阵子看到 Claude Code 的产品经理 Cat Wu 做的一次经验分享，她把自己日常用到的 AI 工具分成三层：用 Claude AI 聊需求和做思路碰撞，用 Coding Agent 把想法直接变成可点击的原型，用 Claude CoWork 处理日常的办公事务和流程跟进。

这个用法挺好的。结合咱们当前的工作环境，更贴合实际的是这三个工具，来把当前 Agent 的杠杆效应发挥到极致：

• Gemini AI Chat —— 帮你想：该干什么、怎么干、产出什么

• OpenCode Coding Agent —— 帮你 Code：原型、落地页、数据可视化

• OpenWork Work Agent —— 帮你完成日常工作：竞品追踪、迭代管理、运营跟踪

1. Gemini AI Chat —— 帮你想

它就像一个随时在线的什么都懂的专家伯乐。你可以把模糊不清的业务背景、用户痛点、粗略的想法一股脑丢给它，然后让它从不同角色的视角帮你梳理。

为什么选 Gemini？ 在众多对话 AI 里，Gemini 对产品经理的优势在于：

• 搜索能力极强：深度整合 Google 搜索，能快速同步最新的行业动态和技术趋势。

• 产品方法论全：在需求拆解、数据建模、业务流程梳理上有更深厚的知识沉淀。

• 产品构想力强：更擅长从 0 到 1 的发散性创意以及复杂场景的沙盘推演。

如果你因为网络等环境限制无法使用 Gemini，替代方案可以尝试 Kimi AI Chat（Agent 模式），它在长文档解析和国内业务背景理解上表现也很出色。

什么情况下用：

1）还没想清楚该干什么

刚拿到一个模糊的业务诉求，或者季度规划要选方向的时候。把已知信息和约束条件丢给 Gemini，让它帮你列出"做这件事必须先回答的 10 个问题"。你会发现自己其实有很多前提假设没验证过。

2）知道干什么，但没想清楚怎么干

方向确定了，但具体路径还在纠结。让 Gemini 分别从运营侧、技术侧、合规侧的角度，逐一对你的初版方案提反对意见。针对每个反对意见追问"如果这个问题不解决，最坏结果是什么"，持续剪裁，直到推演出一条各方都能接受的主流程。

3）方案有了，但不确定产出对不对

写好了 PRD 或方案文档，喂进去让它扮演开发 Tech Lead 做 Review，找逻辑断点和遗漏。或者让它扮演业务方，看看读完之后是不是能准确还原你要表达的东西。

适合的场景举例：

2. OpenCode Coding Agent —— 帮你 Code

OpenCode 擅长的是写代码这件事。对产品经理来说，很多过去需要依赖开发团队排期、或者只能用静态图交差的东西，现在可以自己直接出。

为什么选 OpenCode？ 相比于 Claude Code 这种偏向 CLI（命令行）的专业开发者工具，OpenCode 对产品经理更友好：

• 桌面版 UI：提供了完整的图形界面，屏蔽了复杂的终端指令和技术细节，更符合 PM 的操作习惯。

• 非技术背景友好：大幅降低了环境配置或代码调试的焦虑，让你可以专注在功能逻辑和交互体验上。

• 灵活对接各种 Coding Plan 对应的模型：首选建议是 Claude/Codex 模型或者 Kimi Coding Plan。

如果因为一些原因无法使用 OpenCode，替代方案可以尝试字节的 Trae，用户体验比较好，也能用顶尖的比如 Codex 模型，结合 Skill 使用做各种原型还是可以的。

适合的场景举例：

这几类场景有一个共同点：产出物都是代码或配置文件层面的东西。有了 OpenCode，产品经理不用等其他团队的排期，从想法到真实可跑的页面或专属 Skill 脚本，通常半天内自己就能跑出第一版。

配合使用的 Skills：

正如我们在《AI-Native 产品经理的 5 项修炼》中提到的：产品经理必须具备独立动手完成场景 MVP 的能力。OpenCode 就是跑通这条路的工具。

3. OpenWork Work Agent —— 帮你跑起来

OpenWork 是对应 Claude CoWork 的开源方案，核心设计思路是：把产品经理的日常工作流配置成可重复运行的 Agent，下次触发不用再从头配。

为什么选 OpenWork？

• 开放性与定制化：相比封闭的 Claude CoWork，OpenWork 的开源生态允许你更深入地修改 Skill 逻辑，适配企业内部私有的工作流。

• 易用性与可控性：相比于 OpenClaw 等工具，OpenWork 的环境配置更稳健，门槛更低，在保证 Agent 自主运行的同时，给产品经理留下了更好的交互控制权。

