把每天的判断放回时间线上

需求分析卡 · 把原始需求输入转化为结构化业务判断

从需求清单走到问题整合、分层与价值取舍

能力判断卡 · 从执行型产出转向判断、理解与责任

AI能加速产出后，产品经理的价值该落在哪些环节

判断框架卡 · 把需求是否成立与当前是否优先拆成两步判断

先判断问题是否真实，再评估它是否适合当前阶段优先解决

工作流卡 · 让 Agent 按目标选择联网路径并沉淀可复用判断

从任务目标出发选择联网方式，而不是固定依赖单一工具

方案评估卡 · 从需求成立转向方案适配度与副作用判断

按解决力度、副作用与阶段适配评估方案

工作流卡 · 让 AI 阅读结论回到来源证据与上下文核验

从资料筛选到原文核验，构建可追溯判断

区分卡 · 区分当次任务意图与稳定可复用流程

把任务意图和稳定执行流程分层处理

产品策略卡 · 从一次性交付转向可迭代底座与生命周期服务

让第一次交付成为长期关系的起点

识别框架卡 · 识别问题分析中从目标过早跳到解法

先明确问题与目标，再展开多个方案路径

评估框架卡 · 企业级 AI 要理解业务语义、进入流程并承载领域 Know-how

评估 AI 是否懂业务并真正进入企业工作流

判断框架卡 · 区分需求筛查、证据验证与优先级

伪需求识别是第一轮筛查，需求验证是第二轮证据确认

判断框架卡 · 从执行产出转向判断、理解用户与承担结果

AI压缩执行层后，产品经理的价值转向判断与责任

判断框架卡 · 区分需求成立与当前阶段优先级

真实需求不等于当前最高优先级

流程卡 · 用来源约束让 AI 阅读从摘要走向可追溯判断

让 AI 阅读中的重要判断能追溯到原文证据

判断框架卡 · 把需求判断拆成筛查、验证与优先级判断

先筛查需求候选，再验证强度与当前投入价值

判断框架卡 · 用行动窗口判断 AI 数据产品的及时干预价值

用行动窗口判断实时 AI 能力是否能改变业务结果

记录是收集，分析是判断 · 把需求清单加工成结构化判断与业务取舍

从原始需求输入中识别真问题、表层方案和业务价值

Prompt 管当前任务，全局配置管长期协作 · 将跨任务稳定规则沉淀到 AI 全局配置

区分单次任务指令与长期协作规则，减少重复交代与越界

真需求不等于最高优先级 · 用真实场景和影响验证需求是否成立

从用户、场景、频次、现状、影响和价值验证需求强度

先澄清任务，再期待好答案 · 从目标、信息、角色和反馈提升 AI 输出质量

用 CARIO 和四层自检定位 AI 输出泛化的原因

Prompt 表达意图，Skill 固化流程 · 按复用目的区分 Prompt 与 Skill

判断一项知识沉淀应表达任务意图还是固化稳定执行流程

真实代价、技术匹配、落地、评测 · 先过四道判断，再决定是否进入 AI POC

用四道门判断 AI 需求是否值得投入并具备落地条件

需求清单不等于分析结论 · 从收集原始诉求走向结构化分析与业务取舍

区分记录需求与识别问题、分层判断和确定优先级

别只看工具，要看组织怎么变 · 辨别 AI 真正提效与组织借 AI 重估岗位和管理

从业务增长、管理抓手和岗位边界识别 AI 进入组织后的真实变化

需求不等于用户给出的第一种解法 · 先分析问题与目标，避免把第一个方案误当成需求

识别过早锁定功能方案如何缩小问题分析空间

Prompt 管当前任务，全局配置管长期协作 · 把长期协作偏好、原则和红线固化到全局配置

区分单次任务指令与跨任务稳定规则，减少重复交代和反复踩坑

优先级是先后，不是全做或全不做 · 用最小业务闭环给需求排先后，而不是笼统说都重要

在资源有限时，先做能支撑当前核心业务闭环的需求

先想怎么取，再设计进和存 · 从“取”开始倒推 AI 系统的存储与输入架构

用“取—存—进”顺序设计 AI 系统信息流，避免只建成收藏仓库

别让需求离开场景 · 补齐业务场景：让抽象功能重新对应真实问题

用人物、时机、目标和痛点把功能名词还原为可判断的需求

