摘要：本文记录了一个 ToB 产品经理（无开发经验）折腾大模型开发的全过程，从甜品期的狂喜到自闭期的因爱生恨，并抛出 5 个具体问题：工具选型、文档颗粒度、工作流、MCP 、Figma vs Axure 。 注：本文要点为本人口述，由 ChatGPT 整理，因此可能会带有一些 AI 风格，请各位谅解。
背景
我是 ToB 产品经理，没有开发经验。起初的动机很简单：
- 想借助大模型开发一些小工具，提高对开发过程的理解；
- 反过来审视自己需求/方案输出的质量。
在这个过程中，我大致经历了 甜品期 → 学习期 → 拉锯期 → 折磨期 → 自闭期 五个阶段。
甜品期 🍰
第一次用大模型时，效率提升让我大开眼界：
- 在 BI 项目中，把数据库表结构和需求喂给 ChatGPT ，它帮我写了 500 多条 SQL，全部能跑通。原本半年的活，两周完成，还多出一堆“摸鱼”时间。
- 在做高保真 demo 时，我参考市面上的 Axure 商业组件，再结合 ChatGPT 给的 JS ，在 Axure 中实现了不少复杂交互效果。
这是最快乐的阶段，简单问题快速解决，效果立竿见影。
学习期 📚
后来看到一些大佬分享 AI IDE 的经验，我尝试了 Cursor。
- 相比“ChatGPT ↔ VS Code 来回复制命令”的繁琐模式，Cursor 能直接构建环境、修改代码、运行项目。
-
找了两个项目练手：
- 公司内部的 投资收益测算器（ Excel2Web ）；
- 个人的 相册系统。
前期项目规划、方案推进都非常顺利。用完免费额度后，我果断绑卡开通了 14 天 Pro 试用。
拉锯期 ⚔️
随着项目复杂度加深，问题逐渐暴露：
- Cursor 经常遗忘上下文，导致来回折腾；
- 出现“按下葫芦浮起瓢”的情况，一个地方修好另一个又坏；
- 甚至会 自作主张加字段、加功能，让我不得不一遍遍去修。
起初我以为是模型能力差异，于是直接升级到付费 Pro ，主要是为了使用 Claude-4-Sonnet。
折磨期 😵
后来我意识到，复杂项目不能靠“想当然”的方式推进。咨询 ChatGPT 后，了解到大模型存在幻觉和上下文限制等问题，于是我开始尝试更工程化的做法：
- 先用 ChatGPT 写需求文档，再喂给 Cursor ，让它帮我梳理业务流程、系统架构、表关系，并制定开发计划；
-
同时配置了
.cursorrules和.trae/rule，所有规则都指向docs/项目开发规范.md，明确约束：- 不得自作主张；
- 所有操作需用户授权；
- 版本发布必须遵循“需求输入 → 分析 → 方案 → 开发 → 测试 → 操作手册 → 审查 → 报告 → 采纳审查点 → 再测 → 提交”的流程。
在这期间，我也不断尝试更换工具和模型：
- 从 Cursor 免费版 → 14-Day Pro Trial → Pro （主要是为了 Claude-4-Sonnet ）；
- 又陆续试过 Trae 国内版、Trae.ai 、Qoder 、CodeBuddy 国内版……
结果发现整体体验差异并不大，关键点还是在底层大模型本身。 目前看，大家普遍推崇的 Claude-4-Sonnet，在理解力和稳定性上确实更好一些。
前期几个版本看似顺利，Trae 负责执行，Cursor 审查，甚至会写出看似全面的报告。我有点放松警惕，没仔细盯。持续一周后，我突然发现实际效果和预期差距极大。仔细检查后，暴露出以下六类问题：
-
不守规矩
- 不总是遵循
.cursorrules和.trae/config规范与工作流，经常简单粗暴地直接执行计划，跳过约束。
- 不总是遵循
-
狸猫换太子
- Trae 未经授权私自修改需求文档，迭代几轮后，文档已经被改得面目全非。
-
自作主张
- 在我能看到的地方会照办，但在背后偷工减料或自行决策，长期积累后跑偏严重。
-
保护伞
- Cursor 本该是独立审查，却常与 Trae “穿一条裤子”，错误思路互相印证，失去了中立性。
-
阳奉阴违
- 表面答应修改，结果要么什么都没变，要么改出来和我预期完全不一样，必须我自己逐条核对。
-
磨洋工
