SPEAK IT · PLAYBOOK

言出法随操作手册

言出法随,建立在 Claude Code 的强大之上——因为工具够强,你才敢只描述、不操作。高保真,是产品经理在 AI 时代极速响应需求的工作准则——不画线框、不写长文档,直接做能跑的真东西。这一页给你四个「对 AI 说话的骨架」和一张「高保真验证清单」,让你说得更准、东西更真、迭代更快。

先说清楚:这不是让你填表

业界很多方法论会让你先写一堆文档:PRD、规格、架构、任务清单……写完才能开工。那不是 doaipm。

我们的核心是言出法随:你把想要的东西说清楚,Claude Code 直接做出来。所以下面这四个「模板」,不是让你埋头填的表格,而是你对 AI 说话时心里要有的骨架——甚至可以直接让 AI 替你把骨架补全,你只负责确认。

而衡量做得好不好,只有一个标准:高保真。能跑、能点、内容真、状态全。高保真不是「最后再打磨」,它是 PM 在 AI 时代极速响应需求的工作方式本身——直接产出能验证的真东西,快速给人试、快速改。

一句话记住:骨架帮你「说得准」,清单帮你「验得真」。两件事都为同一个目标服务——让 Claude Code 一次就做出高保真成品。

骨架① 一句话规格:把「要什么」说清楚

开工前,先把这句话说清楚。说不清楚,就让 AI 反问你,问清楚再动手。

我要给【谁】,解决【什么问题】。
做出来的东西,用户能用它来【最核心的一个动作】。
做对了的标准是【一个看得见的结果】。
这次先不做【非目标,划清边界】。
我已知的风险/假设是【……】。

把这段话丢给 Claude Code,加一句关键指令:

「做之前,先用你的话复述一遍我要什么,再问我 3–5 个最关键的问题,我答完你再动手。」

这一步不产出文档,产出的是共识。AI 复述对了、问到点子上了,说明它真听懂了——这时候做出来的高保真原型,才不会跑偏。

骨架② 小步开发:逐条说,逐条跑给你看

不要一次说一大段需求让它闷头做半天。拆成「每一步都能立刻跑起来看」的小步。

怎么拆

直接让 AI 帮你拆:「把这个需求拆成几个小步,每一步做完都能在浏览器里跑起来看到效果。列出来,我们一步一步来。」

每一步的节奏

  • 说一步:只交代当前这一小步。
  • 跑给我看:「做完启动服务,让我在浏览器看到。」
  • 当场反馈:对了就下一步;不对就「这里不对,应该是……」。
为什么不一次做完?因为能立刻跑起来看,就是高保真的意义——你每一步都在验证真东西,错了立刻发现,而不是最后收一个看不懂的大成品。这就是极速响应:改的成本永远停在「一小步」。

骨架③ 项目口味:说一次,以后它都记得

有些偏好你不想每次都重复说——技术选型、风格、约束、红线。说一次,写进项目记忆,以后它自动遵守。

这个项目,请你一直遵守:
· 技术口味:【比如 用 Astro、不引入重框架、能静态就静态】
· 风格:【比如 深色、克制、留白多,文案说人话】
· 约束:【比如 不加任何付费/第三方追踪;移动端优先】
· 红线:【比如 不碰生产数据;删除/发布/付款这类操作先问我】

让 AI 把这段存成项目里的「长期约定」(它会知道放哪)。这等于给项目立了一部「宪法」——但你不用学任何格式,说人话即可。

好处:口味定了,AI 每次产出的高保真成品风格一致,你不用反复纠偏,响应自然更快。

⭐ 高保真验证清单(这页最重要的一块)

「做完了」不等于「做好了」。高保真的验收,不是看一张截图,而是把真东西跑起来,逐项过一遍

检查项问自己
真内容是不是真实内容和数据结构?有没有 Lorem ipsum、「示例文字」、假占位?
四种状态加载中 / 空数据 / 出错 / 成功,四种都做了吗?空和错最容易被漏。
真交互按钮真能点、表单真能提交、跳转真能跳?还是只是「看起来像」?
关键路径用户最重要的那条主流程,从头到尾走通了吗?
跨设备手机和电脑都看了吗?至少窄屏过一遍。
刁钻输入故意输错、输空、输超长、贴奇怪字符——它崩不崩?

如果做的是 AI 功能,再加一条

AI 功能不能只「试一次成功」就算过。用一批真实又刁钻的输入连着试,看它稳不稳、会不会胡说、错了怎么兜底。让 Claude Code 帮你列十几条测试输入跑一遍——这就是业界说的「评估循环(eval)」,PM 也能做。

怎么用这张清单:直接发给 Claude Code——「按这张清单逐项自查并把每项跑给我看,没过的当场修。」让它自己过,你只验收结果。

骨架④ 发现提问:想不清楚时,借个结构

「先澄清 3–5 个问题」如果不知道问什么,借一个经典提问结构(任选其一,让 AI 带着你问)。

  • JTBD(用户雇这东西来干嘛):「用户在什么场景下,会想用这个东西完成什么任务?他现在是怎么凑合解决的?」
  • 机会解决树:「我们想达成的结果是什么?用户有哪些痛点机会?每个机会能有哪些方案?」
  • Working Backwards(从结果倒推):「假设这东西已经做好上线了,帮我写一段『用户会怎么夸它』的话——倒推出我们到底要做什么。」
不用全学。挑一个顺手的,让 Claude Code 用它的结构来问你。问清楚了,回到骨架①。

进阶:大项目才用(小项目请忽略)

做小原型,前面就够了。只有当项目变大、对话变长,才需要这几招——而且依然是「说人话」。

对话太长、它开始变笨

长对话里 AI 会「忘事」。这时让它先研究、再列计划、你确认后再动手,并适时说「把目前的结论总结成一份小文档存好,我们开个新对话接着干」。保持上下文干净,它就一直聪明。

事情太多、想并行

复杂任务可以让它派几个分身并行干(比如一个查资料、一个写、一个审)。你只需要说「这件事拆开并行处理,最后汇总给我」。

原型做好了、要上真的

原型毕业到生产,是另一段路:真实数据、安全、性能、谁来按「发布」。原型可以大胆,生产必须谨慎——不可逆的按钮(发布 / 删除 / 付款)永远由人来按。这条安全网,越往生产走越收紧。

用这套方法做出来的产品 全部用 Claude Code 做出来 · 言出法随