# 非技术PM如何用Cursor构建真实产品Meta PM Zevi Arnovitz 的完整 AI 工作流拆解

- 状态 / Status: 已发布 / Published
- 时间 / Time: 2026-03-03T00:31:23+08:00
- 作者 / Author: -
- 主题 / Topics: AI / AI, 工具 / Tools
- 原文 / Source: https://mp.weixin.qq.com/s/ANDEx0P07I4gdKYPXBvhhQ

---

🚀 非技术PM如何用Cursor构建真实产品

Meta PM Zevi Arnovitz 的完整 AI 工作流拆解

Lenny's Podcast 深度解读 · 英文原句+中文解释 · 可直接复制实践

⚠️ 免责声明： 本文内容整理自公开播客、访谈及网络资料，仅供学习参考。所有观点归原作者所有，数据可能随时间变化。

📋 TL;DR 速查表 | Cheatsheet

WHO ：Zevi Arnovitz，Meta PM， 零技术背景 ，却能独立构建真实产品

WHAT ：完整的 AI 工作流——用 Claude 规划 ， Gemini 做 UI ，多模型协作

HOW ：Slash Commands 自动化提示 + Peer Review 技术（让 AI 互相审查代码）

WHY ：这可能是 初级技术人员最好的时代 ——AI 让构建门槛降到史无前例的低点

TOOLS ：Cursor + Claude + Gemini + Wispr Flow + Linear + Bun + Zustand

当一个 完全没有技术背景 的产品经理，能够独立构建和发布真实产品，甚至让他的工程团队反过来向他请教——这不是科幻，而是 2025 年正在发生的真实故事。

Zevi Arnovitz 是 Meta 的一名 PM，他用 AI 工具链打破了「技术」与「非技术」的边界。在 Lenny's Podcast 中，他分享了自己的完整工作流，让所有人都能复制这套方法。

✦ ✦ ✦

一 人物背景：一个「非技术」PM 的逆袭

👤 Who：Zevi Arnovitz 是谁？

Zevi Arnovitz 是 Meta 的一名产品经理，此前在 Wix 担任 PM。他的背景与大多数人想象中的「能写代码的 PM」完全不同：

❌ 没有计算机科学学位

❌ 没有系统学过编程

❌ 不是「技术型 PM」出身

✅ 但他构建了多个真实可用的产品，包括 StudyMate 和 Dibur2text

更让人惊讶的是：

"My engineering team at Meta asks me to teach them how I do what I do."

「我在 Meta 的工程团队反过来让我教他们我是怎么做的。」

这不是凡尔赛，而是一个信号： AI 正在重新定义「技术能力」的边界 。

💡 Why：为什么这件事值得关注？

Zevi 的故事之所以重要，是因为它揭示了一个 范式转移 ：

🌟 核心洞察

在过去，PM 想要验证一个想法，需要：

• 写 PRD → 等排期 → 等开发 → 等测试 → 上线

• 周期： 几周到几个月

现在，用 Cursor + AI 模型：

• 想法 → 用自然语言描述 → AI 生成代码 → 快速迭代 → 上线

• 周期： 几小时到几天

"This might be the best time to be a junior in tech, despite the challenging job market."

「尽管就业市场充满挑战，这可能是初级技术人员最好的时代。」

为什么这么说？因为 AI 工具降低了构建门槛，让 「有想法但不会写代码」的人 也能快速验证和实现自己的创意。

✦ ✦ ✦

二 核心工具栈：Zevi 的 AI 武器库

在深入工作流之前，先来看看 Zevi 使用的核心工具：

🛠️ 主力工具：Cursor

💻 Cursor 是什么？

Cursor 是目前增长最快的 AI 代码编辑器，基于 VS Code 构建，但深度集成了 AI 能力。它不只是「代码补全」，而是一个完整的 AI 编程伙伴 。

📊 数据点：Cursor 已达到 $300M+ ARR ，超过 50% 的财富 500 强公司在使用

🏢 用户包括：Nvidia、Uber、Adobe、Stripe 等

"The most useful AI tool that I currently pay for, hands down, is Cursor."

「毫无疑问，Cursor 是我目前付费使用的最有用的 AI 工具。」

— Stripe 工程师

🤖 AI 模型选择：不同任务用不同模型

Zevi 的一个核心洞察是： 不要只用一个模型 。不同的 AI 模型有不同的优势，要根据任务选择：

Claude 规划 & 架构设计 · 擅长深度思考、长文本处理、复杂逻辑

Gemini UI 设计 & 前端 · 视觉理解强，UI 生成质量高

GPT 通用编码 & 调试 · 均衡稳定，适合日常开发任务

"Use multiple AI models for different tasks — Claude for planning, Gemini for UI."

