图一：我的个人公众号，会持续更新AI相关洞察长文
图二：AI学习交流群，感兴趣的朋友可以进来玩

产品经理怎么把日常用的提示词打包成产品？

如果你现在就已经在日常的工作中用到了大量的AI辅助产品设计，那有没有可能：
直接把你日常的工作流（包括你经常用的提示词），打包成一个AI产品呢？

一个已经成功的案例就完全可以作为参考。

Claire Vo是硅谷一家公司的首席产品官，在去年感恩节期间，用一个周末搭建了一个帮她写PRD的AI产品。

六个月后，这个副业项目已经有了一万用户，并且年收入达到了六位数。

她是怎么想到要做这个的呢？

作为Launch Darkly的首席产品官，Claire Vo平时需要管理几百人的产品和工程团队。虽然职位很高，但她依然需要亲自输出大量工作文档，特别是PRD。

PRD基本上是每个产品经理的日常工作，需要定义你要构建什么产品、为谁构建、解决什么问题、需要哪些功能。
一份完整的PRD往往需要5到10页，包含问题陈述、用户画像、功能列表、技术考量等等内容。

Claire发现自己经常要在会议间隙赶工这些文档，有一次，她在早上10点的会议上主动承担了写一份复杂的技术规格文档的任务，但让团队惊讶的是，下午2点她就交出了一份5页的完整文档。

同事们都很困惑：你明明一直在开会，怎么做到的？

秘密就在于她花了几个月时间，通过不断调试，把ChatGPT训练成了自己的写作助手。

她发现AI不仅能帮她搭建文档框架，更重要的是能提醒她那些容易遗漏的功能点，比如在设计一个数据审计工具时，AI提醒她需要添加筛选功能。

Claire说，这太明显了，我当然知道需要筛选，但在专注于数据架构时，这种基础功能确实容易被忽略。

去年OpenAI推出GPT Store后，Claire把自己调试了很久的提示词直接打包成了一个GPT，取名Chat PRD，分享给团队使用。
团队反响特别好，她半开玩笑地对丈夫说，要不要买个域名？于是就花了60美元注册了chatprd.ai。

刚开始他们只是放了一个邮件订阅表单和GPT链接，没想到用户量增长非常快。
但GPT Store当时还不能变现，而Claire觉得，做产品就应该能赚钱。

感恩节那周，趁着招待孩子的间隙，她重新打开了VS Code，用Next.js和Tailwind搭建了整个网站框架。
这个过程中，她大量使用了AI编程助手，她会先用Chat PRD生成一个组件的需求文档，然后让AI帮她写代码，自己再调整细节。

11月28日，产品正式上线，定价很随意，每月2美元，她想着有人愿意付费就行。

结果真的有人买单。

随着功能迭代，她逐步提高价格，用户依然在增长。

Chat PRD有个很特别的设计：它不是一个通用的文档生成器，而是可以根据每个用户和公司的特定需求进行定制。
用户可以告诉系统自己的角色、公司情况，甚至上传公司的PRD模板。系统会记住这些信息，在后续的交互中自动应用。

比如某个公司要求所有PRD必须包含安全风险评估，你只需要设置一次，之后生成的所有文档都会包含这个部分。

Claire在演示中还展示了一个teams功能的PRD生成过程。
她只输入了很简单的需求：为Chat PRD添加团队功能，支持共享计费、共享模板、共享文档，系统立即生成了包含问题陈述、商业目标、用户故事、技术考量等完整内容的文档。

但她觉得用户故事部分太宽泛了，于是她要求系统展开细节，聚焦在几个具体角色：计费负责人、团队负责人、管理员、普通用户。
系统重新生成后，不仅列出了邀请流程、权限管理的具体实现方式，还细化到了需要哪三种角色权限。

Claire观察到，她的主要用户其实不是产品经理，而是没有产品经理的工程师和创始人，他们会用这个工具把模糊的想法转化成结构化的计划。

之前创业时，团队花了5到9个月才做出第一个可用版本。
但如果现在重新做，给她一大杯咖啡和一个周末，她觉得周日下午就能完成。

她是如何提升效率的呢？
首先用户认证用Clerk，支付用Stripe，这些原本需要几周开发的功能，现在几小时就能集成。
组件化开发也让复杂功能变简单，她用的Tiptap编辑器，一天就实现了类似Notion的实时协作编辑功能。这在几年前是只有大公司才能做的事。