为什么做、做什么、东西怎么走 · 从真实痛点到架构：AI 知识库的 06-08 方法链

用“真实痛点—最小产品—数据流架构”的顺序规划 AI 系统

听见需求后，还要判断价值 · 从用户声音到业务判断：需求不等于方案，也不等于优先级

识别用户表达背后的问题，并结合业务目标和投入判断是否值得做

快验证，也要守住底线 · AI时代的产品评审：加快验证，同时守住质量与责任边界

在产品评审中区分可快速验证的部分与必须提前守住的质量底线

意图用 Prompt，流程用 Skill · 知识表达与流程固化

按稳定程度选择 Prompt 表达意图或用 Skill 固化流程

三道锁，才有持续体验 · AI 互动叙事的持续体验设计

用供给、意图和状态三道锁判断互动叙事能否长期运行

成立之后，再排先后 · 需求成立性与优先级排序

先验证需求是否成立，再结合阶段目标判断优先级

先把任务说清 · AI 提问质量与任务澄清

用目标、信息、角色和反馈四层差距诊断 AI 输出质量

先定义数据，再做功能 · 数据定义与数据需求

明确字段、指标口径、数据来源、权限和使用方式

从场景一路拆到取舍 · 有效需求分析全链路

用场景、边界、拆解、验证、优先级和方案评估串起需求分析

先问为什么，再写怎么做 · 价值需求与功能需求

用价值需求校准功能需求背后的目标与结果

先判断，再让 AI 执行 · Vibe Coding 产品落地工作流

用调研、追问式 PRD、分阶段原型和规则化 Kickoff 落地 AI 协作

不做什么也要写清 · 需求边界与阶段收敛

用明确的做与不做控制需求范围，让核心问题先闭环

先问清，再接手 · 需求承接与风险前置

把模糊需求翻译成可判断、可拆解、可验收的问题

用户提了，不等于该做 · 用户需求与业务判断

把用户提出的需求放回业务目标、成本收益与优先级中判断

先证据，再判断 · AI 阅读的证据闭环

用来源约束和引用核验把 AI 阅读变成可追溯判断

都重要就是没排序 · 需求优先级与 MVP 闭环

在有限资源下用最小业务闭环做阶段性取舍

先地图，再深入 · AI 学习概念分层

用底层理解、使用理解、工具理解搭建 AI 入门地图

记录不是判断 · 需求记录与需求分析

从记录原始输入走向结构化判断和业务取舍

重复三次，就该资产化 · Prompt 到 Skill 的资产化

用高频、稳定和可测试性判断 Prompt 是否升级为 Skill

合理，不等于值得做 · 伪需求识别与投入判断

用真实场景、稳定痛点、频率和业务价值识别伪需求

先看场景，再选工具 · AI 工具组合与场景选型

按高频任务、价值和成本组合选择 AI 工具

用户提出，不等于马上该做 · 用户声音与业务判断

把用户需求与业务目标、成本收益和整体影响放在一起判断

别只看模型强不强 · Agent 系统结构与产品边界

用模型、规划、记忆和工具四件套拆解 Agent 产品

明确做到哪里，也明确暂不做什么 · 需求边界与阶段性收敛

用当前范围和暂不解决项保护需求聚焦与最小版本交付

高频且要稳定，再升级 Skill · Prompt 到 Skill 的资产化

把重复、稳定、值得复用的 Prompt 固化为可测试的 Skill

都重要，不等于有优先级 · 需求优先级与 MVP 取舍

在有限资源下用最小业务闭环判断需求的阶段性先后顺序

认领判断，也承担交付 · AI 协作中的贡献与责任

在 AI 协作中用问题定义、约束、验收与责任构成贡献证据

先定义数据，再做功能 · 数据需求与功能设计

在功能设计前明确数据定义、来源、流转、权限和使用方式

先定阶段，再选工具 · 企业 AI Coding 落地分层

用自研能力、数据准备度和分级信任规划企业 AI Coding 落地

能解决问题，不等于现在最该上 · 方案判断与阶段性最优

用解决力度、副作用、阶段适配和覆盖范围判断方案

先固定基线，再逐镜生成 · AI 短片制作的一致性控制

