一句话总结
把每条 backlog 背后的用户信号（不只是标题）、一个北极星指标、以及你真实的”可上线 feature 周”产能丢给 AI，让它砍到 3 件，逐条说清楚拉的是哪条留存杠杆，并指出你低估了哪些非 feature 工作。想让每一刀的论证最扎实，用 Claude Opus 4.7；要一口气给 30+ 条打分又在意成本，用 Gemini 3.1 Pro。AI 在 Prompt 里能”狠”，输出仍偏软——最后这一刀还是你来切、你来扛。
任务场景
你是独立开发者或小团队 PM。Backlog 有 30+ 条。你只有一个季度，最多 3 件能做好的。你需要 AI 逼你做那一刀你一直在回避的取舍。
难的不是想 idea，而是给另外 27 条一个站会上能站得住的”不做”理由。这恰恰是长上下文推理强的模型值钱的地方：它能同时把每条的用户信号都拿在手里，统一对着一个目标排序——晚上 11 点犯困的人做不到这件事。
哪些情况适合让 AI 来做
- 你能把每条 feature 背后的用户信号给 AI——不只是标题。包括 review 引文、support ticket 数、流失 cohort 证据。
- 你有一个本季度北极星指标，而且是个数字（“周-4 留存从 22% 到 30%”）。
- 决定要你来抗。AI 负责排序，你负责拍板。
如果你手上只有标题和感觉，AI 只会产出听着很笃定的废话。要么喂它证据，要么别用这一招。
需要先给 AI 的信息
- 20-30 条 backlog：名字 + 用户信号（review 引文、工单数、流失 cohort 证据）
- 本季度北极星，写成数字
- 真实产能：扣掉 on-call、bug、App Review 滑点之后，你还剩几个”可上线 feature 周”
- 你直觉想砍的 2 条
- 竞品刚发、你忍不住想追的 2 条
产能这块，别忘了 App Review 这笔税。截至 2026 年 6 月，苹果大约 90% 的提交在 24 小时内、98% 在 48 小时内过审，但带新内购或复杂隐私声明的 App 经常要在审核里压 2-5 天，macOS 构建还更慢（实时审核时长，Runway）。每季度预留 1 周给”被拒-改-重交”这个循环，你基本就不会被打个措手不及。
Prompt 底下那套框架
你不用专门教 AI 一套框架，但知道自己其实在要哪一套会有帮助。对独立产品 roadmap 来说，真正用得上的就三套：
| 框架 | 公式 / 形态 | 适合 | 翻车点 |
|---|---|---|---|
| RICE | （Reach × Impact × Confidence）÷ Effort | 把 roadmap feature 对着同一个指标排序 | 输入若是主观信念而非证据，整套就变成走过场 |
| ICE | Impact × Confidence × Ease | 给小实验快速排序 | 没有 Reach 约束，会飘向打分人觉得”好玩”的那条 |
| Kano | 分类：基本 / 期望 / 兴奋 | 弄清一条 feature 是哪一种价值 | 它是满意度模型不是排序模型——排不了你的 backlog |
RICE 是 Sean McBride 在 Intercom 增长团队搞出来的，用来把一堆 idea 对着同一个转化目标比较——这正是独立开发者的处境：一个北极星，一堆互相竞争的下注（RICE 打分，Intercom）。下面这个 Prompt 本质上就是一遍披着大白话外壳的 RICE：它问的是 reach（用户信号）、impact（拉哪条杠杆）、confidence（信号有多强）、effort（几周），但不逼你去填表格。
可直接复制的 Prompt
你帮我把 25 条 backlog 砍到下季度上线 3 件。
北极星：周-4 留存 22% -> 30%。
产能：10 个可上线 feature 周（13 周季度 -2 on-call -1 App Review 滑点）。
Backlog（名字 | 用户信号）：
1. Streak freeze | 38 条工单、12 条 review 提"丢了 streak"
2. Widgets v2 | 9 条 review，直觉是装饰性
3. 按时间段的提醒 | 1 条 review、6 工单——重度用户
4. Apple Watch App | 竞品刚发，零用户信号
5. 可分享 progress 卡 | X 上自然有 22 张截图，零请求
6. Onboarding 重写 | 第 4 步中第 3 步漏斗掉 41%
7. 价格测试（4.99 -> 6.99）| 收入模型假设
8. Dark mode v2 | 14 条 review 主诉"对比度难受"
9. iPad 布局 | MAU 8% 在 iPad、当前布局烂
10. 设置页清理 | 工程提议，零用户信号
... [继续粘 15 条]
直觉想砍：Apple Watch、设置页清理。
想追：竞品 widget、竞品 Watch。
请输出：
1. 本季度上线 3 件。每件：拉哪条留存杠杆、几周工作量、唯一风险。
2. 5 条"不做"+ 一行原因（具体为啥 NOT，不是"优先级低"）。
3. 我要明确拒追的那条竞品动作 + 自己对 FOMO 的一句反驳。
4. 我低估的非 feature 工作：bug、性能、onboarding 修复——可能比任何 feature 更影响留存。
