即刻App年轻人的同好社区
下载
和Claude Code探讨产品，人家AI都知道用金字塔结构来阐述清晰观点
有这个过程，经历双向费曼会拿到更好的结果
相比之下，现如今的人类可怎么办啊，综合能力是真的不如AI
我觉得未来是一个长板优势的时代，人类需要掌握2-3个长板优势才能具备竞争力
或者人类就去专注那些AI无法做的事情，比如真实的联络，个性化观点表达与影响力建设等等
有这个过程，经历双向费曼会拿到更好的结果
相比之下，现如今的人类可怎么办啊，综合能力是真的不如AI
我觉得未来是一个长板优势的时代，人类需要掌握2-3个长板优势才能具备竞争力
或者人类就去专注那些AI无法做的事情，比如真实的联络，个性化观点表达与影响力建设等等
1 00
大部分人都说AI写代码只能提效20%
这事儿是搁在23年用github copilot
写一个youtube爬虫，从前1个多月都写不完
ClaudeCode只需要给它代理池和所有要求信息，1个小时之后，代码一个字符没改，直接采集效率飞起
想想吧，1小时vibe coding VS 1个月做不出来
这就是AI的力量，对于构建一个新东西而言，差的已经不是百倍生产力了
说只能提效20%的，绝大部分原因是什么？
因为那坨屎山代码，就算换一个人类来，没人讲一遍也很难上手干明白
屁文档没有，代码又一坨答辩，耦合着大量业务逻辑，你指望AI能写明白？人类都写不明白，咋指望AI提效……
甚至还有的代码里有一大堆错字，比如craeted time，这玩意AI写不出Bug就奇了怪了
别抱着屎山啃了，人就负责写指导文档，100% AI Native挺好
如果你能保证仓库让任何一个实习生来了参考下文档都能上手，那AI绝对能改的飞快
这事儿是搁在23年用github copilot
写一个youtube爬虫，从前1个多月都写不完
ClaudeCode只需要给它代理池和所有要求信息，1个小时之后，代码一个字符没改，直接采集效率飞起
想想吧，1小时vibe coding VS 1个月做不出来
这就是AI的力量，对于构建一个新东西而言，差的已经不是百倍生产力了
说只能提效20%的，绝大部分原因是什么？
因为那坨屎山代码，就算换一个人类来，没人讲一遍也很难上手干明白
屁文档没有，代码又一坨答辩，耦合着大量业务逻辑，你指望AI能写明白？人类都写不明白，咋指望AI提效……
甚至还有的代码里有一大堆错字，比如craeted time，这玩意AI写不出Bug就奇了怪了
别抱着屎山啃了，人就负责写指导文档，100% AI Native挺好
如果你能保证仓库让任何一个实习生来了参考下文档都能上手，那AI绝对能改的飞快
10 71
成年人购买课程
80%都不是为了掌握一项技能
绝大部分只是为了：
- 缓解某种情绪焦虑
- 圆满一下自己的美梦
- 支持一下这个哥们的悲惨经历，像极了我自己
- 加个社群多认识点儿人
所以别说那些没货还在教别人的割韭菜了
他们是在提供价值
和做心灵疗愈的本无二致
80%都不是为了掌握一项技能
绝大部分只是为了：
- 缓解某种情绪焦虑
- 圆满一下自己的美梦
- 支持一下这个哥们的悲惨经历，像极了我自己
- 加个社群多认识点儿人
所以别说那些没货还在教别人的割韭菜了
他们是在提供价值
和做心灵疗愈的本无二致
20 02
早期如何寻找PMF
“我做了产品，该怎么找到目标用户？”
“他们不是我的目标客户，我该怎么寻找PMF呢？”
“怎么找到愿意认真填写调研问卷，验证PMF的目标用户？”
“有什么指标能标明，我找到了真实的PMF？”
找PMF这个话题，大概是每个迈出错误第一步的创业者都会遇到的问题。
之所以频繁出现，是因为所有理想主义在改变世界的过程中，都要遭受一波现实毒打才能从失败中收获。
睿智的成功者很少，他们之所以能躲避这些问题，原因无非有两个：
