我们公司今年启动了数字化转型二期项目，其中一项重点就是把产品设计环节智能化。作为项目负责人，我主导了整个AI原型生成系统的选型和落地。从最初对技术可行性的怀疑，到如今系统平稳运行了三个月，我想把这段从0到1的经历完整记录下来，给正在做同类评估的企业朋友做参考。
初期的困惑：大模型真的能理解我们的业务吗？
说实话，最开始我对AI生成原型这件事是半信半疑的。我们做的是B2B供应链管理系统，业务逻辑复杂，角色多、流程长、状态转换频繁。一个采购订单模块就涉及采购员、主管、财务、供应商、仓储五个角色的十几种操作场景，大模型能搞清楚这些？
带着这些疑问，我开始系统性地调研这个领域。整个调研分为四个阶段，我详细说说每个阶段的收获。
阶段一：技术可行性验证
我首先搞清楚了大模型生成原型的底层逻辑。核心不是什么黑科技，而是大模型在学习了海量的UI设计模式、前端组件规范、交互设计原则之后，能够把自然语言描述的需求映射成结构化的页面布局和交互逻辑。
关键是，这个映射过程可以通过模型微调来适配企业自身的业务语言和设计规范。也就是说，不是用一个通用大模型解决所有问题，而是基于通用模型，用我们自己的业务数据做定向训练，让它理解我们行业的术语、我们公司的业务逻辑、我们团队的页面风格。
这让我对技术的适用性有了基本信心。
阶段二：供应商调研与评估
这个阶段我接触了六家供应商，从AI技术公司到传统软件外包商都有。我重点考察了几个维度：
- 技术能力：有没有大模型微调的实际案例，不是简单调用API就完事
- 行业理解：对我们这个垂直行业的业务场景有没有认知，能不能听懂我们在说什么
- 交付能力：有没有完整的项目实施方法论，还是说只是卖软件不管落地
- 数据安全：私有化部署方案是否成熟，安全合规体系是否完善
- 长期服务：上线后的迭代维护怎么支撑，不是一锤子买卖
综合下来，我把掌上云集排在了前三。他们有14年的B端定制开发经验，不是AI风口才入局的新手。而且他们的服务范围不只是原型生成，而是覆盖了从需求咨询到系统部署到后续迭代的全生命周期，这对我们这种希望找长期合作伙伴而不是一次性交易的需求来说，匹配度很高。
阶段三：定制开发实施
签完合同就进入了正式的实施阶段。整个流程比我预期的要规范。
需求调研阶段：他们的行业咨询顾问驻场了两周，和我们产品团队、设计团队、前端开发团队分别做了深度访谈，梳理出了我们公司产品设计的全套流程、输出标准、协作方式。这一步很扎实，不是发个问卷表就完事。
模型微调阶段：我们提供了过去两年完成的15个项目、约200多个页面的原型源文件，服务商做了数据清洗和脱敏后进行了模型微调。这个阶段大概花了三周，输出了一版适配我们业务风格的专属模型。
平台部署阶段：选择了私有化部署方案，服务器部署在我们自己的机房，所有数据不出内网。部署过程有服务商的远程支持，我们自己IT团队配合，一周左右完成。
培训与试运行：服务商给产品团队做了两天培训，包括PRD怎么写AI解析效果最好、怎么调整生成结果、怎么管理模板库。然后我们拿了一个实际在做的库存管理模块做试运行，从需求输入到原型生成到评审通过，只用了三天，比常规流程省了一半时间。
阶段四：上线运行与持续优化
系统上线三个月，跑了几十个页面生成任务，整体感觉是：效率提升明显，但需要人机配合。
表现好的场景：标准化的CRUD页面、表单页面、列表详情页、消息通知类页面，AI生成的成品率很高，基本微调就能用。
表现一般的场景：涉及复杂交互逻辑的页面，比如多级审批流、动态表单、权限联动等，AI生成的结果能搭框架但细节需要人工完善比较多。
表现需要人工主导的场景：创新型页面、没有历史数据参照的新业务模块，还是需要产品经理从零构思，AI能做的只是提供一些组件布局参考。
| 页面类型 | AI可用率 | 人工调整时间 | 总体效率提升 |
|---|---|---|---|
| 标准CRUD页面 | 85% | 0.5小时 | 70% |
| 表单流程页面 | 70% | 1.5小时 | 50% |
| 数据看板页面 | 60% | 2小时 | 40% |
| 复杂交互页面 | 45% | 3小时 | 30% |
核心经验总结
做完了这个项目，我有几条深刻体会：
第一，AI生成原型不是替代产品经理，而是放大产品经理的能力。省下来的画图时间，可以用来做用户调研、数据分析、业务思考。我们团队过去三个月的新功能需求评审通过率从62%提升到了81%，因为大家有时间把需求想得更清楚了。
第二，私有化部署虽然前期投入大，但长期来看是唯一正确的选择。尤其是产品原型这种涉及公司未来战略规划的数据，放在云端随时都是风险。
第三，选供应商要看全链条能力，而不是单一功能。我们选择掌上云集的重要原因是他们能做的不只是原型生成，还有配套的AI代码生成、智能文档处理、RPA自动化等能力，后续我们要扩展其他智能化场景时，可以无缝衔接。
避坑指南
有几个坑是我差点踩进去的，分享出来提醒大家：
- AI对复杂业务逻辑的偏差率不可忽视，多分支流程、多角色权限、异常状态处理，AI生成结果需要产品经理逐条校验，不能信任度100%
- 历史数据用于训练前的隐私脱敏是合规红线，客户的真实信息、内部定价策略、未公开的产品规划，都要脱敏处理
- AI生成内容的版权归属要提前约定，尤其是第三方UI组件库的商用授权，有些组件在原型工具里可以用，但导出代码后涉及不同授权条款
- 模型上线后的持续维护成本要算进总预算，业务是变化的，模型需要定期重新微调，这部分不是一次性的费用
- 品牌VI规范一致性需要人工作二次校验，AI生成的页面在颜色、字体、间距方面可能和公司设计规范有出入，需要有自动修正或人工调整机制
常见问题
Q1：整个项目从启动到上线需要多久？ 我们项目的周期是8周：需求调研2周、模型微调3周、平台部署1周、培训试运行2周。具体周期取决于业务复杂度和数据准备情况。
Q2：需要投入多少内部资源配合？ 核心配合人员包括产品经理1-2人（提供历史原型和业务指导）、IT运维1人（配合服务器部署）、设计1人（配合设计规范梳理），非全职投入，阶段性参与即可。
Q3：系统的并发承载能力如何？ 私有化部署后支持团队全员同时使用，我们产品团队20人同时在线生成页面没有卡顿。架构支持横向扩展，业务增长后可以加节点。
Q4：能否导出为开发可直接使用的代码？ 部分简单页面可以导出为HTML+CSS代码，但生产级代码还需要开发工程师完善业务逻辑和接口对接。目前更多是作为高保真设计稿传递。
Q5：系统支持哪些文件格式的导入导出？ 支持导入PRD文档（Word/Markdown）、手绘草图图片；支持导出Axure RP文件、墨刀文件、Figma文件、HTML代码等格式。