全文19,473字，阅读约50分钟，原文发于2月
近期gap有空，结合近半年突飞猛进的模型侧和应用层发展，以及自己做Agent的实践，对之前的《25条认知》做了修订，主要在第三部分「如何设计产品」，核心观点如下：
找到Model-Product-Market-Fit最关键，模型能力（现状&未来）匹配用户需求（存量&增量）
用户需求是渐变的光谱，按过去的旧分类，AI只能替代存量解决方案，无法创造增量市场
给用户交付一个结果，而非单纯做体验，通过管理用户预期，收敛场景，最终满足和超出用户预期
产品框架要最大化拿到模型进步的红利，产品不在于弥补模型的不足，而在于充分发挥模型在目标场景的作用
把模型当做人，一个非常聪明但一张白纸的人，在教模型干活之前，先想想人是怎么做事的，然后帮助它landing
接受失控，相信模型，相信用户，相信社区，然后会见证很多超出计划和预期的美妙结果
前言
从23年初参与AI项目到现在，做过亿级用户规模的AI特效，也落地过更复杂的营销创作工具，还探索过Agent，是我最累最忙的两年多，在此期间积累了一些成功经验，更多是失败教训，但总体拿到的手感反馈的确比较多。
比较幸运所在的影像业务，有大模型最丰富的落地场景，无论是文本、图片、视频还是音频，无论是单一模态还是多模态组合，并且可以立即拿到用户反馈，建立认知。在大家还不清楚大模型的时候，就开始思考怎么落地；在大家还不知道怎么落地时，已经拿到很多实践反馈；在大家开始实践时，已经往更深更广更远的维度来抽象思考了。
这篇文章字数比较多，有不少共识和非共识的内容，也有很多具体的信息和细节。没必要试图记住这些原则，而是感受它，看哪些是有共鸣的，哪些是没经历过但后续要刻意关注的。里面也有不一定对，或者只在特定条件下成立，边看边甄别。
如何迭代认知
1. 理解大模型，需要理论和实践。你不上手，就很难真正的理解，也无法做出有价值的判断
需要建立认知框架，才能避免迷失在信息的乱流中，否则每天一睁眼，那么多AI信息，又多又快，让人焦虑。大模型原理掌握Transformer、Diffusion、DiT、SFT、RL等，这类课程其实网上非常多了，这里推荐OpenAI创始人之一Andrej Karpathy的Deep Dive into LLMs like ChatGPT（目前最好的LLM入门），还有张涛老师的Stable Diffusion 原理，Deepseek R1技术解读，MIT的How to AI (Almost) Anything，建议先看科普视频，再看论文和文档，不然会很吃力，尤其是像我这样的文科生
理解原理的基础上，还要实际上手体验，否则就像你高中，上课听了都会，下课做题傻眼。那些自媒体说的颠覆性能力，算法跟你说咱们模型的各项评分多少，你是没有概念的。可能看似很高的分数，其实给用户使用依然是灾难。或者咱们的能力超过竞品模型，但在实际体验，用户感受不到这个差距。最简单的方式，就是去即梦、可灵、豆包等简单易上手的工具来体验模型效果，以及在工作中尽量使用AI提效。
体验之后，最好有项目可以实践，在更大场景验证。你自己体验，跟做出产品给更多用户使用，依然有巨大的认知鸿沟。因为业务和岗位原因，你可能没有研发资源，那怎么办？先利用外部工具跑起来，验证收益再投入资源。AI项目有高度不确定性，与其等老板给你资源立项，不如自己先思考起来，小步快跑去尝试，帮助个人提效和业务内部提效。
在项目实践中，不要当无脑的螺丝钉，成为分工细化的受害者。在大厂分工很细，有用户产品、框架产品、作者产品、策略产品、工具产品，一个项目经常要多个产品和不同方向的研发、算法来完成，分工的好处是可以把每件事做得很精细极致，适合规模化阶段。但是做AI产品，分工太细，不一定是好事，比如一个产品不管数据、策略、供给，只做前端交互用户体验，那可能做10个AI项目，都不是真的AI产品，或者一个算法产品只做标准、打标、清洗，而不管终端的用户场景，可能也是打标poc。要全链路都了解，从而形成你的判断力。
现在的组织分工，岗位边界，都是服务移动互联网的产品形态，但其实并不匹配新一代的AI产品，如果还是固守自己过去的边界，不学习，不承担边界之外的任务，那么是很难在AI时代迅速成长的。
2. AI项目0-1阶段协作很痛苦，需要团队对模型理解有共识，建议组成AI native的闭环小团队
如果你做的AI项目，在业界已经是成熟模式，比如AI特效，需要更多人分工做大规模。但人一多，每个人对Diffusion、DiT的效果理解不一样，会经历比较混乱的阶段，甚至各方会互相指责。这种情况下，就需要项目组内各位同学短期内多看、多体验，努力补课，团队成员在模型理解上达成共识，知道哪些是切入点，哪些优化空间不大。
偏探索性的AI项目，比如Agent，最好小团队闭环，减少沟通成本，组织的摩擦和繁重的会议，对精力的损耗超级大。想想你们一周那么累，但真正投入到有价值的事情的占比有多少？可能超过20%就算不错了。
人经常会高估个人的能力，低估组织的力量。deepseek的人才不一定是最顶尖的，也就一百多人，但当团队有共识，把精力都在投入到真正做事上，可能实际的产出会很大，短期更容易跑出来。
关于AI native的组织，推荐看lovable的两位员工写的 《The New Designer Playbook》和《How to thrive in the Al era；The rise of the AI-native employee》；42章经的《组织能力才是AI公司真正的壁垒》；Calvin的《Reflections on OpenAI》，Lenny的《25 proven tactics to accelerate AI adoption at your company》。结合自己在公司内封闭AI项目的的实践，总结如下：
每个人都是多面手，而不是分工细化的螺丝钉
在AI native的项目里，需要新的分工和新的技能，每个同学都要开始做自己不擅长的新东西，然后发现自己不行，所以更愿意利用AI。如果做的事情已经很熟了，哪怕麻烦点，大家依然会倾向于用人工的方式解决。
行动比流程更关键，快速干，干中学，不要那么多拉通对齐
行动足够快，那么失败成本就足够低
3. 对过去成功路径的过度依赖，可能是未来成功的阻碍