第一是因为他们的过往经历中深入看到过或经历过他人或自己的失败。所以他们会选择正确的方法。
第二是因为他们凑巧做对了方向，是幸运的眷顾，但下一次能否复制成功就又出现了巨大的问号。
绝大部分普通人，上来都会和我以前一样，先把自己的想法实现出来，然后拿着锤子找钉子
当你做出了一个“锤子”，发现找不到愿意用这个“锤子”砸钉子的人时，就会萌生这个问题：“该怎么寻找PMF”
所以寻找PMF其实也是有两类的：
第一类是避免“造锤子找钉子”，而是先进行假设验证，再去造锤子，这样锤子出现时，PMF就有了。
绝大多数能迅速走红，快速产生裂变效应的产品，都是如此。
第二类是大多数人的做法，先把“锤子”搞了，然后慢慢寻找“钉子”，在这个过程里，不断调整“锤子”，直到用它能更好的解决一个“钉子”，也是找到了PMF
很多产品都是属于第二类，或者说在某些发展阶段中慢慢pivot到第二类的。比如Notion就是。
但大部分人没有如此的定力与耐心，可能尝试1-3个月就会放弃。再重新造一把”锤子“，直到恰巧有一次碰上第一类，然后引爆
真正想要掌握寻找PMF的方法，在我看来有以下几个关键步骤：
第一，发现问题
发现问题的方式有很多，比如通过对周边的观察，比如通过甲方真实的付钱订单，比如通过竞品，比如通过自己遇到的困难，比如通过用户发帖提问或者评论区
第二、构建假设
当你遇到问题后，你会在脑海中构建假设：
“会不会有很多人有同类的问题？”
“如果我做一个XXXXX，他们会不会喜欢？”
“谁会和他们一样，有共同的问题？”
所以第二步需要验证这个假设，这里我建议把所有的假设写在一张表格中：
- 理想客户画像：
- 他们当下的问题是：
- 他们当下是如何解决的：
- 我产品中的哪一个功能，能帮助他们带来巨大的体验提升：
- 在哪里能找到他们：
于是你会获得一个理想客户画像的假设验证表格
第三，验证假设
紧接着，你应该快速去验证假设
验证的方法分为几个阶段：
阶段1：验证问题的真实性
这里你要验证的是，你设想的问题和理想客户，是否是真实存在的。
这验证起来最简单，找到这群人，问他们就好了。每个细分画像问10个人，总能回收到结果。
最重要的事情是，你一定要去问他们当下是如何解决的。
如果他只跟你说有这个问题，但从未付出过任何成本，那这个问题可能也不值得他们去解决。
付出成本是指：花过钱，或者花过时间，比如真正去检索过（问问他们搜的什么关键词，方便你做SEO调研），找朋友问过等等，他们可能寻找过解决方案，但那个解决方案也不令他们满意，找到里面的具体原因，这里或许就是一个新的机会
这就算验证问题真实存在了
阶段2：验证解决方案匹配度
接下来，你把你的方案提供给他们。
你可以提供文字，但可能存在对文字理解的不一致
你可以邀请他们进行15分钟的在线演示，给他们看你的原型图
你可以给他们提供设计稿，或者交互原型，让他们点一点
你可以做一个landingpage，让他们申请预约
你可以做一个Demo视频，展示你产品独特的价值，吸引他们找你
不论你怎么做，请你务必要记得，如果对方认为很好，很感兴趣，你一定要追问一下：你是否愿意先支付20元，这个产品上线后我第一时间向你发放永久会员。
只要用户给你付钱，你都可以不收，但至少验证了他的确想解决这个问题。
不付钱的，大概率就是不够痛。
不要在意用户说什么，一定要看用户做什么。很多人不愿意吐露真相，只是为了保有你脆弱的自尊心。
第四，寻找到3-10个付钱的意向用户
此时已经证明了几个事情：
1. 问题存在
2. 解决方案有效，有人愿意付费
3. 我明确的知道这些人群，并能寻找到他们，哪怕只有10人
这种情况下，就已经找到了最早期的PMF。
但距离它能引爆，口口相传，还差一些触发器。这和PMF无关，我就不在此赘述了。
不过这已经是一个很好的开端了。
