PRD不再是终点:Figma Make 如何把产品经理从“写文档”推进到“造原型”

AI PM 编辑部 · 2025年11月24日 · 8 阅读 · AI/人工智能

正在加载视频...

视频章节

一个反直觉的事实正在发生:最完整、最花时间写出来的 PRD,正在成为产品推进中最慢的那一环。Figma 在 Config 上展示的 Make connectors,给了 PM 一个新选择——把 PRD 直接“喂”给 AI,几分钟内生成可交互原型。这不仅是效率提升,而是在重写 PM、设计师和工程师之间的协作方式。

PRD不再是终点:Figma Make 如何把产品经理从“写文档”推进到“造原型”

一个反直觉的事实正在发生:最完整、最花时间写出来的 PRD,正在成为产品推进中最慢的那一环。Figma 在 Config 上展示的 Make connectors,给了 PM 一个新选择——把 PRD 直接“喂”给 AI,几分钟内生成可交互原型。这不仅是效率提升,而是在重写 PM、设计师和工程师之间的协作方式。

PRD 写得越好,推进反而越慢?

视频一上来就戳中了一个所有 PM 都心照不宣的痛点:我们花了大量时间写 PRD。目标、用户、Persona、Use Case、UX 文案、语气示例、视觉规范……一切都写得极其完整。但现实是,这份“完美文档”交到设计师或工程师手里,往往还要几天甚至几周,才能真正转化成可以讨论的东西。

问题不在于大家不努力,而在于文字的传递成本太高。需求在“阅读 → 理解 → 想象 → 转译成界面或代码”的过程中不断损耗。哪怕 PRD 再清晰,也很难避免“我以为你指的是这个”的翻译偏差。

Figma Make 的切入点非常犀利:既然 PRD 已经是一个高度投入、信息密度极高的“超级 Prompt”,为什么还要 PM 再从零写一遍 AI Prompt?真正浪费时间的,不是原型,而是这个重复的转译过程。

Make connectors 的真正威力:PRD = 可执行上下文

真正让现场气氛起来的,是 Make connectors 的发布。

一句话总结:Make 不只是一个生成式设计工具,而是一个 MCP client,可以直接连接 Notion、GitHub、Linear、Atlassian 等工具,把“外部真实数据”拉进 AI 的推理上下文。

在演示中,PM 做了一件极其“偷懒”但聪明的事:他没有重新描述需求,只写了一句话——“Implement the MVP experience outlined in the Astra video editor interface PRD from Notion.”

接下来发生的事很关键:Make 自动识别这是一个需要访问 Notion 的请求,通过 MCP server 搜索、定位、抓取对应的 PRD 页面,把里面的所有目标、约束和细节当成上下文来推理。PRD 不再是“参考资料”,而是直接参与生成结果的输入。

这一步的意义在于,它把提示工程从‘写得好不好’,升级成了‘你有没有把真实工作流接进来’。过去我们教 PM“投资第一条 Prompt”,现在答案变成:你已经投资过了,那就是你的 PRD。

为什么设计师反而喜欢 PM 先丢一个原型

一个很容易引发争议的问题被直接点破:当 PM 交付的是一个“相对高保真”的原型,设计师会不会反感?

演讲者的回答非常坦率:他反而喜欢。

原因不在于这个原型有多完美,而恰恰相反——它不完美,但足够具体。波形拖动时的异常、Toast 堆叠的问题、交互手感的不自然,这些都是在 PRD 阶段永远讨论不清楚的东西,但一旦“能摸到”,讨论立刻升级。

更重要的是,Make 并没有把设计师挡在门外。原型可以被:
- 直接在画布上 Point-to-edit
- 跳转到底层 React 代码实时修改
- 一键复制为 Figma 设计图层,进入传统设计画布继续发散

这改变了协作节奏:不是 PM 先定方案、设计师来“美化”,而是大家更早进入高质量博弈。成本变低后,讨论的重心自然从“做不做”转向“值不值得”。

从 Prompt 工程到 Context 工程,PM 的新分水岭

如果只把这次发布理解成“Make 更聪明了”,那就低估了它的影响。

真正的变化在于角色能力模型的迁移:
- 旧能力:会不会写 Prompt
- 新能力:能不能搭好 Context

会写 PRD 的 PM 很多,但能把 PRD、设计资产、项目管理工具、代码仓库这些上下文系统性连起来的 PM,才会真正拉开差距。Make connectors 本质上是在提示一个趋势:AI Agent 不缺能力,缺的是被允许访问真实世界的工作材料。

谁先把这些材料结构化、连接好,谁就更早进入“用 AI 思考”的阶段,而不是“用 AI 打字”。

总结

这条视频最值得 PM 和 AI 从业者记住的一点是:未来的竞争优势,不在于你会不会用某个 AI 工具,而在于你的工作成果是否已经是“可被 AI 消化的上下文”。

如果你是 PM,下一步不是学更多 Prompt 技巧,而是反思:你的 PRD 是否真的结构清晰、信息完整、可被机器理解?如果你是设计师或工程师,也许可以更早拥抱这种“不完美但可运行”的原型协作方式。

一个值得思考的问题是:当 PRD 可以直接生成原型,原型可以直接进入设计和代码,那些只停留在“对齐共识”的会议,还剩下多少必要性?


关键词: Figma Make, MCP Connector, PRD, AI Agent, 提示工程

事实核查备注: 需要核查:Figma Make 在 Config 上宣布成为 MCP client 的具体发布时间;支持的首批 connector 平台名单(Notion、GitHub、Linear 等);MCP 的官方定义与能力边界;演示中是否真实连接 Supabase。