很多年轻同学入职即大厂，一直在成熟产品上做ab优化，最擅长的就是分析数据拆漏斗，找到流失最大的环节，然后针对性优化，不清楚哪个手段更有效，再多分几个实验组，最后ab涨0.2%，开开心心推全实验。但如果把这套ab经验套在做0-1项目，可能会让你在错误的或不重要的方向上浪费时间。比如某个项目刚上线，使用导出率很低，有同学就担心怎么办，想优化漏斗。但我对生成的效果很有信心，所以判断不应该投入太多做雕花，更重要的是找到目标用户，透传产品价值，后面转化率自然就翻了几倍。
我意识到同学们还在用精细化AB的思维来做AI创新产品，没有勇气下判断，于是在团队内分享过去的0-1经验。比如疫情做腾讯课堂极速版，48小时上线，没有什么增长策略，2周DAU千万，1年用户破亿。当时公司有很多个教育业务做，为什么我们能成为最大的公立校网课平台？因为过去大家认为，公立校的决策者是校领导，所以产品架构要以学校为单位，但我们正月里开始接待教育局领导，发现老师数字化程度太低，学校的组织架构和课程表太复杂，果断采用一个老师手机号注册->一键开课->分享链接给学生，同期另一个相似形态的是腾讯会议，也起飞了。
还有某些高阶同学，做10-100阶段太久，方法论又复杂又酷炫，已经忘记当年0-1阶段的粗糙了，会形成一种幻觉，因为我很牛逼，所以当初能做成。很起飞很爆炸的项目，大概率不是因为方案本身做的多么精细，而是抓住了关键点和机遇。在0-1阶段，如果方案要非常精细完美面面俱到才能做成，那么这事儿可能就不成立，我工作这几年，数据好到远超预期的方案，都是很粗糙很赶做出来的，但都把握了最关键的点。
高阶PM做AI项目，尤其要警惕，你要避免过去具体的经验对你的干扰，觉得自己之前在抖音是这样做的，做成了，所以现在按同样的方法在新业务也能做成，但忽略了条件和时间点的变化。我转到新业务后，一方面是输出过去的经验，另一方面，会甄别哪些是有效的，哪些是无效的，如何做本地化，避免活成自己过去讨厌的样子。
移动互联网的数据飞轮、网络效应是构建业务壁垒的底层逻辑，但这个方法论在大模型还没被大范围验证。Chatbot在24年都在搞投放，先圈用户，用户的行为和prompt构建数据飞轮，但实际上我们看到，用户被推荐引擎驯化的，表达能力已经非常糟糕了，用户的prompt非常的初级，低质，甚至糟糕，而模型训练需要优质的数据，所以价值不大。反倒没啥用户规模的deepseek，做出R1，然后一鸣惊人，0投放，成为史上增长最快的AI产品。
4. 在不确定性的快速变化的领域，数据可能没那么重要，判断和信仰更重要
22年刚来字节，震惊于字节ab数据的先进性，觉得是产品经理的工业革命，但到后面越来越觉得，随着公司规模扩大，一些产品经理被数据和实验给异化了，逐渐丢失了深度思考的能力，没有从数据中，增加对用户的理解，挖掘新的机会点。
23年我们内部开玩笑说，后面大模型把我们产品的各种文档拿来训练，可能就可以把产品经理都裁掉了，而且数据分析AI做的比我们产品还精细全面。
过于迷恋数据，会导致我们陷入局部最优解，而局部最优解不一定是全局最优解，因为我们的信息和视野有限，拆解出来的路径可能不是最有效的路径。但人性都是短视的，就像AlphaGo，为什么能走出人类从来没有见过的神之一手，因为它看得更远，某一步貌似看臭棋，但是很多步之后，体现出它这步的精妙
我时刻提醒自己和身边的同学，脱离数据，自己能不能独立做判断，数据是辅助，而非出发点。其他公司都没有字节这样好的数据基建，那跳槽后，是不是都不知道该怎么做决策。很好玩的是，新同学landing到我们业务，需要参考优秀的需求单，一份是基于数据严谨推导的，另一份是我写的没有数据推导的需求单，但当时评审会上大家兴奋的让我赶紧做。
数据会骗人，通过充分信息和严谨的逻辑可以绕开数据的陷阱。不止一次，别人把数据扔在我脸上，我发现当跟我的逻辑推断不一样，我会有信心的让对方再算一遍，注意口径有没有问题。无论PM还是DA，都有可能犯数据错误，因为并行的事情太多，有时候就机械性地跑数据，而没有真正思考用户的场景。
判断和信仰有多重要，可以看最近阿里吴妈在云栖大会上的《通往ASI之路》，一场演讲就让阿里市值涨了3000亿港币，这次打动市场的不是闪购的订单量，而是阿里对AI的信仰和判断。
5. 细节很重要，不要依赖别人抽象过的总结性汇报做产品判断
在大厂各类专题汇报和周报很重要，是庞大组织能运行的机制保障，但汇报总结有效的前提是，我们充分共享了context，面对文档上的一句话，大家都能理解背后更丰富的信息，比如听到「扩供给」，都能大概想到有哪些策略，服务的目标是什么。
但是面对新事物，如果还是依赖总结性的汇报，那很可能会做出错误的判断，比如说这个模型能力分数达到4.5分，行业第一，然后我们做个某某feature，就可以颠覆业界。或者说，用户的某某需求，目前人工操作很复杂，链条长，可以通过大模型agent来解决，替代人工。但实际上，一上手，可能都不大行。在正确的时间做正确的决策，依赖对细节的充分理解感受。多看case，多调研用户，多上手体验产品，这是最朴素但最有效的方法。
用ChatGPT、Claude、Gemini、DeepSeek、豆包、Kimi、Midjourney、即梦、可灵等，看不同模型在同个任务上的表现差异，不同模型各自擅长和不擅长的任务，每次模型的大版本更新，就去简单测一测，也看看社媒上其他用户的case。
6. 未来更多是演化出来， 而不一定是计划出来
人获取的信息和认知有限，所以经常驾驭不了一个很宏大很长周期的东西。但人又是没有安全感的生物，所以经常会在回忆中，美化和合理化自己的规划能力。这种甜蜜回忆越多，对不确定性的未来的掌控欲就越大。执着于过于复杂的计划和可预测的目标，反倒压制了真正的创新，错过了真正的机会。
比如我们的不少晋级答辩文档，会写基于业务目标，我如何拆解，然后如何按计划实现，最终拿到结果。但我们其实都心知肚明，做事情的过程可能很多都是混乱，不断调整的，我们是最后关头才把过去的事情都点线面串起来，进行简化，然后让评委更好的理解。答辩这样很合理，但不要把答辩思维生搬硬套到日常的做事，除非你做的事情很成熟。
这个世界充满了运气和变量，比如英伟达芯片最开始是为了让打游戏更快，后面没想到GPU很适合神经网络这类超大并行矩阵计算；辛顿他们设计出神经网络，但因为没有足够的算力，没啥效果，被视为异端而只能在加拿大默默研究；李飞飞最开始做ImageNet，花了不少钱，但这么大的数据集也没啥用。但当他们三者遇到一起，就开启了AI的关键时刻。不是某一个智者洞悉一切，安排上述三人按项目推进的。
今年以来VC也都有了思路转变，之前在移动互联网看项目，会算这个项目的业务壁垒、商业模式，看清楚了再投；但大模型其实很长时间都没有跑通商业模式，哪怕OpenAI，所以过去VC出钱很谨慎。现在VC投钱更看重，创始人是否靠谱，是否有发自内心的长期愿景，而具体的实现路径反倒没那么重要。
