即刻App年轻人的同好社区
下载
大家好，我是大铭，一个 Agent 开发者
最近在做“妈妈智能体助手”的时候，有一种强烈的感觉：AI 软件不能像之前那样使用了。 时代变了，产品要变，但具体怎么变，却一时说不清楚
我们正站在一个巨大的变革路口，却还在用旧地图找新大陆
市面上各种所谓的 AI 产品，功能眼花缭乱，但用起来总有点“不对劲”，感觉就像是“旧瓶装新酒”
我们很多人，包括产品设计者，都还在不自觉地沿用传统互联网产品的思路来对待 AI，这极大地束缚了 AI 真正的潜力。问题的根源在于，我们对“价值交付”的理解，还停留在上一个时代
核心变革：从“授人以渔”到“授人以鱼”
那句点醒我的话，就是 **“授人以鱼，而非授人以渔”**
这里的“鱼”，就是能直接吃的鱼。意思是，既然我们能直接交付成果，就不要只交付方法。
旧范式：“授人以渔”的无奈
以前的互联网产品，本质上都是在“授人以渔”。为什么？因为技术没办法对用户有足够深入的了解，无法洞察你真正的意图，所以它只能给你一套方法论，让你自己去做。
它的集中体现，就是给你一个又一个的**看板、客户标签、分析工具**等等。这些都属于传统互联网产品的延展。它给你鱼竿、鱼饵和一张模糊的地图，然后让你自己下海去捕鱼，至于能不能捕到、捕多少，那是你自己的事。
新范式：“授人以鱼”的能力
但现在到了 AI 时代，一切都变了。AI 能做很多与 **意图（Intent）** 相关的事，能无限贴近用户的真实需求。
所以，我们完全没必要再给用户一套复杂的方法论。AI 可以直接替用户把每个人的情况、行为都服务好、筛选好。作为用户，你只需要拿到那个最终的结果就行了，根本没必要再去学习那些复杂的捕鱼方法。
这在我做“妈妈智能体助手”时感觉尤其深刻。
一个妈妈要的不是一个能搜索附近活动的工具（渔具），她真正要的是一个能直接告诉她“根据天气和宝宝的午睡习惯，周末下午3点去XX公园的亲子绘本角是最佳选择，门票已为你预订”的贴心助手（鱼）。
到这个时候，就会形成这样的情况：**我直接交付的是一个结果，而不是一个过程，也不是方法论**
新范式下的两个角色：“AI实习生”与“AI顾问”
基于“交付结果”这个核心，AI 在我们工作中的角色也彻底变了，它不再是冷冰冰的工具，而是两个极具价值的“角色”。
给老板的“AI实习生”
对于老板来说，我们要提供一个“AI实习生”。
具体来说，比如一个卖饮料的企业，以前老板想决定接下来主打什么口味，他得亲自去统计销售情况、查看各种报表订单。但现在，这些都可以交给 AI 去分析。这个“AI实习生”会直接告诉他结论：
老板，数据分析显示，最近四周草莓味饮料销量越来越多，建议主攻草莓味或加大投放；而巧克力味连续四周持续低迷，可以考虑停产了。
老板要的就是这个直接的结果，而不是一堆让他自己去看、效率极低的工具和报表。更强大的是，如果企业有**几十个、上百个、甚至上千个门店**，这个“实习生”还能为每个门店提供个性化的分析。这时，它就相当于雇佣了一个水平相当不错的员工。
给员工的“AI顾问”
对于员工来说，AI 则应该是一个“金牌顾问”。以前我们讲加速，是效率的加速；**现在应该是认知的加速**
“认知加速”的意思是，要把业内较高的认知快速落地到企业内，让高水平员工的认知能快速复制给其他人。员工没必要凡事都自己从头摸索、再学习一遍。因为 AI 可以学习企业内、乃至全社会优秀同行的做法
比如，当客户问到一个复杂的内部知识或服务问题时，员工没必要再去费力查资料。学习过相关内容的“AI顾问”可以直接把最优答案和话术提醒给他，甚至在员工授权的情况下，直接替他完成某些沟通和服务。
我的两个“暴论”：AI 时代的产品机会
基于以上的思考，我会有自己的一个悖论：**这种直接交付结果的机会，其实非常非常多，多到做不完**
在这种情况下，我自己对于 AI 时代的产品有两个“暴论”：
暴论一：产品形态和交互与主流产品类似，那大概率是做错了
如果你的 AI 产品看起来、用起来和现在的很多软件都差不多，那它很可能只是一个互联网产品的延展，而不是原生于 AI 时代的新物种。
