关键转折点：2025.11.11
- 听了发俊老师那回组织的AI编程工具使用的分享。
- 之前就一直想试 Cursor，但苦于不知道怎么操作。
- → Cursor 是第一个"有手"的 AI。
- Gemini 3 Pro + Nano Banana + NotebookLM。
- 能不能用 AI 来生成互动课件？
- 12月述职答辩提到 → 种子种下 🌱。
模型对比：
Gemini vs Kimi
- 起因：某一刻 Kimi 2.5 突然全网火了
- 过程：选用同一个互动资源智能生产项目进行横向对比
- 结论明确：Kimi 2.5 在代码质量和编辑体验上更胜一筹
- 产品启示：Kimi 的代码编辑器设计非常值得借鉴
💡 必修课：不同任务下模型边界显著，养成多模型横测习惯。
Lv.2 副产品
Jolin's AI-Native Product Lab
- 一开始只会写静态网站
- 学了部署 → 买域名 chenjialing.cn
- 数据实时 → Supabase（免费）
- 用户行为 → PostHog（免费）
标准技术栈 = 前端 + Supabase + PostHog + Cloudflare + GitHub
把 AI 从工具变成同事
这就是我的 AI 合伙人 -- "Jolin 的产品高级合伙人" 🦐
我的多智能体
一个 Gateway 同时运行多个 Agent，
每个完全隔离 -- 独立的人格、记忆、技能。
🦐 Agent "main"（工作虾）
竞品分析、需求分析、文档撰写、Demo 实现
📚 Agent "learning"（学习虾）
高效学习助手，专注 AI 知识学习与整理
一只虾根本不够用，后面还得整几只！
我的Agent 的人格：SOUL.md
给 AI 写一份"人格说明书"
我写了什么？
• 核心价值观：结果导向、洞察优于搬运
• 行为准则：如果需求可能拖延交付，它必须主动质疑我
上哪儿写去？
• 把你的文字发给小龙虾，让它给你改就行了
竞品数据定时爬取
📖 需求故事
监控飞象老师和好未来老师帮两个竞品的课件增量数据——手动每天看不现实，页面上连累计作品数都没有，得一个个赛道点进去自己数。
🔧 怎么做的
在飞书里跟 Agent 说"帮我写一个定时爬取竞品数据的技能"。它自己创建 Skill 目录、写 Selenium 爬虫、配 cron 每晚 22:00 跑，数据存 Supabase，看板自动更新。
Skill 1 踩坑合集
坑 1：浏览器扩展安装翻车
一开始想装 agent-browser 扩展，死活安装不上。后来靠聊天发现 OpenClaw 已内置浏览器控制能力，直接升级（3.8 → 3.13）。升级方法极简：直接跟小龙虾说"帮我升级到最新版"就行。
坑 2：让它自己找页面元素，又慢又错
一开始让合伙人自己去页面上找按钮，它要反复截图、探查 DOM，一个平台折腾几个小时。
解法：打开 DevTools (F12)，把目标元素的 class 名复制给它，几秒钟搞定。
互动课件自动生成
📖 需求故事
横向测评我们的、猿辅导的、好未来的课件生成效果--手动操作 4 个平台 × 10 个需求 × 5 轮 = 200 次手动操作。让合伙人来干。
🔧 执行过程
跟合伙人说："帮我写一个自动在三个平台生成互动课件的 Skill"。提前把关键位置的 class 找出来告诉它，创建这个 Skill 明显顺畅很多--每一个坑都不白踩。
🏆 最终成果
一句 prompt → 多平台同时生成 → 结果自动入库
Skill 2 踩坑合集
踩坑 1: 飞象老师的输入框是个大坑
飞象的输入框用的是不是普通的 input，用代码往里面塞文字，页面看着是对的，但实际发送的还是原来的推荐prompt。最后的解法：先写到系统剪贴板，再模拟 Cmd+V 粘贴，走系统的粘贴事件链才行。
踩坑 2: 好未来老师帮的 UI 藏在 iframe 里的 iframe
真正的功能界面不在主页面上，而是嵌在一个iframe 里面，而那个iframe 又指向另一个域名。
关键经验：人工纠偏
测评逻辑是关键--怎么知道它测评的对不对呢？ 写完之后让它先概述自己的逻辑，再由人工介入纠偏，确保评测维度符合真实业务标准。
从数据到产品规划书（上）
前面三个 Skill 提供了数据和工具，但最终需要的是--基于这些数据输出产品决策文档。这些文档全部由自然语言描述需求，合伙人自主执行生成。
Step 1：体验我们自己的产品
"你去把 ITeach 课件动画从头到尾体验一遍，给我出一份深度分析报告。" 它自己打开浏览器，走完全流程，26 个问题逐一截图取证，输出飞书文档 + 多维表格看板。
Step 2：体验竞品功能
"再去看看飞象老师和好未来老师帮，做一份功能对比分析。" 它自己切到竞品网站，到处点点点，功能全看一遍，输出 12 章节的竞品功能分析报告。
从数据到产品规划书（下）
Step 3：基于爬虫数据做需求洞察
"用你抓到的 12.9 万课件数据，帮我反推一下用户到底需要什么。" 它从 Supabase 拉出 36 个赛道的收藏数据，输出完整用户需求洞察报告。
Step 4：整合所有数据写产品规划书
"基于竞品分析、产品体验报告、需求洞察、评测数据帮我写一份完整的产品规划书。" 它把所有前序文档交叉引用，输出 产品规划书，每个结论都有来源。
产出清单与全链路闭环
而且所有文档之间是交叉引用的--规划书里的数据来自爬虫，结论来自评测，优先级来自体验报告。它不是孤立地写一篇文档，是在做一个完整的产品分析闭环。"
它还会自我进化
self-improvement 技能
- 错误日志：5 条
- 经验教训：6 条
- 能力需求：2 条（主动记录做不到的事）
长期记忆体系
还有一些小坑
? 不知道怎么创建 Skill？
其实直接跟它说就行。不需要看文档，不需要写代码，就像和同事说"帮我建一个新工具"一样自然。
? 小龙虾老不理我？
默认上下文窗口和 max token 太小了。记得调大配置，否则复杂任务会被截断或无响应。
但愿意动手试的人永远是少数。
就是一个不会写代码的产品经理，
用 AI 一步一步踩坑、一步一步摸索出来的工作流。
那这次分享就值了。