7. 保持学习，保持交流，准备好自己迎接更大的机会
22年底到23年，都在卷Chatbot，到25年，基本战局已定，基本没有新玩家的机会；24年因为Cursor，大家开始做不同行业的IDE；再到25年，因为Manus，纷纷都做通用Agent和不同行业的垂类Agent。目前AI已经渗透到工作和生活的方方面面，但大部分AI产品都还是早期阶段，还不足以颠覆移动互联网。业界常说的，移动互联网早期做手电筒，然后手机应用商店，最后发现抖音、微信、美团、拼多多才是移动互联网的真正大机会。
当前我们可能在做手电筒，或应用商店（GPTs目前也没有跑通），应该还没有出现抖音级别的机会。但我们需要拿项目练手，总结，交流，学习，因为抖音不是第一天做移动互联网的人做出来的。张一鸣在九九房里做推荐引擎，但意识到这是小机会，然后把推荐引擎放在内涵段子、头条，直到在抖音，跟上下滑的短视频交互结合，一举反超腾讯。
那么AI时代的抖音、微信、美团、淘宝可能都还没出来，大模型作为一个技术要素，会引发什么奇妙的化学反应呢？我们其实也没有真正看清楚，可能苹果和微信是生态位的终局赢家，比如微信搜索接入deepseek，可以通过智力串联起微信生态里的内容和服务。但也可能下一个抖音不是抖音的形态，我们只能先积累认知经验，识别身边的靠谱伙伴，等待更大机会的到来。
如何找PMF
8. 找Model-Product-Market-Fit是核心能力
需要理解模型，就像你在移动互联网早期，要理解4G、GPS、智能手机一样；不理解模型的原理，就会在一些错误的细节上白白浪费精力，比如大模型的幻觉，本质因为是next token prediction，是个概率问题，或者容易异想天开，过早做非常复杂的Agent项目。
理解模型的边界，理解用户的需求，然后通过一套产品化解决方案来切入这个交叉点，是AI应用产品经理的核心能力。对模型的理解，要有定量和定性。不是读了多少篇论文，其实不少论文读得飞起的人，不一定理解模型在复杂现实环境里的能力；也不是做了很多测评，因为测评也是简化的环境，我被很多打分和榜单骗过。你用多了，看多了，就有判断，模型能做什么，做到什么程度。
9. AI有的是提供草稿起点，或解决最后一公里，或辅助人完成任务，或闭环完成简单任务
即使到今天，AI在大部分任务上，都还无法取代完整的人类工作流。当你要做一个AI项目，可以思考，这个是给用户提供一个初始草稿，方便他快速二次修改，还是基于用户的草稿，做最后的润色加工。比如23年初很亮眼的Gamma，就是输入prompt，给你一个不错的PPT草稿，然后你在PPT上继续修改文字，大大提高用户的效率，同时管理了用户的预期，不是拿着PPT直接去演讲的。
还例如在nhentai这个全球某类漫画的历史排行榜，第二名Long Distance Train是作者hr555用diffusion生成的，共30页的剧情内容，作者自己画线稿，然后用AI上色，AI解决了最后一公里问题。
Granola的设计也很妙，你边听边做笔记，跟你之前的习惯一样，但AI可以把语音转录为文字，最后通过一键优化，把你的笔记和转录文稿整合为完整的笔记，有重点又完整，既解决了AI总结的没有重点，又降低了人工记笔记的多线程认知负荷，是很自然的辅助。
同样都是会议转录，Plaud采用了不同的思路，它独立完成会议转录和总结，几乎在取代一个会议助理的角色。产品逻辑也很简单，开会前，点击录音，会议结束后，把录音转为文稿，并按不同行业和会议类型模板，提供对应的总结，已经比很多助理记得都更清楚。
你想要AI多大程度的完成任务，要依赖模型的进展、场景的复杂度、以及用户能力和预期，没有标准答案。但我们希望AI可以独立完成越来越多、越来越复杂的任务，让人类从琐事中解放出来，去做更加具有创造性的事情。
10. 好玩比有用可能更容易跑出来
大模型的幻觉、可控性差等问题，让我们做解决方案时非常棘手。因为过去移动互联网的解决方案，都是比较确定性的，用户每完成一个操作，都会对反馈有明确的预期，如果不符合预期，就会退出。想象你在视频编辑器里，点击添加某个手写字体，结果展示的是另一个宋体，你就会觉得这是什么鬼。
但另一方面，我们可以利用大模型善于创意、发散的特点，来给用户一些非刚需的好玩场景提供惊喜。比如AI特效，把照片变成粘土风，虽然脸也可能歪瓜裂枣的，但丑萌可爱。比如Sora出来后，我们预期会有奥斯卡般的高品质AI影视作品，但实际上到今天，DiT视频模型最大的应用场景还是在玩抽象，变身机甲战士，羊毛卷，AI打架。
比如AI扩图，本来以为是一个实用工具，没想到变成搞笑的爆款玩法。可能吸引很多人的好玩东西，会逐渐演变出来更有价值的东西。比如短剧赛道，迪士尼请好莱坞导演做竖版短剧，失败了。结果真正跑出来的是，网文平台在抖音上投放的广告素材，从片头素材再演变为完整剧集，再超过电影行业的市场规模。比如B站最开始搞二次元和鬼畜，后面出来非常有质感的中视频；抖音最开始是跳舞小姐姐对口型，但现在也有非常有节奏感的竖版中视频。
今年3月让ChatGPT一小时增长100万的，是GPT4O的吉卜力玩法，8月底nano banana让Gemini一周增长1000w，其中主要的爆款玩法是3d手办，都是好玩不实用的东西，但普通人很喜欢。
量变引起质变，先做出好玩好看的，有播放量，更多创作者进来，然后内容的质量和丰富性会不断起来。未来可能不是计划出来的，而是演化出来的。我们可能并不知道未来会怎么样，也可能我们对自己设想的未来的过度执着，反倒阻碍了未来的到来。
11. 用户需求是渐变的光谱，按过去的旧分类，AI只能替代存量解决方案，无法创造增量市场
在23年6月参加美国的VidCon大会，听了全球最顶尖的内容平台、内容创作者、AI工具公司对未来内容创作的分享，对我形成系统性的AI认知超级重要，即使放在现在也没有那么过时。
当时听到一句话特别印象深刻，AI对创作的价值：Save time（提高效率）、Improve（提高质量）、Power up（做之前做不到的事）。我很容易理解前两点，甚至觉得AI最容易的是提高效率，但实际做了发现很难，因为AI提高效率的代价是，降低效果，于是用户不满意。所以早期不少单纯提高效率的项目，其实都不是很成功。
对Power up其实不是很理解，因为我觉得用户的需求就这些，那些做不到的事情，都是科幻小说异想天开，大模型也实现不了。但后面两年的AI应用发展，让我逐渐深入的理解了这个词。
