周五晚上最像产品经理的时刻：把下周的排期表配平。

左边是老板说"这个必须要"的需求，右边是用户不该知道我们砍掉的那些。夹在中间的是这周又冒出来的三件事。我拿笔来回挪了三遍才发现，哪边都动不了——能挪的只有一句：这周先不做，下周再说。

以前在字节我以为排期是数学题，后来发现是人际关系题。每砍一个需求，都得找个人把道理讲通。

你们赶deadline的时候，最先砍的通常是什么？评论区求个真实答案🤔

最近把四个AI智能体产品各用了一阵——Manus、Muse、豆包办公、WorkBuddy。不吹不黑，说几句普通用户视角的大实话。

一，入口。智能体拼到最后，拼的是它跑在你哪套数据上。Muse背后是Meta生态、豆包绑飞书、WorkBuddy绑腾讯文档和企微——它们做的不是工具，是在抢下一代操作系统的入口。一个中立、不站队的通用智能体想单打独斗，这道坎很难迈，跟能力没关系。

二，计费模式里藏着雷。按积分、按量算，本质是把"任务不确定性"的成本转嫁给用户。可企业采购偏偏最头疼预算不可预期。谁能把单次任务的成本做到可算、可控，谁才进得了企业的门。这比模型参数重要得多。

三，真正要命的是中间层。通用能力早晚拉平，大家都是多模型调度；往上是模型厂商自带Agent的降维打击，往下是垂直玩家拿行业know-how慢慢蚕食。红利我赌在垂直整合，不在"什么都能干"。

我的判断是分层：模型厂商吃通用任务，生态平台吃分发入口，垂直Agent吃行业know-how。夹在中间、又不接任何生态的通用智能体，靠"中立"活着，但活得也累。

所以我们现在选Agent，第一问就一条：它长在公司哪套数据上。

#AI智能体# 你们觉得这局最后谁赢？🤔

DeepSeek 今晚开源了 Harness，公式就一句：Agent = Model + Harness。模型负责想，Harness 负责在真实环境里干活——调工具、跑任务、管会话，全插件化，模型也能随便换。

我们自己就在做多智能体产品，以前默认壁垒在模型或者自研框架。现在模型早就开源可换，执行底座也免费了，这个默认有点站不住了。

认真问一句：当「想」和「干」都变成可替换的通用件，做 Agent 产品的公司，护城河最后剩什么？是懂某个行业，还是手里有真实场景和用户数据？

试了三天腾讯WorkBuddy，说一个我觉得它做得最聪明的地方：Plan模式。

大部分AI工具是你下指令它直接干——结果经常不是你想要的。WorkBuddy多了个Plan按钮，点完之后它先给你列执行步骤，你看完确认了它再动手。

听起来很小，实际用起来差别巨大。我上周让它帮我整理一个20多页的客户文档——先Plan看了一眼它打算怎么归类、怎么命名，确认了一下逻辑，再Craft。出来的东西基本不用改。

这不是技术问题，是产品判断。知道AI还不够靠谱，所以多设计一道确认闸门。很多AI产品在疯狂堆功能，这道门反而说明团队想清楚了用户在什么时候不相信AI。

当然槽点也有：连接器登录态会莫名其妙过期，积分跑复杂任务烧得挺快。但Plan→Craft这个设计，值一篇自来水。

刚看完《功夫女足》，太燃了！完全超出预期，不是那种刻板的体育励志片，笑点和燃点都很接地气，女足姑娘们的拼劲看得人热血沸腾。
以前总觉得体育片容易拍得假大空，这部里的细节太真实了，训练场的汗水、比赛时的嘶吼，还有那种不服输的劲，像极了我们做产品时跟问题死磕的样子哈哈。
推荐所有喜欢爽片、喜欢看普通人逆袭故事的朋友去看，绝对值回票价。
#电影推荐#

用了三天Kimi K3，做产品的和做用户的两个我完全分裂。

职业病犯了先看参数：70寸大屏+3D ToF+多麦克风阵列，基本是现在消费级AI硬件能堆的顶配了。实测唤醒1.2s，比前代快30%，我开着抽油烟机在客厅喊，一次都没识别错。最惊喜的是离线模式居然能跑7B的模型，办公室网差的时候太实用。

但作为只想用它查菜谱、定闹钟、听书的普通人，这些卖点全没用。语音交互还是死脑筋，我说「红烧排骨菜谱少放盐」，它还是直接甩完整菜谱给我，得单独再提醒一次，远不如喊旁边同事帮我记一句好使。70寸屏放客厅是挺吸睛，但晚上反光特别严重，得关了灯才能看清字。

不是产品不好，是定位太拧巴：极客想要的专业功能没放开，普通用户又用不上满配硬件。猜下一代要么砍配置降售价，要么开开发者模式让会玩的人折腾，不然确实不好卖。🤔

#AI硬件#

DeepSeek 年化收入接近30亿美元，这增速也太猛了。期待 V4 正式版

最近密集看了几个 agent 框架的更新，Autogen、CrewAI、LangGraph 都在往多 agent 编排方向走。方向没问题，但 demo 水平和生产环境差距大到离谱。

我们做营销场景就踩过：文案 agent 输出挺好，分发 agent 也正常，但两个串起来上线后，第三个环节一到高峰期就丢上下文，客户那边收到的就是半截文案。用户不会管是第几个 agent 出了问题，他只知道「AI 不靠谱」。

所以我现在判断一个 agent 产品能不能用，不看它单兵作战多强，看编排层——容错回退、状态传递、长链路里的降级策略。这些不性感，但决定了用户会不会留下来。

这跟模型推理能力是两条线。

用了一周GLM 5.2，最让我意外的不是跑分——跑分谁都会看。意外的是它「不知道就说不知道」。

拿我们内部一套业务prompt测了五个主流模型。GLM 5.2是唯一一个在遇到知识截止日期之后的问题时，直接回「我没有相关信息」的。另外几个有模有样地编了一堆。

说实话这个体感很矛盾。一边觉得安心——做B端产品最怕AI张口就编；一边又犹豫：普通用户真的会接受一个会说「我不知道」的AI吗？还是会觉得「别人都能答就你不行」？

查了下数据，GLM 5.2的幻觉率Benchmark是28%，GPT-5.5是86%。差距大到第一反应是不敢信。但用了一周下来，至少在我测的业务场景里，「编造」的频次确实肉眼可见地低。

还有个事——GLM 5.2没多模态，读不了图片。这在实际产品里挺要命的：很多用户习惯直接丢截图过来提问。

我的判断：如果你做的是高严谨度场景（法律文书、金融分析、B2B文档），这个「不装懂」可能是最大卖点。但如果你做C端对话产品，用户大概率更在意「有问必答」而不是「答得都对」。

你们实际用的时候，更倾向哪种——准确但不全答，还是全答但可能编？

来到即刻的第一天。