引言：当 AI 遇上产品经理的工作
你有没有想过，从一条知乎链接出发，AI 能帮你做到什么程度？不是简单的摘要提取，也不是泛泛的内容总结，而是真正意义上的端到端产品交付：从需求分析、PRD 文档生成，到前端页面开发、UI 优化，全部由 AI Agent 自主完成。
这篇文章记录了我使用 SOLO AI Agent 完成的一次完整实践。整个过程从一条关于「如何搭建个人知识库」的知乎回答开始，最终产出了：
1. 一份 15 页的专业产品需求设计文档（PRD）
2. 一套包含 7 个核心页面的 Vue 3 前端项目
3. 经过多轮 AI 驱动的 UI 优化与 Bug 修复
整个过程中，我扮演的角色更像是一个产品决策者和质量审核者，而 SOLO 承担了绝大部分的执行工作。以下是我的完整记录。
第一步：从知乎链接到需求洞察
1.1 一条链接引发的自动化之旅
一切始于一条知乎链接。我给 SOLO 的指令很简单：
分析网址 的需求，生成产品需求设计文档。
SOLO 的 Auto Mode 随即启动。它首先尝试通过 WebFetch 直接抓取页面内容，但知乎的反爬机制挡住了去路。不过这并没有难倒它，SOLO 立刻切换策略，启动了内置浏览器自动化工具。
SOLO 自动打开了知乎页面，识别出问题标题「如何搭建个人知识库？」，并尝试点击「阅读全文」展开被折叠的回答内容。当遇到登录弹窗时，它自动关闭弹窗，转而通过 API 接口获取结构化数据。这种遇到障碍自动调整策略的能力，是传统脚本无法比拟的。
1.2 从碎片信息到结构化洞察
虽然知乎 API 只返回了部分内容（459 字符，完整回答需要登录），但 SOLO 已经从页面快照中提取到了回答的核心结构：五个章节标题和知识管理四层模型。它将这些碎片信息整合为结构化的需求洞察。
侧知乎原文中的「持续迭代：从知识库到经验模式库的转化」流程图被完整保留，左侧 SOLO 已经将其提炼为五个核心章节和四层知识管理模型（资料库、知识库、经验库、模式库）。这些洞察成为了后续 PRD 文档的理论基础。
1.3 12 分钟，从需求到 PRD
基于提取的需求洞察，SOLO 自动生成了一份完整的产品需求设计文档。整个任务耗时 12 分 29 秒，产出了一份 15 页的 Word 文档。
这份 PRD 文档包含了 11 个核心章节：项目概述、需求分析（含用户痛点矩阵和四层知识模型）、功能需求（5 大模块共 30+ 子需求）、非功能需求、信息架构、核心数据模型、用户体验设计原则、技术方案概要、版本规划（V1.0/V2.0/V3.0）、风险评估和成功指标。结构之完整，甚至超过了不少初级产品经理的手工作业。
第二步：从 PRD 到可交互的前端原型
2.1 技术选型与项目初始化
有了 PRD 之后，我让 SOLO 继续执行前端开发。经过确认，我们选择了以下技术栈：
**框架：**Vue 3 + TypeScript + Vite
**样式：**Tailwind CSS v4（自定义主题色系统）
**路由：**Vue Router 4（7 个路由，懒加载）
**状态管理：**Pinia（17 条 Mock 数据）
**设计风格：**参考 Get 笔记（简洁清爽、卡片式布局）
SOLO 在几分钟内完成了项目初始化、依赖安装和基础配置，然后通过多个并行 Subagent 同时创建布局组件、页面视图和数据层。这种并行执行策略大大缩短了开发时间。
2.2 七个核心页面，一次交付
最终交付的前端项目包含 7 个核心页面，覆盖了 PRD 中定义的全部功能模块：
仪表盘 - 欢迎横幅、4 项统计卡片、知识层级分布图、最近编辑列表、快捷入口
资料库 - 分类侧栏树、搜索筛选、来源过滤、导入对话框、卡片网格
知识库 - 分类树（可展开）、标签筛选、卡片/列表视图切换、右侧详情面板
经验库 - 复盘类型筛选（GRAI/KPT/AAR）、卡片/时间线视图、新建复盘对话框
模式库 - 思维模型库 Tab、知识组件 Tab、框架详情模态框