比如AI特效，不是save time提高效率，因为用户本身没啥需求，也不是对传统美颜的improve优化，因为效果很夸张，完全不真实。AI特效是 power up，让去不起天真蓝、也请不到画师的普通用户，导入一张照片，就可以变成梵高风，或者国风写真，或者让当地樱花未开的小姐姐，可以有樱花背景写真。这里反映的用户底层需求，是变美变有趣，而不是美颜的具体需求。
比如AI音乐，在音乐性上，完全比不上版权真人音乐，但是大语言模型可以让叙事性更加个性化，可以根据每个人的故事，写一首，这是过去做不到的，也出现了「还我妈生鼻」这样的爆款。suno 不是取代音乐人的创作，而是让音乐成为每个人的一种表达方式，正如剪映不是让你取代剪辑师，而是让你可以低门槛进行视频化的记录和表达。
比如AI编程不是取代程序员设计师，而是让有想法的人，也可以做出app或网页，创造了增长市场，23年初有一些AI产品试图替代figma，一句话生成UI稿，但后面都没有成功，因为发现UI稿要求精度很高，AI生成的太粗糙，且编辑困难。Claude sonnet 3.5出来后，AI编程爆发，零代码经验的也可以通过prompt做出一个小产品，从意图->UI-代码都实现了，通过AI编程做出来的产品，可能是满足某个长尾需求，或者给自己用，就不会像传统UI稿那么精细复杂。
AI编程的应用场景继续扩大，figma是个设计UI的软件，但它今年推出了Figma make，设计师直接基于设计草稿就可以生成可交互的网页；Canva是个图片模板产品，但4月也推出 canva code，图片模板创作者不再是它的唯一供给，营销图片也不是它唯一能满足的场景；秘塔搜索支持对搜索结果，生成可视化的网页，编程这里是内容的呈现方式，而不是功能。很快也可能是模型与用户的交互方式，实时生成UI，方便我们与模型进行互动。
提高效率，提高质量，本质上都是在过去的分类下，找更优解，那么势必会与过去可能优化了10年的方案进行比较，很多时候比不过。我们有时候要回到用户最本质的需求，从渐变的光谱中，找到你的细分需求切片，然后满足它，可能是一个新的人群，新的场景，新的需求。
不要试图解决痛点，因为真的大范围的痛点，可能都已经被满足了，而是先去找少数人的痒点，扩大后，再拿掉，就变成大部分人的痛点。就像外卖最开始，也只是服务大学寝室打游戏的男生，不是社会大部分人的痛点。
12. 有些看似伪需求，但其实是偏情绪价值的真需求
很多需求不是真实有用的需求，但是会让用户很舒服，比如清晰度问题，其实抖音、朋友圈都会压缩画质的，但用户在导出时，依然选择清晰度和帧率开到最大。
AI超清是非常多APP的核心功能，我最开始有点困惑，用户绝大部分的照片都是比较清晰，而且朋友圈还会压画质，为什么还这么喜欢付费用AI超清？后面了解到，用了美颜滤镜之类的，会让画质柔化变糊，用户修图时放很大看，觉得糊，然后修完后，再一键AI超清，又清晰回来，就缓解了焦虑。但实际上，朋友圈其他人看是看不出来的。
所以不要一直按理工直男的实用主义来理解用户的需求，用户是非理性的，不然可能会错失一些需求。
13. 不同模态的生成、转化都蕴藏着模型应用层的新机会
除了从生活的需求出发，来反推模型能力，形成解决方案。还可以拿着锤子找钉子，从模型的能力出发去找应用场景。下图是23年我看了很多竞品后，列出来的不同模态之间的转化，对应有什么模型能力，和产品化的机会。算是一种脑爆的思路框架。
但这个箭头不一定完整，比如最开始以为会先跑出来音频->视频，因为当时的一些demo是输入一段音乐，然后基于对音乐的理解生成视频，但实际上到现在没有跑出来。反倒视频->音频先跑出来了，从suno的拍视频生成音乐，再到抖音的拍照生成AI音乐大爆款。
比如音频转文本，一直是被忽略的赛道，但是跑出来了granola、plaud、wisper flow等口碑和数据都很不错的AI产品，因为模型的转录能力足够强，强到超出甚至很多AI业内人士的预期，可以解决很多我们的日常问题。有时候，我和朋友聊完某个议题，我会把plaud转录总结的笔记发过去，对方都会震惊于AI笔记的完整性。
14. 不同内容平台之间的内容迁移和转换，会带来新的工具机会
随着TT、Youtube Shorts、Ins Reels这类短视频平台的崛起，需要引入大量的短视频，当创作者纷纷涌入TT，但他们又不擅长做短视频，就诞生了工具化的机会，比如把Youtube的中长视频改为短视频，带来了OpusClip，比如Podsqueeze把音频播客转为短视频，比如Repurpose把Twitter帖子转为短视频。
或者流光卡片把长文转为小红书图文卡片，甚至还有一些创业项目，根据你关注的话题，去网上搜索信息，然后自动整理为小红书图文卡片发布。
这个迁移过程一直在进行，比如过去就有人把知乎的内容转到公众号、微博、小红书，因为创作者都是追逐流量的，当然这类工具其实有争议，很容易变成洗稿灰产。
当用户越来越习惯问ChatGPT、Deepseek、豆包问题，Chatbot现在成为新的流量渠道，所以目前出现了GEO，有专门的机构、公司帮助你的产品更容易被ChatGPT收录，短期可以让你的产品有更多的流量，不像SEO那么卷那么成熟，不过这是跟平台方对抗的事情，长期不一定做得大。
总之，需要持续关注下游大平台的变化，抓住机遇比努力更重要
15. 观察用户如何与模型交互，是孕育未来新一代产品的灵感来源
23-24年，大模型的泛化能力和开源，让ComfyUI、Coze之类的平台，创作者通过节点来创建和封装工作流，可以满足非常多的需求。创作者的创意，经常会超出你的想象。这也是为什么Midjourney、即梦、Liblib之类的产品，一定要在端内做社区，把创作者通过工具做出来的内容，作为模板，来服务更多普通用户，甚至裂变出新的创意。
比如我们做AI特效，23年总结出的核心产品方法论是「新技术出现->大神用新技术创作爆款作品->把大神工作流一键产品化」，直到今天，我们依然在敏锐的观察着市场变化，我们inhouse这几个人的创意，远远比不上社区的创意。
今年随着基模能力变强，不那么依赖lora、comfyUI workflow，这需要我们更加关注普通用户与强大模型的互动后做出哪些有意思有价值的东西。当工具的门槛降低，更多人进来，创意供给会进一步释放，正如抖音不是养了一批专业的创作者，而是让普通用户ugc成为最大的供给。
