AI 技巧 · 面向数据产品经理
上一篇整理了 GitHub 热门项目,这一篇整理同一批素材里的另一半:技巧。
素材来源完全相同——本站「每日AI资讯」2026 年 8 月 17 日到 10 月 23 日的文件,其中 60 篇里有技巧板块,去掉反复出现的重复项,剩下 40 多条。
这些技巧里,有相当一部分是写给工程师的:配插件安全自检、迁移 AGENTS.md、接搜索接口、给 API 密钥做体检。它们有用,但一个不写代码的产品经理看完,能动手的不多。
筛选口径还是那一句话:一个非工程研发背景出身的数据产品经理,能不能当天就用上。
打分三个维度,各 1 到 10 分:
- 上手难度:分越高越容易上手。10 分表示现在打开对话框就能用,不需要装任何东西
- 实用价值:对数据产品经理日常工作的帮助——写需求、做分析、读材料、汇报呈现、控成本
- 长期价值:半年后这个习惯还成不成立,能不能变成你自己的方法论
总分 30 分。20 条按总分排序如下。
| 排名 | 技巧 | 一句话定位 | 上手 | 实用 | 长期 | 总分 |
|---|---|---|---|---|---|---|
| 1 | 结构化提示词五要素 | 把要求按固定结构写清楚 | 10 | 9 | 8 | 27 |
| 2 | 四维度法 | 把 AI 当执行者,而不是打字机 | 10 | 9 | 8 | 27 |
| 3 | 先给范例再提要求 | 一图胜千言,一个示例胜十句描述 | 10 | 9 | 8 | 27 |
| 4 | 分块 + 递进总结 | 上百页材料也能让 AI 读到底 | 10 | 9 | 8 | 27 |
| 5 | 让 AI 先挑刺再改 | 自己审自己,比一次写完美容易 | 10 | 9 | 8 | 27 |
| 6 | 长任务写日志 | 断点续跑,不再从头再来 | 9 | 9 | 8 | 26 |
| 7 | 提示词做减法 | 删掉 80%,效果反而更好 | 10 | 8 | 7 | 25 |
| 8 | 让 AI 开口说思路 | 先过程后结论,方便你查漏洞 | 10 | 8 | 7 | 25 |
| 9 | 把要求写成伪代码 | 用条件分支替 AI 规划路径 | 9 | 8 | 8 | 25 |
| 10 | 一句话生成 PPT 与文档 | 汇报材料从对话里直接出来 | 9 | 9 | 7 | 25 |
| 11 | 常驻助手的三句咒语 | 先把边界立好,再让它驻留 | 9 | 8 | 8 | 25 |
| 12 | 让 AI 投三次票 | 客观题用投票摊平发挥失常 | 10 | 7 | 7 | 24 |
| 13 | 给 AI 配一个外置大脑 | 跨对话记忆落进文件里 | 8 | 8 | 8 | 24 |
| 14 | 给 Agent 建文档大脑 | 三个文件管住方向与进度 | 8 | 8 | 8 | 24 |
| 15 | 笔记自我改进 | 让模型用笔记攒经验 | 7 | 8 | 8 | 23 |
| 16 | 三步过一遍合同 | 法律模型做初筛,人做终审 | 8 | 7 | 7 | 22 |
| 17 | 吃满提示缓存 | 重复输入成本最高省近八成 | 7 | 7 | 7 | 21 |
| 18 | 高频低价值任务切轻量模型 | 好钢用在刀刃上 | 8 | 7 | 6 | 21 |
| 19 | 从动画案例库偷提示词 | 抄社区验证过的结构 | 8 | 7 | 6 | 21 |
| 20 | 边讲边画的讲解视频 | 讲清一个概念的最短路径 | 7 | 7 | 7 | 21 |
下面按用途分成四类。建议先挑第一类里的一条,今天就用。
一、把话说清楚
这一类不用装任何东西,改的是你打字的方式。它是后面所有技巧的地基。
1. 结构化提示词五要素(8.17)
定位:让 AI 一次就产出你要的东西 | 标签:提示词模板 / 通用
