跨国深谈← 返回←Freshworks CPO：用 AI PDLC 把发布周期从六个月压到两周

Freshworks CPO：用 AI PDLC 把发布周期从六个月压到两周

关联

人物 Aakash · Srini Raghavan

公司 Freshworks · Cursor · Figma

概念 智能体 · MCP · PRD Genie · AI PDLC · Figma Make · Agent Studio · 产品构建者 · 设计系统

来源 Product Growth Podcast

这一集是 Freshworks 的 CPO Srini Raghavan 聊他 200 多人的产品团队如何全面用 AI 构建软件。最反直觉的一点是：他认为产品经理、用户体验设计师、工程师这三个职称几年内都会消失——被一个「产品构建者」角色取代，单个人研究客户、理解痛点、构建并交付产品 。而且他不是空谈，整集大部分时间是现场演示：他们怎么让 AI 智能体写产品需求文档、生成设计原型、甚至通过 MCP 直接处理工单。

数据优先，不是 AI 优先

Srini 开场先纠正一个常见误解：不是「人人都在用 AI 写软件」就够了。他们真正做的是先构建让 AI 跑得快的基础——合适的设计系统、编码系统、可复用的仓库，他称之为「数据优先」而非「AI 优先」：不是从 AI 开始，而是先建地基，再在之上用 AI 加速 。

这套地基加上 AI 智能体，就是他们的「AI PDLC」（AI 产品开发生命周期，即用 AI 智能体辅助探索、设计、规划、开发的每一阶段）。核心组件包括：知识中心（产品知识和依赖关系）、上下文中心（功能上下文在阶段间传递）、AI 构建器产物仓库（技能、规则、命令）。因为 Freshworks 有 75,000 名客户、触达近 3 亿最终用户，一切都必须受治理和评估框架约束 。

PRD Genie：80% 的 PRD 瞬间起草

传统流程里 PM 的重负是收集证据：功能对比分析、客户反馈、使用指标、社区功能请求、依赖分析——写 PRD 本身只占小头，留给战略思考的时间极少 。他们团队一个成员做出来的 PRD Genie 解决了这个问题：

• 几乎瞬间起草 80% 的 PRD，且基于真实数据
• 自动去数据湖（他们的 Databricks 数据湖 Baikal，存着 75,000 客户的使用指标）写 SQL 查询、提取指标、识别数据缺口
• 做竞争基准分析、客户之声分析、内部依赖映射
• 跑一个 12 阶段流程：从创意简报、需求、知识收集、竞争分析，一直到自动化视觉原型和质量保证
• 最后过一个「CPO 检查」——一个 AI 智能体替 Srini 审查文档的战略一致性、清晰度和边缘案例，这些原本是他人工审 PRD 时找的东西

现场演示里，PM 正常要写很多天的工作，智能体几秒完成 。产出的 PRD 包含问题陈述、目标、范围、用户画像、定量证据、约八个用户故事、功能与非功能需求，甚至定价和推出建议 。

为什么选 Cursor，以及为什么不是自动驾驶

Srini 选 Cursor（一个 AI 加持的集成开发环境）做这一切，三个理由：完全非技术的人也能用好；可以按任务挑模型，不必全用最新 LLM；能连 Figma 等第三方——他用 Figma MCP 插件让 AI 读设计稿直接生成代码 。他本人 14 年没碰代码，现在又天天在 Cursor 里写软件 。模型上他从 Claude Opus 换到了 Grok，因为快得多，没有一步超过十几秒 。

但他反复强调：AI 不是自动驾驶，是副驾驶 。PRD 里每个引用的版本、为什么引用它，都会在 Markdown 文件里明确写出来，供人核对 。

他指出用 Lovable、Replit 这类工具从零建新东西很容易，难的是有 75,000 客户在用的存量产品——你承担不起 AI 幻觉，必须把它锚定在它该引用的东西上 。价值因此从操作工作转向判断：该给哪个版本、怎么提示 AI 。

从 PRD 到原型：预加载脚手架

设计环节用 Figma Make。关键做法是不从空白画布开始：先预加载 Freshservice 的「脚手架」——用户实际看到的产品界面模板、设计系统 Due，然后说「用这个 Starter Kit 从 PRD 构建分析部分」。

这个过程也不是一次到位：AI 第一次没全用设计系统的组件，他得指定组件再让它改；后来他又发现设计在窄显示器上不能用，要求适配不同屏幕——「很有经验的设计师才会想到这一点，这就是为什么理解最终用户、人的判断仍然重要」 。

