRD | 手写详细规格说明书 | 定义约束条件，让 AI 生成 + 迭代 |
| 竞品分析 | 手动搜索 + 截图 + PPT | 设计采集策略 + 定义分析维度 |
| 项目管理 | 写排期、开站会、追进度 | 设计 Agent 工作流 + 定义质量关卡 |
| 需求评审 | 拉 10 个人开 2 小时会 | Persona 模拟评审 + 选人算法 + 反馈过滤 |
| 技术沟通 | 看不懂代码，靠研发翻译 | 直接读 DDL → 发现字段 gap → 精确修正 |
"知道该做什么——这叫判断力。看出做得不对——这叫品味。
判断力加品味。这两样东西，暂时还没法自动化。"
以下全部来自生产环境真实数据。不是 Demo，不是 PPT 贴图。
传统方式：1 个分析师 × 每周 3 天 = 覆盖 5 个竞品
现在：0 人力 × 每天自动 = 覆盖 53 个竞品
覆盖面提升 10 倍，人力投入归零
信息延迟从 3-5 天 → < 24 小时
从"我觉得竞品在降费" → "竞品 X 在 Y 区域把出金费从 $5 降到 $0，证据链完整"
数据驱动，不靠直觉
不是一次性项目：
采集器可扩展（加新竞品只需改 config）
模块可复用（feishu_doc.py 已用于其他项目）
知识可传承（SKILL.md 让新 Agent 即插即用）
| 产出 | 形式 | 频率 | 受众 |
|---|---|---|---|
| 竞品情绪周报 | 飞书文档 | 每周一 | 管理层 + 业务团队 |
| HTML 交互看板 | 单文件 HTML | 按需 | CEO / 董事会 |
| 出入金规则变化 | Bitable 记录 + 告警 | 每周 Diff | 产品 + 运营 |
| 营销活动变化 | Bitable 记录 + 告警 | 每周 Diff | 市场团队 |
| App 评分/排名趋势 | Bitable + 看板图表 | 每日 | 产品团队 |
| 功能对比矩阵 | Bitable 表格 | 按需扫描 | 产品 + 研发 |
不需要会写代码。真的不需要。我就不会。
就是那种你一边做一边心里骂"这不应该是人干的"——那种。竞品监控、数据整理、报告生成都算。
给目标加约束，不要给过程。"做个出入金监控"——六个字就够。不要跟 AI 商量，给它下指令。
做得好你说继续，做得不好你说哪里不对。像对待一个聪明但没经验的新员工一样。三轮下来，你会惊讶。
"这句话说了两年了，都快说烂了。但我可以负责任地告诉你们，这句烂话，它是对的。
而且这个'会用'，真的没你想的那么难。"
moomoo Intelligence System — Built with Claude Code
Ethan Wu · Product Manager · 2026