更有趣的是，Claire认为一个人开发反而可能提高产品质量。因为产品、设计、开发的愿景都在一个人脑子里，不需要在沟通中损失信息，不需要妥协，执行更纯粹。

Claire对Chat PRD的定位很有意思，尽管已经有六位数收入和一万用户，她依然把它当作一个实验。
她想验证的问题是：这类AI原生产品真的需要风险投资吗？

传统的风投模式是为高风险、高回报的项目设计的。但当开发成本大幅下降，个人或小团队就能做出优秀产品时，这个模式还适用吗？
一个年收入百万美元的产品，对个人来说已经改变人生，但对风投来说远远不够。

被问到为什么作为一个已经很成功的高管，还要在周末做副业时，Claire的答案是：如果你不亲自构建AI产品，就很难理解用户未来会期待什么样的体验。

比如她最近在尝试用聊天机器人来做产品导览，因为她觉得AI产品就应该用AI的方式来介绍自己。
Claire说，她每个周末都会发布新功能，不只是为了用户，也是为了证明个人依然可以创造了不起的东西。

最近刷到了好几篇洗稿我之前内容的帖子，其中一个还是我在其他平台关注的博主，所以今天想来跟大家聊个问题：

做内容，到底要不要抄爆款？

可能很多博主都说过，起号、做内容一定要去抄爆款。
但我觉得这里有个逻辑漏洞，抄爆款这件事本就应该是个悖论。

如果用户点进平台，刷到几千个内容全都是所谓的爆款，那还会有爆款吗？

在内容平台上，平台本身期望的生态应该是多种多样的，好的内容，就不应该被定义成某一种样子。

很多博主都喜欢教别人拆解爆款，从开头到中间到结尾，用什么公式套什么段落结构。
但如果说好的内容可以通过套公式的方式去定义，那我们就根本不可能在内容平台上看到那么多百花齐放的作品了。

正是因为不同的内容创作者，对同样或不同的事物有自己独特的感受和表达，才让不同的内容有了丰富的生命力。

如果问我说，做内容的本质是什么？
我会说，做内容，快即是慢，慢即是快。

现在AI技术的发展，会让一些原创内容创作者的处境变得更加艰难。现在洗稿的门槛变得非常低，一篇爆款文章，你可以用非常低的成本，重新拆解结构，然后马上复刻出一模一样的内容。

但我为什么不建议任何一个真的想把内容做好的内容创作者用这种方式去做呢？
因为很多时候，看似走的捷径都是弯路。

不可否认，拆解爆款内容，再复刻一个差不多的内容，确实可以用更低的试错成本获得更多流量。
尤其是在一些去中心化的平台上，这个成本就更低了。每天都会有无数帖子被产出，而注意力又是有限的。

当然，通过抄爆款产出的内容确实有更大概率被看到，毕竟，能成为爆款的内容，结构被拆解后，确实有可能再火一次。

但我为什么还是不建议直接用洗稿的方式做爆款呢？
因为在这个过程中，非常难沉淀下属于自己的东西，因为缺了一个非常重要的过程——思考。

个人风格或者说调性，是一个很玄妙的东西。

什么叫调性？
你点开一个人的账号主页，第一时间浏览到的内容，就能非常强烈的感受到这个人的调性。

但如果一个账号每天都是在拆解复制别人的爆款内容，那它就非常难沉淀下属于自己的调性。
因为所谓的调性就是爆款，而这些爆款又杂糅于非常多不同的人。

而这个账号做的事情无非就是用AI把各种内容搅碎、拼合。

这可能会有人问，那我是不是就不能用市面上的这些爆款拆解工具来生产内容了？
当然不是！
其实现在市面上有很多不错的社交媒体内容AI产出工具，可以让你用更低的成本、更短的时间，获取更多、更大量的优质爆款内容。

你当然可以在这个过程中去看，哪些内容火，为什么能火，这个思考过程，是每个账号在起号过程中必不可少的关键一步。
你会在这个过程中发现，并不是每一条爆款帖子都是因为内容本身有多好。

每天爆的帖子有各种各样的原因，在这个过程中，你需要做的应该是分析，为什么这些内容能在这段时间让这么多人产生共鸣？

用户对帖子的互动，其实在某种程度上反射出用户当下的心理机制。
比如说，某些内容点赞多，可能代表很多人认可其中的观点；
如果收藏数很高，可能说明这篇内容很有实用价值，值得用户收藏，反复观看。
而转发又似乎代表了一种相对中立的态度，是对帖子观点表示认同或反对，与朋友分享。
评论则说明对帖子中的某些内容产生共鸣，或引发了进一步的思考。