按顺序组织五个要素:背景(我是什么场景、给谁用)、角色(你是一位……)、任务(动词开头的明确指令)、约束(不要引入新依赖、控制在 200 字内)、输出格式(用表格输出、每段配一个例子)。
一个可直接复制的模板:
【背景】我要给业务方写一份 800 字的指标口径说明。
【角色】你是一位擅长把数据问题讲明白的分析师。
【任务】解释「活跃用户」这个指标的计算口径。
【约束】不用行话;每个专业词汇附一句解释;控制在 800 字左右。
【格式】分三段,第一段用生活化类比开场。
原文的要点很直接:约束和格式写清楚,比多写几段任务描述更有效——AI 输出的形状完全由这两项决定。
上手建议:数据产品经理被 AI 糊弄,八成是因为只给了任务却没给约束和格式。明天开始,把你最常用的三个提问改写成这个五段式,尤其是「输出格式」——写明要表格还是分点,要 300 字还是 3000 字。这一个改动就能省掉三轮返工。
2. 四维度法:把 AI 用得更有野心(10.20)
定位:从「让 AI 帮你做」切换到「让 AI 替你完成一件事」 | 标签:提示词思维 / 任务下达
Claude Code 负责人 Felix Rieseberg 认为多数人用 AI 太保守,给出了四个立刻能用的维度:把目标抬高到「不合理」(别问帮我写个脚本,改问给我一套能自动巡检并修复这类问题的完整方案);用动词替代名词(把「写一份分析报告」改成「先去查这三处原始数据,交叉验证后指出矛盾,再给出结论」);让它自取资料并自验,你只做终审。
上手建议:这个技巧改的不是措辞,是你对 AI 的定位。数据产品经理最典型的保守用法是「帮我把这段 SQL 改一下」,改成「这里有五个口径存疑的指标,先去翻数据仓库的字段注释和历史文档,指出三个最可能出错的地方,再给出修正方案」,产出量级完全不同。动词逼它真的动手。
3. 先给范例,再提要求(8.18)
定位:风格比内容难描述时,直接给它一个示例 | 标签:Few-shot / 风格控制
想让 AI 输出「就是我想要的那种感觉」,别再啰嗦描述,直接给一个示例。三个要点:示例要形神兼备,格式、口吻、详略都体现在里面;明确边界,告诉它「模仿格式与口吻,但内容按我的实际来」;给 2 到 3 个不同场景的示例,它更能提炼出你的偏好模式。
适用场景:写周报邮件、生成表格、整理会议纪要、让 AI 按公司文档风格输出。
上手建议:这招对数据产品经理的价值在于统一口径。把你团队公认写得最好的那份分析报告,或者你们周报的固定格式,存成一段示例文本,每次让 AI 写东西就先贴这一段。三个月后,AI 产出的东西在团队里看不出是 AI 写的,这才是真用顺了。
4. 提示词做减法(8.27)
定位:删掉 80% 的指令,效果反而更好 | 标签:提示词优化 / 通用
Anthropic 内部用 Claude Code 时曾把系统提示词删掉超过 80%,评测成绩没有任何下降。三步:删情绪词(「一定要认真」「你是顶级专家」这类话不提供信息,只会让模型更保守啰嗦);合并指令(把拆开的步骤合并成一句「完成 X,要求符合 Y 标准,输出格式为 Z」,让它自己规划路径);给示例而非规则。
配套的还有语气:「请检查这段代码里的错误」比「这代码全是 bug 快修」得到的回答更坦诚。
上手建议:花十分钟把你最常用的那段提示词做一次减法,删掉所有「请认真」「务必准确」「你是专家」——它们不提供任何新信息,却会让模型变得更保守、更啰嗦。数据产品经理最该删的是「请给出专业建议」这类话,换成「给出三条结论,每条附一个数据来源」,信息密度立刻上一个台阶。
5. 让 AI 投三次票(8.24)
定位:客观题用多数投票摊平发挥失常 | 标签:自我一致性 / 准确率
碰到有客观答案但你不放心的问题(翻译选词、判断题、取名字、改标题),别只问一次。让 AI 独立回答 3 次,取多数或重合的答案。要点:提示词里写明「分别独立回答,不要互相参考」,避免它顺着前一个答案偷懒;3 次为宜,拿不定主意时让它标注每个答案的置信度;适合客观题,创意写作不必用,会抹掉灵光。
