内部分享 · 2026.07
TRAE 产品经理
工作流实战
从需求调研到数据汇报，AI 如何重塑 PM 的每一个工作环节
Work
文档与自动化
Design
原型与可视化
Code
验证与落地
从需求调研到数据汇报，AI 如何重塑 PM 的每一个工作环节
大多数 TRAE 的分享聚焦在设计师和开发者的视角。但作为产品经理，TRAE Work 的 Work、Code、Design 三种模式协同，同样为 PM 的工作流提供了完整的 AI 辅助能力——从需求调研、文档撰写、原型验证到数据分析，每一个环节都有对应的工具和技能支撑。
跨会话记住项目背景、命名规范、用户画像，不用每次重新解释。支持全局和项目两级记忆。
AI 自动生成需求大纲、任务拆解和验收清单，让需求从"口头传达"变成"可追踪文档"。
内置 Apple、Google、TikTok 等 16 套设计系统，PM 不用找设计师也能出高保真原型。
PM 日常工作的六个核心阶段，以及 TRAE Work 在每个阶段提供的对应能力。
PM 在调研阶段最耗时的是信息搜集和竞品分析。TRAE Work 提供了自动化任务和浏览器自动化两种能力，覆盖从"定期监控"到"竞品分析"的全场景。
不只是"定时信息任务"。自动化覆盖三大场景：代码仓库维护、信息检索汇总、周期性内容产出。支持固定时间、间隔触发和自然语言自定义（如"工作日早 9 点"）。
PM 实践建议：创建一个"每日竞品简报"自动化任务，设定每天早上 9 点执行，任务内容为"抓取竞品昨日的官网更新、应用商店评论和社交媒体动态，汇总成简报"。每天到工位就能看到最新竞品动态。
需求文档是 PM 最核心的产出。TRAE Work 的 brainstorming 技能和doc-coauthoring 技能，配合记忆功能，覆盖了从需求构思到文档成稿的全流程。
强制性的前置设计技能。在完成需求文档并获得确认前，禁止执行任何实现类操作。所有需求都要经过设计阶段，降低偏差与返工率。
PM 实践建议：用 brainstorming 技能启动需求分析，AI 会通过逐步提问引导你明确需求边界。确认后用 doc-coauthoring 技能生成结构化 PRD，再配合记忆功能让 AI 记住项目背景，后续对话不用重复解释。
通过分阶段的协作流程组织与完善文档内容，生成结构清晰、逻辑完整的文稿。适合撰写 PRD、技术方案、竞品分析报告。
让 AI 记住你的项目背景、命名规范、用户画像。不用每次开新对话都重新解释。支持全局记忆和项目记忆两级。
Design 模式不只是给设计师用的。PM 做产品演示或评审时，可以直接选一套内置设计系统，用自然语言描述需求，AI 生成高保真页面原型。确认后还能一键导出 Figma 给设计师精修，或发送到 Code 模式生成前端代码。
在界面左上角切换到 Design 模式，在输入框左下方选择设计风格，然后描述页面类型、核心内容、目标用户和视觉风格即可。
PM 做产品演示或评审时，不用找设计师，自己选一套设计系统就能出高保真原型。每套包含完整的主题色、字体、组件和设计规范。
| 设计系统 | 适用场景 |
|---|---|
| TRAE Work | 通用型产品，Dashboard、Landing、Settings 等中后台页面 |
| Apple | 官网首页、产品详情页，留白充足、高品质品牌感 |
| 数据分析后台，报表分析、运营监测等数据驱动型界面 | |
| TikTok | 内容平台、创作者产品、移动端沉浸式交互 |
| Doubao | AI 对话产品、任务管理、智能工作流 |
| Volcengine | 企业级 B2B 控制台、云服务平台 |
| Claude | 长文本问答、知识分析、研究辅助等阅读型产品 |
| Vercel | 部署管理、预览环境、开发者平台 |
生成的设计成果展示在画布中，支持继续编辑、预览（网页/平板/手机）、导出（Figma/PNG/JPG/HTML/ZIP），还可以直接发送到 Code 模式生成前端代码。
基于 Playwright 生成并执行自动化测试脚本。PM 不用等开发实现后才发现交互问题——用自然语言描述测试需求，AI 自动生成脚本模拟用户操作。
PM 实践建议：产品评审前，先用 Design 模式生成高保真原型，再用 webapp-testing 技能跑一遍核心交互流程。带着"已验证可交互"的原型去评审，比静态截图的说服力强十倍。评审通过后一键导出 Figma 给设计师精修。
这是大多数 TRAE 分享中完全空白的部分，但对 PM 来说是最核心的工程化能力。Spec & Plan 工作流把需求变成可版本控制、可审核、可追踪的结构化文档，形成完整的需求落地闭环。
AI 会根据需求生成完整的三阶段文档组，存储在项目根目录的 .trae/specs/ 目录中。文档首次创建时 AI 会暂停执行等待你确认。
| 使用场景 | 为什么需要 Spec 工作流 |
|---|---|
| 从零搭建新系统/模块 | 需求范围大、架构决策多，必须先对齐大纲再开发 |
| 大规模重构 | 涉及大量文件和模块间依赖，需要清晰的任务拆解 |
| 多人协作项目 | Spec 文档作为单一事实来源对齐所有人理解 |
| 高质量/高稳定性项目 | 核心业务逻辑需要详尽的验收清单确保达标 |
| 需长期维护的项目 | Spec 文档留存为项目知识资产，降低维护成本 |