「不同任务用不同 AI 模型——Claude 用于规划，Gemini 用于 UI。」

🔧 辅助工具栈

Wispr Flow · 语音输入工具，用语音快速生成提示词

Linear · 任务管理，可与 Cursor 集成

Bun · 快速的 JavaScript 运行时

Zustand · 轻量级状态管理库

✦ ✦ ✦

三 核心技巧 #1 ：Slash Commands 自动化

把重复的提示词变成可复用的「命令」

这是 Zevi 工作流中最强大的技巧之一： Slash Commands 。

📝 什么是 Slash Commands？

简单来说，Slash Commands 就是把你常用的提示词保存成 .md 文件，放在项目的 .cursor/commands/ 目录下。

然后在 Cursor 中输入 / ，就会自动列出所有可用的命令。

"If you find yourself typing the same prompts repeatedly, turn them into commands so they show up when you hit / in chat."

「如果你发现自己反复输入相同的提示词，就把它们变成命令，这样输入 / 时就会自动出现。」

💡 实用 Slash Commands 示例

✅ /code-review — 代码审查命令

# Code Review You are a senior software engineer conducting a thorough code review. ## Focus Areas - Security vulnerabilities - Performance bottlenecks - Code readability - Best practices ## Output Format Provide specific line references and improvement suggestions.

📝 /create-pr — 创建 PR 命令

# Create PR Create a well-structured pull request. ## Steps 1. Summarize changes clearly 2. Include context and motivation 3. List any breaking changes ## PR Template - [ ] Tests added - [ ] Documentation updated - [ ] No breaking changes

🐛 /debug — 调试命令

# Debug Issue Step-by-step debugging workflow. ## Process 1. Check logs and error messages 2. Analyze stack traces 3. Identify root cause 4. Suggest fixes with explanation

🎯 为什么这很重要？

1 一致性 ：团队所有人使用相同的提示词，输出质量一致

2 效率 ：不用每次都手动输入长提示词

3 可迭代 ：命令文件保存在 Git 中，可以持续改进

4 知识沉淀 ：高级工程师的经验可以编码成命令，让初级成员也能使用

✦ ✦ ✦

四 核心技巧 #2 ：Peer Review 技术

让不同 AI 模型互相审查代码

这是 Zevi 分享的最具创意的技巧： 用不同的 AI 模型来审查彼此的代码 。

"Use different AI models to review each other's code — it's like having a second pair of eyes."

「用不同的 AI 模型来互相审查代码——就像有了第二双眼睛。」

🔄 Peer Review 工作流

Step 1：用 Claude 写代码 Claude 擅长架构设计和复杂逻辑，先让它生成初版代码

Step 2：用 Gemini/GPT 审查 切换到另一个模型，让它审查代码并找出问题

Step 3：综合修改 根据不同模型的反馈，进行综合修改

Step 4：再次验证 用第三个模型（或原模型）验证修改结果

🤔 为什么这有效？

1. 不同模型有不同盲点

Claude 可能在某些边界情况上出错，而 Gemini 可能会发现这些问题

2. 避免「回声室效应」

同一个模型可能会反复犯同样的错误，不同模型可以打破这种循环

3. 综合不同优势

Claude 的逻辑 + Gemini 的 UI 感知 + GPT 的稳定性 = 更好的结果

✅ 实测结果： 根据 2025 年的基准测试，Claude 4.5 在逻辑错误检测上比竞品高出 23% ，而 Gemini 在性能瓶颈识别上表现更优

✦ ✦ ✦

五 完整工作流：从想法到产品

Step by Step 实操指南

综合 Zevi 分享的内容和行业最佳实践，这是一个 非技术 PM 可直接复制 的完整工作流：

阶段 A：规划与设计

1 用 Claude 进行需求分析

输入你的产品想法，让 Claude 帮你拆解成具体功能点

2 使用 Plan Mode

Cursor 的 Plan Mode 会让 AI 先制定计划再执行，减少返工

3 生成技术架构

让 AI 给出技术栈建议和文件结构

"Kick off Plan Mode by typing a prompt, but selecting 'plan' instead of 'agent'. Let Cursor crawl the project, ask clarifying questions, and generate an editable Markdown plan."

「启动 Plan Mode：输入提示词但选择 'plan' 而不是 'agent'。让 Cursor 扫描项目、提出澄清问题、生成可编辑的 Markdown 计划。」