上手建议:数据产品经理天天要做选择题:这个指标该定义为 A 还是 B、这个异常该归因为渠道还是产品、这个字段该不该入仓。这类问题让 AI 连答三遍并附上理由,重合度高的答案可信度明显更高。别在创意任务上用——投票会把它投成最平庸的那一版。
二、啃长材料和长任务
数据产品经理的活儿里,最耗时的往往不是分析本身,是把材料读完、把长任务跟完。这一类讲的是怎么让 AI 在长时间里不掉链子。
6. 分块 + 递进总结(8.19)
定位:上百页研报也能让 AI 读到底 | 标签:长文档 / 阅读方法
处理上百页 PDF、长篇研报、会议纪要时,直接整篇丢给 AI 常会超出上下文或丢失开头细节。正确姿势是分三步:先分块阅读(请阅读前 20 页,按小节输出要点,每个要点不超过 30 字);再逐块推进(继续读第 21 到 40 页,与上一批要点合并去重);最后递进总结(合并全部要点,输出核心结论 3 条以内、关键数据并列出处章节、行动建议、与原始问题直接相关的段落引用)。
要点:每块控制在模型上下文能轻松容纳的规模;边读边汇总,比一次读完全文再总结更稳;最后一步强制它回到你的原始诉求。
上手建议:这条解决的是 AI 读长文档最常见的翻车——开头读得细、结尾敷衍。把一份 80 页的竞品财报按 20 页一块喂进去,每块先出要点再合并,最后强制它「列出与我最初问题直接相关的段落并标注章节」。按这个方法,你能拿到一份带出处的摘要,而不是一段漂亮的空话。
7. 长任务写日志,断点续跑(9.26)
定位:把软件工程的进度管理搬到 AI 协作上 | 标签:长任务 / 可追溯
三步:任务开头加一条指令「每完成一个子阶段,把已完成内容、关键决策、下一步计划追加写入 status.md」;设置阶段检查点「每完成 N 个条目,在 status.md 里记录当前进度编号」,万一中断,重开会话时把 status.md 喂回去从断点继续;验收时先读日志再抽查,先读 status.md 里的决策记录,再随机抽 3 到 5 个成品核对,比通读全部输出快 10 倍,还能发现它中途自作主张的偏航。
上手建议:数据产品经理总有那种要跑两三天的活:把一年的用户反馈逐条打标、把几十份经营月报汇总成一份。让它每完成一段就往 status.md 里写进度,中间断掉也不怕,把文件喂回去接着跑。验收时先看日志再抽查五个样本,比逐条看快十倍,还能抓到它中途换了口径。
8. 让 AI 开口说思路(8.22)
定位:先过程后结论,方便你核对推理有没有漏洞 | 标签:思维链 / 推理
思维链(CoT)是这几年来最实用的提示技巧之一。可套用的模板:请一步一步思考,并把推理过程写出来,最后再给出结论——第一步列出需求里的关键信息,第二步分析可能的方案并比较优缺点,第三步选出最优方案并说明理由,最后给出结论和可执行的下一步。
四个要点:明确要求「分步思考」,远比「请认真思考」有效;给思考结构,比让它自由发挥更稳;结论放最后;长文档场景可加一句「思考过程不超过 100 字」避免刷屏。简单问题就别开,既杀鸡用牛刀,还费 token。
上手建议:做数据分析最怕的不是 AI 答错,是它答对了但过程经不起追问——业务方一句「你怎么得出的」,你就答不上来。让它把推理过程写出来,你能一眼看到它假设了什么、跳过了什么。结论放最后这一步尤其重要:你可以先遮住结论只看过程,判断它想得对不对。
9. 把要求写成伪代码(8.23)
定位:用条件分支替 AI 规划好路径 | 标签:提示词模板 / 流程控制
不要只说「帮我写封催款邮件」,把流程拆成条件分支:
任务:你是邮件助手。
变量:客户未提供发票
流程:
1. 先检查:若缺少发票,则执行步骤 2;否则直接致谢
2. 若缺少发票:
- 先礼貌致歉
- 说明发票缺失会影响结算
- 给出两个补救选项(补发 / 延迟结算)
3. 输出一封 120 字以内的邮件草稿