适用于中小型功能开发和模块级重构。AI 分析需求并规划任务，生成计划文档（plan.md），待你确认后一一执行。不符合预期可直接编辑或让 AI 调整。
PM 实践建议：对于复杂需求，用 /spec 命令启动 Spec 工作流。AI 生成的 spec.md 就是结构化的需求大纲，可作为 PRD 骨架。tasks.md 可直接作为任务条目分配。checklist.md 是验收测试的依据。三份文档配合使用，需求从口头传达变成了可追踪的工程化文档。
PM 经常需要分析 Excel 数据、生成报表图表。TRAE Work 的 data-analysis 和 chart-visualization 两个技能，让 PM 不用自己写公式或操作 Excel，直接用自然语言描述分析需求即可。
基于 SQL 对 Excel 或 CSV 数据进行查询、聚合与多表关联分析，输出结构化结果。不用自己写 VLOOKUP 或数据透视表。
根据数据特征自动选择合适的图表类型，生成趋势、对比或结构关系的可视化结果。不用纠结用柱状图还是折线图。
PM 实践建议：把月度运营数据 Excel 上传到 TRAE Work，输入"分析各渠道获客成本趋势，对比上月变化，生成可视化图表"。AI 会自动完成数据清洗、SQL 查询、图表生成三步，最后输出一份带图表的分析报告。整个过程不用打开 Excel。
结合自动化功能，把数据分析变成定期任务。设定每天/每周/每月自动执行，AI 读取最新数据、分析、生成图表、输出报告到指定位置。
TRAE Work 提供网页版、桌面版和移动版三种形态，共享同一套账号和任务数据，实时全量同步。PM 开会时用手机下发任务，回工位在电脑查看结果；外出时手机派发云端任务实时监控。
有网络即可访问，无需下载安装，开箱即用的云端环境。适合临时需求、外出办公或快速验证。
独立应用，支持文字、语音、附件、技能等多元输入，实时展示进度并自动总结。
按住说话下达指令，向多台电脑和云端并发派发任务并实时监控。设备离线自动切换云端执行。
三端联动场景：PM 在会议中用手机语音下达"根据刚才的评审结论修改需求文档"任务，任务在云端执行；回到工位后，桌面版已同步显示任务结果；下班路上用手机查看最终产出并确认。整个过程不需要"等回到电脑前才能处理"。
云端智能体在云端环境中执行代码分析、运行和调试等任务。提供统一的运行时与依赖管理，避免本地环境差异带来的兼容性问题。PM 即使没有开发环境配置，也能在云端完成原型验证和功能测试。
Skill 是 TRAE Work 工作流提效的核心。每个 Skill 是一个可复用的能力模块，安装后 AI 会在匹配的场景自动调用。
| 技能名称 | PM 使用场景 | 推荐指数 |
|---|---|---|
| brainstorming | 需求前置分析，强制结构化思考 | 必装 |
| doc-coauthoring | 分阶段协作文档撰写，生成结构清晰 PRD | 必装 |
| data-analysis | 用 SQL 分析 Excel/CSV，不用自己写公式 | 必装 |
| chart-visualization | 自动选图表类型并生成可视化结果 | 必装 |
| webapp-testing | 用自然语言验证原型交互逻辑 | 推荐 |
| agent-browser | 浏览器自动化，批量截图竞品页面 | 推荐 |
| frontend-design | 从零生成具有明确视觉风格的前端界面 | 推荐 |
| canvas-design | 生成海报、封面等原创静态视觉内容 | 按需 |
安装方式：在 TRAE Work 左栏点击技能图标进入技能市场，搜索技能名称即可一键安装。安装后无需手动调用——AI 会根据请求自动识别并触发匹配的技能。也可以在对话中用 / 命令手动指定使用某个技能。
本分享涉及功能的官方文档链接，建议组员按需查阅学习。
TRAE 并非唯一选择。市场上还有多款具备类似能力的 AI 工作工具，产品经理需要亲自尝试，选取最适合自己工作习惯的那一款。
腾讯推出的 AI 工作助手，提供文档协作、数据分析、任务管理等能力，深度集成腾讯文档生态。
OpenAI 的代码生成工具，擅长代码补全、重构和自动化测试，适合需要快速验证技术方案的 PM。
Anthropic 推出的命令行 AI 编码代理，支持代码库理解、多文件编辑和终端操作，适合深度技术协作。
选取建议：这些工具的核心能力高度重合——AI 对话、文档生成、代码辅助、数据分析。差异主要体现在生态集成（飞书 vs 腾讯文档）、产品形态（Web vs IDE vs CLI）和模型能力上。建议每位 PM 都动手试用，找到最贴合自己工作流的那一款，然后深入用起来。工具不重要，重要的是把它用透。
AI 代替从来都不是岗位，需要多思考我们应该做些什么。
过去做产品，能力的一部分来自对工具的熟练度，会 Axure 就能当产品交互，会 SQL 就能做数据分析。而这类 AI 工具改变了评判标准——它不再主要考验你"会不会做"，而是更直接地考验你"到底想做什么"。当所有人都可以通过几句话生成"看起来不错"的页面和文档，真正拉开差距的，不再是产出速度，而是判断质量的能力。
思路清晰的人，会更容易把它用成放大器；而思路模糊的人，即便工具再强，也很难得到有质量的结果，因为它无法替你生成决策本身。