用视觉基线、静态分镜和单镜验收控制 AI 短片一致性

功能回答做什么，数据回答靠什么判断 · 数据需求与业务定义

在功能设计前明确字段、口径、来源、流转和使用权限

先判断价值，再证明完成 · 产品设计四层判断闭环

用价值、边界、体验和验收组织产品设计判断

真需求不等于现在先做 · 真需求与阶段优先级

用平台阶段、频率、替代方案和核心链路判断先后

AI 加速产出，不替你拍板 · AI 时代的产品判断三角

在验证速度、质量底线和组织责任之间做产品判断

最彻底的方案，不一定最适合现在 · 不完美方案的阶段性取舍

用阶段、资源、体验和解决力度选择先上的方案

先把问题说清，再让 AI 动手 · 问题定义与最小闭环

用用户、场景、MVP 和验收标准定义可执行问题

真需求不等于现在先做 · 真需求与阶段优先级

用平台阶段、频率、替代方案和核心链路判断先后

AI 加速产出，不替你拍板 · AI 时代的产品判断三角

在验证速度、质量底线和组织责任之间做产品判断

先验证问题，再决定投入 · 需求真实性验证

用场景、频次、影响和价值判断需求是否成立

先管证据，再让 AI 提炼 · 来源约束与可追溯判断

用信源治理、范围限定和引用核验提升 AI 阅读质量

不做什么也是需求定义的一部分 · 需求边界与阶段聚焦

用范围、优先级和当前阶段控制需求蔓延

把审美判断写成可复用约束 · 项目级设计体系

用方法层和样本层收束项目专属设计体系

先把问题讲清，再讨论怎么做 · 需求分析中的问题层与方案层

识别需求何时滑向具体方案

先定目标，再选联网路径 · Agent 联网工作流的分层调度

用调度、执行和经验三层组织 Agent 联网能力

先验证问题，再讨论怎么做 · 需求真实性验证

用场景、频次、影响和投入价值判断需求是否成立

先定位阶段，再决定工具 · 企业 AI Coding 的阶段化落地

用自研能力、数据准备度和分级信任规划企业 AI Coding 落地

用户提需求只是信号，不是立项结论 · 用户需求与业务判断

用业务目标、ROI、优先级和系统影响判断用户需求

不是多存资料，而是把信息变成能力 · 编译式个人知识库

把知识库设计成可编译、可连接、可复用的个人系统

先把问题讲清，再讨论怎么做 · 需求分析中的问题层与方案层

识别需求何时滑向具体方案

不做最强模型，也要抢系统总开关 · 终端 AI 的系统调度与交互入口

看终端 AI 竞争如何从模型能力转向调度权、交互权和入口权

能解决问题不等于现在最该上 · 方案判断与阶段性最优

用副作用、阶段适配和解决力度判断方案

先画图纸，再分步施工 · Agentic Coding 的分步交付

用图纸、分步和验证组织 AI 开发

先筛查，再验证强度 · 需求筛查与证据验证

区分伪需求识别与需求验证

从需求中转站变成价值验证中枢 · AI 驱动的产品团队升级

让产品团队围绕业务结果并行验证

真的问题也要看现在做不做 · 真需求与阶段性优先级

把需求真实性和当前优先级分开

规则、流程和护栏不要混在一起 · Agent 上下文与执行机制分层

按可靠性和生效时机分层放置 Agent 信息

先定义数据，再做功能 · 数据需求与功能设计

识别界面背后的数据需求

先过四道门，再做 POC · AI 需求的准入与验证

判断一个 AI 需求是否值得进入 POC

合理不等于值得投入 · 伪需求识别与投入判断

识别缺乏场景与价值支撑的伪需求

长期规则不要靠反复口头交代 · AI 长期协作的全局配置

把偏好、红线和踩坑经验固化为全局配置

先辨问题，再选解法 · 问题分析与方案边界

识别需求何时已经滑向方案

先收口任务，再期待答案 · AI 任务澄清与输出质量

用 CARIO 诊断 AI 输出为什么空泛

先筛查，再验证强度 · 需求筛查与证据验证

区分伪需求识别与需求验证

先找反馈回路，再看表面波动 · 复杂系统中的交易、信贷与债务周期