你想，如果体验上差不多一样，那它大概率还是在交付**“过程”和“方法”** 。同时，既然已经有类似的功能了，别人干嘛要放弃已经成熟的产品来用你的呢？
暴论二：真正的蓝海，在于“只有需求，没有供给”的细分场景
我们一定要去发现新的场景和机会，而这些机会一定是**交付结果，而不是交付过程**——也就是交付能吃的鱼，而不是打鱼的工具。
在这方面，一定有大量的机会。因为我们在日常无论是 B 端工作还是 C 端工作，都有海量的工作需要解决，这些工作**非常细分、非常个性化**。对于这些问题，我们需要去解决，其范围非常广，可能永远也挖掘不完。
并且，因为场景会变得极其丰富，细分赛道非常多，我们会发现大量的场景其实是 **“只有需求，没有供给”** 。那么理论上，在这些场景里，你只要把能直接解决问题的产品做出来，应该是不愁卖的。
AI Native 产品，拥抱“结果主义”
归根结底，AI 时代的产品哲学，是一种“结果主义”。
当然，如果说得更细一点，我们产品开发的过程，是为了达到更好的结果，这些过程（比如数据处理）其实还是为了辅助AI。而方法论，如果你愿意的话，我可以给你，但它不应该再被定义为我绝对的卖点了。这，已经不再是一个传统的服务。
现在，你可以审视一下你自己的工作和产品：**有哪些地方，你还在辛苦地“打渔”，而实际上，本可以由 AI 直接为你“送鱼”？**
想清楚这个问题，可能就是我们抓住 AI 时代机遇的真正开始。
最近在做“妈妈智能体助手”的时候，有一种强烈的感觉：AI 软件不能像之前那样使用了。 时代变了，产品要变，但具体怎么变，却一时说不清楚
我们正站在一个巨大的变革路口，却还在用旧地图找新大陆
市面上各种所谓的 AI 产品，功能眼花缭乱，但用起来总有点“不对劲”，感觉就像是“旧瓶装新酒”
我们很多人，包括产品设计者，都还在不自觉地沿用传统互联网产品的思路来对待 AI，这极大地束缚了 AI 真正的潜力。问题的根源在于，我们对“价值交付”的理解，还停留在上一个时代
核心变革：从“授人以渔”到“授人以鱼”
那句点醒我的话，就是 **“授人以鱼，而非授人以渔”**
这里的“鱼”，就是能直接吃的鱼。意思是，既然我们能直接交付成果，就不要只交付方法。
旧范式：“授人以渔”的无奈
以前的互联网产品，本质上都是在“授人以渔”。为什么？因为技术没办法对用户有足够深入的了解，无法洞察你真正的意图，所以它只能给你一套方法论，让你自己去做。
它的集中体现，就是给你一个又一个的**看板、客户标签、分析工具**等等。这些都属于传统互联网产品的延展。它给你鱼竿、鱼饵和一张模糊的地图，然后让你自己下海去捕鱼，至于能不能捕到、捕多少，那是你自己的事。
新范式：“授人以鱼”的能力
但现在到了 AI 时代，一切都变了。AI 能做很多与 **意图（Intent）** 相关的事，能无限贴近用户的真实需求。
所以，我们完全没必要再给用户一套复杂的方法论。AI 可以直接替用户把每个人的情况、行为都服务好、筛选好。作为用户，你只需要拿到那个最终的结果就行了，根本没必要再去学习那些复杂的捕鱼方法。
这在我做“妈妈智能体助手”时感觉尤其深刻。
一个妈妈要的不是一个能搜索附近活动的工具（渔具），她真正要的是一个能直接告诉她“根据天气和宝宝的午睡习惯，周末下午3点去XX公园的亲子绘本角是最佳选择，门票已为你预订”的贴心助手（鱼）。
到这个时候，就会形成这样的情况：**我直接交付的是一个结果，而不是一个过程，也不是方法论**
新范式下的两个角色：“AI实习生”与“AI顾问”
基于“交付结果”这个核心，AI 在我们工作中的角色也彻底变了，它不再是冷冰冰的工具，而是两个极具价值的“角色”。
给老板的“AI实习生”
对于老板来说，我们要提供一个“AI实习生”。
具体来说，比如一个卖饮料的企业，以前老板想决定接下来主打什么口味，他得亲自去统计销售情况、查看各种报表订单。但现在，这些都可以交给 AI 去分析。这个“AI实习生”会直接告诉他结论：
老板，数据分析显示，最近四周草莓味饮料销量越来越多，建议主攻草莓味或加大投放；而巧克力味连续四周持续低迷，可以考虑停产了。