当我们看到爆款的时候，第一时间思考的应该是每篇爆款背后的原因。

所以，抄爆款，抄的是什么？
抄的是为什么能做火。

换句话说，应该要去想这篇内容能火的背后的原因，而不是直接把这篇爆款原封不动地复制下来。

所有类型的内容，都是有其周期性的。
不同帖子能火，往往与特定的时间背景和其他诸多因素息息相关，有些内容在这段时间会火，但过段时间它就不火了。

等到这段时间内容已经不火了，原创者会发掘新的领域去耕耘，而一味复制别人的内容，到最后就会发现自己完全不知道该做什么内容。

本质上，是因为洗稿并不会留下一个所谓的系统化的东西。

如果真的想做好内容，应该先想清楚，做内容的目的到底是什么。
如果只是为了流量，那爆款确实看起来是一条捷径。

但很多时候，内容创作本身就是一种表达。如果只是把别人的内容原封不动地洗出来，那在这个过程中，什么都没有留下。
因为，这其中所有的表达其实都是别人的表达，所有的思考都是别人的思考。

做内容的本质，是吸引那些可以同频共振的人。
但洗稿，永远不可能吸引同频共振的人，因为这其中从来没有一刻，真正产生了属于自己的想法的表达，一遍遍做的只是不断把一些火过的表达用复述的方式搬运出来。

我还是秉持原来的观点，这个世界上存在两种人：追逐者和构建者。
追逐者总是关注市面上什么内容火，就做什么题材。
构建者则专注于自己的领域，逐渐构建更深层的内容。

当然，最理想的场景是，这些真正核心的所谓的风格、表述、调性是不容易被复制的。但也很难预测AI未来会发展到什么程度。
比如，现在的AI技术已经可以将一个账号的所有内容丢进去，然后复刻出与这个账号几乎一样的内容。

按这种趋势，原创者在内容平台上的处境，只会更加艰难。

分享一个今天刷到一个AI网红养成记的社会实验，有点细思极恐。

有个博主在TikTok上创建了一个账号，所有视频内容都是AI生成的。
一周时间，他涨了500个粉丝，还有一条10万播放量的爆款视频。

最关键的是，他每天其实只花不到10分钟维护这个账号。

这事儿听起来有点魔幻，但它确实发生了。

他是怎么做到的？
首先，他选了一个正在爆火的话题切入。阿拉巴马大学的姐妹会招新周，几百个女生都在发自己每日穿搭视频。
他就蹭这个热度，用相同的标签获得初始流量。

然后，生成内容。他主要用了Veo 3这个工具，可以生成8秒左右的视频。
虽然AI生成的声音和面部表情还有些不自然，但观众似乎并不太在意。至少在前几个视频里，大部分人都没发现这是AI。

关键的是，要保持角色一致性，这是最难的部分。
他主要用ChatGPT来生成符合人设的文案脚本，用Flux Kontext生成同一个角色在不同场景下的形象，然后导入Veo继续生成视频。

但声音一致性是个大问题，Veo每次生成的声音都略有不同，他只能通过精心设计提示词来尽量保持相似。

最让人意外的是观众的反应，这个AI网红甚至还收到了品牌合作邀约。
当他发布了一个这个AI网红哭泣的视频后，私信里很多人都来真诚的安慰和关心他。

即使后来有人发现这是AI生成的，他们依然选择继续关注，想看故事怎么发展。
而且那条10万播放的爆款视频，恰恰是看起来最像AI的一条......

为什么你的产品明明很好但就是不增长？而有些产品明明不如你，却能快速扩张？

前几天看了Lean Canvas创始人Ash Maurya分享了他自身的创业经历，可以在一定程度上回答这个问题。

增长不一定是要在业务里加的东西，而是本来就内置在你的商业模式里的。

只是大部分人，都没有看见它。

Ash创建的Lean Canvas是一个非常受欢迎的商业建模工具。

但在推出9个月后，他遇到了一个让人崩溃的问题：每个月有400个新用户注册，但会流失300个，净增长只有100个用户。
按这个速度，要达到10000用户至少需要8年的时间。

更让他困惑的是，市面上有些用户体验更差的SaaS工具却在疯狂增长。

这时候他意识到，自己肯定遗漏了什么关键的东西。

一开始，他做了所有创业者都会做的事情：优化落地页、A/B测试邮件序列、尝试各种增长黑客技巧。
团队每天工作12小时，把能优化的地方都优化了。

结果呢？还是维持每月100个用户的净增长。
所以问题到底出在哪里？

其实答案一直就在眼前。
当Ash仔细分析用户行为数据时，他发现了两个有趣的现象：

第一个现象是，创始人会把自己创建的画布分享给联合创始人。
这很正常，团队协作嘛。
但问题是，Lean Canvas当时采用的是按人收费的模式，每个团队成员都需要单独付费。

