從打造專用產品到極致運用 Claude
當 AI 越來越強大之後，我一直在想著要為自己開發一些 RAG（檢索增強生成）的專屬工具，來輔助日常的產品工作。但後來我發現，其實很多時候與其耗費精力去打造專用的產品，不如思考如何把 Claude 使用得更好。
我剛好自己也在摸索這一塊，然後看到一位在兩人精品律所執業的律師 Zack Shapiro 做得非常好，他的案例極具參考價值。剛好最近有人在分享他的實踐經驗，我看了以後覺得非常有啟發，所以今天想從實務操作的角度，為大家解讀他的工作流，看看我們能從中學到什麼。
律師 Zack Shapiro 的高效 AI 工作流案例
Zack 的律所只有兩個人，卻能跟擁有數百名律師的大型律所正面競爭 。有一次，在客戶收購案簽約前一晚的晚上七點，買方律師突然發來郵件，要求大幅修改關鍵交易條款。這是一種極限施壓。Zack 把所有相關文件丟給 Claude，幾分鐘內，Claude 就比對出了對方提案中的邏輯漏洞和自相矛盾之處。到了晚上十一點，他已經準備好了一套精準的反擊方案。第二天早上，交易順利按客戶滿意的條件完成 。如果換作傳統中型律所的三人團隊，這需要熬一個通宵，而他在兩小時內就搞定了 。這背後的核心，就是他對 Claude 的極致運用。以下是我為大家解讀的三個實操重點。
實操重點一：將專業判斷封裝成固定 Skill
放棄泛泛而談的提示詞，把你的專業判斷封裝成技能。
很多產品經理在用 AI 時，常常只會輸入「幫我寫一份電商購物車的產品需求文檔」。結果得到的往往是一份毫無靈魂的制式模板。
Zack 一針見血地指出，AI 沒用的錯覺，問題往往出在輸入的指令上 。他沒有依賴系統預設的模板，而是利用 Claude 的自訂技能功能，把自己的分析框架、寫作語氣和專業判斷寫成固定的指令文件 。比如，當他要求 AI 審查合約時，他的指令是極度具體的：要求 AI 從特定視角出發，標註超出市場常規的風險，檢查缺失的標準條款，並針對每個嚴重問題提供具體的反制用語 。
我們產品人完全可以複製這一招。
針對你最常做的任務，比如競品分析或 PRD 撰寫，寫出包含你背景脈絡、具體要求與評判標準的超級提示詞，將其固化為你專屬的 Skill，下次遇到同類工作直接呼叫，讓你的專業判斷力自動為你打工。
實操重點二：活用 Claude 的多元工作模式
善用 AI 的多種工作模式，不要只停留在聊天框。
我們多數人對 AI 的認知還停留在「聊天」。但 Zack 介紹了 Claude 桌面版的三個模式，這對我們非常有啟發 ：
1. Claude Chat
就像你和一個聰明但需要引導的實習生面對面討論。
適合用來做頭腦風暴或是草擬初期方案。
2. Claude Cowork
這是改變遊戲規則的模式。你可以把 AI 指向電腦裡的一個資料夾，給它一個任務，它會自己去讀取文件、建立新文件並做出決策。
想像一下，讓 AI 自己去對比一堆 PRD、設計圖說明和 API 文件，核對哪裡的邏輯有衝突，這能省下極大的時間。
3. Claude Code
AI 可以直接寫程式來解決軟體問題。Zack 甚至讓 Claude 寫了一個命令列工具，把合約自動轉換成語音，讓他能在通勤時用聽的。
產品經理也可以利用這個模式，讓 AI 寫腳本來自動抓取競品數據。
實操重點三：建立嚴格的防幻覺審查機制
建立防幻覺的自我審查機制。
產品經理在做市場調研或法規研究時，最怕 AI 產生幻覺。Zack 在這方面有一個絕對不省略的關鍵步驟：要求 AI 進行自我審查 。
在他的設定中，AI 在交付最終報告前，必須驗證每一個引用的來源是否真的支持其主張，必須標註信心指數較低的內容，並且專門防範虛假引用 。
我們在日常工作中，也可以在提示詞的最後加上一句：「請在你輸出結論前，自我核對這些痛點是否真實存在於原始數據中，若證據不足請明確標註。」
產品人的行動清單
為了把這些方法真正落地，建議大家在接下來的一週內嘗試以下行動：
- 找出你每週最耗時且重複的一項任務，例如整理用戶訪談記錄或核對 API 文件。
- 根據這項任務，寫一段包含你個人審查標準與分析框架的詳細提示詞。
