第1章：当AI遇见校园——产品经理的初体验 / When AI Meets Campus: First Taste of a Product Manager

阳光透过实验楼的玻璃窗，洒在一年一度的校园科技节展台上。小明挤在人群里，目光被一个银白色的机器人吸引——它正用机械臂灵巧地将塑料瓶、废纸和果皮分别投入三个垃圾桶，旁边标着“AI智能垃圾分类系统”。机器人的摄像头闪烁蓝光，语音播报：“检测到塑料瓶，属于可回收物。”周围传来同学的惊叹：“太酷了！像科幻电影一样！”小明心里一动：如果每个班级都有这样的机器人，垃圾分类不就变得简单了吗？

他凑近观察，机器人正处理一个酸奶杯。杯子被压扁了，上面还沾着果粒，机器人犹豫了几秒，机械臂在空中停顿，最终把它扔进了“其他垃圾”桶。“错了，”小明小声说，“酸奶杯洗净后应该是可回收的。”但机器人没有纠正，只是继续等待下一个物品。小明注意到，机器人的动作并不快，每分钟只能处理三四个垃圾，而且当有人递过一张沾了油污的餐巾纸时，它完全无法识别，只能发出“无法分类，请手动处理”的提示。展台负责人热情地解释：“这是我们和校外科技公司合作开发的 prototype，还在优化算法！”小明点点头，心里却浮起一丝疑惑：这么厉害的技术，为什么看起来……不太实用呢？

他站在展台边，看着同学们排队体验。轮到高一（3）班的李华了，他随手把香蕉皮和塑料袋一起扔进机器人“厨余垃圾”的入口。机器人立刻卡住，机械臂抽搐了两下，屏幕上跳出错误代码。李华撇撇嘴：“真麻烦，还不如直接扔大垃圾桶。”负责人慌忙 reboot 系统，脸上闪过一丝尴尬。小明默默记下：技术演示很完美，但真实场景中，用户行为不可预测，系统脆弱。

科技节结束的铃声响起，人群散去。小明没走，他绕着机器人走了一圈，发现它的电源线拖在地上，旁边贴着一张手写便条：“注意：需稳定电源，避免阳光直射，环境噪音低于50分贝。”他苦笑：学校走廊哪有这样的条件？垃圾桶周围永远嘈杂，阳光直射，电源插座还得抢。这个机器人像是实验室里的珍稀动物，被精心呵护，却无法在真实世界的“丛林”中生存。

回教室的路上，小明的书包里装着科技节宣传册，心里却像塞了团乱麻。他是校学生会环保部的成员，去年还发起过“垃圾分类挑战赛”，可 participation rate 不到30%。为什么？因为麻烦。现在，一个能自动分类的机器人出现了，理论上应该大受欢迎，但它本身反而成了麻烦——需要专人看护、怕脏怕吵、速度慢、容易出错。技术明明在进步，为什么解决不了实际问题？他抬头看向操场，几个同学正把饮料瓶踢来踢去，最后扔进“其他垃圾”桶。那个瞬间，小明忽然意识到：或许，问题从来不是技术不够酷，而是我们根本没说清楚——到底要解决什么问题？

“你在想什么？”一个温和的声音打断了他的沉思。小明转头，看到王老师——学校的创业导师，也是物理组的金牌教师，手里抱着一摞学生项目计划书。“王老师，”小明脱口而出，“我今天看到个AI垃圾机器人，技术很炫，但根本没法用。为什么？”王老师笑了，眼角的皱纹像在说“我早料到你会这么问”。“走，去我办公室坐坐，”他说，“泡杯茶，聊聊。”

王老师的办公室堆满了书和模型，墙上贴着学生设计的海报。他递给小明一杯蜂蜜水，自己倒了杯绿茶。“你知道产品经理吗？”王老师开门见山。小明摇摇头，只在科技新闻里听过“产品经理”这个词，总觉得是“管产品的经理”，有点像班主任管班级。“不是的，”王老师说，“产品经理不是技术开发者，而是问题定义者和价值创造者。他的工作不是写代码，而是回答三个问题：用户是谁？他们真正需要什么？我们如何用可行的方案满足需求，同时创造商业或社会价值？”

