顶级PM的 AI 杠杆阶梯指南：PM 提效两条路径，附 3 个可直接抄的实战 Prompt
培训过 3 万+ PM 的讲师总结两条 AI 杠杆阶梯：从复制粘贴到端到端交付，从网页原型到生产 PR。
- Colin Matthews 把产品经理用 AI 的方式，拆成个人杠杆、产品杠杆、系统杠杆三类，每类各设三级，往上爬一级，AI 替你做得越多、你需要审核的越少。
- 个人杠杆：第一级 AI 只帮你打草稿、你手动复制粘贴；第二级 AI 直接产出财务模型这类制品；第三级把 AI 接上 PostHog 等真实工具，端到端跑完一整项任务。
- 产品杠杆：第一级用网页原型工具快速验证想法，但代码用不上；第二级用 Claude Code / Codex 直连真实代码库做原型；第三级让 agent 直接提交可合并的生产环境 PR。
- 关键层级都配了作者实测用过的原话 prompt：成本对比模型、PostHog 留存分析、搭原型专用代码库，本文一字不改原样贴出，可直接抄。
- 框架里第三条系统杠杆只在开头被定义，正文只详细展开了个人杠杆和产品杠杆两条，系统杠杆没给出三级拆解。
PM 用 AI，其实分三条阶梯往上爬
Lenny's Newsletter 在 2026 年 6 月 30 日发布客座文章，作者 Colin Matthews 是长期产品负责人、连续创业者，独立上线过 10 余款 SaaS 产品。这篇文章是为他与 Lenny 合作的一门 PM 课程上线所写。
Colin Matthews 把产品经理用 AI 的方式画成三条梯子：个人杠杆、产品杠杆、系统杠杆，每条从第一级爬到第三级。越往上，AI 替你完成的比例越大，你需要动手审核确认的越少。
为什么值得看：作者已培训超过 3 万名产品经理，客户团队来自 OpenAI、Google、Stripe、Figma、Microsoft，本人独立上线过 10 余款 SaaS 产品。他讲的是自己实测跑过的用法，每一级都附上了原话 prompt。
三类杠杆各管一件事：个人杠杆帮你完成自己工作里的待办；产品杠杆让你更快交付正确的东西；系统杠杆把 AI 用法沉淀成可重复的步骤，稳定拿到高质量结果。下面这张矩阵是全文骨架，横向是三个层级，纵向是三类杠杆。
打辅助
交任务
全包干
杠杆
杠杆
杠杆
作者对这张梯子有一条重要提醒：不是每件事都要爬到最高级。哪一级最合适，取决于你手头这件活最该用 AI 用到多深。下面这张是他文章里的原始框架图。
它是一把标尺，量的是你在某一类工作上「用 AI 用到多深」。第一级 AI 打辅助，你自己动手；第二级你把任务交出去、AI 产出结果你来审；第三级 AI 分好几步把整件事做完、还自己核对结果。爬得越高，你腾出的时间越多。
从帮你打草稿，到直接交出一份制品
个人杠杆是所有人最常见的用法：写文档、做调研、造小制品。第一级和第二级的差别只有一句话：第一级 AI 给你文字，你还得复制粘贴自己整理；第二级 AI 直接给你一份能用的东西。
第一级：AI 帮你写文本
你让 AI 帮忙写 PRD、Jira 工单、邮件，然后把答案复制粘贴到别的工具里。大多数人停在这一级。作者的例子是让 Claude 帮写一份 PRD，AI 对你公司和「什么是好 PRD」几乎没有上下文，你得来回对话到「够用」，再粘到 Google Docs 或 Word 里改好才敢发给团队。
第二级：AI 直接产出制品
这一级让 AI「干活」，产出实际的东西，比如幻灯片、Excel 模型、小原型。作者的实例是让 Claude 做一份成本对比模型：自建并自己托管一个 agent，对比用 Vercel 这类托管服务，各要花多少钱。这里是他当时用的原话 prompt，可以直接抄去改成你自己的场景。
Create a model that represents costs if we build and host ourselves vs. using managed agents. Do research on the engineering time saved and the compute costs in self-hosted vs. managed. Look at other vendors, like Cloudflare, Vercel, or E2B that provide sandboxes for agents for pricing. Demonstrate both the cost of the pilot and the cost at scale in the model, assuming we have 5M+ agent instances running annually (where an agent instance is per hour).