5. 接下来每周该看什么，才能知道这 3 件是否在 work。里面的 -> 箭头是当纯文本写的，这样你粘进任何聊天框都不会被当成 Markdown 解析。
用哪个模型跑
这是个长上下文的”排序 + 论证”任务，不是创意任务。截至 2026 年 6 月：
| 模型 | 在这件事上为什么选它 | API 价（输入/输出，每 100 万 token） |
|---|---|---|
| Claude Opus 4.7 | 每一刀的逐步推理最扎实；“砍错很贵”时首选 | $5 / $25 |
| Gemini 3.1 Pro | 给 30+ 条打分时性价比最高；约为 Opus 七成深度，成本只是零头 | $2 / $12 |
| GPT-5.5 | 出干净答案最快；边聊边迭代时的好默认 | $5 / $30 |
如果只是一季度砍一次，三家旗舰聊天 App 随便哪个都够用（Claude Pro 每月 $20、ChatGPT Plus 每月 $20、Google AI Pro 每月 $19.99）——你发的就几千 token，不是在跑流水线。只有当你要批量给很多产品打分、或要把这个 Prompt 跑几十遍时，才需要走 API 配 Gemini 3.1 Pro。如果你常驻编辑器里，Cursor 能在不离开 repo 的情况下，用 Opus 4.7 或 Gemini 3.1 Pro 跑同一个 Prompt。
输出示例
本季度上线：
- Onboarding 重写（3 周）——直接杠杆：第 3 步漏斗掉 41% = 周 1 前你已经丢了半个留存 cohort。风险：和价格测试同时改会混淆度量，别俩一起上。
- Streak freeze（2 周）——12 条 review + 38 工单是最大单一信号。风险：streak 原教旨派会喷”freeze 把机制变水”；做一键关。
- 按时间段提醒（2 周）——重度用户留存代理；工单 cohort 留存高 1.7 倍。风险：通知 UX 不细心，本想拉回反而把人赶走。
不做（5 条）：
- Apple Watch：追竞品 + 零用户信号。不做。
- 设置页清理：对留存零可视影响。
- Widgets v2：装饰性；v1 已达标。
- Dark mode v2：真投诉，但不动周-4 留存。
- iPad 布局：MAU 8%，确实重要——但下季度做，不是本季度。
拒追： Apple Watch。对 FOMO 的反驳：“Watch app 大约加 40% 维护成本，你受众戴 Watch 的比例约 12%，竞品发它是营销 bet 不是留存 bet。”
低估的非 feature 工作： TestFlight 里 6 个 P1 bug。每个在受影响 cohort 上吃掉一个周-4 留存点。分配 1 周。
每周看：
- Onboarding 第 3 步漏斗转化（周）
- Streak 相关工单数（周）
- 周-4 cohort 留存（滚动 6 周折线）
怎么改输出
- 输出泛——要求”每条上线 feature 必须点名具体的留存机制，不是
提升 engagement”。 - AI 评分均等——硬规则”3 件里必须刚好有一件 onboarding / 漏斗 fix，不能三件全是重度用户 feature”。
- AI 在和稀泥——硬规则”不准
consider、不准看情况。要么 ship 要么 no”。 - 跳过低估工作——明确要求”backlog 上没有、但比上面任何 feature 都重要的那件是什么”。
- 你怀疑模型在给自己的打分注水——加一条”任何唯一信号是
竞品发了的条目，Reach 直接算 0”。这正是 RICE 式打分一旦少了 Reach 约束就会丢掉的纪律。
容易踩的坑
- 把”最多人请求”等同于”先上”——最多人请求的常是已经留存的重度用户。
- 让竞品动作 over-weight 你的 roadmap——他们的 bet 不是你的 bet。
- 不给非 feature 工作留预算——bug 和 onboarding 修复常常主宰留存数学。
- 3 件 feature 都需要同一个工程师——产能是 per-engineer 的，不只是 per-team。
- 信分数胜过信信号——RICE 和 ICE 一旦输入是”包装成数字的主观信念”，都会变成走过场；Prompt 再好，也只值你粘进去的那点证据。
FAQ
- 要把”技术债”放进 3 件里吗？ 只有当它在卡上线 feature 时才放。否则归到”低估的 1 周非 feature 工作”里。
- 北极星不是留存怎么办？ 同模板——把”留存”换成”激活”或”ARPU”。“这条拉哪个杠杆”的问法完全一样。
- 这件事用 RICE、ICE 还是 Kano？ 排序用 RICE（一个指标，互相竞争的下注）。只有当你分不清某条 feature 是”基本期望”还是”兴奋点”时，才先用 Kano——它做分类，不做排序。
- AI 能取代用户研究吗？ 不能。给它信号，别让它编信号。一个没有证据的模型会现编出很笃定的理由，那比没有答案更糟。
- 到底该用哪个模型？ 季度砍一刀：想让每条”不做”的论证最紧，用 Claude Opus 4.7；要给很多条打分又盯着成本，用 Gemini 3.1 Pro；在聊天里快速迭代，用 GPT-5.5。