如果你找不到PMF，请回顾我说的这些阶段，逐一排查，把自己定位到这几个问题中，看看是哪里没做对，然后尽力去做。相信你也能寻找到PMF。
如果你能快速加速这个过程，不断做，不断错，不断扔，就能快速找到一个有潜力引爆的产品。
“我做了产品，该怎么找到目标用户？”
“他们不是我的目标客户，我该怎么寻找PMF呢？”
“怎么找到愿意认真填写调研问卷，验证PMF的目标用户？”
“有什么指标能标明，我找到了真实的PMF？”
找PMF这个话题，大概是每个迈出错误第一步的创业者都会遇到的问题。
之所以频繁出现，是因为所有理想主义在改变世界的过程中，都要遭受一波现实毒打才能从失败中收获。
睿智的成功者很少，他们之所以能躲避这些问题，原因无非有两个：
第一是因为他们的过往经历中深入看到过或经历过他人或自己的失败。所以他们会选择正确的方法。
第二是因为他们凑巧做对了方向，是幸运的眷顾，但下一次能否复制成功就又出现了巨大的问号。
绝大部分普通人，上来都会和我以前一样，先把自己的想法实现出来，然后拿着锤子找钉子
当你做出了一个“锤子”，发现找不到愿意用这个“锤子”砸钉子的人时，就会萌生这个问题：“该怎么寻找PMF”
所以寻找PMF其实也是有两类的：
第一类是避免“造锤子找钉子”，而是先进行假设验证，再去造锤子，这样锤子出现时，PMF就有了。
绝大多数能迅速走红，快速产生裂变效应的产品，都是如此。
第二类是大多数人的做法，先把“锤子”搞了，然后慢慢寻找“钉子”，在这个过程里，不断调整“锤子”，直到用它能更好的解决一个“钉子”，也是找到了PMF
很多产品都是属于第二类，或者说在某些发展阶段中慢慢pivot到第二类的。比如Notion就是。
但大部分人没有如此的定力与耐心，可能尝试1-3个月就会放弃。再重新造一把”锤子“，直到恰巧有一次碰上第一类，然后引爆
真正想要掌握寻找PMF的方法，在我看来有以下几个关键步骤：
第一，发现问题
发现问题的方式有很多，比如通过对周边的观察，比如通过甲方真实的付钱订单，比如通过竞品，比如通过自己遇到的困难，比如通过用户发帖提问或者评论区
第二、构建假设
当你遇到问题后，你会在脑海中构建假设：
“会不会有很多人有同类的问题？”
“如果我做一个XXXXX，他们会不会喜欢？”
“谁会和他们一样，有共同的问题？”
所以第二步需要验证这个假设，这里我建议把所有的假设写在一张表格中：
- 理想客户画像：
- 他们当下的问题是：
- 他们当下是如何解决的：
- 我产品中的哪一个功能，能帮助他们带来巨大的体验提升：
- 在哪里能找到他们：
于是你会获得一个理想客户画像的假设验证表格
第三，验证假设
紧接着，你应该快速去验证假设
验证的方法分为几个阶段：
阶段1：验证问题的真实性
这里你要验证的是，你设想的问题和理想客户，是否是真实存在的。
这验证起来最简单，找到这群人，问他们就好了。每个细分画像问10个人，总能回收到结果。
最重要的事情是，你一定要去问他们当下是如何解决的。
如果他只跟你说有这个问题，但从未付出过任何成本，那这个问题可能也不值得他们去解决。
付出成本是指：花过钱，或者花过时间，比如真正去检索过（问问他们搜的什么关键词，方便你做SEO调研），找朋友问过等等，他们可能寻找过解决方案，但那个解决方案也不令他们满意，找到里面的具体原因，这里或许就是一个新的机会
这就算验证问题真实存在了
阶段2：验证解决方案匹配度
接下来，你把你的方案提供给他们。
你可以提供文字，但可能存在对文字理解的不一致
你可以邀请他们进行15分钟的在线演示，给他们看你的原型图
你可以给他们提供设计稿，或者交互原型，让他们点一点
你可以做一个landingpage，让他们申请预约
你可以做一个Demo视频，展示你产品独特的价值，吸引他们找你
不论你怎么做，请你务必要记得，如果对方认为很好，很感兴趣，你一定要追问一下：你是否愿意先支付20元，这个产品上线后我第一时间向你发放永久会员。