用交易、信贷和债务理解系统周期

意图用 Prompt，流程用 Skill · 知识资产的执行化分层

判断知识应该停在表达还是升级为流程

先建索引，再拆常用框架 · 产品设计框架的索引化

把框架库变成可调用的知识入口

先定义数据，再做功能 · 数据需求与功能设计

识别界面背后的数据需求

上下文比代码更会复利 · AI 协作中的上下文资产

沉淀能让 AI 越做越准的上下文

用户声音不是立项结论 · 用户需求与业务判断

将用户表达与业务决策分开判断

编译知识，而不只收藏 · 个人知识库的编译与回写

把新资料回写进可生长的知识网

真需求仍要排优先级 · 需求优先级与阶段取舍

把需求真实性与当前优先级分开判断

从功能演示走到任务结果 · AI 产品的结果交付闭环

用任务完成闭环评估 AI 产品

阶段适配比理论彻底更重要 · 阶段性方案取舍

在不完美方案中选择阶段性最优

先补信息，再要答案 · AI 任务澄清与高质量协作

用 CARIO 把 AI 对话变成任务澄清

边界不是否定价值 · 需求范围与阶段聚焦

用需求边界防止范围失控

第一次交付要给未来留接口 · 从一次交付到生命周期运营

把一次性交付设计成长期关系的起点

先验证强度，再排优先级 · 需求验证与强度判断

验证一个需求是否真的值得投入

长期规则不要靠重复口头交代 · 长期 AI 协作规则

区分单次 Prompt 与全局配置

边界不是否定价值 · 需求范围与阶段聚焦

用需求边界防止范围失控

内部产品先把混乱变成结构 · 内部产品与组织治理

用组织视角判断内部产品问题

真需求不等于现在先做 · 真需求与当前优先级

把需求成立与当前优先级分开判断

先给图纸，再分步施工 · Agentic Coding 执行闭环

用四步法组织 AI 完成可运行结果

先定义数据，再讨论功能 · 需求分析中的数据定义

识别被页面与流程遮住的数据需求

认领判断，也承担交付 · AI 协作中的贡献与责任

在 AI 协作中保留人的贡献证据

真需求之后，还要选对解法 · 当前最优方案判断

判断一个方案是否适合当前阶段

工具边界与失败语义同样重要 · Agent 工具调用设计

用颗粒度、描述与失败语义设计 Agent 工具

用户诉求是线索，不是结论 · 用户声音与业务判断

为什么用户提出需求仍要继续分析

从反馈回路看表面波动 · 用系统模型理解周期

信贷如何把交易放大成经济周期

阶段适配比理论彻底更重要 · 阶段性方案取舍

在不完美方案中选择阶段性最优

内部产品先把混乱变成结构 · 内部产品与组织治理

用组织视角判断内部产品问题

先讲问题，再挑解法 · 需求与方案的边界

识别需求何时过早滑向方案

看入口与调度，不只看模型 · 终端 AI 的系统层竞争

从 Apple 看终端 AI 的系统调度权

先定义数据，再讨论功能 · 需求分析中的数据定义

识别被页面与流程遮住的数据需求

代码会替换，上下文会复利 · AI 协作中的上下文资产

把上下文当作 AI 项目的长期资产

先筛候选，再验证强度 · 需求判断的两轮筛查

区分伪需求识别与需求验证

先补信息，再要答案 · AI 任务澄清与高质量协作

用 CARIO 把 AI 对话变成任务澄清

别把周期当成突发事件 · 用系统模型理解波动

信贷如何把交易放大成周期

把需求从方案拉回问题 · 需求分析的判断顺序

用一条判断链完成需求分析

判断卡 · 需求验证

如何验证一个需求是否真的成立

综合卡 · 同类产品比较框架

微信、WhatsApp、Line 的三种社交产品路线

判断卡 · 数据需求

什么是数据需求，为什么它容易被忽略

综合卡 · Agentic Coding 四步法

Agentic Coding 四步法：从图纸到可运行结果

判断卡 · 方案判断

如何判断一个方案是不是当前最优解

综合卡 · 信任复利

信任不是品牌口号，而是增长漏斗外的复利资产