阶段 B：快速开发

4 小步快跑

每次只让 AI 完成一个小功能，不要一次性要求太多

5 使用 Slash Commands

把常用操作变成命令，提高效率

6 频繁测试

每完成一个功能就测试，不要累积大量代码后再测

阶段 C：代码审查与优化

7 Peer Review

用不同模型互相审查代码

8 安全检查

使用 /security-review 命令检查安全漏洞

9 性能优化

让 AI 分析性能瓶颈并给出优化建议

阶段 D：部署上线

10 生成部署脚本

让 AI 帮你写 CI/CD 配置

11 文档生成

使用 /doc-update 命令自动生成文档

✦ ✦ ✦

六 关键心法：避坑指南

Zevi 和其他高手总结的经验教训

❌ 常见错误

❌ 错误 1：一次性要求太多

很多人会写一个超长的提示词，要求 AI 一次性完成整个功能。

✅ 正确做法： 把大任务拆成小步骤，每次只完成一个小功能

❌ 错误 2：不管理上下文

在同一个聊天中无限续聊，导致上下文爆炸、AI 「失忆」。

✅ 正确做法： 完成一个任务后开新对话，保持上下文清晰

❌ 错误 3：只用一个模型

执着于「最好的」模型，忽略了不同模型的互补性。

✅ 正确做法： 根据任务特点选择模型，使用 Peer Review 技术

"Manage your context. Get used to starting new agent chats instead of continuing to work in the same session indefinitely."

「管理你的上下文。习惯于开启新的 agent 对话，而不是无限期地在同一个会话中工作。」

✅ 最佳实践

✦ 写注释比写提示词更高效 ：在代码中写注释，让 AI 自动补全

✦ 优先编辑而非重新提示 ：如果 AI 写错了，直接修改比重新描述更快

✦ 保存好用的提示词 ：把有效的提示词变成 Slash Commands

✦ 建立项目规则 ：在 .cursor/rules/ 中定义项目规范

✦ ✦ ✦

七 彩蛋：用 AI 准备 Meta PM 面试

Zevi 的另一个 AI 应用场景

播客中还提到，Zevi 用 AI 来 准备他的 Meta PM 面试 。这是一个非常实用的 AI 应用场景：

🎯 AI 面试准备工作流

1 让 AI 扮演面试官，模拟 PM 面试

2 用 AI 分析自己的回答，找出改进点

3 让 AI 生成各种场景的案例分析

4 用 AI 整理公司信息和产品分析

"I used AI to prepare for my Meta PM interviews — it helped me practice analytical thinking and case studies."

「我用 AI 来准备 Meta PM 面试——它帮我练习分析性思维和案例分析。」

✦ ✦ ✦

八 Checking List SOP：你的行动清单

把上面的内容转化为可执行的 Checklist，建议 保存本文 ，按步骤实践：

📋 入门阶段（第 1 周）

☐ 下载并安装 Cursor

☐ 了解 Cursor 的基本操作（Tab 补全、Cmd+K、Agent Mode）

☐ 在 Cursor 中切换不同的 AI 模型（Claude、Gemini、GPT）

☐ 完成第一个简单项目（比如一个待办事项 App）

📋 进阶阶段（第 2-3 周）

☐ 创建 .cursor/commands/ 目录

☐ 编写至少 3 个常用的 Slash Commands

☐ 尝试 Plan Mode，让 AI 先规划再执行

☐ 实践 Peer Review：用不同模型审查同一段代码

☐ 创建项目规则文件 .cursor/rules/

📋 高级阶段（第 4 周+）

☐ 建立自己的模型选择策略（什么任务用什么模型）

☐ 优化上下文管理（定期开新对话、使用 /summarize）

☐ 尝试 Background Agents（并行执行多个任务）

☐ 集成 Linear/Jira 等项目管理工具

☐ 完成一个完整的、可上线的产品

📋 持续优化

☐ 每周回顾：哪些提示词有效？哪些需要改进？

☐ 迭代 Slash Commands，让它们越来越精准

☐ 关注 Cursor 更新，学习新功能

☐ 分享你的经验，帮助团队成员上手

🎯 下一步行动

你准备从哪个步骤开始？欢迎在评论区分享你的 AI 构建经历！

✦ ✦ ✦

📚 参考来源：

1. Lenny's Podcast: The non-technical PM's guide to building with Cursor | Zevi Arnovitz (Meta)

2. Cursor Official Documentation

3. Maven Course: Cursor isn't just for coding - how AI-native PMs work

4. AI Code Review Showdown: Claude vs GPT-4 vs Gemini in 2025

5. Cursor AI Complete Guide 2025

参考原文链接列表：

1. https://www.lennysnewsletter.com/p/the-non-technical-pms-guide-to-building

2. https://cursor.com/

3. https://cursor.com/features

4. https://cursor.com/changelog

5. https://maven.com/p/0a96cb/cursor-isn-t-just-for-coding-how-ai-native-p-ms-work

6. https://github.com/jinjin1/Cursor-for-Product-Managers

7. https://www.cursorforpms.com/

8. https://ezablocki.com/posts/cursor-slash-commands/

9. https://github.com/hamzafer/cursor-commands

10. https://www.propelcode.ai/blog/ai-code-review-showdown-claude-vs-gpt4-vs-gemini-2025

11. https://medium.com/@hilalkara.dev/cursor-ai-complete-guide-2025

12. https://prismic.io/blog/cursor-ai

13. https://www.linkedin.com/in/zev-arnovitz/

14. https://x.com/ArnovitzZevi

15. https://zeviarnovitz.com

✨

— END —