Hey 大家，最近過得好嗎？我是 AAPD 的內容負責人 Ruby。

在產品圈子待久了，我常看到不論是設計師、產品經理或工程師卡在相似的困惑裡：覺得自己在盲目產出，卻看不見價值；或者在 AI 浪潮下，對未來的職涯感到一陣模糊的焦慮。

為了撥開這些迷霧，我找來了 AAPD 的好夥伴 Peter。他曾在 Meta（臉書）擔任產品經理。在充滿不確定性的環境裡，他總能把看似混亂的產品問題，拆解成一條條「可以行動、可以判斷、可以做決定」的思考路徑。這正是我認為，在 AI 時代每一位 product builder 都必須具備的核心能力。

在接下來這 10 週的系列文中，我會借用 Peter 的視角與他多年的實戰觀察，陪你一起面對那些在產品工作中「感覺不太對勁」的時刻。

這個系列不是一門教你操作工具的課程，而是一場關於「如何重新理解產品本質」的集體探索。有些觀點或許你現在用不上，但我希望它能成為你口袋裡的思維工具，在某個需要做決定的時刻，剛好派上用場。

偽裝的安全感：為什麼填滿了 PRD 模板，產品卻還是走進死胡同？

當我們面對一個全新的領域，例如導入生成式 AI 功能，或接手一個方向尚未明確的新專案時，身為 PM 的你，第一反應是什麼？是釐清問題？還是尋找既有框架？

過去，最常見的習慣是打開 Google 搜尋：「產品 PRD 模板」、下載競品分析表、套用既有需求清單，這些行為本身並沒有錯。模板能幫助團隊快速對齊基本欄位與資訊結構，也能降低溝通成本。然而，當環境發生結構性改變時，模板提供的可能不再是效率，而是一種掩飾焦慮的形式。

這種對「標準答案」的依賴，往往是為了掩蓋我們對「未知領域」的恐懼。模板的本質，是過去經驗的壓縮版本。它內建了一套假設：某些問題重要、某些欄位必填、某些流程合理。但在技術底層發生轉變（例如 AI 模型能力邊界改變）或商業模式重組時，這些假設未必仍然成立。

問題不在於模板是否存在，而在於我們是否意識到：

當你填寫模板時，你同時也在接受模板的前提。

若前提不再適用，填得再完整，也只是更有條理地走錯方向。我們以為帶上了一張精準的地圖，卻沒發現自己其實已經走進了另一片完全不同的森林。

類比思考的效率與限制

為什麼「套版」在面對顛覆性變革時會失效？Peter 在《產品策略思考系列：第一性原理》中，點出了一個關鍵的認知差異。他提到，人們在工作中最常使用的是「類比思考（Reason by analogy）」。

類比思考的邏輯很直接：

競品這樣設計，所以我們也應該這樣做。

過去這套框架成功，所以現在延續使用。

產業慣例如此，因此不需要重新驗證。

這種思維在環境穩定時極具效率。它讓團隊能快速複製已被驗證的模式，降低試錯成本。然而，一旦技術邊界改變、使用者行為轉移，類比思考便容易成為創新的阻力。

在 AI 產品開發中，這個問題特別明顯。模型能力並非線性進步，使用者對生成式內容的期待也仍在形成。如果仍然依賴過去 SaaS 時代的 PRD 邏輯，很可能會錯誤定義問題本身。

第一性原理：從底層事實重新建構問題

相較於類比思考，第一性原理（First Principle）要求我們暫時放下既有框架，回到最基本、不可再拆解的事實。

這種思維並不是抽象理論，而是一種結構化的拆解方式。這套被 Elon Musk 用來打造特斯拉與 SpaceX 的思考模型，應用在產品開發上，可以拆解為三個具體步驟：

1. 拆解（Deconstruct）

暫時移除現有解法與範本，把問題拆解成基本元素。例如，在規劃 AI 客服功能時，不問「競品怎麼設計對話流程」，而是先問：

• 使用者在什麼情境下需要幫助？

• 他希望節省的是時間、認知負擔，還是情緒成本？

• 模型目前的能力與限制是什麼？

  
  

2. 還原基本事實（Fundamental Truths）

在拆解後，回到可以被驗證的底層事實，而非產業習慣。例如：

• 模型無法保證 100% 正確性。

• 使用者容忍錯誤的程度與情境有關。

• 公司現階段的商業目標優先順序為何。

這些不是推測，而是當下環境中的約束條件。

3. 重構（Reassemble）

基於上述事實，由下而上重新組合解決方案，而非由既有模板往下套用。

在這個過程中，產品規格不再是填空，而是推論的結果。

Product Builder 的價值不在於「填滿空格」，而在於「定義空格」

把這個概念拉回我們的日常開發場景。所謂的「模板」與「框架」，其實都是前人基於他們當時的時空背景所留下的經驗總結。但經驗也是一種「Unknown Knowns（你以為你知道，其實是盲點）」。

當 AI 能夠協助生成初版 PRD、彙整需求、甚至整理競品資料時，「填寫表格」這件事本身已不再構成差異化能力。

真正稀缺的能力，是在一片空白中定義問題邊界。

如果我們把 PM 的工作視為「填寫一份完美的 PRD」，那麼 AI 很快就能做得比我們更好。

在 AI 時代，真正具備不可替代性的 Product Builder，不會急著找範本。他們會像物理學家一樣，運用第一性原理重新拆解「產品成本」與「使用者價值」的底層邏輯。他們知道，自己的核心價值不在於把既有的表格填滿，而是擁有從一片空白中「定義空格」的能力。

一個實務檢查點：當模板被拿走，你還能說清楚什麼？

理解第一性原理最好的方式，就是強迫自己剝除所有的外在輔助。我們來做一個思考實驗：

如果公司暫時禁止使用任何既有的 PRD 模板，也不能參考競品分析，你是否仍能從以下三個問題開始構建產品：

1. 使用者的核心問題是什麼？

2. 在當前技術邊界下，哪些解法是真正可行的？

3. 在商業目標的限制下，最小可行價值是什麼？

如果答案依然清晰，那麼模板只是工具；若答案變得模糊，或許代表我們過度依賴了框架，而未真正理解問題。

在不確定中保持清晰

第一性原理並不是要否定經驗，而是提醒我們，在環境發生結構性變化時，經驗必須被重新驗證。

AI 時代的 Product Builder，若仍停留在「套用既有答案」的思維模式，很容易在未知領域中失去判斷依據。相反地，能夠回到基本事實、重新拆解問題的人，才更有能力在複雜環境中保持清晰。

模板可以幫助你加速，但無法替你思考。

當模板失效時，你還剩下什麼，將決定你是否具備真正的不可替代性。