Figma PM 团队:用 31 个 AI 技能实现工作流自动化
编辑点评 · AI 连续创业者视角(以下内容由 AI 提炼,观点归原作者;读完可不看原文)
这是 Figma 增长 PM 团队内部构建 AI 工作流(PM OS)的实操复盘。核心数据是建立了一个含 31 个技能的共享仓库,覆盖 60-70 名 PM,且自动实验工具在首次运行即获巨大收益(B·实测)。
对搞钱意味着:纯内部工具提效难直接变现,但“为特定职能团队定制 AI 技能包”是高价值服务机会。
适合懂代码的开发者或咨询顾问;最大坑是通用 AI 难以解决行业隐性知识,需深度定制。
- 评估为本地团队封装 AI 技能的咨询服务机会
- 研究 Claude Code 多技能仓库架构作为技术壁垒
- 将“自动化实验引擎”概念迁移至电商选品场景
- 避坑:通用 LLM 无法替代垂直领域隐性知识,需定制
- 参考 Figma 案例,向 B 端销售“职能自动化包”
一、这是什么机会
该机会面向拥有 50 人以上产品/运营团队的企业,通过封装 30+ 个垂直领域 AI 技能(Skills)构建内部“PM OS”共享仓库,解决通用 LLM 无法处理隐性业务逻辑的痛点。商业模式为咨询定制服务:企业支付开发费获取针对其特定工作流(如实验管理、Slack 降噪、Bug 追踪)定制的技能包,并收取后续维护订阅。
二、独立判断
值得做,但门槛极高。Figma 案例证明“仓库而非产品”的架构能稳定服务 60-70 名用户,且 AutoXP 在首次实验即获巨大收益,验证了需求真实性。核心壁垒不在于 AI 模型本身,而在于将行业隐性知识转化为可执行技能脚本的能力,这是纯技术团队难以替代的咨询溢价所在。
三、冷启动路径
第一步验证动作:选择一家 10-20 人规模的 SaaS 或电商初创公司作为试点,免费或低价交付 3 个核心技能(如自动生成 PRD 摘要、竞品监控、数据周报),周期 4-6 周。成本量级:主要消耗开发者时薪(约 50-100 小时),无额外基础设施成本。若客户在 1 个月内主动要求扩展技能数量,即可转化为 2-5 万元/单的定制项目。
四、最大风险与避坑
1. 隐性知识提取失败:通用 AI 无法理解特定公司的“黑话”或决策逻辑,导致技能输出错误。应对:初期必须配备 1 名业务专家全程标注训练数据,拒绝纯技术外包。
2. 维护黑洞:31 个技能意味着 31 个更新触点,模型升级或业务变更会导致技能失效。应对:在合同中将“季度技能校准”设为强制付费模块,避免免费无限维护。
五、案例复盘(别人怎么做的)
- 架构选择:Ezra Mechaber 将个人 Claude Code 配置转为共享 Git 仓库(PM OS),而非单体产品,实现 60-70 名 PM 同步更新。技能通过 Hooks 和 Private Sub-repos 管理权限。(来源:Lenny's Newsletter)
- 高频技能设计:构建“Chief of Staff”功能,每日运行 6 次自动整理 Slack 消息,将信息过载降维为结构化摘要,这是团队粘性最高的功能。(来源:Lenny's Newsletter)
- 自动化实验引擎:AutoXP 作为自动化增长 PM,能在无人干预下发起实验,仅保留 1 个人工检查点(Human Checkpoint)。首次运行即发现巨大收益,证明“低信任-高监控”模式的可行性。(来源:Lenny's Newsletter)
- 实时辅助工具:与 Jev 合作构建实时写作助手,接管了 Ezra 两周内所有会议的笔记与跟进事项,实现“会议即文档”的流转。(来源:Lenny's Newsletter)
- 迭代方法论:技能经过“构建-互评(Roast)-精简”流程,避免功能臃肿。Bug 追踪使用 Codex 进行自动化测试(Bug Bashing),捕获人工易漏的边缘案例。(来源:Lenny's Newsletter)
- 团队同步机制:单一仓库确保所有 PM 使用同一套“最佳实践”,消除技能版本碎片化,这是规模化落地的关键。(来源:Lenny's Newsletter)
六、双轨可执行性
跨境:可行。面向海外 SaaS 或出海互联网团队销售“Growth PM Skill Pack”,按年收取 5000-20000 美元订阅费,需解决时区与语言协作。
国内:可行。针对本土 SaaS、MCN 或电商中台团队,定制“运营自动化技能包”,定价 3-8 万元人民币/年,依托钉钉/飞书 API 集成落地。
原文 · Lenny's Newsletter:阅读原文 →
相关工具推荐(推广):Bright Data (亮数据):让互联网数据为AI所用