小明眨眨眼：“所以，那个AI机器人，是技术团队做的，但产品经理应该先问：谁用它？怎么用？值不值得做？”“没错！”王老师一拍桌子，“技术思维是‘我能做什么’，产品思维是‘用户需要什么’。AI机器人团队可能想展示技术能力，但没深挖：学校垃圾分类的痛点到底是什么？是学生不想分？是清洁工太累？还是缺乏监督？他们直接跳到解决方案，却跳过了问题定义。”

小明想起机器人展台上的标语：“智慧校园，未来已来。”“未来已来，但用户不买账啊，”他说，“学生觉得麻烦，老师觉得贵，保洁阿姨说还得教机器人认垃圾，不如自己分快。”王老师点头：“这就是典型的‘技术驱动’而非‘需求驱动’。产品经理的第一课，就是 resisting the urge to jump to solutions. 我们先要像侦探一样，挖出真实问题。”

“怎么挖？”小明问。“问五个为什么，”王老师说，“丰田生产法里的经典工具。对任何现象，连续追问‘为什么’，直到触及根本原因。不是 blame，而是理解。”他拿起一张纸，画了个树状图。“试试你的垃圾机器人：为什么它不实用？第一层：因为识别不准、速度慢、条件苛刻。为什么识别不准？因为算法训练数据不足，只用了标准垃圾图片。为什么数据不足？因为团队没去真实垃圾桶拍照，只用了网络数据集。为什么不去真实场景？因为他们认为实验室模拟就够了。为什么？因为他们的目标不是解决校园问题，而是做出炫酷 demo 去参赛。所以，根本原因：问题定义错误——他们想‘展示AI能力’，而非‘提升垃圾分类效率’。”

小明心跳加快。他从未这样层层追问过。他拿出笔记本，开始记录：

1. 现象：AI垃圾机器人在科技节表现不佳，用户抱怨。 2. 为什么？识别错误、速度慢、依赖理想环境。 3. 为什么识别错误？训练数据不覆盖真实垃圾状态（如沾油、变形）。 4. 为什么数据不足？团队未进行实地调研，依赖公开数据集。 5. 为什么未调研？项目目标定为“技术展示”，而非“解决校园垃圾分类痛点”。 6. 为什么目标如此？团队缺乏产品思维，未与用户（学生、保洁）沟通。 7. 根本问题：未定义清晰问题陈述（Problem Statement）。

“我明白了，”小明说，“他们没问‘我们为谁解决什么问题’，直接做了个东西。”“正是，”王老师微笑，“产品经理要写 problem statement，像这样：‘对于[用户]，他们需要[需求]，但当前[痛点]，导致[后果]。因此，我们需要[解决方案目标]’。”

他引导小明填空：“对于[学校师生]，他们需要[快速、准确的垃圾分类辅助]，但当前[分类依赖自觉，错误率高，清洁工分拣负担重]，导致[垃圾处理成本上升、环保教育效果差]。因此，我们需要[一种低成本、易用、适应真实场景的分类辅助方案]——注意，不是‘AI机器人’，而是‘方案’。AI可能是选项之一，但未必最优。”

小明写下这段话，感觉头脑从未如此清晰。原来，产品经理的武器不是代码，而是清晰的问题定义。他想起去年环保部做的问卷，问“你支持垃圾分类吗？”，90%同学选“支持”，但问“你每次扔垃圾都分类吗？”，只有40%选“是”。当时他们归咎于“学生懒惰”，现在想来，或许根本原因是“分类过程太麻烦”——垃圾桶远、标准记不住、时间紧。如果有个方案让分类像投篮一样简单， participation rate 可能飙升。

“但怎么知道用户真正要什么？”小明问。“用户画像（User Persona），”王老师打开电脑，调出一个模板。“基于调研，虚构典型用户，赋予姓名、背景、目标、痛点、使用场景。不是‘所有学生’，而是‘高二学生张明，课间只有5分钟，经常赶时间，记不住分类规则，常把奶茶杯和纸巾混扔’。”