AI 对「步骤加条件分支」的执行准确率通常远高于一段含混的描述,它不会漏掉「道歉」这类容易忽略的细节,也方便你随时增删分支。它和思维链的区别是:CoT 是让 AI 想清楚步骤,伪代码是你直接替它规划好分支。
上手建议:数据产品经理有大量带判断的重复活:指标异常时先判断是数据问题还是业务问题、用户分群时先判断是否满足三个条件。把这套判断逻辑写成 IF 分支交给 AI,它会严格按分支走,不会跳过任何一个前置检查。建议先拿你们最常做的「异常归因流程」试写一次。
10. 给 AI 配一个外置大脑(8.21)
定位:把中间成果写进文件,跨对话续接 | 标签:跨对话记忆 / 文件记忆
做法:让 AI 在工作目录里建三个文件——plan.md 放大纲与结构,notes.md 放素材与想法,draft.md 放成稿,每轮对话结束后把关键结论写回对应文件。后续任何一天新开对话,先让它读取 plan.md 和 draft.md,复述上次写到哪里,再从结尾继续。
要点:固定工作区文件,让中间产物落在磁盘而不是只存在对话里;明确写入时机;新开对话先让它读文件加复述进度,确认记忆恢复后再干活;工作区建在 git 仓库里还能顺手做版本回溯。
上手建议:这条最适合那种要跨好几周才能做完的活——年度数据体系建设方案、一本内部数据手册。三个文件分工清楚,AI 每次开工先读、收工必写,你换会话、换模型都不丢进度。进阶用法:把工作区放进 git,每一次改动都有记录,回退到上周的版本只要一条命令。
三、让 AI 自己把关,你只做终审
这一类讲的是怎么把质量控制和边界控制交给流程,而不是靠你逐字检查。
11. 让 AI 先挑刺,再改(8.20)
定位:自己审自己,比一次写完美容易 | 标签:自我批判 / 质量控制
两步:第一轮,让 AI 以「最挑剔的评审专家」身份,从准确性、逻辑漏洞、遗漏风险三个角度审查方案,列出最关键的 5 个问题,每条附一句改进建议;第二轮,让它根据建议逐条修改,输出完整修订版,每处改动标注原因,不许跳过任何一条。
要点:给 AI 设定挑剔角色并规定审查角度,不问「你觉得怎么样」(它会说很好);两轮分开跑,先挑刺再修改;第二轮用「不许跳过任何一条建议」堵住它敷衍的路;可以迭代 2 到 3 轮,问题会越来越尖锐。
上手建议:数据产品经理交出去的东西会被业务方拿去做决策,最怕的是逻辑有洞却没人指出。发布前让 AI 扮演最挑剔的评审,专门挑「数据来源是什么、这个结论有没有反例、还有没有遗漏的维度」,并且强制它逐条改。它挑出来的问题未必都对,但那几条你没想到的,往往就是评审会上被问住的那些。
12. 给 Agent 建一个文档大脑(10.05)
定位:三个文件,把 Agent 从失忆天才变成靠谱同事 | 标签:上下文管理 / 文档驱动
三步:在项目根目录创建 specs 目录,写三个文件——decisions.md 放已拍板的技术决策与原因,constraints.md 放不许碰的东西和必须遵守的规范,progress.md 放当前进度与下一步;在 AGENTS.md 或系统提示里加一句「任务开始时先读 specs 全部文件,结束时把新增决策与进度更新进对应文件」;人只维护一份真相,你自己改需求时只改 specs 里的文件,Agent 自动对齐,比每次对话重复交代背景省 80% 的 token。
上手建议:这个做法对数据产品经理的适配度极高,只要把三个文件换成你们的业务版本:metrics.md 放指标口径定义,constraints.md 放数据边界与合规红线,progress.md 放当前进展。以后每次让 AI 写 SQL、做分析,先让它读这三个文件,口径不一致的问题会少一大半。
13. 复刻练棋实验,让模型用笔记自我改进(10.06)
定位:零训练成本的自我改进 | 标签:自我改进 / 经验沉淀
三步:选一个可打分的重复任务,如周报模板、客诉回复,有明确好坏标准的任务最合适;给模型开一个 notes.md,指令写「每次完成任务后,把做对的决定、犯过的错误、下次的改进策略追加进 notes.md,每次开工前先通读全部笔记」;跑 5 轮看曲线,对比第 1 轮与第 5 轮的质量。