判断卡 · 业务场景

什么是业务场景，为什么脱离场景写需求很危险

综合卡 · 冲突处理四分法

产品经理冲突处理四分法：资源、标准、边界与情绪

判断卡 · 用户声音与业务判断

为什么用户提了需求还不够

综合卡 · 技术选型四原则

AI 技术思维：非程序员的选型四原则

判断卡 · 问题层与解法层

什么叫需求滑向方案

综合卡 · 上下文资产

AI Coding时代，产品经理真正的核心资产是上下文

判断卡 · 记录与分析的差别

为什么记录需求不等于分析需求

综合卡 · 产品经理核心价值

AI时代产品经理的核心价值

判断卡 · 真需求与优先级

如何判断一个需求是真需求但不一定先做

框架卡 · 提问框架

AI 输出质量的四层差距与 CARIO 提问框架

判断卡 · 业务场景

什么是业务场景，为什么脱离场景写需求很危险

框架卡 · 工作流

AI 工作流设计原则

判断卡 · 伪需求

什么是伪需求，为什么有些需求看起来合理却不值得做

判断卡 · 三角困局

AI时代的产品三角困局：验证速度、质量底线与组织判断

判断卡 · 需求验证

如何验证一个需求是否真的成立

判断卡 · 组织重估

AI 提效进入组织后，先被重写的不是流程，而是岗位和管理逻辑

判断卡 · 优先级

什么是需求优先级，为什么都重要其实等于没有判断

入口卡 · 框架入口

PMFrame.works 产品设计框架库

判断卡 · 数据需求

什么是数据需求，为什么它容易被忽略

判断卡 · 个人杠杆

AI时代产品经理的个人杠杆：从岗位分层到AI落地能力

判断卡 · 资产形态

个人知识库应该做成 Prompt 还是 Skill

速查卡 · 判断链

有效需求分析一页速查卡

判断卡 · 需求层次

价值需求和功能需求有什么区别

模型卡 · 系统模型

经济机器是怎样运行的：用交易、信贷与债务周期理解宏观波动

判断卡 · 需求边界

什么是需求边界，为什么边界不清需求就会失控

框架卡 · 四层拆解

需求分析四层拆解法

判断卡 · 阶段性取舍

如何在不完美方案里做阶段性取舍

框架卡 · 组织判断

AI时代的产品三角困局：验证速度、质量底线与组织判断

判断卡 · 需求验证

如何验证一个需求是否真的成立

框架卡 · 技术选型

AI 技术思维：非程序员的选型四原则

判断卡 · 需求分析

为什么记录需求不等于分析需求

框架卡 · 提问框架

AI 输出质量的四层差距与 CARIO 提问框架

判断卡 · 需求优先级

真需求和高优先级需求有什么区别

框架卡 · 冲突处理

产品经理冲突处理四分法：资源、标准、边界与情绪

判断卡 · Prompt 与 Skill

个人知识库应该做成 Prompt 还是 Skill

框架卡 · 需求分析速查

有效需求分析一页速查卡

判断卡 · 方案判断

如何判断一个方案是不是当前最优解

框架卡 · 知识编译

Karpathy 的个人知识库方法

判断卡 · 价值需求

价值需求和功能需求有什么区别

框架卡 · Agent 联网

Web Access Skill：给 Agent 装上完整联网能力

判断卡 · 需求验证

如何验证一个需求是否真的成立

判断卡 · 产品经理价值

AI时代产品经理的核心价值

判断卡 · 需求验证

伪需求识别和需求验证有什么区别

框架卡 · Agent 结构

拆解AI Agent四件套：模型、规划、记忆与工具的产品视角

判断卡 · 需求优先级

真需求和高优先级需求有什么区别

判断卡 · 需求表达

VibeCoding时代，产品经理最值钱的不是写代码，而是把需求说清楚

判断卡 · 业务场景

什么是业务场景，为什么脱离场景写需求很危险

框架卡 · AI 架构思维

AI 架构思维：进存取三问

判断卡 · 阶段性取舍

如何在不完美方案里做阶段性取舍

概念卡 · AI 入门地图

AI 入门基础概念地图

判断卡 · 需求验证