一个简单有效的方式，就是在抖音、小红书、Twitter等内容平台上看用户案例，然后进行产品化，模板化。比如最近的jaaz和higgsfield的draw-to-video功能深受好评，这也不是他们产品的天才设计，而是早在4月份，就有用户通过GPT4O来实现涂鸦P图，接下来把这个玩法做成产品能力即可。
16. 不用上来就做个大产品，先从小场景切入，收敛用户预期，最大化模型效果
等模型智力到达AGI，可能会出现一个大产品，直接面向用户掌握信息和服务的分发，但现在，可以先踏踏实实做个小产品，解决一个具体的问题，满足一个具体的需求。大的机会，意味着形成了行业共识，那么竞争是非常激烈的，就像现在LLM领域的AI搜索、AI编程，多模态领域的AI特效。
Captions这个产品是出乎我们意料的，核心功能是识别字幕，生成动画字幕，非常简单，但很早盈利，且用户粘性高。它通过大模型，把字幕识别准确率做得非常高，几乎不用改，并且再自动添加字幕动画，更符合TT短视频的风格效果，就能获得创作者的用钱投票。
模型可以做很多事情，但很多事情也做不好。如果你觉得一个prompt对话框就可以解决大部分需求，那么你真的还没被AI毒打过。收敛场景，收敛需求，让模型相对稳定的交付结果，这样才有用户的留存。
如何设计产品
17. 给用户交付一个结果，而非单纯做工具体验，重要的是效果定义和测评
当你设计方案时，不要陷入交互的细节，而是思考，我要给用户交付的结果是什么。用户不是来细细品味你的交互审美的，而是要结果的。从这个目标倒推，哪些是通过交互解决，哪些是通过数据解决，哪些是通过模型解决，最终包装为一个完整方案。
比如deepseek，交互很粗糙，但是它给用户交付的结果，即体现在智力上，依然爆发增长。比如AI特效，关键是用户导入照片后，生成的图片好看有趣，所以关键的其实是内容选题、特效供给，而产品更多是做供给提效、消费侧性能优化，而没有折腾太多有的没的交互和流程。
既然效果是最重要的，那么对产品经理的能力模型也提出了新的要求，即要重点做标准和测评。
古典产品经理，是通过调研、直觉来理解用户，做产品决策，满足用户需求。如果产品判断力不行，那就是在自嗨
字节产品经理，是用实验、数据来理解用户，做产品迭代。如果指标定错了，就越努力越错，或者没办法定出一个指标，那就不知道该怎么努力。而且很有意思，当阿里和腾讯还在辩论用户体验和数据指标如何平衡时，字节早就不需要辩论了，直接看LT和GMV，如果整体LTV有提升，就推全。
AI 产品经理，是通过定义标准、测评，尽可能全面真实地反映用户对 AI 交付的结果的感受，来做 pipeline 优化和模型精调。如果标准定错了，产品优化方向就错了，如果测评不客观，那么就带来虚假的乐观
谁懂用户，谁懂行业，谁就对标准和测评有最大话语权，这里的决策非常难。因为你没有足够的资源，做到尽善尽美，永远都会有问题，永远都没有ready，永远可以继续优化。甚至同样的一个效果，可能设计师、运营、产品都会有不同的看法，谁为结果负责，那么谁就要拍板是否要上线。上线的时间点，目标用户，产品包装，运营引导，都会对最终的结果带来影响。
18. 用户的预期管理，显著影响用户对效果的满意度
在产品宣发上，经常需要吹牛逼，搞颠覆，但当用户使用时，需要通过引导和路径设计，管理好用户的预期，让最终交付的结果符合或者超过用户预期。否则牛逼吹破天，来了很多用户，但都留不住。
上面看似是简单的道理，但你如果不深刻理解，可能在产品方案上就会错过一些非常关键的细节，导致用户不满意，比如我们就是把解锁草稿的按钮换了一个位置，让用户更强的意识到，这是AI生成的草稿，而非最终成片，于是使用导出率显著提升了。
如何在日常中实践这个原则，很简单，在用户使用你的功能时，问自己用户希望获得的最终结果是什么；以及用户每一步操作，问问自己他们对下一步的预期是什么。
这几天在体验Typeless语音助手，它的新手引导对用户预期管理做得非常到位，提供几个示例，让用户无脑按Fn键跟着说话，发出语音指令后，AI能准确识别并且完成任务，都是一些非常简单但繁琐的任务，但用户一下子就get能做什么，后续也会用来做类似的简单事情，而不会逼它写一篇报告。
19. 对话+GUI，是新的交互范式，用户不再需要学习写prompt，而是用自然语言表达和手指戳戳
22-23年，很多人对ChatGPT和Midjourney开创的对话式交互非常迷恋，因为很符合科幻电影里的画面。有不少AI产品，都只是一个输入框，用户写完prompt后，直接出来一个结果。我当时也参与过类似的项目，但实际落地，发现自己太天真了，一方面模型能力不行，无法基于用户的一句话交付一个满意的结果，另一方面普通用户不想打开键盘，也不知道填什么prompt，所以需要在产品设计上做好用户操作成本和最终效果的平衡。
在23-24年对增加输入框都是非常谨慎的态度，为了降低用户写prompt的门槛上，我们总结了一系列的有效经验：
交互：
非必要，勿填prompt，让用户多填一个字，都是对用户规模和转化率的巨大折损；
如果有prompt的效果更好，那么把写prompt做成可选填，让专业用户有选择，又不影响小白用户；
如果必须填，尽可能填用户不需要额外思考的，通过推荐词降低输入门槛，并保证对prompt的响应，避免拔高用户预期后但结果又不符预期；推荐词的来源，不一定是官方预设，而是基于海量用户的prompt做聚类、清洗、召回、排序
信息：可以通过算法、或信息授权来获取用户意图和context背景信息，而不一定要手动输入
流程：把prompt填写留在最后一步，让用户先完成简单的熟悉的操作，增加沉没成本
但今年我开始更相信对话式交互了，一方面基模变得很强，无论是多模态理解、推理、还是生成，用户用非常简单的大白话，就可以拿到很详细的问题解答，生成很高质量的图片和视频，另一方面被DeepSeek、ChatGPT的教育，已经有10亿+会与模型对话的用户基础。
对话，相比按钮和上下滑，看似门槛高，但回顾历史，PC互联网的用户门槛更高，当时核心交互是鼠标和键盘，而键盘上手很难，记得小时候练打字练了很久，尤其记住键盘字母排布，不亚于记日语五十音，而且打印店的一个重要业务是把手写稿打字为电子文档。
在项目实践里，发现模型的泛化能力，结合用户的互动，经常会超出我们的预期。于是我们把输入框放在更明显的入口，接最大化的承接模型的红利，用户的每次对话，都是一次需求收集，通过模型，突破我们过去无法做到的事情。
我们意识到，用户不是排斥对话，而是排斥跟一个啥都不懂的新人说话，因为要事无巨细地把所有背景信息、要求都讲清楚，这非常累。如果是跟身边的熟人，简单说一句，效率其实是最高的。而AI产品就是解决对话的context缺失问题。