结果就是，团队成员在免费试用期结束后就会取消账户，整个团队挤在一个账户里用。
定价模式本身成了增长的阻碍。

第二个现象更有意思，创始人不仅会把画布分享给团队，还会在融资路演、顾问辅导时展示给投资人和顾问看。
而这些投资人和顾问，会把Lean Canvas推荐给自己投资或辅导的其他创业公司。

换句话说，每一个满意的用户，都在无意中成为了产品的推广者。

但这个自然的传播链条，被错误的产品设计给切断了。

在《第五项修炼》这本书里，彼得·圣吉提到，所有持续运转的系统都依赖于反馈循环。
正反馈循环会让系统指数级增长，负反馈循环会让系统保持稳定。

具体到商业模式上，每个成功的业务其实都是由两个系统组成的：
第一个是客户获取系统。把完全不知道你的人，转化成愿意尝试你产品的用户。
第二个是客户成功系统。把试用用户转化成付费用户，并让他们持续使用、持续付费。

大部分人的思维是线性的：获取用户，服务好用户，然后期待奇迹发生。

但真正的增长来自于在这两个系统之间建立反馈循环。
简单来说，就是让你现有的满意客户，成为获取新客户的动力源。

在SaaS产品的增长中，你的满意用户就是意见领袖。
但问题是，你有没有为他们的传播行为扫清障碍？

发现问题后，Ash团队做了两个关键改变：
第一，取消按人收费，改为团队定价。一个价格，最多5个团队成员都能用，这立刻消除了团队协作的摩擦。

第二，为顾问、加速器和投资人创建了白标计划，让他们能在一个账户里查看和管理多个创业公司的画布。

这两个改变看起来简单，但效果惊人。90天内，月增长从100个用户涨到了1000个。
同样的产品，同样的市场，只是移除了增长循环中的障碍。

那么，怎么找到适合自己产品的增长循环呢？
可以尝试先问自己三个问题：
关于收入循环： 我能用客户付的钱，系统化地获取更多客户吗？如果能，ROI是多少？
关于推荐循环： 客户在正常使用产品时，有什么是他们自然想要分享的？我该如何让分享变得更容易？
关于留存循环： 用户使用产品时创造的内容或数据，能吸引新用户吗？

最后，分享一个更深层的洞察。
很多人是先做产品，然后再想怎么增长。但其实，增长思维应该从商业模式设计阶段就开始。

比如，如果你的增长依赖推荐循环，那产品设计时就要考虑：什么功能会让用户自然地邀请其他人？
如果依赖留存循环，就要想用户创造的什么内容会吸引新用户？
这种思维方式的转变，可能比任何增长技巧都重要。

所以，为什么有些产品明明不错，但就是不增长？
答案可能是，他们一直在优化产品本身，却没有优化产品的传播机制。

增长不是你需要额外添加的东西，而是原本就存在于你的商业模式中的。
你需要做的，只是发现它，理解它，然后移除阻碍它的障碍。

看到这了，你可以问你自己一个问题：
你的产品里，有什么是用户自然想要分享的吗？
如果有，你为这种分享做了什么？如果没有，那是不是该重新思考一下产品设计了？

最好的增长，是让增长自己发生。

给大家分享一个很好的产品增长案例，可以用来回答为什么你的产品明明很好但就是不增长？

Lean Canvas创始人Ash Maurya的产品明明很受欢迎，每月400个新用户注册，但却陷入增长困境——流失300个，净增长只有100个，按这速度要8年才能达到1万用户。

更让人困惑的是，市面上体验更差的SaaS却在疯狂增长。他们疯狂优化产品体验、A/B测试，团队每天工作12小时，增长还是没起色。

所以问题到底出在哪？

其实真正的突破点其实在于改变定价模式——从按人收费改为团队定价，90天内月增长从100飙升到1000。这背后的秘密是：增长不是你需要添加的东西，而是本来就内置在商业模式里的，只是大部分人都没看见它。

小红书破万粉了，你真的可以做成你想做的任何事。

我之所以想聊这个话题，是因为前段时间看了纷尼赵Phani的一个视频。

当时看了那个视频，感觉一下子醍醐灌顶。
视频的主题很简单：理论上，你真正想做的任何事情都应该可以成功。

任何目标，只要不是太异想天开，违反客观世界规律，其实都能达到。

但是有两点很重要：第一，你得活着；第二，整个过程中需要面对的唯一变量就是时间，就是在这期间你要行动多久的问题。

直到今天，我小红书账号粉丝破一万了，我差不多只花了两个月的时间，粉丝从三千多，到现在一万。
看起来很轻松，但摸索的这个过程中其实并不容易。

我做小红书账号已经至少有两三年时间了。从最开始，主要是做出国留学相关内容的分享；再到回国后，做了几期回国的视频，其中有一期爆了，大概有六七万的播放量，连续几期视频数据都不错，粉丝涨到了四千多。

