国产 Claude Cowork 真的火了，我用阶跃的 Skill 重构了产品工作流

桌面级AI助手正在重塑产品经理的工作方式。阶跃AI桌面伙伴不仅能读取本地文件、调用各类工具，更深度融入需求调研、竞品分析等核心工作流。本文将揭秘如何通过五个真实场景，让AI像实习生一样帮你完成执行层任务，释放决策精力。

———— / BEGIN / ————

1 月 12 日，Claude Cowork 的发布引发了大量讨论，也再次把关注点拉回到桌面级 AI 助手这一赛道。

但对国内用户来说，Claude Cowork 的使用门槛并不低：需要国外账号和付费，目前还仅支持 Mac，对大多数人而言，仍处在“看得到，但用不上”的阶段。

其实在国内，类似的桌面级 Agent 早就已经出现。

早在 2025 年 9 月，阶跃星辰就发布了自己的桌面级 Agent 产品——阶跃 AI 桌面伙伴。它是一款能够直接操作电脑、执行复杂任务的 AI 助手，同时支持 Windows 和 Mac，也是真正面向大众用户的桌面 Agent。

这意味着，AI 开始可以像人一样，基于电脑这个终端，读取本地的各类资料，并灵活地调用我们日常使用的各种工具来完成工作，而不再只是停留在对话层面。

也正是因为这一点，在过去一段时间里，我逐步尝试着把阶跃 AI 桌面伙伴引入到自己的产品工作流程中，让它参与调研、整理、分析和输出等具体任务。

实际用下来，我最大的感受是：电脑不再只是被我操作的工具，而是开始“自己会干活了”。

本文我会结合几个真实的工作场景，分享我是如何使用阶跃 AI 桌面伙伴的，也希望能给同样从事产品工作的你，提供一些启发和参考。

桌面级 Agent，是如何参与到我的产品工作流中的

在实际使用阶跃 AI 桌面伙伴的过程中，我刻意调整了自己原本的工作习惯：

当一个具体的工作任务出现时，我不再第一时间自己动手，而是先判断——这件事是否属于“执行层工作”，是否可以交给AI来辅助完成。

这个思路的转变带来了一个很直观的结果：在产品经理的完整工作流中，从用户需求调研、需求整理、竞品分析，到流程梳理、上线后的数据分析，越来越多偏执行、偏整理的环节，都可以由桌面级 Agent 来参与完成，而我则更多聚焦在判断和决策本身。

场景一：用户需求挖掘

作为产品经理，定期与真实用户保持接触和互动，可以很好地保持用户感，在做产品设计的时候脑海中也能更自然地浮现出一些典型的用户画像。

在这种情况下，社交平台是一个很好的渠道，由于我负责海外产品，所以会经常去reddit上看用户的帖子，收集分析用户对于竞品的反馈，从中挖掘一些机会点。

这个工作过往对我而言是超级费时的，一方面帖子一多浏览器标签页就爆炸了，另一方面还需要进行英文翻译，然后需要进行归类和统计，分析用户吐槽的内容，以及背后是否存在机会点。

我之前尝试过用rpa工具来搭建流程，但门槛实在太高了，为了让数据抓得准确，还需要去理解前端html代码里面的各种标签以及元素的定位方法，最终也只能放弃。

阶跃AI桌面助手第一个让我惊喜的点是它具备调用浏览器的能力，提供网页链接后，它可以通过内置的浏览器打开页面：

打开页面后，它会自动理解当下的任务目标，然后自动识别网页的内容结构，跟真人一样滚动查看网页，最终总结输出帖子内容的总结：

对比人工或传统 RPA，这种方式最大的变化不只是效率提升，而是信息收集这件事本身，变得足够低成本，低到我愿意更频繁地去做。

当然，不只是这种用户社区读帖子的场景，大家有类似通过网页收集信息的诉求，都可以尝试这样来使用。

场景二：需求整理

继续上面的场景，结合阶跃AI桌面助手提供的信息，现在我发现创建图片渐变效果这个点可能是一个机会点，可能由于一些竞品设计的原因，用户并不太容易学会如何去做这个图片处理，并且还收到了很多upvote。

过往我们产品团队都会维系一个需求池管理表，定期把原始需求录入到需求池中，后续在版本迭代的时候再按优先级进行版本排期，这个环节的录入也会比较麻烦，要么信息拆解不完整，后续回看还得重新翻资料；要么整理节奏跟不上，需求池逐渐失真。

这个环节，是我最早开始使用「妙计」功能的地方，它的能力类似 Claud 的 Skill，除了系统预设的妙计Skill 外，还支持自定义 妙计 Skill。

针对需求整理的问题，我在阶跃AI桌面助手里创建了一个“录需求”的妙计skill，按照团队的需求录入规范，通过 Prompt 教会它拿到一个原始需求后，需要从哪些维度进行需求的要素分析提炼，然后再进行录入本地的需求表里：