- 利用 Claude 的功能或搭配 Skill 配置，將這段提示詞固化為專屬的 Skill，在下一次執行任務時直接測試並微調。
FAQ
Q1: 什麼是 RAG 工具，為什麼 Claude 可以被當作 RAG 使用？
A: RAG（檢索增強生成）是一種結合檢索外部資料與大型語言模型生成能力的技術。Claude 本身具備強大的長文本處理能力，並支持上傳文件與自訂技能設定（Skills），這使其能針對特定文檔進行精準檢索與分析，達到與專用 RAG 工具相似的效果，甚至在邏輯處理上更具優勢。
Q2: 律師 Zack Shapiro 是如何利用 Claude 提升工作效率的？
A: Zack Shapiro 透過極致運用 Claude，將法律文件的審查與對比自動化。他將專業的律師分析框架封裝成提示詞，讓 AI 在幾分鐘內找出合約中的邏輯漏洞。這使他能在短短兩小時內完成傳統律所需要熬夜處理的工作量，顯著提升了小規模律所的競爭力。
Q3: 如何將專業判斷「封裝」成 AI 的技能（Skill）？
A: 封裝技能是指不再使用模糊的指令，而是撰寫包含背景脈絡、具體審查標準與期望寫作語氣的「超級提示詞」。將這些包含個人專業知識的指令固化為 Claude 的自訂文件或設定，當下次執行相同任務（如 PRD 撰寫）時，直接呼叫該設定，讓 AI 依照你的邏輯架構執行。
Q4: Claude 的「協作模式」在產品開發中有什麼具體用途？
A: 協作模式允許 AI 直接讀取電腦資料夾中的多份文件。產品經理可以讓 AI 對比多份 PRD、技術設計圖與 API 文件，自動核對邏輯矛盾或遺漏之處。這能節省大量手動校對的時間，並降低在複雜產品架構中出錯的風險。
Q5: 產品經理如何利用 Claude 的「程式碼模式」？
A: 在程式碼模式下，AI 可以直接撰寫並運行程式碼。產品經理可以要求 AI 撰寫腳本來自動抓取競品數據、處理大型 Excel 表格，或是像 Zack 一樣寫一個小工具將文本轉語音，方便在通勤時聽取文件內容，實現工作流的自動化。
Q6: 什麼是 AI 幻覺，如何有效預防它？
A: AI 幻覺是指 AI 生成看似合理但實際上錯誤或不存在的資訊。要預防幻覺，必須建立自我審查機制。例如在提示詞中明確要求 AI 在交付前驗證引用來源、標註信心指數較低的內容，並要求 AI 檢查其結論是否在原始數據中有真實證據支持。
Q7: 在提示詞中加入哪些指令可以提高數據的真實性？
A: 建議在提示詞末尾加上指令如：「請在輸出結論前，自我核對這些點是否真實存在於原始數據中，若證據不足請明確標註。」或是要求 AI「標註你對這項分析的信心程度」，這能強迫 AI 進行回頭檢索，減少憑空捏造的可能性。
Q8: 為什麼泛泛而談的提示詞（如：幫我寫 PRD）效果不好？
A: 因為泛泛而談的指令缺乏背景脈絡、具體要求與評判標準。AI 會因為沒有明確的執行框架而給出大眾化、無靈魂的模板內容。優質的輸出取決於輸入的指令是否精確反映了專業人士的分析邏輯。
Q9: 如何開始建立自己的專屬 AI Skill？
A: 首先找出每週最耗時且重複的任務，接著將你平時執行該任務的審查標準與邏輯寫成詳細的指令。將此指令保存為專屬技能，並在實際執行任務時不斷進行微調，直到 AI 的輸出能精準對齊你的專業水平。
Q10: 產品經理在整理用戶訪談記錄時可以如何運用 AI？
A: 產品經理可以將訪談逐字稿丟給 Claude，並使用預先設定的「分析 Skill」要求 AI 提取核心痛點、歸納功能需求，並要求 AI 在總結前必須註明該痛點出現在訪談的哪一部分，以確保分析的真實性。
Q11: AI 在合約審查中如何找出「邏輯漏洞」？
A: 透過具體的指令，要求 AI 從對立方的視角出發，檢查合約條款中是否有前後矛盾之處，或是否偏離了市場常規。由於 AI 處理大量數據的速度極快，它能在幾秒鐘內比對出人類可能遺漏的細微文字差異。
Q12: 對於小團隊或個人工作者，AI 工作流的核心價值為何？
A: 核心價值在於「槓桿作用」。透過極致運用 AI 工具，小團隊能以極低的人力成本實現以往需要大型團隊才能完成的工作量與專業深度，正如文中 Zack 僅靠兩人的律所就能與數百名律師的律所競爭。