但从我开始工作，有持续一年多的时间，粉丝数几乎没有什么变化，甚至还从四千多掉到了三千多。

直到今年六月份，我才开始尝试做一些AI相关内容的分享，也是想通过做内容输出来倒逼自己学习和输入。

我在刚做小红书的时候，就给自己定了一个目标，希望能做到一万粉丝。
但其实有很长一段时间，我都找不到一个可以把内容进行系统化的方向，根本无法做到持续输出。
而且，发出来的内容大多都没有什么正反馈。

那为什么我会开始相信，理论上来说，你想做的任何事情都可以成功呢？

这实际上有一个很大的前提，就是你想把这件事情做成的动机到底有多强？

我发现不只是我，包括身边很多人在做事情的时候，其实并不是害怕失败，而是恐惧成功。

这听起来是不是很反常识？怎么会有人恐惧成功？
但当每一次在说“我做不成”“我做不了”“我很懒”“我有拖延症”的时候，其实都是在给自己洗脑，这不可能成功。
这就像一个思想钢印，牢牢限制住你，让你无法持续行动。

拿自媒体举例，从前几年开始就会有持续不断地说自媒体这个赛道已经太满了，太卷了，平台不会给博主分流量等等。

但很多时候，说这些话的人，有些是尝试过失败的，有些是压根没尝试过的。所以宁愿去告诉其他人，去宣扬这件事情失败的概率有多大。

我一个月前，发过一篇内容，叫“所谓幸运，就是把正确的事情反复做”。
你身边有没有那些看起来运气一直很好的人？
明明那些人的实力好像跟自己也没有太大的差距，但他们的选择好像每次都能踩中风口，每次都能获得巨大的回报。

但实际上，所谓运气，就是坚持正确的事情反复做，去不断增加成功的概率。

当你想要做成一件事情的时候，这个结果，或者说回报，可能会比你预期的早，也有可能比你预期的晚。
如果比你预期的早，那当然是非常幸运的事情，那就是运气，是上天的馈赠；但如果比你预期的晚，这其实也是很正常的，因为这个过程可能需要付出比你想象中更多的努力。

而且做自媒体又是一件非常"极端斯坦"的事情，少数爆款视频的播放量可能远超无数普通视频的总和；而流量好的人总是会吸引更多的流量，而流量不好的人前期往往很难获得正反馈。

但只要当你迈出第一步，开始发布内容时，其实已经超越了很多人。

因为，只有行动才能带来改变。只有行动的人，才能对结果产生影响。

如果不行动，你永远无法判断这件事是否正确或失败，只能听别人讲述成功或失败的经验。
只有去做了，你才能验证这件事这么做，到底是否正确。即使失败了，你也会明白哪里出了问题。

只有通过持续改进和不断调整方向，才可能在下一次风口来临的时候，抓住机会取得成功。

AI时代初创企业怎么做产品增长？

昨天去参加了谷歌开发者大会，分享一场我觉得内容很不错的演讲《启动增长飞轮：AI时代初创企业的增长破局之道？》，分享人是Google大中华区新兴事业部移动应用行业总监罗曼甄。

演讲最开始，先做了个小互动。
第一个问题是，过去14天用过AI工具的请举手。几乎全场都举手了。

第二个问题是，在AI搜索结果里看到过自己或竞品产品的请继续举手。还有一半人举着。

最后一个问题：知道怎么让自己的产品出现在AI搜索结果里的请举手。全会场只剩下两三只手。

由此可见，我们都在用AI，但真正理解AI时代游戏规则的人，可能还不到2%。

所以，游戏规则到底是怎么变了？
罗曼甄分享了她自己的例子，由于工作性质，她需要经常出差。有天晚上十点半回到酒店，打开笔记本准备加班，突然觉得如果有个便携式显示器就好了，可以双屏工作。
于是她在Google上搜索"便携式屏幕"。

按照我们的惯性思维，搜索引擎应该会推荐各种品牌、各种价位的便携显示器对吧？
但Google给出的答案让她愣住了：你需要的不是便携式屏幕，而是AR眼镜。

第一反应肯定是：什么鬼？我要的是屏幕，你给我推荐眼镜？

但仔细想想，AI的逻辑其实特别清晰。它理解了搜索背后的真实需求：便携、轻便、体积小、能扩展屏幕。
便携显示器只能给你一个扩展屏，但AR眼镜能给你两个、三个，甚至360度全景工作空间。
无论在酒店、高铁还是飞机上，一抬头就能进入工作状态。