作者提醒：这一级的产出仍需大幅修改，但它比「从 AI 里复制文字到另一个文档」已经往前走了一步，AI 交给你的是一份制品，不再只是一段待编辑的文字。
给 AI 接上真实工具，让它自己把一整件事干完
这是个人杠杆的顶级，也是整篇文章第一个重点：你把常用产品通过 MCP 接给 AI，它就能自己去查数据、拉资料，把一件你以前会甩给同事的活端到端做完。关键动作只有一个：让 AI 连上你的真实工具。
它是一种让 AI 直接读写外部工具数据的标准接口。以前你得把 PostHog 的数据、Figma 的设计稿手动复制粘贴喂给 AI，装上 MCP 之后，它能自己开门进去拿。相当于给 AI 配了一把万能钥匙，你不用再当搬运工。
连接怎么做：Claude Code、Codex、Cursor 都能通过 MCP 连到 Figma、Amplitude、PostHog、Pendo 等工具。做法很简单，去你产品的连接器市场把工具加上就行（Claude、ChatGPT、Gemini），而且一次设置永久生效，以后再也不用碰。
Figma · Notion
实例：让 Claude 连上 PostHog，自己跑完留存分析
作者用一个虚构产品 Stride（一款 Strava 克隆的运动 App）举例。他想做一次留存分析：用了社交分享功能的用户，30 天留存是不是比没用的高。他把 Claude 连上产品分析工具 PostHog，一句话让它跑完并出报告。
以前这是你会在两场会议之间挤时间做的活，现在整件事交给 AI 端到端完成，产出还是一份带数据来源引用的 HTML 报告，你点链接就能回到 PostHog 里核对原始数据。
Use PostHog to check if users who use social share features have a higher 30d retention than those who don't. Show me an html doc as a final output visualizing cohorts and any other useful data. Cite all your sources so I can validate.
作者强调 prompt 里那句 cite your sources（标注你的数据来源）很关键：加上它，你才能轻松验证结果对不对。这个例子里 Claude 直接给出了指向 PostHog 原始数据的链接。
拿到连接权限后，先练哪几件事
连好工具之后，作者建议挑一件日常任务练手。下面四条是他给的可以立刻上手的高杠杆任务，原样列在这里。
- Analyzing how a launch went by reviewing recent customer tickets and online sentiment - Checking how many users actually use a feature through product analytics events - Summarizing a recording from a customer call and creating a prototype based on their feedback - Updating your next sprint based on a change in roadmap priorities
一开始结果大概率会让你失望，那只是因为模型还不知道你的标准。继续和它迭代到满意，然后在同一个对话里让 AI 把这次流程做成一个 skill（技能）锁定下来，下次就能一键复用。这套流程能给你几乎所有东西产出还不错的初稿：PRD、路线图、营销素材、调研分析、原型、Figma 稿。
个人杠杆三级，产出到底差在哪
- 一段待你编辑的文字，还得复制粘贴到别处
- 一份成型的制品（如财务模型），但要大幅修改
- 一份带数据源引用的完整留存分析报告，自动跑完
网页原型能快速验证想法，代码却用不上
产品杠杆管的是「你想做的」和「你能交付的」之间那道缝。第一级是用网页原型工具（Lovable、Replit、Magic Patterns）快速造一个原型，比文档更能说清你的想法，但它有个硬边界：生成的代码和你产品的真实代码库毫无关系。
还是用 Stride 举例。下面是它当前的个人主页，用户一直抱怨取消订阅的路径不清晰，免费试用结束后也搞不清自己的订阅状态。
你可以用 AI 网页原型工具快速做一版 mock 改动，拿去和用户、干系人测一测你的方案能不能解决问题。下面这段动图就是用网页原型工具做出来的取消订阅流程。
- 比文档更直观地传达想法
- 给干系人、用户、内部团队快速演示概念
- 更快验证方案是否可用、是否真解决问题
- 底层代码本身没有价值
- 对真实组件、页面、数据模型几乎没有上下文