只要用户给你付钱，你都可以不收，但至少验证了他的确想解决这个问题。
不付钱的，大概率就是不够痛。
不要在意用户说什么，一定要看用户做什么。很多人不愿意吐露真相，只是为了保有你脆弱的自尊心。
第四，寻找到3-10个付钱的意向用户
此时已经证明了几个事情：
1. 问题存在
2. 解决方案有效，有人愿意付费
3. 我明确的知道这些人群，并能寻找到他们，哪怕只有10人
这种情况下，就已经找到了最早期的PMF。
但距离它能引爆，口口相传，还差一些触发器。这和PMF无关，我就不在此赘述了。
不过这已经是一个很好的开端了。
如果你找不到PMF，请回顾我说的这些阶段，逐一排查，把自己定位到这几个问题中，看看是哪里没做对，然后尽力去做。相信你也能寻找到PMF。
如果你能快速加速这个过程，不断做，不断错，不断扔，就能快速找到一个有潜力引爆的产品。
13 03
宇宙本一太极
盘古开天辟地
气本浑然一体
清者上升为天
浊者下降为地
太极生两仪
阴阳生焉
人类也就有了男人和女人
阴阳相攘产生四象八卦六十四卦 万物便开始了
agent中的阴阳是什么？
目前观测到的：
- 快思考agent与慢思考agent
- 创新ReACT的agentic agent与固定SOP的workflow agent
- 需求洞察任务规划分配的agent与执行agent
- 产出结果agent与结果审查agent
是这些阴阳在负阴抱阳冲气以为和中带动发展的
你还观测到了agent中哪些对应的阴阳？
盘古开天辟地
气本浑然一体
清者上升为天
浊者下降为地
太极生两仪
阴阳生焉
人类也就有了男人和女人
阴阳相攘产生四象八卦六十四卦 万物便开始了
agent中的阴阳是什么？
目前观测到的：
- 快思考agent与慢思考agent
- 创新ReACT的agentic agent与固定SOP的workflow agent
- 需求洞察任务规划分配的agent与执行agent
- 产出结果agent与结果审查agent
是这些阴阳在负阴抱阳冲气以为和中带动发展的
你还观测到了agent中哪些对应的阴阳？
3 00
AI Agents产品当前的收费模式
绝大部分会采用会员订阅+有效期credits+credits额外购买的结合模式
因为这比较符合28定律
80%的人只有20%的使用，于是赚取80%的利润
20%的人有超出80%的使用，于是限制使用，额外购买
越会用AI的人，越用AI，产生依赖
越不会用的，慢慢会放弃它，直到下一次升级换代变得更傻瓜一点儿
如果你担心用户理解不了credits，就在设计上1:1，比如1美金=100credits
如果你担心用户频率上不来，可以先做credits模式按需支付，再慢慢上订阅会员
使用这个模式会带来巨量的优势：
1. credits既可以支持扩展会员订阅，也可以支持单次付费（购买点数包），非常灵活
2. credits可以带动分享机制，并对新用户第一次体验更友好，注册后可以赠送部分积分
3. credits可以购置限量终身包（比如一次性买断10000credits的优惠包，永久不过期），这样能开始拓展oncely , appsumo这些站点，带动流量增长和反链建设
4. credits拉动LTV，用户模式可以由单次付费改为储值模式，进一步提升留存
5. credits将消费模式从显性转化为隐性，一次性充值持续消耗（但消耗时用户心智和直接扣钱是不一样的），且消费门槛降低
我觉得很难找到什么不用的理由，唯一的问题只是：
- 用户理解不了什么是credits
这个一方面在被市场驯化，另一方面在credits旁边其实可以专门做入口去说明credits相关的事宜
海外用户和国内比较不同的一点是
你写的文档说明，他真看….