Agent Studio 与 MCP：5 分钟干完 12 小时的活

后半段他演示了自家的 EX AI Agent Studio（让企业构建 IT/HR 领域智能体，部署在 Slack 或 Teams 里）——预置了密码重置、PagerDuty 建事件等开箱即用工作流（覆盖 80% 客户最常用的场景），知识可以来自 URL、政策文档、解决方案文章，或 Google、SharePoint、Confluence 等第三方连接器 。员工在 Slack 里就能问心理健康福利、要 W4 税表、甚至生成给银行的雇佣验证信，全程引用来源 。

更硬核的是 Freshservice MCP 连接 Claude：他一句提示词让 Claude 拉「过去 60 天所有 Windows 11 问题工单」并生成根因分析——Claude 发现 12 张工单对应两次 Windows 补丁发布、给出根因（驱动回退导致蓝屏），还主动建议了超出提问的行动方案 。接着 Claude 检索知识库、为 12 张工单各写了回复并直接发出。

这些活原来是三个人、三步流程，每张工单一两小时，合计 12 到 24 小时——现在五分钟 。IT 人员也不再需要只当 Windows 或服务器专家，「你可以成为整个 IT 环境的专家」 。

组织剧变：1:20 到 1:1

他 18 个月前加入时，PM 与工程师比例约 1:10 到 1:20，每两个 PM 配一个 UX。现在采用新方式的团队里，比例变成了一个 PM 对一个工程师，有时根本没有设计师 。层级和规划也砍掉了：不再要六个月规划会，两周规划、两周发布——发布周期从六个月压到两周，他预计未来六个月可能到每两天一版 。

对还没转型的 CPO，他的路线图只有一条：别发文件说教，自己下场做给团队看。「一堆 PPT 和文档，大家读了只会觉得这家伙坐在象牙塔里说教」 。

他自己过去六个月重新捡起软件开发，写的代码可能比当工程师十年时还多 。另外，每月产品例会改成纯演示会，找出那些前沿的「冠军」——PRD Genie 和整套 Cursor 流程都是团队成员自发做出来、演示后标准化的 。

招人方面，他面试 PM 必看 Git 仓库：「技能可以教，激情教不了」；面试不再是「讲讲这个讲讲那个」，而是「打开 Cursor 给我看看你做了什么」 。

他对 PM 同行的最后一个提醒是认知层面的：整个软件过去都是为人构建的，但你刚才看到 MCP 系统是为 AI 智能体构建的——你必须同时为人类和 AI 智能体构建产品，把过去的做法忘掉重学 。

本集带走

• 先建地基再用 AI：设计系统、编码规范、可复用仓库这些「数据优先」的基础，决定了 AI 能跑多快；直接上 AI 是次优解。
• 让 AI 写 PRD 但锚定数据：PRD Genie 起草 80%，但每个引用的版本和理由都写进文档供人核对——防幻觉靠 grounding，不靠信任。
• 原型不从空白画布开始：预加载真实产品的脚手架和设计系统，让 AI 在已被 75,000 客户使用的界面上改，而不是凭空生成。
• 人的价值从执行转向判断：指定组件、发现窄屏适配问题、决定给 AI 哪个版本参考——这些是 AI 替代不了的部分。
• 转型靠示范不靠法令：CPO 自己写代码、月会改成演示会、把自发做工具的成员捧成冠军再标准化。
• 招 PM 看Git 仓库：技能可教、激情教不了，面试就一句「打开 Cursor 给我看看你做了什么」。
• 为 AI 智能体而设计：MCP 这类接口的使用者是智能体不是人，下一代产品要同时服务人类和智能体两端。

所以价值从做操作性工作转移到了判断。
So the value sort of shifts from doing operational work to judgment.
—— Srini Raghavan · [26:20]

我们不会从空白画布开始，我们从已经被 75,000 名客户使用的画布开始。
We don’t start with a blank canvas. We start with the canvas that’s already used by 75,000 customers.
—— Srini Raghavan · [27:59]

编码和商业知识以及编写产品需求的经验在过去很重要，但现在判断非常重要。
coding and business knowledge and experience of writing product requirements was important in the past, but now judgment is very important.
—— Srini Raghavan · [35:18]

现在 12 个工单，想一想就像 12 小时，12 到 24 小时，我们刚在大约五分钟内做完这个。
Now 12 tickets, think of it like 12 hours, 12 to 24 hours. We just did this in like five minutes.
—— Srini Raghavan · [54:19]

因为你无法教给人们激情，但你可以教授技能。
Because you can’t teach passion to people. You can teach skills.
—— Srini Raghavan · [62:44]

我真的很想看到，当我面试一个 PM 时，我想看到他们的 Git 仓库。
I really want to see, when I interview a PM, I want to see their Git repository.
—— Srini Raghavan · [62:37]