正文
会呈现出怎样的变化。
未来，很多时候我们只需要简单地
口头表达需求
，比如：
这些场景，过去往往需要产品经理、设计师、运营、工程师等角色多轮沟通、多轮手动制作，而在AI的加持下，现在
只需一句话的描述
，系统就可以理解意图、自动完成中间的繁琐环节，直接产出高质量的结果。
可以看到，这样的流程设计，已经
非常接近我们的自然思考方式
了 —— 不再是先写需求文档，再开发，再调整，而是
从想法到成品，几乎无缝衔接
。
下面，我们就一步步用AI来辅助我们做一个完整的产品。
1.先搞清楚我们到底要做啥
让 AI 帮我们拆解需求内容
一拿到赛题，其实挺容易看着发懵的。题目写得复杂，字也不少，读几遍还是抓不住重点。这个时候，把赛题内容丢给 Amazon Q，它就能帮我们捋清楚逻辑。
比如：题目到底要解决什么问题？有没有什么限制条件？评判标准是啥？它能一步步帮我们拆解出来，相当于是先把方向搞明白，别一开始就瞎忙活。
咱们直接先拿到赛题信息：https://sourl.co/G6XeJn，我们可以直接点击“Ctrl+S”直接把赛题的网页信息拿下来，当然你也可以全选复制到markdown文本中，这种方法都需要确保赛题的文本不是图片格式的。
接下来，让我们的Amazon Q可以去读取一下这个题目，然后给我们分析一下我们需要参加什么样子的比赛，建议的方向是什么。
Prompt模版参考：
我现在有一份赛题内容，我希望你能像一位产品策略专家一样帮我逐步拆解它的核心要素。请你按照以下逻辑来分析：
问题定义：这份题目想解决的核心问题是什么？能不能帮我总结成一句话的问题描述？
目标澄清：最终希望达到的结果是什么？目标是产品交付、用户增长，还是解决某个痛点？
评判标准：有没有明确的评分维度或隐含的成功标准？比如技术可行性、商业价值、用户体验等。
约束条件：有没有给出特定的使用范围、时间限制、技术框架或者团队配置要求？
用户视角：从用户角度出发，这个题目服务的核心人群是谁？他们有什么痛点或需求？
帮我用结构化的方式回答，最好每点用简洁直白的语言概括清楚，适合后续直接拿去写 PRD 或进入头脑风暴阶段。
这个 Prompt 的核心设计是参考了
设计思维
（
Design Thinking
）中的问题定义阶段
，以及
产品经理
常用的 4W1H 框架（What/Why/Who/When/How）
，同时也留了很大的空间让 Amazon Q 用自己的知识和分析能力展开拆解。
你可以把这个模板稍微调整一下用在不同题目上，比如补充上下文或加上具体的题干，AI 就能更准确地帮你分析。
2.想点子的时候，别自己瞎琢磨
让 AI 帮我们进行头脑风暴
有了方向，下一步当然是想办法解决问题。但一个人脑子里蹦出来的点子毕竟有限，有时候还容易陷进去出不来。把思路说给 AmazonQ 它听，它就能从不同角度帮你发散思维。
比如可以从用户需求、技术实现、商业价值这几个方向帮你找灵感，还能顺手把你说的一些模糊点归纳得更清楚。就像随时有个不累的同事在和你对话。
Prompt 模板：帮我发散思路、头脑风暴一下解决方案
接下来我想请你帮我进行一轮头脑风暴，围绕我们已经明确的赛题方向，帮我从不同角度提出一些可能的产品创意或解决思路。
请你尝试从以下几个维度来发散，每个维度列出多个可探索的方向或场景：
用户视角：用户是谁？他们的痛点可能在哪？有没有什么新的使用场景可以挖掘？
技术可行性：基于当前主流的大模型、API、工具，能不能有技术上的新用法或组合？
场景拓展：除了直接解决问题的方案，有没有什么“借力”的方式？比如结合已有平台、已有数据流？
商业与增长：有没有什么设计能兼顾转化率、用户留存、商业模式？
已有方案优化：现在市面上有没有类似解决方案？能不能改造升级、差异化突破？
如果可以，也帮我用一句话总结每个创意背后的核心逻辑。目标不是一步到位，而是尽可能多地打开思路，把盲区点亮。
这个 Prompt 的设计，核心参考了几个专业的创意发散模型：
你可以把当前你手头的赛题描述或已有的思路补充进去，效果会更好。
3.搞清楚用户到底在意什么