整个过程其实很像在带一个已经入职的产品实习生。

一旦通过妙计 Skill 把需求拆解的标准和录入规范教给它，后续我就不需要再反复解释背景和格式，它会按照既定方式，稳定地完成同一类工作。

妙计使用起来也非常方便，在唤起AI助手后，通过输入“/”就可以选到这个录需求的Skill，然后再把用户需求相关的帖子内容提供给它，它便会按照 skill 定义好的需求录入规范，先对需求进行信息提取，然后自动写入到我电脑本地的需求池管理表中：

场景三：竞品调研

在启动需求设计前，通常还会去进行竞品分析，过往为了更好地了解竞品最新动态，我通常会去定期去下载他们新发布的一些产品宣传物料（比如白皮书之类的），之前下载后都需要一份份打开进行阅读整理， 从中发现竞品是否有一些新的方向。

现在这个场景用具备本地文件能力的阶跃AI助手就刚刚好，我把资料都下载到一个文件夹中，然后直接让它对文件夹里面的ppt，pdf等格式文件进行总结，我直接就可以获取其中一些有价值的信息：

场景四：产品设计

除了通过自定义妙计 Skill 来封装自己的工作流程外，阶跃 AI 桌面伙伴让我觉得非常惊喜的一点是：

它对 Claude Skill 生态是兼容的。

这意味着，很多已经在 Claude 社区中被反复验证过的成熟 Skill，都可以被直接引入到桌面级 Agent 中使用，而不只是停留在对话层面。

在产品设计阶段，我就找到一个非常实用的 Claude Skill。

它的使用方式很简单：只需要提供一张产品 UI 截图，就能对整个界面进行系统性的分析，包括布局结构、信息层级、视觉规范，甚至还能进一步生成可运行的代码 demo，用于快速验证设计思路。

对产品经理来说，这类能力的价值非常明确—— 当我们在讨论设计方案时，不再只是凭感觉说「这个布局好不好」「这个层级清不清晰」，而是可以基于一套相对客观、结构化的分析结果来展开讨论。

整个 Skill 的引入过程也并不复杂。

先前往 Claude Skill （skillsmp.com），下载对应的 Skill 文件包后在本地解压：

随后在阶跃 AI 桌面伙伴中，通过输入 “/” 唤起妙计创建入口，将 Skill 文件夹整体上传，再将 Skill.md 文件中的 name 和 description 复制到妙计指令中，并在末尾补充一句“当需要阅读 Skill.md 时，请查阅 Skill.md 全部内容，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，这个 Claude Skill 就可以作为一个妙计，被直接调用了。

在实际使用中，我只需要把产品的 UI 截图交给它，它就会从布局结构、布局层级、颜色方案、字体系统、间距系统等多个维度，对界面进行专业 UI参数的拆解和分析：

有了这些信息作为基础，后续无论是和 UI 设计师讨论方案，还是在不同产品之间做横向对比，都会变得更加具体、也更容易达成共识，而不是停留在主观判断层面。

场景五：数据分析

做完产品设计，需求开发上线后，我们还得观察上线后的数据效果，过往也是需要人工来洞察数据的变化，在这个场景下，我也尝试用阶跃AI 助手来帮我。

打开“同步应用”的开关后，我在浏览器里打开google analytics，然后通过快捷键唤起它，当前正在查看的页面便自动作为上下文信息同步进去，然后就可以直接让它来进行分析：

在分析的时候，它还会先确认我们的分析诉求，确认后便可以结合对当前数据报告内容的理解，直接生成一份数据分析建议：

“当前应用”能力的引入，本质上让 AI 具备了这种“理解我正在看什么”的能力，让数据分析从一个需要频繁切换视角的过程，变成了一次更自然的协作。

桌面级 Agent，真正进入工作现场

回过头来看，这段时间使用阶跃 AI 桌面伙伴的最大感受，在于感受到它开始以一种接近人的方式参与到工作中。

从用户需求调研、需求整理、竞品调研、到流程梳理和数据分析，这些在产品工作中高频但偏执行的事情，被逐步引入桌面级 Agent 之后，人的精力反而被更多释放出来，更多用于产品决策本身。

这也是我在使用过程中最直观的一种变化——电脑不再只是被我操作的工具集合，而开始像一个真正的工作伙伴，参与到我的工作中。

站在当下这个时间点来看，桌面级 Agent 当然还远未成熟，但它已经展示出一个非常明确的方向：AI 的价值，不在于多会聊天，而在于是否真正走进了真实工作流。

也正因为如此，我会觉得阶跃 AI 桌面伙伴，是大多数人现在就能用、也用得上的桌面级 Agent。它不需要复杂配置，也不局限于某一个操作系统，而是真正可以在日常工作中发挥价值。

如果你也想体验一下，一个能够直接在电脑上帮你干活的 AI 队友，可以点击下面的链接千万「阶跃 AI」官网下载安装。

https://www.stepfun.com/download

邀请码也一并附上，感兴趣的朋友可以自行尝试：RJDQNODA

使用指引：下载客户端，安装成功后，完成手机号与验证码认证，随后输入邀请码，即可激活你的小跃。