原文也提醒:长笔记可能拖累某些模型,若发现越练越菜就精简笔记,只留结论。
上手建议:这是当下最便宜的「自我改进」——不用训练、不用调参,一个晚上就能见分晓。数据产品经理可以拿「月报结论撰写」当实验对象:每次写完让它记下「这次业务方追问了什么、哪句话被改了」,下次开工先读笔记。跑五轮你会发现,它开始知道你们老板最在意哪几个数。
14. 三步过一遍你的合同(10.19)
定位:法律模型做初筛,人做终审 | 标签:合同审阅 / 垂直模型
智谱开源法律模型 GLM-Legal 成本只有通用旗舰的 1/70。三步:取模型(API 直连或本地部署均可);喂合同,用固定句式提三类问题——「列出对我方最不利的五个条款并注明原文位置」「标记与行业标准范本不一致的条款」「指出缺失的保护性条款」;要证据,要求每个结论都附条款原文引用,人工只复核被标记的部分。
上手建议:数据产品经理常要审数据采购合同、SaaS 服务协议、数据合作协议,里面最容易吃亏的恰恰是数据权属、使用范围、留存期限这些条款。用固定句式跑一遍初筛,一小时能过完过去一天的量。关键在最后一步:要求每个结论都附原文条款,凡是附不出来的,基本都是它编的。
15. 常驻 AI 助手的三句咒语(9.29)
定位:先把边界立好,再让它驻留 | 标签:Agent 边界 / 安全习惯
在启用任何一款常驻 AI 助手前,先把这三句写进设置或首条消息:「重要操作前必须问我」——划定确认红线(发邮件、下单、付款、删文件),避免自主执行变成自作主张;「每天 22 点后不要主动打扰我」——没有这条规矩,它会在你睡前热情地汇报三条日程;「不确定就标注不确定」——要求它对没把握的信息显式标注置信度,本周港科大的研究显示 89% 的 Agent 轨迹有幻觉,答案对不等于过程对。
上手建议:三句话花不了一分钟,决定的是你和 AI 同事未来一年的相处质量。「不确定就标注不确定」这条对做数据的人尤其重要——AI 给出的数字看起来都很自信,而数据产品经理的职责恰恰是知道每个数字的可信区间。先把这条写进去,它就不敢把估算说成事实。
四、把成本算清楚,把产出做出来
最后一类有两件事:同样的效果,少花点钱;同样的时间,多出点东西。
16. 一句话生成 PPT 与文档(9.18)
定位:汇报材料从对话里直接出来 | 标签:汇报呈现 / 效率
Claude 的 Docs/Slides 把做 PPT 压缩成一次对话:直接说「把这份周报要点做成 6 页幻灯片,每页一个主题加数据图表,风格简洁商务」,它生成可协作编辑的 Slides,满意后导出为 PowerPoint 或 PDF。两个进阶用法:先用 Docs 写好结构化大纲,再用一句话转成 Slides,比直接生成质量更稳;对已有文档,用「总结成 5 页汇报 PPT」直接转化。
国内用户若无订阅,可先用 ChatGPT for Word 在侧边栏完成「文档到大纲」的步骤,再交给 Kimi 或 WPS AI 生成幻灯片,同样是一条链路。
上手建议:数据产品经理最耗时的交付物就是汇报材料——数据早就分析完了,还要花两小时排版。这条链路的正确用法不是让它从零生成,而是先让它把你的分析结论整理成结构化大纲(你确认一遍口径),再一句话转成 PPT。省的是排版时间,不是思考时间,顺序别搞反。
17. 吃满提示缓存(9.24、10.22)
定位:重复输入成本最高省近八成 | 标签:成本控制 / API 优化
OpenAI 的提示缓存命中成本仅为普通输入的十分之一,12 小时选项也已上线,但很多人用不上,因为缓存要求「共享前缀精确匹配」。三个动作:固化前缀,把系统提示、领域知识、格式规范、参考文档全部放进 prompt 开头,变化的内容放在最后;模板化调用,同一业务的所有请求共用一套前缀模板,连标点都不要改;30 分钟内打完一轮,把批量任务集中在时间窗内跑完。