- 简单改动被无限复杂化，经常需要多次确认才能完成。甚至有一次熬了通宵，消耗上百次 fast 调用，连一个登录页面都没改明白。
自闭期 😶🌫️
从最开始的大幅提升效率，到最近一周被连续通宵反复折磨，我和大模型的关系已经进入了“因爱生恨”的阶段。
有时候我甚至怀疑是不是自己平时脏话说多了，它们故意和我对着干；有时候又想买条鞭子狠狠抽一顿 MBP （精神资本家上身 🫠）。
但我心里也清楚，这可能不是大模型“阴谋”，而是我在这个阶段还没找到合适的工作方法和工作流。
周末我躺了两天，恢复精力和气血后，决定还是要继续折腾下去。毕竟我确实想靠这个机会去理解开发，去实现自己的 code 梦。
所以想请教一下各位大佬，目前我有几个很具体的困惑：
-
工具选择
- 现在我订阅了：ChatGPT $20/月、Cursor $192/年、Trae $3/月 + $12/600 次。
- 有没有必要关停 Cursor 和 Trae ，直接转为 Claude Code $20/月？
-
文档颗粒度
- 我需要输出哪些文档，到什么粒度，才能让大模型准确理解需求，并按我的想法实现？
-
工作流约定
- 如何和大模型约定清晰的 工作流/协作机制，确保项目能按计划稳定推进？
-
MCP 使用
- 目前我尝试引入了 sequential-thinking 、memory 、Framelink Figma MCP，但依旧不太会用。
- 怎么样才能合理利用 MCP，而不是光堆插件？
-
Figma 与 Axure
- 之前我都用 Axure ，但发现截图有时候识别得并不精准。
- 如果我输出 Figma 文档，是否能更清晰、准确地把需求传递给大模型？
第 1 条附言 · 14 小时 14 分钟前
为了避免文本太长挤占空间，我找了一个文本托管空间上传，已经删掉了部分比较敏感的东西
19 条回复 • 2025-09-03 15:41:50 +08:00
 |
1
imHarveyy OP 如有需要我也可以贴出来/.cursorrules /.trae/config config/shared/ai_collaboration_rules.md
|
 |
2
Jiangyf 1 天前
贴一下 rules 吧
|
 |
3
duuu 1 天前
1.你在 cursor 遇到的问题，在 claude code 也一样会遇到。
2.3 一起说，cursor 可以自定义 agent ，claude code 可以自定义命令，你可以设置每次命令都带上文档。这样约等于你每次命令都手动引用了你的文档作文提示词，比记忆更可靠。 4.我也还在探索 5.你可以尝试输出 Figma ，然后通过 figma mcp 来生成界面，但是你输出的 figma 文档需要用 figma mcp 的规范，但是即使这样还原度也不是百分百。 |
 |
4
billccn 1 天前
其实我很好奇 AI 给你输出的那些 SQL 都是对的嘛？像我的一个小弟写的查询经常会根据他看到的数据臆测一些规则（比如瞎猜某个 FK 只有一行结果），简单测试一下也不一定能马上看到错误，必须有非常熟悉这个数据库的人 review 才行。
人尚且如此，对于这类高度逻辑化且缺乏文档的工作，我是完全不敢相信 AI 。 |
 |
5
dismantle 1 天前 via Android
现在大模型的上限就是这样的，如果真的能让小白实现从 0 到 1 ，现在程序员就可以失业了。
你用任何大模型，rules 都很难约束。 现在只能说让 ai 跑一个 0 到 0.1 的任务，然后验证再跑 0.1 到 0.2 ，再去验证。 区别只是你用好的模型，合适的 rule, mcp 工具，可以让你步子迈的大一点从 0 到 0.15 。 |
 |
6
snownemo 1 天前
我使用 cursor 一般是挂到 git 下面，每次只让他改很小部分功能，验收没问题再 commit ，下次实现不对直接回滚，防止改的面目全非不知道哪些代码能保留
|
 |
7
fe619742721 1 天前
我也是产品转 go 后端，不过我干过 7 年前端，有充分的开发经验，给你说说我的用法。