AI 助手 - 4 种 AI 功能（问答/写作/发现/摘要）、对话界面、模拟 AI 回复
设置 - 个人信息、知识管理开关、外观主题、数据管理、关于页面
。左侧是可展开的分类树，右侧是卡片式知识列表，每个卡片显示标题、摘要、标签、来源类型和双向链接数量。整体风格参考了 Get 笔记的简洁设计语言。
第三步：多 Agent 并行优化
3.1 发现问题：导航栏去哪了？
第一轮交付后，我发现了一个关键问题：左侧导航栏没有显示。原因是路由配置中，所有页面直接渲染为顶层组件，没有包裹在 MainLayout 中。这意味着侧边栏和顶栏从未被挂载到 DOM 中。
这个问题暴露了 AI 开发的一个典型特征：功能实现完整，但架构层面的连接可能被忽略。就像盖房子，每个房间都装修得很好，但忘了建走廊。
3.2 三个 Agent 并行修复
我让 SOLO 同时启动 3 个 Subagent 并行修复和优化。这种多 Agent 协作模式是 SOLO 的一大特色，每个 Agent 负责独立的模块，互不干扰。
侧功能面板提供 4 种 AI 能力切换，右侧是对话交互区域，底部有预设问题推荐。整个界面参考了 Get 笔记的对话式交互设计。
三个 Agent 的工作边界清晰，覆盖了从基础架构到 UI 细节的完整优化范围。最终验证结果：TypeScript 类型检查零错误、Vite 构建成功、所有 7 个页面正常渲染。
反思：AI 辅助开发的正确姿势
4.1 AI 擅长什么
通过这次实践，我对 AI 辅助开发有了更清晰的认识。AI 擅长的是那些规则明确、模式重复、信息密集的工作：
**信息提取与结构化：**从非结构化的知乎回答中提取出五层知识管理模型和核心方法论，这需要极强的理解能力和归纳能力。
**文档生成：**按照 PRD 标准模板，自动生成 11 个章节、15 页的专业文档，覆盖功能需求、技术方案、风险评估等维度。
**代码实现：**基于 PRD 和设计规范，快速生成完整的 Vue 3 项目，包含 7 个页面、20+ 组件、完整的 Mock 数据层。
**并行优化：**同时启动 3 个 Agent 处理不同模块，每个 Agent 独立工作、互不冲突，大幅提升效率。
4.2 AI 还不擅长什么
同样重要的是认识到 AI 的局限：
**架构层面的全局视角：**路由嵌套这种看似简单的架构问题，AI 在第一轮实现时遗漏了。它擅长实现单个功能，但对系统级连接的关注不够。
**设计决策的权衡：**AI 可以执行设计规范，但难以做出需要商业判断的设计权衡。比如搜索框在侧边栏和顶栏同时存在是否合理，需要人来判断。
**非标场景的处理：**遇到知乎登录墙时，AI 的应对策略虽然灵活，但最终还是只获取了部分内容。真实世界中的反爬策略远比这复杂。
4.3 人机协作的最佳模式
这次实践让我总结出了一套人机协作的模式：
人负责决策，AI 负责执行。 我提供知乎链接和目标（生成 PRD），SOLO 负责信息提取、文档生成、代码实现。我审核结果、指出问题、决定优化方向，SOLO 负责具体修复。
人负责架构，AI 负责填充。 我确认技术选型和页面结构，SOLO 生成具体代码。当出现架构问题时，我指出根因，SOLO 修复实现。
人负责验收，AI 负责迭代。 我通过截图和构建日志验证结果，SOLO 根据反馈进行多轮优化，直到满足质量标准。
结语
从一条知乎链接到一份完整的 PRD，再到一套可交互的前端原型，SOLO AI Agent 展示了 AI 辅助知识工作的巨大潜力。它不是一个简单的聊天机器人，而是一个能够理解需求、自主规划、并行执行、持续迭代的 AI 工作伙伴。
当然，AI 目前还不能完全替代人类的判断力和创造力。但在信息提取、文档生成、代码实现这些规则明确的任务上，它已经展现出了超越效率的价值。
最让我印象深刻的是，整个过程中我需要做的核心决策只有三个：给什么链接、用什么技术栈、优化什么方向。其余的工作，SOLO 都自主完成了。
这或许就是 AI 时代知识工作者的新角色：不再是亲力亲为的执行者，而是善于提问、精于决策、擅长验收的指挥者。