这就是游戏规则的改变：从匹配关键词到理解用户意图。

什么是用户意图？
传统搜索时代，用户输入什么，系统就匹配什么。
这就像你去图书馆找书，告诉管理员要"心理学"的书，他就带你去心理学书架。

但现在的AI更像一个懂你的朋友，你说想看心理学的书，他会先问：是想解决失眠问题？还是想提升沟通能力？或者只是对人性好奇？

以前的搜索引擎只能理解表层语义，现在的AI能推断深层意图。

具体来说，用户意图包含三个层次：
第一层是表面需求。就像刚才的例子，表面需求是"便携式屏幕"。
第二层是功能需求。为什么要便携式屏幕？因为要移动办公、要扩展显示空间。
第三层是价值需求。最终想要的是什么？是随时随地保持高效工作状态。

AI现在能做的，就是透过第一层，理解第二层，直达第三层。

那这对产品意味着什么？
彼得·蒂尔的《从0到1》，里面有句话：竞争是留给失败者的。
当大家都在同一个维度竞争时，其实已经输了一半。

放到现在的语境下，如果你还在优化关键词、堆砌标签，试图在传统搜索里获得更好的排名，就像在一条越来越窄的赛道上狂奔。
而AI搜索开辟了一条新赛道：谁更理解用户的真实意图，谁就能被推荐。

用户使用产品不是为了产品本身，而是为了满足某种需求。卡茨等学者把这些需求分为五类：认知需求、情感需求、个人整合需求、社会整合需求和舒压需求。

同理，用户搜索产品时，表达的是功能，但想要的是价值。

那怎样才能让AI理解你的产品呢？
这个问题的答案，可以拆解成三步。

第一步：发现意图。
你得先知道用户在找什么。这不是靠猜的，而是有方法论的。

谷歌有个工具叫Insights Finder，你把产品链接输进去，它会告诉你：哪些市场最适合你的产品，这些市场的用户画像是什么，有哪些竞品，你的机会在哪里。

还有Google Trends，能帮你发现特定领域的热词趋势。但关键不是看热词本身，而是理解热词背后的用户心理变化。
比如"断舍离"火的时候，背后是消费降级和生活方式的转变。

第二步：捕捉意图。
知道用户要什么后，怎么让他们找到你？

传统做法是关键词优化。做便携屏幕的，会把所有跟屏幕、便携、商务相关的词都用上。

但在AI时代，你不用这么累了。谷歌的Keyword Planner现在能基于AI，自动推荐所有相关的关键词组合，包括你想不到的延伸词组。

更有意思的是，现在连素材创作都能AI化。有个产品用Veo 3模型，只输入一句话就生成了产品视频。

第三步：实现意图。
前面都是铺垫，最后才是转化。

谷歌有个Performance Max工具，你只需要告诉它商业目标：想卖多少货、想要多少付费用户、愿意为每个转化付多少钱。剩下的广告投放、受众定位、素材优化，全部交给AI。

如果你是开发者，还有个App Campaigns工具。设定好CPA（单个获客成本）或者ROAS（广告支出回报率），AI会自动优化投放策略。

最有意思的是Demand Gen功能。比如像便携屏幕这个例子，你可以告诉AI：我要找所有有移动办公需求的人。
不用想关键词，AI会帮你找到这些人。

而这，其实还有一个更深层的变化。

产品经理的角色变了。
以前产品经理是执行者，要懂技术、懂设计、懂运营；现在更像是指挥官，要懂战略、懂意图、懂人性。

AI时代的产品经理，任务不是去优化每个细节，而是理解用户意图，然后指挥AI去实现。

生成式AI不只是改变了搜索规则，而是改变了信息获取的底层逻辑。
以前是"人找信息"，现在是"信息找人"；以前是"满足需求"，现在是"预测需求"。

未来的商业模式不是卖产品，而是提供持续的服务流。而AI让这个预言加速实现了。
产品不再是静态的功能集合，而是动态的价值网络，每个用户看到的产品都可能不同，因为AI理解了他们的不同意图。

在上个时代，我们习惯了关键词思维，习惯了流量思维，习惯了竞争思维。
但AI时代需要的是意图思维、价值思维、协作思维。

下一代的AI手机应该长什么样？

今天去参加了谷歌开发者大会，上午有一场的演讲主题就是《Agent is all your need：使用 ADK、A2A、MCP 和Agent Engine 构建智能体》，传音的TEX AI中心的负责人展示了他们对AI手机未来的思考。