按官方口径,连续 10 次调用中后 9 次命中,重复输入成本可省约 78.5%。也有提醒:缓存写入价是常规输入的 2.5 倍,一次性短任务别开。
上手建议:这条看着技术,其实是个排列习惯。数据产品经理如果有每天固定跑的活——比如每天对 200 条用户反馈做分类——把系统提示、分类标准、输出格式固定成同一段前缀,只把当天的新数据放在最后。顺序一变缓存就失效,所以「不变的永远在最前面」这条铁律值得贴在显示器上。
18. 高频低价值任务切轻量模型(8.26、8.25)
定位:好钢用在刀刃上 | 标签:成本控制 / 模型选型
模型降价是常态:GPT-5.6 系列里轻量档输入 0.2 美元、输出 1.2 美元,比旗舰档便宜一个数量级;DeepSeek 周末统一低谷价这类错峰定价也正在成为标配。技巧是把高频低价值的流量型任务(摘要、分类、翻译)切到轻量模型,复杂推理再升级旗舰档;若在生态内,走平台直连往往比直连 API 便宜近一半。
上手建议:数据产品经理手上有大量「不需要旗舰模型」的活:把 500 条用户反馈归个类、把会议录音转成要点、把英文材料翻成中文。这些都该走最便宜的那档。做法很简单,把你的任务列表按「出错代价」排个序,代价低的一律降档,一个月下来账单会好看很多。
19. 从动画案例库偷提示词(10.09)
定位:抄社区验证过的结构,而不是自己现场写 | 标签:提示词复用 / 视觉呈现
社区已经把动画最佳实践整理成了公开案例库,OpenChamber(5054 条)、Claude Video(1276 条)、JasonZhu AI(1381 条)、Lemo Opuscar(43 种风格)等,全部提供公开提示词与制作工具。三步:在库里按关键词筛选喜欢的效果,点开看完整提示词;把提示词原样粘贴过去,先跑通原版;再只替换主题、配色和文案三个变量,其余保持不动。
上手建议:这条的思路可以复用在任何「AI 出效果」的场景:做产品演示页、汇报里的动效、公众号配图。社区验证过的结构比你现场手写的稳定得多,改三个变量就能变成你自己的。它也提醒我们:提示词早就不该是个人手艺,而是可以存档、可以共享的资产。
20. 边讲边画的讲解视频(10.08)
定位:讲清一个概念的最短路径 | 标签:内容生产 / 知识讲解
开源工具 handdrawn-explainer 把白板手绘视频自动化了:输入主题,AI 负责写稿、规划画面、生成绘画脚本,输出边讲边画的手绘讲解视频,配音与动画同步。三步:取工具(开源技能包形式,本地运行);投主题(如「什么是留存率」);导出改稿——生成后先看它写的讲稿,不满意的段落直接改文字再重渲染,比重新录制快一个量级。
上手建议:数据产品经理最常遇到的沟通困境是:讲清楚了没人听,讲通俗了讲不准。手绘讲解视频是目前留存率最高的讲解形式之一,「声音到哪笔画到哪」。拿它做一期「我们公司的 GMV 是怎么算出来的」,发给业务方看一遍,胜过开三次口径对齐会。先改讲稿再重渲染,别指望一次到位。
最后:先做这三件
技巧看多了容易变成收藏,所以只留三个今天就能做完的动作。
第一件:把你最常用的那个提问,改写成结构化五要素(排名第一那条)。五分钟,见效最快。
第二件:给手上正在跑的长任务加一句「每完成一个子阶段,把进度写进 status.md」。下次中断时你会知道它值多少钱。
第三件:在常驻 AI 助手的设置里,加上「不确定就标注不确定」。做数据的人,最该给 AI 立的规矩就是不许把估算说成事实。
需要说明两点。文中所有日期都是该技巧在原资讯中出现的时间,工具版本与价格会变,方法本身不会过期;另外,另有十几条技巧没进这个榜单——插件安全自检、API 密钥体检、AGENTS.md 迁移、搜索接口接入——它们都很实在,只是动手门槛在工程侧。如果你身边有工程师同事,把那部分原文翻给他看,比你自己硬啃合适。
工具在变,方法在攒。两百天后回看今天攒下的这几个习惯,价值会比任何一个新模型都大。