老板要的就是这个直接的结果，而不是一堆让他自己去看、效率极低的工具和报表。更强大的是，如果企业有**几十个、上百个、甚至上千个门店**，这个“实习生”还能为每个门店提供个性化的分析。这时，它就相当于雇佣了一个水平相当不错的员工。
给员工的“AI顾问”
对于员工来说，AI 则应该是一个“金牌顾问”。以前我们讲加速，是效率的加速；**现在应该是认知的加速**
“认知加速”的意思是，要把业内较高的认知快速落地到企业内，让高水平员工的认知能快速复制给其他人。员工没必要凡事都自己从头摸索、再学习一遍。因为 AI 可以学习企业内、乃至全社会优秀同行的做法
比如，当客户问到一个复杂的内部知识或服务问题时，员工没必要再去费力查资料。学习过相关内容的“AI顾问”可以直接把最优答案和话术提醒给他，甚至在员工授权的情况下，直接替他完成某些沟通和服务。
我的两个“暴论”：AI 时代的产品机会
基于以上的思考，我会有自己的一个悖论：**这种直接交付结果的机会，其实非常非常多，多到做不完**
在这种情况下，我自己对于 AI 时代的产品有两个“暴论”：
暴论一：产品形态和交互与主流产品类似，那大概率是做错了
如果你的 AI 产品看起来、用起来和现在的很多软件都差不多，那它很可能只是一个互联网产品的延展，而不是原生于 AI 时代的新物种。
你想，如果体验上差不多一样，那它大概率还是在交付**“过程”和“方法”** 。同时，既然已经有类似的功能了，别人干嘛要放弃已经成熟的产品来用你的呢？
暴论二：真正的蓝海，在于“只有需求，没有供给”的细分场景
我们一定要去发现新的场景和机会，而这些机会一定是**交付结果，而不是交付过程**——也就是交付能吃的鱼，而不是打鱼的工具。
在这方面，一定有大量的机会。因为我们在日常无论是 B 端工作还是 C 端工作，都有海量的工作需要解决，这些工作**非常细分、非常个性化**。对于这些问题，我们需要去解决，其范围非常广，可能永远也挖掘不完。
并且，因为场景会变得极其丰富，细分赛道非常多，我们会发现大量的场景其实是 **“只有需求，没有供给”** 。那么理论上，在这些场景里，你只要把能直接解决问题的产品做出来，应该是不愁卖的。
AI Native 产品，拥抱“结果主义”
归根结底，AI 时代的产品哲学，是一种“结果主义”。
当然，如果说得更细一点，我们产品开发的过程，是为了达到更好的结果，这些过程（比如数据处理）其实还是为了辅助AI。而方法论，如果你愿意的话，我可以给你，但它不应该再被定义为我绝对的卖点了。这，已经不再是一个传统的服务。
现在，你可以审视一下你自己的工作和产品：**有哪些地方，你还在辛苦地“打渔”，而实际上，本可以由 AI 直接为你“送鱼”？**
想清楚这个问题，可能就是我们抓住 AI 时代机遇的真正开始。
https://mp.weixin.qq.com/s/Wy9Dz4MxmxWrCyuj64U5Dw
1 00
真实的 Vide Specs 的过程主要是进行目标的确认步骤，是需要 AI 问人的
AI 问人确认，这个是很多的现在的 agent 产品做的还不够好的地方
这个过程，是可以迁移到很多的 Agent 设计之中的
github.com
AI 问人确认，这个是很多的现在的 agent 产品做的还不够好的地方
这个过程，是可以迁移到很多的 Agent 设计之中的
github.com
0 00
不要尝试教 C 罗如何踢球
把 C 罗放在最前面，其他人辅助
如果不能辅助 C 罗，那就拿下他，换人
对 C 罗最大的限制可能是自己的战术以及队友
找到一个会用 C 罗的主教练
我说的是 AI Agent ，没错，是 AI
把 C 罗放在最前面，其他人辅助
如果不能辅助 C 罗，那就拿下他，换人
对 C 罗最大的限制可能是自己的战术以及队友
找到一个会用 C 罗的主教练
我说的是 AI Agent ，没错，是 AI
人生战术本 - 何塞·穆里尼奥：教练的生活哲学_哔哩哔哩_bilibili
2 00
我们先从一个常见的痛点开始：高薪的人才，每天却有大量时间耗在了低水平的重复性工作上？