屏幕上出现一个表格：

| 维度 | 学生（张明） | 清洁工（李阿姨） | 后勤主任（王主任） | |------|-------------|-----------------|-------------------| | 年龄/背景 | 16岁，高二，学业忙 | 48岁，负责3栋楼，初中文化 | 35岁，管理校园运营 | | 主要目标 | 快速扔垃圾，不耽误上课 | 高效收集，减少分拣时间 | 降低处理成本，提升环保评分 | | 核心痛点 | 垃圾桶远、分类复杂、易错 | 垃圾混杂，需手动分拣，脏累 | 缺乏数据，难评估效果，预算有限 | | 使用场景 | 课间、午休、放学后 | 每天早晚收集各班级垃圾桶 | 月度报告、采购决策 | | 技术接受度 | 高，但怕麻烦 | 低，习惯传统工具 | 中，关注性价比和稳定性 | | 一句话需求 | “扔垃圾别让我动脑子” | “收垃圾时少用手分” | “要看到数据，证明钱花得值” |

“你看，”王老师指着李阿姨那一行，“如果产品只考虑学生体验，让机器人识别快、语音友好，但清洁工收垃圾时还得等机器人慢慢吐出来分类好的垃圾，她们会恨死这个产品。产品必须服务所有关键用户，平衡需求。”

小明想起科技节上，机器人吐出的分类垃圾被清洁工倒进同一个推车——“你们分好了，我还得倒回去，多此一举！”当时清洁工嘀咕了一句，他以为只是抱怨，现在才明白那是核心痛点：产品没融入现有流程。

“所以，产品经理要走进用户的世界，”王老师说，“不是问卷星随便发，而是观察、访谈、共情。比如，跟李阿姨半天，看她怎么收垃圾，听她抱怨什么，记录她省力的瞬间。你会发现，她真正要的不是‘分类’，而是‘少接触脏垃圾’——如果有个垃圾桶能自动压缩、密封，她可能更欢迎，哪怕不分类。”

小明陷入沉思。他原以为产品经理就是“想点子的人”，现在明白，更像是“翻译官”：把用户的模糊抱怨（“垃圾分类真烦”）翻译成具体问题（“课间时间短，分类决策耗时，且错误后无反馈”），再翻译成技术团队能懂的需求（“需要5秒内完成分类引导，错误时实时提示正确类别”）。

“但技术团队可能说‘做不到’，”小明问，“比如实时识别，需要摄像头和算力，学校哪有预算？”王老师大笑：“这就引出产品经理的另一面：权衡（Trade-off）。没有完美方案，只有最优解。也许AI不行，但贴个色彩标签？垃圾桶盖红黄绿，对应三类垃圾，学生只要对号入座。成本几分钱，但能提升准确率。产品经理要在用户价值、技术可行性、商业可持续性之间找平衡点。”

他 drew a triangle on paper: User Value, Feasibility, Business Viability. “好的产品在中心，偏哪边都危险。纯技术炫技（如那个机器人）偏Feasibility但忽略User Value；纯理想主义（如强制分类罚款）偏User Value但忽略Feasibility；纯赚钱（如卖劣质分类桶）偏Business但忽略前两者。你要找 sweet spot。”

小明突然想到学校角落的分类垃圾桶，标签褪色了，学生根本看不清颜色。“如果做个可更换的彩色贴纸，成本5毛，每学期换一次，会不会比AI机器人更实用？”他脱口而出。王老师眼睛一亮：“看，你已经有点产品思维了——从真实场景出发，找低成本、高影响力的方案。AI不是魔法棒，它只是工具之一。”

两人聊到夕阳西下。王老师总结：“今天你经历了从‘技术惊艳’到‘困惑’到‘问题定义’的典型心路。产品经理的旅程，往往始于这种不适感——当你发现世界不因酷技术而改变时，就是提问的开始。记住：用户不要AI，用户要的是轻松、高效、有成就感的生活。你的工作，是把‘AI’翻译成‘轻松’。”

离开办公室时，小明书包里多了本《用户体验要素》，还有一张便条：“下周环保部会议，试着用‘5个为什么’分析‘为什么班级垃圾桶总混装’，并做两个用户画像——学生和保洁。别急着提方案，先问问题。”

夜风拂过校园，小明走在空荡的走廊。经过垃圾桶时，他停下，认真看：果皮黏在桶壁，塑料袋挂在边缘，一张数学卷子混在废纸中——那是谁扔的？为什么？他掏出手机，备忘录里新建一行：“用户：高二学生，晚自习后扔垃圾，匆忙中可能……”。他忽然笑了。原来，产品经理的魔法，不是让机器人飞起来，而是让人看见，那些被忽略的、琐碎的、真实的瞬间——那里藏着重塑世界的起点。

