國產 Claude Cowork 真的火了，我用階躍的 Skill 重構了產品工作流

桌面級AI助手正在重塑產品經理的工作方式。階躍AI桌面伙伴不僅能讀取本地文件、調用各類工具，更深度融入需求調研、競品分析等核心工作流。本文將揭秘如何通過五個真實場景，讓AI像實習生一樣幫你完成執行層任務，釋放決策精力。

———— / BEGIN / ————

1 月 12 日，Claude Cowork 的發布引發了大量討論，也再次把關注點拉回到桌面級 AI 助手這一賽道。

但對國內用戶來說，Claude Cowork 的使用門檻并不低：需要國外賬號和付費，目前還僅支持 Mac，對大多數人而言，仍處在“看得到，但用不上”的階段。

其實在國內，類似的桌面級 Agent 早就已經出現。

早在 2025 年 9 月，階躍星辰就發布了自己的桌面級 Agent 產品——階躍 AI 桌面伙伴。它是一款能夠直接操作電腦、執行復雜任務的 AI 助手，同時支持 Windows 和 Mac，也是真正面向大眾用戶的桌面 Agent。

這意味著，AI 開始可以像人一樣，基于電腦這個終端，讀取本地的各類資料，并靈活地調用我們日常使用的各種工具來完成工作，而不再只是停留在對話層面。

也正是因為這一點，在過去一段時間里，我逐步嘗試著把階躍 AI 桌面伙伴引入到自己的產品工作流程中，讓它參與調研、整理、分析和輸出等具體任務。

實際用下來，我最大的感受是：電腦不再只是被我操作的工具，而是開始“自己會干活了”。

本文我會結合幾個真實的工作場景，分享我是如何使用階躍 AI 桌面伙伴的，也希望能給同樣從事產品工作的你，提供一些啟發和參考。

桌面級 Agent，是如何參與到我的產品工作流中的

在實際使用階躍 AI 桌面伙伴的過程中，我刻意調整了自己原本的工作習慣：

當一個具體的工作任務出現時，我不再第一時間自己動手，而是先判斷——這件事是否屬于“執行層工作”，是否可以交給AI來輔助完成。

這個思路的轉變帶來了一個很直觀的結果：在產品經理的完整工作流中，從用戶需求調研、需求整理、競品分析，到流程梳理、上線后的數據分析，越來越多偏執行、偏整理的環節，都可以由桌面級 Agent 來參與完成，而我則更多聚焦在判斷和決策本身。

場景一：用戶需求挖掘

作為產品經理，定期與真實用戶保持接觸和互動，可以很好地保持用戶感，在做產品設計的時候腦海中也能更自然地浮現出一些典型的用戶畫像。

在這種情況下，社交平臺是一個很好的渠道，由于我負責海外產品，所以會經常去reddit上看用戶的帖子，收集分析用戶對于競品的反饋，從中挖掘一些機會點。

這個工作過往對我而言是超級費時的，一方面帖子一多瀏覽器標簽頁就爆炸了，另一方面還需要進行英文翻譯，然后需要進行歸類和統計，分析用戶吐槽的內容，以及背后是否存在機會點。

我之前嘗試過用rpa工具來搭建流程，但門檻實在太高了，為了讓數據抓得準確，還需要去理解前端html代碼里面的各種標簽以及元素的定位方法，最終也只能放棄。

階躍AI桌面助手第一個讓我驚喜的點是它具備調用瀏覽器的能力，提供網頁鏈接后，它可以通過內置的瀏覽器打開頁面：

打開頁面后，它會自動理解當下的任務目標，然后自動識別網頁的內容結構，跟真人一樣滾動查看網頁，最終總結輸出帖子內容的總結：

對比人工或傳統 RPA，這種方式最大的變化不只是效率提升，而是信息收集這件事本身，變得足夠低成本，低到我愿意更頻繁地去做。

當然，不只是這種用戶社區讀帖子的場景，大家有類似通過網頁收集信息的訴求，都可以嘗試這樣來使用。

場景二：需求整理

繼續上面的場景，結合階躍AI桌面助手提供的信息，現在我發現創建圖片漸變效果這個點可能是一個機會點，可能由于一些競品設計的原因，用戶并不太容易學會如何去做這個圖片處理，并且還收到了很多upvote。

過往我們產品團隊都會維系一個需求池管理表，定期把原始需求錄入到需求池中，后續在版本迭代的時候再按優先級進行版本排期，這個環節的錄入也會比較麻煩，要么信息拆解不完整，后續回看還得重新翻資料；要么整理節奏跟不上，需求池逐漸失真。

這個環節，是我最早開始使用「妙計」功能的地方，它的能力類似 Claud 的 Skill，除了系統預設的妙計Skill 外，還支持自定義 妙計 Skill。

針對需求整理的問題，我在階躍AI桌面助手里創建了一個“錄需求”的妙計skill，按照團隊的需求錄入規范，通過 Prompt 教會它拿到一個原始需求后，需要從哪些維度進行需求的要素分析提煉，然后再進行錄入本地的需求表里：