很多人聊起传音这家公司，可能很多人对它的印象还停留在"非洲手机之王"这个标签上，但实际上，他们正在做的事情远比这个标签要深远得多。

什么是真正的AI手机？
想象一下，晚上你习惯性地刷手机到凌晨两三点，但明天早上九点有个重要会议。

现在的手机会怎么做？最多就是到点了闹钟响一下。

但AI手机会怎么做？它会在前一天晚上主动提醒你："明天有重要会议，建议您早点休息。"
如果你住的地方到会议地点需要一小时车程，它会在七点就提醒你该出发了。

传音在分享中提到，他们认为AI手机的演进已经经历了三代。
第一代是大语言模型刚出现的时候，手机可以用自然语言跟你对话了，你说中文它回中文，你说英文它回英文。这个阶段的突破在于交流变得自然了。
第二代是具备了深度思考能力，就像OpenAI的新模型那样，它能理解你话里没说完的意思，能推理你真正想要什么。
而现在，我们正在进入第三代——具备执行能力的AI手机时代。

传统的产品设计思维里，我们总是把手机当作工具。用户有需求，打开APP，完成任务，这是一个被动响应的过程。
即便现在很多手机号称有个性化功能，本质上还是在你主动使用的时候，通过算法来满足你的偏好。

但传音提出的AI手机愿景完全不同。
他们用了三个关键词来描述：主动思考、自动执行、端到端解决任务。

首先，手机要学会像人一样主动思考。
它不是等你来找它，而是主动发现你可能需要什么，而这种主动性建立在对用户行为模式的深度理解上。

其次，要像机器一样自动执行。
比如你想约个会议，它不仅帮你查看双方日程，还能自动协调时间、发送邀请、设置提醒。
这里涉及到的不仅是技术问题，更是信任问题，我们敢不敢把这些事情交给AI去做？

第三步，端到端地解决问题。
不需要你一步步指导，不需要反复确认，它能独立完成一个完整的任务链条。

可能有人会问，这不就是把AI助手装进手机里吗？
其实远没有这么简单。

传音负责人特别强调了一点：新旧手机在底层架构上存在根本性的不同。

传统手机的设计逻辑是什么？省电、快速响应、后台尽量不常驻，所有的优化都围绕着"工具"这个定位展开。

但AI手机不同，它需要支持异步长时运行。
也就是说，当你交给它一个复杂任务时，它可能需要在后台运行很长时间，调用云端和本地的各种资源，这完全颠覆了传统的手机系统架构。

在分布式系统设计中，异步处理能够极大提升系统的并发能力和容错性。
AI手机其实就是把这个理念应用到了终端设备上。

更有趣的是，手机本身就是一个Agent，而不仅仅是运行Agent的平台。

这意味着端和云需要两套不同的系统，但又要像左右脑一样协同工作。
这个复杂度，可能比单纯的云端AI要高出一个量级。

在演讲中还特别提到了“一人公司”这个概念。
过去，即使是最小的创业团队，也需要UI设计师、前端工程师、后端工程师、测试工程师、运维工程师等等，至少要十个人。
但有了AI加持，一个人就能完成所有这些工作。

这不仅仅是效率的提升，更是生产关系的重构。
AI也不是简单地替代某些岗位，而是创造了全新的工作方式。

具体到AI手机上，这意味着每个人都能突破自己的能力边界。你不需要懂编程就能开发应用，不需要懂设计就能创作内容，不需要懂外语就能进行国际交流。
手机不再是工具，而是能力的延伸。