（本章完，约8500字）

小明加快脚步，书包在背后轻轻晃动。王老师的话像种子一样落进心里，开始发芽。他不再只是那个看到酷炫科技会兴奋的学生，而是一个带着问题镜头的观察者。路过教学楼后墙的垃圾桶时，他特意放慢脚步。三个桶并排站着，分别贴着“可回收物”“厨余垃圾”“其他垃圾”的标签，但“可回收物”三个字已经褪成淡粉色，几乎看不清。几个男生边走边聊，顺手把揉成团的草稿纸扔进“其他垃圾”桶，其中一个嘟囔：“分什么分，最后不都烧了？”另一个反驳：“可回收能卖钱啊！”“几分钱？还不够我弯腰的时间。”

这些话像针一样扎进小明心里。他掏出手机，备忘录里新建一条：“用户痛点：分类动力不足——经济激励微弱、时间成本高、规则记忆负担重。”他想起王老师的话：“用户不要分类，用户要的是‘省事’或‘有价值’。”如果分类不能带来即时、可见的好处，谁愿意多花那三秒钟？

回到宿舍，小明没开灯，坐在床沿，借着走廊的光整理笔记。他摊开白纸，画了棵树状图，从“AI垃圾机器人失败”开始，一层层追问：

1. 现象：科技节上，AI垃圾机器人识别错误、速度慢、依赖理想环境，用户（学生、清洁工）抱怨多。 2. 为什么识别错误？ 训练数据缺乏真实场景多样性（如沾油污、变形、混合垃圾）。 3. 为什么数据不足？ 开发团队未进行校园实地调研，依赖公开的标准数据集。 4. 为什么不做实地调研？ 项目目标设定为“展示AI技术能力”，而非“解决校园垃圾分类痛点”。 5. 为什么目标如此？ 团队由技术爱好者组成，缺乏产品思维，未与真实用户（学生、保洁、后勤）沟通。 6. 根本原因：问题定义缺失——没有清晰的 Problem Statement（问题陈述）。

他在第六点下面重重画了线。王老师教他的公式在脑海回响：“对于[用户群体]，他们需要[核心需求]，但当前[痛点/障碍]导致[负面后果]，因此我们需要[解决方案方向]。”

他试着填空： > 对于[学校师生和保洁人员]，他们需要[高效、省力、准确的垃圾分类方式]，但当前[分类依赖自觉、规则复杂、垃圾桶布局不合理]导致[分类错误率高、清洁工分拣负担重、垃圾处理成本上升]，因此我们需要[一种低成本、易融入现有流程、能即时反馈的分类辅助方案]。

写完后，他深吸一口气。这和他最初想的“买几个机器人”完全不同。方案方向是“辅助方案”，不一定是“AI机器人”。他忽然想到：如果只是贴个更清晰的标签，或者在地面贴彩色脚印引导，会不会更有效？成本不到十块钱。

但光有问题陈述不够，还得知道用户到底是谁。王老师说的 User Persona（用户画像） 不是“全校学生”，而是具体的、有名字、有故事的人。他回忆起去年环保部做的粗糙问卷，只有选择题，没有开放题。怎么挖出真实痛点？他需要访谈。

第二天午休，小明没去食堂，蹲在教学楼垃圾桶旁。他带着纸笔，有点不好意思，但想着“产品经理要观察”，就硬着头皮记录。第一个过来的是高一女生小雅，手里拿着半杯奶茶和纸巾。她走到桶前，犹豫了一下，把奶茶杯扔进“厨余垃圾”（杯里有剩奶茶），纸巾扔进“其他垃圾”。小明赶紧记下：“决策时间约5秒，表情困惑，最终选择基于直觉而非规则。”

他鼓起勇气搭话：“同学，你扔垃圾时会不会纠结？”小雅愣了一下：“啊？还好吧……奶茶杯不是厨余吗？纸巾不能回收吧？”“如果杯子上有塑料盖呢？”“那……塑料盖可回收？但上面有奶茶渍……”她摇摇头，“太麻烦了，随便扔一个，反正最后有人分。”

这句话让小明心里一颤。“随便扔一个，反正有人分”——这是多普遍的心态！他把这写进笔记，标注：“用户认知：分类责任外包给清洁工。”