- 测完还得工程师重新写一遍真代码
网页原型工具对你的真实组件和数据模型了解有限，做出来的东西离现实很远，测完的原型要落到真代码还得费一道工。这就引出下一级。
让 AI 直接在你的真实代码库里改
第二级是整篇文章第二个重点：用 Claude Code 或 Codex 直接读取你产品的真实代码库来做原型，而不是靠截图或复杂的 prompt。生成的界面用真组件、遵循真设计规范，离能上线的代码近得多。
网页原型工具生成的代码是独立的，和你产品真实代码库没关系，测完还得工程师重写。代码库原型是 Claude Code / Codex 在你产品的真实代码基础上改，用的是真组件、真样式，测完的东西直接离能用的代码更近。
还是同一个 Stride 取消订阅的例子，这次让 Claude Code / Codex 用现有代码库来做。改动直接加进了真实的设置页、复用了真实组件、跟着产品本身的设计规范走。下面这段动图就是代码库原型的效果。
这一级不需要在笔记本上跑起整个产品，也不用专家级编码能力，但要一点技术底子：一是用 Claude Code 或 Codex 写代码、跑应用；二是你需要一份只含 UI、不含完整后端的代码库。这份代码库怎么来？找工程师帮你在主代码库上跑下面这条 prompt。
Create a new repo that contains all of the base UI elements, styles, routes, pages, and components for [list parts of the product you want included]. Create a mock data store that mimics the API data model and is stored locally. I should be able to run the resulting repo without any environment variables or backend services.
建好之后把新 repo 克隆到你电脑上，你就有了一份易运行、又不会误伤真产品的 UI 版本。有时工程师会说这比一条 prompt 复杂，但在你真实的样式和组件上做原型很值得，作者的建议是想办法迈过这道坎。
让 agent 把改动直接做成能合并的 PR
产品杠杆的顶级是让 agent 把代码提交到生产环境：一个工程师接过这个 PR，审核、合并进产品。这一级最考验 PM 的技术判断力，你得分得清哪些改动能放心让 AI 直接提 PR，哪些该收手。
作者举的例子：你的计费改动可能只动了 UI，后端接口、数据、事件都已存在，这种适合直接提 PR；但也可能这个改动要建新的基础设施、或要和另一个团队做集成，那就不该自己上。判断标准如下。
| 适合让 AI 直接提 PR | 该收手、交给工程师 |
|---|---|
| 文案改动 | 需要新基础设施的改动 |
| 小的 UI / UX 调整 | 要和其它团队做集成才能上线的改动 |
| 复用现有后端逻辑的视图变化 | 触碰后端接口、数据模型、事件的改动 |
作为 PM，把时间花在「当一个比团队里工程师更差的工程师」上没有意义。知道什么时候该写文档、什么时候该做原型、什么时候该提 PR，和有没有能力完成这些任务同样重要。
作为 PM，把时间花在当一个比团队里其他人更差的工程师上，没有意义。Colin Matthews / Lenny's Newsletter
第三条阶梯，原文只留了名字
框架开头定义了三类杠杆，第三条是系统杠杆：把 AI 用法沉淀成可重复的步骤，持续稳定地把工作外包给 AI 并拿到高质量结果。但正文里，它没有像前两条那样给出三级拆解和实操案例。
作者在个人杠杆那节埋了一句伏笔：初稿质量可能还不完美，「等讲到系统杠杆时我们再回来说」。到文章结束，这一条只停在概念层，本文素材到此为止。它更像作者后续课程或文章可能展开的方向，这里如实交代，不替他补内容。
今天就能做的第一步
与其纠结整套框架，不如先动一次。先判断你在两条阶梯上分别处在哪一级，再挑一个还没做过的动作试一次。
- 对着上面那张 3×3 矩阵，标出自己在个人杠杆、产品杠杆上分别处在第几级。
- 去连接器市场（Claude / ChatGPT / Gemini）接上一个你高频用的工具，比如 PostHog 或 Notion，一次设置永久生效。
- 从本文第三节那份任务清单里挑一条练手，比如「查一个功能到底有多少用户真的在用」。
- 结果不满意就继续调 prompt 迭代；满意了，就在同一个对话里让 AI 把这次流程总结成一个 skill，把它锁成可复用的步骤。
哪一级最合适，取决于你手头这件活最该用 AI 用到多深。Colin Matthews / Lenny's Newsletter