做产品的完整知识地图
水面上一句话，水面下一个组织

为谁创造什么价值、靠什么活下去；众多事项里先做哪个、有限资源押在哪。

一句话说清“给谁 · 解决什么 · 凭什么是你”；有一条想清楚的主路径和几个被验证的关键假设。

AI 帮你扫竞品、列方案、做推演；赌哪个方向、押多少资源，你拍板——这一门最不可外包。

真实用户是谁、在什么场景、想完成什么任务、在哪一步受阻。体验做的不是加功能，是减摩擦。

画得出一条客户旅程，每个触点的情绪与卡点被看见；改的是关键摩擦，而不是凭空堆功能。

AI 能帮你整理访谈、生成画像；但把作品放到真人面前看反应，是它给不了的最硬参照系。

获客、转化、留存、变现的整条链路；品牌怎么被记住、内容怎么传播、社区怎么运营。

有清晰的获客 → 转化 → 留存路径，每一环都有可看的数字，知道钱和人从哪来、为什么留。

AI 能批量产内容、写文案、做素材；增长策略与品牌调性的判断在你——别让平均值稀释了你的味道。

需求那么多先做哪个；一个任务怎么一步步走通；每个界面在说什么、操作后给什么反馈、出错了怎么办。

信息架构清晰、关键路径短；每一个状态都被设计过——包括空状态、错误态、边界 case。

边界与异常态最容易被 AI 漏掉。你得主动点名:“空的时候显示什么？出错呢？没权限呢？”

第一眼的观感、信息主次、品牌气质，怎么稳定做出来——而不是每页靠手感重造一遍。

克制、统一、有清晰层级；背后有一套设计系统当“单一事实源”，颜色间距组件都从一处取。

给 AI 一套设计 token / 参照图，远胜一堆形容词。你建的设计系统，就是喂给它的品味内核。

把设计变成真正能点、能输入、在手机和电脑上都好用的界面。

响应式不塌、首屏快、语义清晰、可访问；状态可预期——点了有反馈、加载有提示、出错不白屏。

AI 写前端最顺手，所以更要你定标准:性能、响应式、可访问这些它不会主动较真的，你来抽查验收。

数据存在哪、怎么组织；业务规则在哪计算；谁有权读写、怎么验证身份。这层错了，前面再美也立不住。

数据模型清晰、接口契约稳定、鉴权严谨、出错可观测；改一处不会牵连一片。

鉴权和数据安全不能“看起来对就行”。要追问“这真的拦住越权了吗？”——最该“分清我以为和验证过”的地方。

怎么验证它在各种情况下都对；怎么让一次改动不悄悄弄坏别处；发布出问题怎么退回。

关键路径有自动化覆盖；异常与边界被显式测过；发布有灰度、能回退。

AI 爱报“测试通过”。你要问的是:测了哪些边界？没测什么？覆盖率不等于覆盖了重点。

怎么部署上线、绑定域名、保持不挂；出问题怎么定位；怎么备份、怎么扩容。

稳定可访问、出问题能定位、有备份与回退；上线是数据闭环的起点，不是终点。

最容易“跑通就完事”却最该较真:密钥别泄露、服务别误杀、上线要可回退。

用什么指标看健康度；用户真实行为是什么样；一个改动到底有没有用，怎么用数据回答。

关键行为可量化、有看板、能用数据回答“改了到底有没有用”，而不是停在感觉。

把“我以为有用”换成“数据显示”。埋点要在做功能时就想好，否则上线后无据可查。

钱怎么进、怎么出；每个用户 / 订单赚不赚钱；跑得久不久、撑不撑得到下一步。

知道每个用户 / 订单的单位经济账赚不赚钱、跑得久不久；钱账清楚，不糊涂。

AI 能算模型、跑测算；但商业可持续性的判断与取舍是你的——数字之外的赌注它替不了。

用户数据合不合规、内容版权清不清晰、协议合同有没有坑、关键风险有没有预案。

用户数据合规、版权清晰、关键风险被识别并有预案；不把雷留给上线后的自己。

AI 生成的内容、用到的素材，版权与合规要你把关。这条边界踩了，前面所有努力可能一夜归零。

事情怎么有节奏地推进；什么自己做、什么外包给人或 AI；判断怎么不丢、经验怎么沉淀。

事情有节奏地推进、判断被记录、经验沉淀成可复用资产——下一个项目起点更高。

把判断显性化、留时间戳、每步登记进产品日志，是一个人也要有的项目管理——也正是这套教学专区的工作习惯。