OpenWork 非常有特色的功能包括：

Worker —— 每个任务有独立的执行环境

OpenWork 的基本单位是 Worker。每个 Worker 是一个独立配置的执行环境，有自己的目录隔离、网络权限、工具组合和触发条件。产品经理可以按任务类型配置不同的 Worker，互不干扰：竞品监控是一个 Worker，周报生成是另一个，每个都有自己的配置和运行节奏。

Automation —— 定时跑 + 事件触发，不用盯着

Worker 支持两种触发模式：定时触发（每周一早 9 点自动跑竞品汇总）和事件触发（Jira 状态变更时自动生成通知）。配置好之后不用手动启动，任务自己跑，结果推到你指定的地方。

Agent Builder —— 用自然语言定义 Agent 的行为

不需要写代码，直接用自然语言描述这个 Agent 应该做什么、用什么工具、按什么格式输出。系统能快速把你的工作要求转成可执行的 Agent 日常配置，负责后续的持续运转。

团队共享 Worker —— 个人经验变成团队基础设施

Worker 配置和 Skills 可以通过版本控制（Git）在团队内共享。一个 PM 沉淀好的竞品追踪 Worker，整个团队都能直接用，不用每个人重新配一遍。个人积累变成团队基础设施，这是它区别于普通个人 AI 工具的地方。

适合产品经理的场景举例：

配合使用的 PM 专项 Skills 库：

除了 MCP 接数据，还有两个专门为产品经理设计的 Skill 库可以装进来用，覆盖具体的 PM 分析框架和日常产出：

• deanpeters/Product-Manager-Skills —— 47 个经验证的 PM Skill，v0.75，已上架 Claude Code Plugin Marketplace

• phuryn/pm-skills —— 65 个 Skills + 36 个工作流命令，分 8 个 Plugin，基于 Teresa Torres、Marty Cagan、Alberto Savoia 等人的方法论

正如我们在《企业落地 AI Skill 的 12 个疑问》中讨论的：Skill 的核心价值在于把个人零散的 AI 使用经验，转化成组织集体可复用的数字知识资产。OpenWork 的 Skills 体系和团队共享机制，恰好提供了这个沉淀渠道。

配合使用的 MCP / Plugin：

这类任务的关键不仅是 Skills，更在于能接上哪些数据源。以下是产品经理场景里评价最高的一批 MCP Server 和工具集成：

这些当前更适合海外生态。自己在使用的时候可以参考这些，来完成企业内部的工具集成实现。这些 MCP 挂到 OpenWork 的 Worker 里，就能把「抓数据 → 分析整理 → 生成文档 → 推送通知」这条链路跑通，不需要手写任何爬虫或 API 对接代码。

三类工具怎么串起来用

单独用当然可以，但串起来用效率更高。一个典型的产品工作流可以是这样：

新需求进来
    |
    v
[Gemini] 帮你想：理清该干什么、怎么干、产出什么
    |   输出：经过多角度验证的思路和方案
    |
    v
[OpenCode] 帮你 Code：把想法落成可交互原型
    |   输出：可点击的 MVP 页面，替代传统交互文档
    |
    v
[OpenWork] 帮你完成日常工作：把重复事务自动化
        输出：定时跑的 Worker，持续运行的 Skills

Agent 能力快速发展，作为产品经理，首当其冲的还是要把当前的 Agent 能力先用到极致。尝试把 Gemini 的博识、OpenCode 的工程能力、OpenWork 的事务托管都用起来，努力把 Agent 杠杆效应发挥到极限，释放我们的创造力。

本文内容仅供个人学习、研究或参考使用，不构成任何形式的决策建议、专业指导或法律依据。未经授权，禁止任何单位或个人以商业售卖、虚假宣传、侵权传播等非学习研究目的使用本文内容。如需分享或转载，请保留原文来源信息，不得篡改、删减内容或侵犯相关权益。感谢您的理解与支持！

链接: https://fly63.com/article/detial/13624