如何验证一个需求是否真的成立

方法卡 · AI 产品思维

AI 产品思维五步法

判断卡 · 需求分析

为什么记录需求不等于分析需求

原则卡 · 全局配置

AI 全局配置原则

判断卡 · 需求验证

如何验证一个需求是否真的成立

框架卡 · 需求表达

VibeCoding时代，产品经理最值钱的不是写代码，而是把需求说清楚

取舍卡 · 阶段性取舍

如何在不完美方案里做阶段性取舍

方法卡 · 知识编译

Karpathy 的个人知识库方法

问题卡 · 业务场景

为什么一旦脱离业务场景，需求就会从真实问题退化成抽象功能名词

框架卡 · 长期关系

为什么很多看起来是一次性交付的事情，更值得被设计成长期关系的起点

问题卡 · 方案判断

为什么真需求成立之后，还要继续判断这个做法是不是当前最合适的解

框架卡 · 产品比较

为什么比较同类产品时，不能只列功能差异，还要同时看产品形态、商业模式和文化背景

问题卡 · 需求分析

为什么把需求一个个记下来，还远远不等于真的完成了需求分析

框架卡 · 冲突判断

为什么冲突来了时，先分清它属于哪一类，比急着更会说更重要

框架卡 · 技术选型

为什么 AI 时代的技术选型，先问“能不能轻量稳定跑起来”，比先问“够不够先进”更重要

框架卡 · 需求承接

为什么接需求时，先把一句话翻译成可判断问题，比直接开始画页面更重要

问题卡 · 优先级判断

为什么一个需求即使是真的，也不代表它现在就该先做

框架卡 · 方法链

为什么做一个自用 AI 系统时，先想清“为什么做、第一版做什么、东西怎么走”比先写代码更重要

问题卡 · 需求边界

为什么边界不清时，需求会在“顺手做一下”里不断失控

框架卡 · 个人杠杆

为什么 AI 时代真正拉开差距的，不是懂多少概念，而是能不能把 AI 变成自己的个人杠杆

框架卡 · 媒体工作流

为什么处理 YouTube 内容时，先走字幕路径比直接上本地转录更稳

框架卡 · 组织判断

为什么内部产品的核心价值，不是做漂亮系统，而是把组织混乱变成可治理结构

框架卡 · 系统思维

为什么理解复杂波动时，不能只看表面结果，而要回到底层结构和反馈回路

问题卡 · 需求判断

为什么伪需求识别和需求验证看起来相近，其实是在做两轮不同判断

框架卡 · 系统视角

为什么分析 AI 产品时，不能只盯模型能力，还要看入口权和调度权

问题卡 · 需求判断

为什么用户开口提需求，还不等于这个需求就该做

问题卡 · 阶段取舍

为什么阶段性最优往往不是看起来最彻底的那个方案

框架卡 · 职业判断

为什么 AI 时代更难被替代的是判断层而不是执行层

问题卡 · 需求分析

为什么“都重要”通常意味着你还没有完成排序

框架卡 · AI 工作流

为什么真正能落地的不是一句话做产品，而是分步指挥 AI

问题卡 · 需求分析

为什么很多需求问题本质上先是数据定义问题

框架卡 · 产品比较

为什么同类产品比较不能只盯功能差异

问题卡 · 需求分析

为什么先分清价值需求，功能表达才不会带偏判断

方法卡 · AI 工作流

为什么先有稳定流程，AI 才真正开始省力

框架卡 · 个人知识库

为什么知识库真正值得自己搭

问题卡 · 需求分析

为什么“听起来合理”不等于值得做

问题卡 · 需求分析

为什么一旦需求滑向方案，判断质量就会下降

框架卡 · AI 工具选择

为什么选 AI 工具时不该先追“谁最强”

问题卡 · 需求分析

为什么把需求记下来，不等于你已经理解了需求

框架卡 · AI 协作规则

为什么高价值规则不该每次临时口头交代

流程卡 · AI 工作流

Vibe Coding 的四步工作流

判断卡 · 需求分析

什么是业务场景，为什么脱离场景写需求很危险

提问卡 · Prompt

AI 输出质量的四层差距与 CARIO 提问框架

框架卡 · 架构思维

AI 架构思维：进存取三问

框架卡 · 主题名称

某个主题