行业里，大家也都在更加激进地尝试对话+GUI的交互范式：
Lovart把figma的画布，与右侧的对话结合起来，可以辅助构思脚本，批量生成图片，并且7月在画布上设计了一整套的评论系统 ChatCanvas，过去在figma上点击某个区域写评论，是给协作者看的，但lovart，是写给AI看的
Higgsfield的draw-to-video，只需上传一张静态图，在上面绘制涂鸦、文字或箭头等元素，即可按涂鸦的意思生成具有电影质感的视频画面，指哪儿打哪儿，一发布就直接爆了
Elevenlabs重点做TTS文字生成声音，虽然真实且有情绪，但是与人的表达依然有差距，但如果通过prompt告诉AI哪里重读、哪里停顿，还是很麻烦的，于是它推出Actor mode，非常巧妙的解决了这个问题，你就像一个指导老师，你来读一遍，然后放给AI听，它就知道怎么读了，真的这个交互太妙了，太强了，就是我们人类现实生活中，老师和学生之间的互动。
ChatGPT和豆包的视频通话，还有共享屏幕，也是非常简单直觉的，把你的context让AI看到，就像跟朋友通话一样，在一个同事那么看到一句话，很妙：世界即屏幕，物体即图标，注视即交互，用户即主角
Wisper Flow，点击电脑的Fn键，即可听到你的说话内容，然后转录为文字，体验起来非常爽，有点像之前的对讲机，只不过这次是跟AI讲，而不是跟人讲。
Granola，你只管像之前一样记笔记，AI在后台摸摸把会议录音转录成文字稿，当你开完会，一键即可把你的笔记重点和AI转录稿整合为详细又有重点的最终笔记。
在Twitter看到AI创作者Brett的一段话，很有感触，在此分享：The best AI artists aren’t just good at prompting—they’re good at directing. They know how to generate, filter, combine, and remix until something original emerges. 意思是，最出色的 AI 艺术家，不只是会写提示词，更擅长于‘导演’。他们懂得如何生成、筛选、融合与重组，直到独一无二的作品浮现。
如何做AI产品的交互，可能要回到线下生活，看人和人之间，人和世界之间是如何交互的，然后为人和AI设计一套更加多维自然的交互，而不是在一个页面里排布按钮。
20. 用户不用写Prompt，但对产品研发来说，PE工程依然重要
关于调PE（Prompt Engineering）是否重要，22-24年一直很有争议，最开始都在吹Prompt工程师，到后面又说prompt已死，自媒体的风向总是令人困惑，那在业务实践中实际是怎么样呢？
首先，要区分两类prompt，一种是用户写的意图，比如用户跟ChatGPT的对话，另一种是AI产品背后的处理逻辑，比如system prompt，对用户不可见，上述的争议经常是因为混淆了两者。
用户不需要学prompt，但AI产品的PE工程，依然非常重要，甚至更加重要。因为今年base model进步很快，且很强，导致我们自己训的垂类模型，可能效果还不如通用模型+PE。最近比较火的 Agent 产品，其实都可以用base model+PE快速搭出来的，不需要从头自己训垂类模型，当然这里有很多工程上的苦活脏活，不是个体户几天就能搭出来的。
过去两年多，我观察且亲历PE的3个阶段：
最早是算法同学写Prompt，因为这个太像代码命令行了，产品觉得自己不懂
后面发现产品可以写得更好，因为prompt关键是对业务、用户、场景的理解，我23年就跟算法同学一起调PE，测效果
再后面，发现设计师、内容策划、运营、工程研发等写得更好，因为关键是行业know how，比如最近我做的一个项目，就非常依赖设计师调PE，需要很强的垂直场景的认知和判断。最近我就在小群里跟设计师说，产品经理有个吊用。
这里反映了3个趋势：
模型的能力越来越强：大模型就像一个很聪明但一张白纸的神童，你需要通过PE和Context输入，快速landing它，它就可以上手干活了，而不需要从0-1生一个孩子，经过九年义务教育，才能干活。
模型应用的场景和行业越来越多：23年的大模型应用都是很通用的简单的场景，但25年大模型进入各个垂直行业，更加纵深，意味着行业know how对大模型发挥作用更加重要
产品的边界模糊，岗位的边界也模糊了：都是基于base model搭pipeline，算法可以搭，产品可以搭，设计师可以搭，工程研发也可以搭，我们现在的岗位工种划分，在未来可能会发生变化
至于怎么写prompt，我其实也不是很专业，只能分享一些核心的learning：
把模型当做一个人，而不是一个死板的机器：相信模型的智力，很多事情你讲得太细，他反倒发挥的不好，可以通过lazy prompt的方式，先写个粗糙简单的，然后不断细化调整，而不是一上来就写一大段很复杂的。
去年做 PE，大模型还是一个实习生，你要清清楚楚在 prompt 里告诉它做事 SOP，包括背景信息，先做 A，再做 B，然后对交付的结果要求细化出标准abc，今年做 PE，因为模型进步到接近正式员工，你在 PE 里告诉它怎么做，反倒限制了它的能力，不如告诉它你想要什么，它自己想各种办法去完成。
而且在世界知识，美学等非标准化的 context 上，大模型逐渐跟人对齐，不需要你仔细给它很多输入了。现在要把大模型当做一个厉害的新员工，你要做的，是帮它 landing，而不是教它怎么按你的方法做事
多与模型对话，了解不同模型的擅长和偏好：ChatGPT、Gemini、Claude、豆包、DeepSeek，每个模型，每个版本，表现都不一样，多聊天，就会感受他们之间的差异和差距，有的模型说话很好听但干活拉胯，有的模型眼神儿贼好，有的模型很严谨靠谱
测评集是PE优化的最佳工具：准备好测评集，一般说来20个左右，就足够你优化PE了，比如用头3个case，都表现不错，但测到第4个，效果不行，就找到原因是什么，再去反推优化PE。
不要太沉迷于调PE：效果的上限是模型本身决定的，PE的空间相对有限，如果发现调不动了，要么上产品策略，要么搞数据做精调，用户需要的是交付的结果，而不是精妙的prompt。PE优化只能提高下限，底模进步才能提高上限
21. 把AI封装为原子能力，带来乘数效应，而非单纯的漏斗转化逻辑