接着来的是保洁阿姨李桂芳，推着收集车。她熟练地把三个桶的垃圾倒进车里，混合在一起。小明问：“阿姨，您希望垃圾已经分好吗？”李阿姨直起腰，擦汗：“那当然！现在混着，我得戴手套一点点分，脏死了，还慢。但学生哪会好好分？分了也白分，我收的时候还得倒一块儿。”“如果有个东西能帮学生分对，您愿意用吗？”“别整那些花里胡哨的机器，”她摆摆手，“电坏了咋办？我就要桶清楚点，标签大点，最好别有汤汤水水洒出来。还有，你们学生少扔点电池、药品，那玩意儿危险！”

小明狂记。李阿姨的痛点不是“分类”，而是“减少分拣时的脏累和危险”。她的需求清单：1. 标签清晰耐用；2. 垃圾桶防洒漏；3. 危险垃圾单独投放。她甚至没提AI，只想要“简单、可靠、不添麻烦”的工具。

下午放学，他又堵住后勤主任王主任。王主任正检查水电，听小明说垃圾分类，立刻叹气：“成本啊！现在垃圾清运费一年八万，如果分类好，能降到六万，但前期投入呢？买智能设备？维护谁来做？数据怎么证明有效？上级检查要看台账，不是看机器人闪不闪蓝光。”

王主任的话让小明意识到：决策者要的是 ROI（投资回报率） 和 可验证的数据。产品必须能说清：“花X钱，省Y钱，证据是Z。”

回教室的路上，小明脑中有三个人在对话：

• **学生（张明）**：“扔垃圾别让我动脑子，越快越好。”
• **保洁（李阿姨）**：“收垃圾时少用手分，别脏别危险。”
• **后勤（王主任）**：“要看到数据，证明钱花得值，台账好做。”

他忽然明白：产品不是为“一个用户”设计，而是为“整个生态系统”设计。AI机器人只考虑了“学生体验”（炫酷互动），却让李阿姨更累（等机器人吐垃圾），让王主任头疼（成本高、数据虚）。好的产品应该让三方都受益，或至少不损害任何一方。

环保部会议在周三下午。会议室里，八名成员围着桌子，桌上摆着科技节照片和一堆问卷。部长首先发言：“今年科技节那个机器人，大家觉得怎么样？”“酷！”“但没用。”小明举手：“我有个分析，可能和大家想的不一样。”

他站起来，把笔记本转向大家，树状图清晰可见。“我们以为问题是‘学生不分类’，但用5个为什么挖下去，发现根本问题是：我们从未清晰定义过‘我们要解决什么问题’。”他逐层解释，从机器人表现到团队目标偏差，最后落到：“他们想展示技术，但没问：谁要用？在哪用？怎么融入日常？”

会议室安静了。有人皱眉，有人点头。小明继续：“我蹲点观察了两天，发现学生扔垃圾平均就5秒，没时间思考规则。李阿姨说，她最烦分拣沾油污的垃圾。王主任关心成本和台账。如果我们做产品，必须同时满足这三类人，或者至少不增加任何一方的负担。”

他展示用户画像表格（手绘版）：

| 角色 | 核心目标 | 关键痛点 | 一句话需求 | |----------|--------------|--------------|----------------| | 学生（张明） | 快速扔垃圾，不耽误上课 | 分类规则复杂、垃圾桶远、易错 | “扔垃圾别让我动脑子” | | 保洁（李阿姨） | 高效收垃圾，减少脏累 | 垃圾混杂需手动分拣、接触脏污、危险垃圾 | “收垃圾时少用手分，别出事” | | 后勤（王主任） | 降低处理成本，提升环保评分 | 缺乏数据证明效果、预算有限、台账难做 | “要看到数据，钱花得值” |

“看，他们的需求甚至矛盾：学生想少分类（扔一个桶），保洁想多分类（收时已分好），后勤想分类准且可测量。产品经理的活儿，就是找交集——有没有方案，让学生扔得轻松，保洁收得省力，后勤还能拿到数据？”

部长推了推眼镜：“所以你的意思是，不买机器人？”“暂时不，”小明说，“我们先做 MVP（Minimum Viable Product，最小可行产品）。成本最低、最快能验证假