而AI手机的终极目标，就是成为我们认知能力的延伸。

当然，这种深度的AI整合也带来了新的挑战。
AI手机要实现主动服务，必须深度了解用户的行为模式、社交关系、工作习惯等等，那这些数据如何存储？如何使用？如何保护？

其次是信任问题，当AI开始替我们做决定时，我们如何确保它的决定符合我们的利益？如何避免算法偏见？如何保持人的主体性？

所以什么是真正的AI手机？
可能它不是装了AI功能的手机，而是重新定义了人机关系的智能终端。
它让技术真正为人服务，让每个人都能享受AI时代的红利。

来谷歌开发者大会了

分享一个最近发现的一个大产品小细节，淘宝在搜索框里悄悄加了个AI万能搜的Tab。

深度体验一周之后，我发现这背后其实藏着电商搜索的一个重要转变。

什么是搜索的本质需求？
当我们在网购面对过多选择时，大脑会不自觉进入一种决策疲劳的状态，也就是认知负荷，所以会感觉每次购物挑东西的时候总是很累。

传统的电商搜索就是在不断增加这种认知负荷，给你看成百上千个商品，让你自己去判断、筛选、对比。

但其实当你搜索"防晒伞"的时候，你真正想要的不是看到5000把伞，而是想知道“哪把伞真的能防晒，适合我的需求，性价比还不错”。

AI万能搜做的事情，就是把这个决策过程前置了。

首先，理解你的真实需求。
比如你问"大学新生开学需要准备什么"，它会识别出这是一个场景化的购物需求，而不是单一商品搜索。

第二步，整合多维度信息。
这里面可能包括商品数据、用户评价、使用场景、专业知识等等。比如你问了一个问题，它就会去抓取和分析淘宝内外的真实评论，提炼出核心优劣势。

第三步，结构化输出答案。
不是简单罗列商品，而是给出完整的解决方案，包括选购要点、避坑指南、搭配建议等等。

AI万能搜还有个"深度思考"模式，这个其实很有意思。

产品管理学里有个概念叫"用户旅程地图"（User Journey Map），传统电商的用户旅程通常是线性的：产生需求→搜索商品→浏览对比→下单购买。

但真实的购物决策过程远比这个复杂。

比如前几天我想买个露营装备，如果按传统方式，我需要分别搜索帐篷、睡袋、防潮垫、营地灯等等，每个品类都要花时间研究参数、看评价、比价格，整个过程可能要花掉我两三个小时。

但在AI万能搜里，我直接问"露营需要买什么"，它给出的答案是这样的：

首先，它把露营装备分成了核心装备和提升体验的实用装备两类。
必需品包括帐篷、睡袋、防潮垫这些，每个都解释了选购要点。比如帐篷要看防水系数，睡袋要根据季节选择温标，防潮垫要考虑R值。

然后，它还根据不同预算给出了三个配置方案，每个方案都有具体的商品推荐和搭配理由。

最后，还贴心地提醒了一些新手容易忽略的细节，比如要准备垃圾袋、要提前查看营地规定等等。

AI万能搜还有个"购物偏好"功能，这背后其实涉及到机器学习里的协同过滤算法。
简单来说，系统会通过你的历史购物行为、浏览记录、收藏习惯等数据，建立你的用户画像。

比如你经常买无印良品风格的东西，那么在推荐穿搭的时候，它会更倾向于简约风格的单品。

但这里有个很巧妙的平衡。
AI万能搜会根据你的偏好来组织信息，但不会完全过滤掉其他选择。
比如你问"500元左右送闺蜜生日礼物"，即使系统知道你平时喜欢买实用型商品，它还是会在推荐清单里包含一些仪式感强的礼物选项，只是会把实用型的放在更显眼的位置。

如果要给AI万能搜一个定位，我觉得它更像是从"搜索工具"向"购物助手"的转变。

你可以用自然语言提问，比如"有没有能让女朋友又惊喜又惊吓但又不会骂我的七夕礼物推荐"。

同理，它的回答方式也很人性化，不是冷冰冰地列出商品参数，而是会解释为什么推荐这个，会提醒你注意什么，甚至会根据场景给出一些小贴士。

这种转变背后，其实反映了用户需求的升级。
现在的消费者在购物决策上花费的时间越来越长，平均要浏览7-10个信息源才会下单。

现在，消费者需要的不只是商品信息，更需要决策支持。

传统电商搜索的边界基本上就是"输入关键词→返回商品列表"这个闭环。
但AI万能搜打破了这个边界，它既可以回答"看blackpink演唱会怎么穿"这种场景化问题，可以对比"戴森各个型号吹风机的区别"。

用户的购物路径不是"我要买X"这么简单，而是"我遇到了Y问题，需要Z场景的解决方案"。
而在淘宝这个空间里，向用户提供解决方案的同时还能直接提供购买路径，同时实现“种草”与“拔草”，从决策到下单的链路被极致简化。

不过站在产品迭代的角度，我觉得AI万能搜还有很大的想象空间。

第一个方向是更进一步的个性化的深度定制。
想象一下，如果系统不仅知道你的购物偏好、性别年龄、身材尺码，还了解你的肤质特征、生活习惯，那么它的推荐会精准到什么程度？

第二个方向是社交化。
如果能接入社交关系链，知道你朋友圈的购物偏好和评价，那么送礼这个场景的推荐应该会变得更加精准。

第三个方向是预测性推荐。
比如基于你的生活轨迹和消费习惯，提前预测你可能需要什么。

这些方向，其实都指向一个终极目标：让购物决策变得更简单、更精准、更愉悦。
体验了一周之后，我最大的感受是，它改变的不只是搜索方式，而是整个购物决策的逻辑。

下次你打开淘宝的时候也可以试试，用自然语言问它一个购物问题，看看它能给你什么样的答案。