乘数效应，听起来是个大词黑话，但这个概念对我们过去的实际工作是有真的指导意义，帮助我们在一些关键判断上，做出更长期有价值的决策。具体来说，你做的一个产品能力，是否用户用完即走，然后你需要费尽心思找更多入口导流，或者努力优化转化漏斗，才能维持这个产品的生命周期，还是说用户用完有资产沉淀，可以帮助他们未来更好的使用，或者服务和激发更多用户使用。
剪映Capcut的月活达到8亿MAU，在人类历史上都没有一个创作工具，可以达到这种规模，毕竟全球网民也才50亿，你能想象每个月这世界上6个人中就有1个来剪视频不？这听起来就有点反常识。
假如剪映只是把剪视频的工具，比Premiere做的更简单易用，是不可能做这么大的。这里的关键方法论是低门槛工具->模板生态。具体说，通过一键式能力和素材降低门槛，让有创意的创作者做出优质的模板，沉淀在端内进行分发，然后普通用户套用模板后做出爆款，再引发更多跟风创意。另一个类似的产品是2亿月活的Canva。
之前在腾讯的时候，听张小龙分享，微信做产品是引入一个原子能力，然后在整个微信生态内引发化学反应，比如视频号不是单纯的上下滑feeds，而是嵌入到朋友圈、微信群、公众号、电商，当一个视频被流转，价值就不断增厚。如果视频号只是在微信里加个入口，那么其实流量也不大。再比如微信搜索接入deepseek，不是简单的AI搜索，而是把用户的私有数据和微信生态数据服务都通过大模型调动起来，聊天记录、公众号、视频号、问一问、小程序、小绿书、听一听，这里的想象空间非常大。
与微信类似，剪映做原子能力，也是会在端内的模板生态和更大的抖音生态，引发创意的乘数效应。有些功能的渗透不高，但可以做出非常酷炫的内容，内容爆款对产品的活跃和增长是极大的，可以带来增量的规模。
回到AI，过去产品做10个功能，就是10个按钮，所有人都是用这个10个按钮中的某几个。但AI产品，因为对话交互和模型的泛化能力，可能一天有100万个对话，归类下来，可能是1万个功能，如何把不同用户的最佳实践，沉淀在端内，供其他用户更低门槛的使用，甚至激发灵感，是AI产品值得尝试的方向。
22. 模型首发就是流量，产品框架要最大化承接甚至放大模型进步的红利
模型能力胜过产品雕花，应该是很多一线同学的超强共鸣。当模型能力迭代带来一个领先的新体验，给用户提供其他竞品没有的结果，只要找到合适的应用场景，就能快速爆发，远超产品雕花+运营拉花+推广撒币。数据涨得毫不费力，用户反馈超出预期，然后你就有了所谓第一性原理做事的爽感。这里的case，数不胜数，比如：
Remini首先把真人lora放在AI写真，成为23年最火的AI产品
Luma首先把sora的DiT视频模型做出来，通过AI拥抱瞬间火遍全球，超过Runway几年积累的用户规模
Pika首先把视频lora做成捏捏特效，逆风翻盘
即梦首发了中文字海报生成能力，用户规模和口碑暴涨
Deepseek做出首个开源和免费的推理模型，成为史上增长最快的AI产品
豆包上线seededit 3.0，让AI修图瞬间火爆全网
最近nano banana发布后，包括higgsfield在内的各几十个AI产品都光速接入了该模型，还限免。不禁感慨，当「模型首发就是红利」成为共识后，那么这个低垂的果实其实就已经没有了。去年经历过模型首发或接近首发的爆发式红利，真的很爽，躺赢的那种，今年越来越少了。
接下来更重要的是，在模型都平权的情况下，你的产品，作为一个系统，如何因为增加一个模型，或者升级一个模型，让你的产品体验、用户心智比竞品更好。这其实是更难的事情，并且需要在模型升级之前做好准备，没有那么多短平快的手段了。否则新模型哪怕很强，用户找不到入口，或者这个入口对应的场景预期跟模型能力不匹配，也白搭。
年初面对GPT 4O，我有绝望的感觉，我所做的那么多局部最优解的雕花，长期看可能都没价值，围绕局部最优解构建的所谓壁垒，都可能被模型巨人以意想不到的方式压碎，它不是正面冲击，而是漫不经心的轻轻横扫。但后面发现，这其实是好消息，产品不用花那么多资源去为模型打补丁，而是为模型发挥作用，设计更有价值的系统。
新发布一个强大的模型，假如价值是100分，有的产品框架适配，拿到100分，有的产品通过与其他能力和模型的组合搭配，可以拿到150分，有的产品框架限制了模型的发挥，拿到60分，有的完全没有模型发挥的地方，拿到0分，还有拿到负分，因为竞品会抢走用户。大家可以想一想，一个新模型的发布，你的产品可以拿走多少分。
23. 复杂的工程链路最终会被模型简化，但一个基模吃不掉所有场景，所以应用层长期也会搞数据，训模型，做RL
用户要结果，而不是过程。那处于末端的AI应用层的产品，如何来保证模型能交付好的结果呢？我们还是回到模型的本质是什么，是给它大量的数据集，然后它通过大量的学习训练，就学会了。
我们再来拆解，数据集都是什么，比如GPT是一段文本信息，让它在一定上下文窗口中基于前面的几个token猜下一个token，在ChatGPT阶段，给它喂对话的数据集，Q&A，然后它就学会了根据用户的提问来回答；比如Stable diffusion，数据集是一段文字描述+图片，这样它学会了根据prompt生成图片，再喂一批相似风格的图片，就可以训出粘土风lora，基于这个lora生成的图片都是粘土风；Sora的数据集则是一段文字描述+视频；
这样你就会发现模型训练其实没有那么神秘，关键是定义你要的输入和输出结果，细化为测评标准，然后去收集、清洗、构造对应的数据集，如果有又好又多的数据集，那么基于一个强大的开源模型，其实可以训出来你想要的模型能力的。
看似简单的道理，这几年也经历好多磨难和波折，吃了很多亏。在23年，ChatGPT 3.5没法用，所以自己训模型，但是发现业务数据看似多，实际很脏很复杂，清洗之后，符合要求的也不多，意识到业务数据不是壁垒。
24年，基模变得更强一些，于是围绕好的闭环和开源模型，做workflow、lora、SFT，为模型打了很多补丁，能做出一些小东西，但到了25年，都被一个强大的基模升级给覆盖了，发现之前的补丁也不再是壁垒了。
随着AI进入更多垂直行业，解决更复杂的场景需求，会发现一个基模能做很多事情，但做不好大部分事情。大家可能都听过那句 Less structure, more intelligence，这句话是对的，但没有表面那么简单。
如果你只是给Claude提供更多的context和tool，通过简单的架构来充分发挥模型的智力，那能做出通用agent，但其实还是集中在deep research、ppt之类的通用的文字工作任务。