整個過程其實很像在帶一個已經入職的產品實習生。

一旦通過妙計 Skill 把需求拆解的標準和錄入規范教給它，后續我就不需要再反復解釋背景和格式，它會按照既定方式，穩定地完成同一類工作。

妙計使用起來也非常方便，在喚起AI助手后，通過輸入“/”就可以選到這個錄需求的Skill，然后再把用戶需求相關的帖子內容提供給它，它便會按照 skill 定義好的需求錄入規范，先對需求進行信息提取，然后自動寫入到我電腦本地的需求池管理表中：

場景三：競品調研

在啟動需求設計前，通常還會去進行競品分析，過往為了更好地了解競品最新動態，我通常會去定期去下載他們新發布的一些產品宣傳物料（比如白皮書之類的），之前下載后都需要一份份打開進行閱讀整理， 從中發現競品是否有一些新的方向。

現在這個場景用具備本地文件能力的階躍AI助手就剛剛好，我把資料都下載到一個文件夾中，然后直接讓它對文件夾里面的ppt，pdf等格式文件進行總結，我直接就可以獲取其中一些有價值的信息：

場景四：產品設計

除了通過自定義妙計 Skill 來封裝自己的工作流程外，階躍 AI 桌面伙伴讓我覺得非常驚喜的一點是：

它對 Claude Skill 生態是兼容的。

這意味著，很多已經在 Claude 社區中被反復驗證過的成熟 Skill，都可以被直接引入到桌面級 Agent 中使用，而不只是停留在對話層面。

在產品設計階段，我就找到一個非常實用的 Claude Skill。

它的使用方式很簡單：只需要提供一張產品 UI 截圖，就能對整個界面進行系統性的分析，包括布局結構、信息層級、視覺規范，甚至還能進一步生成可運行的代碼 demo，用于快速驗證設計思路。

對產品經理來說，這類能力的價值非常明確—— 當我們在討論設計方案時，不再只是憑感覺說「這個布局好不好」「這個層級清不清晰」，而是可以基于一套相對客觀、結構化的分析結果來展開討論。

整個 Skill 的引入過程也并不復雜。

先前往 Claude Skill （skillsmp.com），下載對應的 Skill 文件包后在本地解壓：

隨后在階躍 AI 桌面伙伴中，通過輸入 “/” 喚起妙計創建入口，將 Skill 文件夾整體上傳，再將 Skill.md 文件中的 name 和 description 復制到妙計指令中，并在末尾補充一句“當需要閱讀 Skill.md 時，請查閱 Skill.md 全部內容，并基于 Skill.md 的指引查看其余文件，下面是我的指令”：

完成保存后，這個 Claude Skill 就可以作為一個妙計，被直接調用了。

在實際使用中，我只需要把產品的 UI 截圖交給它，它就會從布局結構、布局層級、顏色方案、字體系統、間距系統等多個維度，對界面進行專業 UI參數的拆解和分析：

有了這些信息作為基礎，后續無論是和 UI 設計師討論方案，還是在不同產品之間做橫向對比，都會變得更加具體、也更容易達成共識，而不是停留在主觀判斷層面。

場景五：數據分析

做完產品設計，需求開發上線后，我們還得觀察上線后的數據效果，過往也是需要人工來洞察數據的變化，在這個場景下，我也嘗試用階躍AI 助手來幫我。

打開“同步應用”的開關后，我在瀏覽器里打開google analytics，然后通過快捷鍵喚起它，當前正在查看的頁面便自動作為上下文信息同步進去，然后就可以直接讓它來進行分析：

在分析的時候，它還會先確認我們的分析訴求，確認后便可以結合對當前數據報告內容的理解，直接生成一份數據分析建議：

“當前應用”能力的引入，本質上讓 AI 具備了這種“理解我正在看什么”的能力，讓數據分析從一個需要頻繁切換視角的過程，變成了一次更自然的協作。

桌面級 Agent，真正進入工作現場

回過頭來看，這段時間使用階躍 AI 桌面伙伴的最大感受，在于感受到它開始以一種接近人的方式參與到工作中。

從用戶需求調研、需求整理、競品調研、到流程梳理和數據分析，這些在產品工作中高頻但偏執行的事情，被逐步引入桌面級 Agent 之后，人的精力反而被更多釋放出來，更多用于產品決策本身。

這也是我在使用過程中最直觀的一種變化——電腦不再只是被我操作的工具集合，而開始像一個真正的工作伙伴，參與到我的工作中。

站在當下這個時間點來看，桌面級 Agent 當然還遠未成熟，但它已經展示出一個非常明確的方向：AI 的價值，不在于多會聊天，而在于是否真正走進了真實工作流。

也正因為如此，我會覺得階躍 AI 桌面伙伴，是大多數人現在就能用、也用得上的桌面級 Agent。它不需要復雜配置，也不局限于某一個操作系統，而是真正可以在日常工作中發揮價值。

如果你也想體驗一下，一個能夠直接在電腦上幫你干活的 AI 隊友，可以點擊下面的鏈接千萬「階躍 AI」官網下載安裝。

https://www.stepfun.com/download

邀請碼也一并附上，感興趣的朋友可以自行嘗試：RJDQNODA

使用指引：下載客戶端，安裝成功后，完成手機號與驗證碼認證，隨后輸入邀請碼，即可激活你的小躍。