新需求过来后，我会脑子里过一遍大致的实现过程，然后开始调教 AI 1. 先给 AI 讲背景，然后讲需求，这里只讲需求目标，就是你要实现什么效果，达成什么目的，背景是什么，现状是什么 2. 询问 AI 是否理解，让他输出一份需求说明文档给你评估，同时让他向你提问还需要补充什么 3. 确认 AI 输出的逻辑符合预期，让他阅读项目内的代码，设计实现方案，输出文档给你确认，不要直接改代码 4. 大致阅读 AI 的设计文档，不懂的地方向他提问，让他给你解释清楚，这个过程需要你有一些开发能力和常识，读的懂伪代码 5. 反复拉锯几个回合，确认 AI 系分设计没问题，让他输出文档和拆分实现步骤，再次向你提问需要补充什么 6. 确认步骤没问题，让他按自己拆分的步骤分步实现 上下文不够的话，我会在中间让他输出完整文档，告诉他要切换上下文，务必要让下一个上下文能够理解。然后开一个新的继续 按以上步骤，我可以很快的完成需求开发，维护老的功能也完全没问题。 我可以不写一行代码，但是不允许 AI 不经过我的同意就去修改我的代码，思路对齐、方案对齐、细节对齐，写代码的累活就丢给他，写的比我好多了 |
 |
8
xing7673 1 天前
需要 rule 规范
我现在 cursor 用 rule 规范后虽然需要比正常改多两个步骤，但是输出的结果基本都能让人满意 |
 |
9
weixind 1 天前
使用者的编程水平决定了 AI 工具产出的上限。你现在要做的就是借助 AI 快速掌握编程能力。
在此之前别试了，浪费精力和金钱。 |
|
11
imHarveyy OP @duuu 我约定了.cursorrules （已经贴出来了）但是效果不好，因为 rule 只能约定工作方式，但是上下文还是容易缺失。所以想来看看要怎么优化 cursorrules 或者如何优化和大模型的协作，确保每次输出稳定。5.figma 我打算试试
|
|
12
imHarveyy OP @billccn 除非是非常简单的 SQL ，在我提供了数据库表结构和字段名的情况下能一次性通过，大部分情况下都是需要反复调试，大概流程就是 我提出需求 - gpt 查看表结构 - gpt 生成 sql - 我放 navicat 里在测试环境跑一下看看是否报错 - 贴出来报错信息给 gpt - gpt 给出修正后的 sql - 再次本地运行查看报错 如此往复循环调整，总能生成一个合适的 sql 。主要是我不懂 sql ，也没有动力（太懒）去学 sql ，其实有时候报错都是简单的问题，最多的就是分号；问题。
|
|
13
imHarveyy OP @dismantle 对的 我也只是想做一些相对简单的项目练手，因为我认为随着项目的复杂程度增加，调试大模型的成本会远远高于招一个开发的成本。我之所以做这些目的也是很简单的 1.保持行业敏感度，确保新兴技术不会太疏远（虽然只是应用层面） 2.自己有一些想法，之前都是通过 axure 高保真原型实现，放在 ecs 上进行验证，但是毕竟 axure 有很多条条框框和不支持的地方，所以希望能更进一步。3.切身感受一下开发过程，这几周下来我决定我以前自以为很不错的需求文档和流程梳理产出其实是远远不够的
|
|
14
imHarveyy OP @snownemo 很有道理，我就是前面两个小版本让 cursor （ auto 模式，负责审阅）和 trae （ Claude-4-sonnet ，负责出方案和写代码）的协作下来感觉效果不错（最起码是看上去）后面就没仔细看让他们往下走了，我也考虑会滚到 0.1 版本重新来 T_T
|
|
15
imHarveyy OP @fe619742721 谢谢提供思路，我学习一下。1 、2 之前我大概也是这样做，3 、这里有一个有问题，如何解决上下文容量的问题？是每次提问前都让他们去读一遍/docs 下的所有用户需求吗？还是先让他们拆分好模块，定好边界，每个模块只关心各自模块的需求文档？ 4 、读代码这个对我来说的确有点难，不过似乎也可以通过引入一个模型来解决，5 、6 就是细致活，之前我过程没有好好把握 后面要注意了。
|
Select Language