绝大部分会采用会员订阅+有效期credits+credits额外购买的结合模式
因为这比较符合28定律
80%的人只有20%的使用，于是赚取80%的利润
20%的人有超出80%的使用，于是限制使用，额外购买
越会用AI的人，越用AI，产生依赖
越不会用的，慢慢会放弃它，直到下一次升级换代变得更傻瓜一点儿
如果你担心用户理解不了credits，就在设计上1:1，比如1美金=100credits
如果你担心用户频率上不来，可以先做credits模式按需支付，再慢慢上订阅会员
使用这个模式会带来巨量的优势：
1. credits既可以支持扩展会员订阅，也可以支持单次付费（购买点数包），非常灵活
2. credits可以带动分享机制，并对新用户第一次体验更友好，注册后可以赠送部分积分
3. credits可以购置限量终身包（比如一次性买断10000credits的优惠包，永久不过期），这样能开始拓展oncely , appsumo这些站点，带动流量增长和反链建设
4. credits拉动LTV，用户模式可以由单次付费改为储值模式，进一步提升留存
5. credits将消费模式从显性转化为隐性，一次性充值持续消耗（但消耗时用户心智和直接扣钱是不一样的），且消费门槛降低
我觉得很难找到什么不用的理由，唯一的问题只是：
- 用户理解不了什么是credits
这个一方面在被市场驯化，另一方面在credits旁边其实可以专门做入口去说明credits相关的事宜
海外用户和国内比较不同的一点是
你写的文档说明，他真看….
12 03
真正拼用户体验的时代到了
PM的价值还会提升
程序员现在只是利用AI偷懒
但未来程序员会作为中间件慢慢被弱化
因为绝大部分的程序员，仅仅是在重复产品经理的需求
程序员练习的是如何与计算机沟通
而PM练习的是市场趋势洞察，用户心智定位，产品设计与审美品味
前者是与AI重叠的，这重叠的部分在持续加速变大
而后者是与AI合作的，好的想法+好的体验+好的营销包装，最终才会交付成果
代码，在这个过程中，逐渐变得没有竞争力了
真正保留竞争力的，仍然是对用户的倾听，对问题的思考，与对人性的洞察
PM的价值还会提升
程序员现在只是利用AI偷懒
但未来程序员会作为中间件慢慢被弱化
因为绝大部分的程序员，仅仅是在重复产品经理的需求
程序员练习的是如何与计算机沟通
而PM练习的是市场趋势洞察，用户心智定位，产品设计与审美品味
前者是与AI重叠的，这重叠的部分在持续加速变大
而后者是与AI合作的，好的想法+好的体验+好的营销包装，最终才会交付成果
代码，在这个过程中，逐渐变得没有竞争力了
真正保留竞争力的，仍然是对用户的倾听，对问题的思考，与对人性的洞察
23 10
宝玉说恐慌高级程序员即将失业的 是既不懂AI又不懂软件工程的外行对AI的意淫
我也认为高级程序员不会失业
但AI会加速拉开普通程序员与优秀程序员的产能差异
以前一个普通程序员和优秀程序员 在交付上可能是按天为单位的差距
比如优秀程序员写2-3天可以写出框架严谨且具备拓展性的代码
普通程序员可能写5-7天交付一个耦合了大量业务逻辑但能运行的屎山
但未来是
优秀程序员2-3天能交付一个较为庞大的前后端业务系统，且框架设计方案都非常合理并易于拓展，自动化测试和所有模块文档说明及其完备，换任何一个ai拿到上下文都能继续
普通程序员搞2个礼拜弄了个东西，ai代码几万行，还带着一堆log打印，结果也没办法维护和调试
一人的战斗力能抵过十几个普通工程师，这就是AI带来的差距
我也认为高级程序员不会失业
但AI会加速拉开普通程序员与优秀程序员的产能差异
以前一个普通程序员和优秀程序员 在交付上可能是按天为单位的差距
比如优秀程序员写2-3天可以写出框架严谨且具备拓展性的代码
普通程序员可能写5-7天交付一个耦合了大量业务逻辑但能运行的屎山
但未来是
优秀程序员2-3天能交付一个较为庞大的前后端业务系统，且框架设计方案都非常合理并易于拓展，自动化测试和所有模块文档说明及其完备，换任何一个ai拿到上下文都能继续
普通程序员搞2个礼拜弄了个东西，ai代码几万行，还带着一堆log打印，结果也没办法维护和调试
一人的战斗力能抵过十几个普通工程师，这就是AI带来的差距
18 01
