六月底被Claude背刺了一次。 慢慢转战Codex,前段时间GPT-5.6更新,正好趁这个机会,把工作流认真实测了一遍。 我想搞清楚一件事:日常工作和学习里,AI到底能参与多少环节? 我是工业设计出身,后来转做产品经理,用户研究一直是我工作里绕不开的一块。这件事其实不止我一个岗位需要——产品经理、工业设计、跨境运营、用户研究员,都逃不开这一步。 一份有完整数据支撑的用户研究报告,决定产品能不能精准定位、顺利上市。 客诉分析做得扎实,才是下一代功能迭代的地基。 商业机会,往往就藏在一条条用户review里——看不懂用户,机会就跟你没关系。 所以这次带来的,是Codex用户研究工作流实操。 我没有一开始就让Codex直接"输出一份用户研究报告"。 先在Work模式下反复沟通,把整套研究系统拆开:确定要研究什么、拆出具体工作流、再判断哪些环节能交给AI处理,定好规则,让Codex按标准执行。 最终跑通的是:60条Amazon英文Review,清洗到49条有效,拆成155条原子反馈——Codex负责数据清洗、分类、打标签这些中间环节,最后的机会判断,还是我自己来。 沉淀出一套10步工作流——不只是review分析能用,用户访谈、客诉、竞品分析,同一套流程照样能跑。 这次不是想证明AI无所不能,是想搞清楚:普通人的专业工作,它到底能参与到哪一步。 答案是:能接手大量重复劳动,但目标、边界、最终判断,还是得你自己拿。 产品经理、工业设计、运营、跨境电商——工作里只要有一堆乱七八糟的文本反馈要处理,这套流程都能直接抄。 你现在处理用户反馈,是靠人工逐条看,还是已经在用AI?评论区聊聊。 #codex #GPT #AI工具 #ai #人工智能 #科技薯 #AI新手村 #大模型 #agent #howto用好AI