问题出在哪
大模型的记忆是一次性的。对话结束，上下文清零。对偶尔提问的用户来说这不是问题，但对每天高频使用 AI 做产品设计的人来说，这意味着大量时间花在"教 AI 认识你的项目"上。需求文档的格式偏好、组件库的设计规范、业务领域的专有概念——这些东西每次都要从头喂一遍。
这不是 AI 的智力问题，是工作流的架构问题。
product-design-system 做了什么
这个项目定位为「面向产品经理的 AI 辅助产品设计工作框架」，核心思路是把产品设计过程中的关键上下文抽离出来，形成可复用的模板体系。让 AI 在每次对话时自动加载这些上下文，相当于给它装了一套"业务记忆"。
具体来说，它把产品设计中反复出现的要素——需求背景、设计规范、交互模式、业务逻辑——模板化和结构化，使得 AI 在工作时不再是一张白纸，而是一个已经了解你的项目、懂你的设计语言的助手。
项目已在 GitHub 开源，支持 fork 后根据自己的业务场景做定制。
为什么这个方向值得关注
"给 AI 加记忆"这件事，目前有两条路线。一条是等模型厂商解决——更长的上下文窗口、内置的记忆功能、项目级知识库。另一条是用户侧自己搭框架，用 prompt 工程和文件系统来模拟持久记忆。
product-design-system 走的是第二条路。好处是不依赖特定模型，坏处是需要用户自己维护这套体系。但对于产品经理这个群体来说，维护结构化文档本身就是日常工作的一部分，额外成本并不高。
坦率地说，这条赛道目前还没看到真正的壁垒。类似的 prompt 模板框架已经出现不少，差异化主要体现在对特定工作场景的理解深度上。product-design-system 的价值在于它明确聚焦在产品设计这个垂直场景，而不是做一个大而全的通用框架。
适合谁用
如果你是独立开发者或一人公司的产品负责人，每天需要频繁和 AI 协作完成产品设计工作，并且已经厌倦了每次对话都要重复交代背景，这个项目值得一试。Fork 下来，把自己的设计规范和业务知识填进去，几轮迭代之后，AI 协作的效率会有明显提升。
关键不在于模板本身有多精妙，而在于你是否愿意把自己的产品设计知识体系显性化。这个过程本身，可能比最终的 AI 辅助效果更有价值。