而这个世界上有太多复杂的高要求的任务，这些任务有很多的隐性知识和标准，对应的数据没有预训练到基模里。如果你也是选一个基模+context+tool，你会发现你产品里给用户使用的tool，会限制模型的效果上限和范围。并且由于上下文窗口的限制，你只能选择有限数量的tool，以及对tool的工具描述要做到非常精准，否则很容易调用出幻觉。
怎么理解用户使用的tool会限制模型效果的上限？大家可以体验一下，即梦生图，如果想加文字，一种是选择传统字体，另一种是直接生成文字，无论样式还是跟画面的融合度，都是远超前者。虽然后者目前依然在小字上存在问题，但我们应该已经相信，生成文字的效果天花板更高。
做过Agent的同学，应该在被毒打过程中，会意识到，如果任务尽可能被模型本身完成，而不依赖过多的tool，那Agent的稳定性、上下文、场景泛化性，都会容易很多。不是一个模型，加上1万个人类的tool，就能做10万个事情的。
目前很多团队都在探索，围绕各自的垂直场景，基于用户的input和output，去构造数据对pair，最终训练出一个垂类模型，尽可能以一个模型来解决该场景下的用户需求。怎么做训练数据集，真是一门学问，也非常有意思，数据获取，不是单纯算法同学的事儿，因为他们擅长训模型，而不一定擅长找数据。经常需要产品、设计师的参与，大家一起想办法，有些数据构造方式真的是妙到拍大腿。
应用层的算法训练一般分两种，一种是SFT，就是准备高质量的数据，都是好答案，让模型照猫画猫，可以相对快速且容易的训出来，但SFT有过拟合的问题，简单说，就是如果实际场景是超出这些数据集的范围，比如照猫画虎，那么就画不出来老虎的气势，所以一般说来，SFT就要准备非常丰富多元的数据，来对冲过拟合的问题。
另一种是RL，也是今年的主流，准备好的、差的数据，通过一套标准reward model，如果模型回答得好，就给奖励，如果回答不好，就扣分，然后模型就学会怎么做出好的结果。RL更加符合人学习的本质规律，所以理论上表现会更好，泛化能力更强，不过训练难度大很多，一方面在很多开放式场景下，很难找到reward model，不是简单的rule based的围棋、编程和做数学题，另一方面模型训练过程中，也很容易训崩了，或者模型会作弊hack指标。
未来有两种方式，一种是一个基模，即一套权重parameter，拿到所有的context与现实世界交互，通过反馈机制，实现自我迭代，解决所有的问题，即AGI；另一个是不同的模型，每个模型都有各自的权重parameter，来应对各种复杂场景下的任务。目前看，短中期，后者更有可落地性。
24. 核心逻辑要简单稳定，如果模型A 80% x 模型B 50% x 模型C 40%...最终结果就是10%
满足用户的需求，可能不是单个模型就能解决，不然就直接在ChatGPT的聊天窗了。在应用层解决方案上，我们更多是基于对用户需求场景的理解，可能需要调度组合多个模型。
在前期验证需求阶段，可以快速搭建一个workflow，组合模型A和B，出来一个demo，来验证效果。到了后面，你会发现，每个模型都有幻觉、不可控的问题，以及模型跟模型之间的上下游协作，会存在信息丢失的情况，导致最终的结果就是 80%x50%x40%...=10%不可用，这也是为什么到今天Agent还没真正大范围跑通。
所以当我在看技术方案，如果核心链路非常绕、长、复杂，且每个环节都有不少bad case，就需要思考有没有其他的方式，或者把需求范围再收敛一下。不然通过大量的策略来兜底，会兜死过去。
理解和生成统一，实时生成，这些是基模的演进趋势，再结合业务场景下，通过RL进行端到端的模型训练，减少环节和信息折损，未来模型能力足够强，模型数量足够收敛，就能通过更简单的交互、更短的耗时给用户提供更好的结果。
好吧，其实24条跟23条讲的是一回事，但真的很重要，以及很多人还没有这块的共识，所以啰嗦一下。
25. 把模型当做一个人，让模型干活之前，想一想人是怎么做的
这句话是今年对我做产品，最重要的一句话。经常在讨论方案时，大家各说各话，很难对齐思路时，我会问，这个任务，人是怎么做的？然后我们就很快能找到好的解决方案。当然，这里的人是指牛逼专业的人，不是菜鸡。如果让模型跟着菜鸡学，反倒是让模型比菜鸡还菜。
把模型当作一个人，聪明、自闭、记忆力短、关在笼子里，你来帮助它在你们业务landing，从而发挥它的才智，同时服务海量的用户。推荐看一部美剧《良医》，里面的自闭症天才医生墨菲，在同事们的信任和帮助下，逐渐成为患者信赖的医生，这里有很多磨合、了解的过程，但最重要的就是感受模型，理解业务，其他的技巧都是表面的。
也推荐看《记忆碎片》这部电影，因为模型的上下文窗口限制，它本质没有记忆力，跟男主一样，每天早上醒来，就要看一遍笔记本，才能知道自己是谁，要做什么，看完这部电影，你就知道为什么context engineering那么重要。
随着模型的多模态理解和生成统一，智力继续增强，耗时缩短，有眼睛、耳朵、嘴巴、手，模型会变得更像正常人，还会超越人。那它可以做更多人不擅长也不喜欢做的事情，甚至取代一些职业，打开职业目录，看看传统职业和新兴职业，可能这个 list 里存在不少垂直 agent 的机会。
我们所做的一切，都是为了让模型更像人，更聪明的、不知疲倦的、不受情绪困扰的人，这样的人，如果进入社会，工作起来，会非常高效、低成本，过去老板需要雇一个助理来处理杂事，后面每个人都有更强的助理。
生产力的变革，会带来生产关系的变化，那我们就要思考，身为人，我们的价值是什么，哪些是会被机器取代的，哪些是机器无法取代的。不是我煽动焦虑，而是身边已经有一些工作岗位，因为AI而变得比较危险了。
做AI产品会有失控的感觉，因为它不是死的工具，当硅基智力（AI）与碳基智力（用户）交互时，绝对会超出设计者（产品经理有限的脑子）的计划。不要对抗失控，学会接受和利用失控，我们要相信模型会进步，用户会变化，以及世界会变化。
思考本质，做关键的且有长期价值的事情，而不要疲于做缓解焦虑的事情，陷入恶性循环。
写在最后：
以上是我过去2年多的经验总结，可能有片面的地方，希望对大家有参考价值。
第一版发布于2月17日，原稿见https://docs.qq.com/doc/DTHdGdktBVFpnbkhI，从1.3w字增加1.9w字，有删减，有新增，有兴趣可以对照阅读，看看里面有多少判断是被打脸的。
也欢迎AI从业者加飞书群交流一线真知，目前已有字节、腾讯、阿里和AI创业公司的同学日常分享思考，行业变化太快，一个人闷头干很容易滞后。