比如，一个经验丰富的运营，在不同系统间复制粘贴数据；一个优秀的设计师，按固定模板导出几十种尺寸的图片。这就像让一个高级工程师在流水线上“打螺丝”，极度浪费。
很多人看到这个问题，第一反应是：“上 AI Agent 啊！让它来干这些杂活！”
这个想法没错，但它只触及了表面。如果我们仅仅把 Agent 当成一个不知疲倦的“打螺-丝工”，那么你今天做的 Agent，明天就可能被竞争对手轻易复制。
这种“用 Agent 替代重复劳动”的热潮，在编程领域表现得最为淋漓尽致。最近和朋友聊天，我们都发现一个现象：编程 Agent 突飞猛进，而其他领域的进展却相对缓慢。
为什么会这样？因为编程这个事儿，它的方法论、工具都非常完备，代码本身也可以被度量，这让它成了一个理想的“自动化”试验场。
但这个现象恰恰揭示了一个更深层的机会： 真正的成功不在于重复编程领域的路径——即在完美的环境中做一个更快的“打螺丝工”——而在于拥抱那些“进展缓慢”的、不完美的垂直领域。在这些领域，你不必解决所有问题，只需利用领域的独特性突破一部分，就能形成巨大的竞争优势。
所以，真正的护城河究竟在哪？
我的观点是：AI Agent 真正的护城河，并非来自模型本身或单纯的效率提升，而是源于对垂直领域的深度挖掘。它由三根核心支柱构成，也就是我标题里提到的：私有数据、专有工具和演化式信任。这三样东西，才是大模型学不到、竞争对手抄不走的。
比如，一个经验丰富的运营，在不同系统间复制粘贴数据；一个优秀的设计师，按固定模板导出几十种尺寸的图片。这就像让一个高级工程师在流水线上“打螺丝”，极度浪费。
很多人看到这个问题，第一反应是：“上 AI Agent 啊！让它来干这些杂活！”
这个想法没错，但它只触及了表面。如果我们仅仅把 Agent 当成一个不知疲倦的“打螺-丝工”，那么你今天做的 Agent，明天就可能被竞争对手轻易复制。
这种“用 Agent 替代重复劳动”的热潮，在编程领域表现得最为淋漓尽致。最近和朋友聊天，我们都发现一个现象：编程 Agent 突飞猛进，而其他领域的进展却相对缓慢。
为什么会这样？因为编程这个事儿，它的方法论、工具都非常完备，代码本身也可以被度量，这让它成了一个理想的“自动化”试验场。
但这个现象恰恰揭示了一个更深层的机会： 真正的成功不在于重复编程领域的路径——即在完美的环境中做一个更快的“打螺丝工”——而在于拥抱那些“进展缓慢”的、不完美的垂直领域。在这些领域，你不必解决所有问题，只需利用领域的独特性突破一部分，就能形成巨大的竞争优势。
所以，真正的护城河究竟在哪？
我的观点是：AI Agent 真正的护城河，并非来自模型本身或单纯的效率提升，而是源于对垂直领域的深度挖掘。它由三根核心支柱构成，也就是我标题里提到的：私有数据、专有工具和演化式信任。这三样东西，才是大模型学不到、竞争对手抄不走的。
https://mp.weixin.qq.com/s/hgqUC2PQviDXRkzh6JN1-Q
0 00
20250613
【今天做了什么】
- Cursor 升级到 Version: 1.1.2 ，一直使用的 hacking 方式，自动填充 composer 并发送，直接歇菜。 Cursor 修改了内部命令的实现
- 暴躁老哥一直骂我说这个有风险，没想到来的这么快
- 改成写入文件 + 添加内容大 Composer，不会自动发送，等到用户人工点击
- 页面 Chrome Extension 和 新的 vscode extension 通讯重构，搞定
- 增强稳定性
【有什么思考/收获】
- 由于 Cursor 修改了内部命令的实现，导致老方法失效
- 被迫改成写入本地文件的形式，反而打开了一个思路
- 站在 Local Issues 的基础上，把用户的需求，以结构性的 - [ ] task 的形式出现，这样就可以给到 Cursor 更加明确和精准的实施通路
- 已经开始使用前后贯通的方式进行项目开发了，使用 ClickVibe 开发 ClickVibe
- 在过程中，因为有了文件，人工必须介入，反而让 Ai Agent 参与的这个过程变得顺畅，也就是用户在页面端，选择和操作后，完全可以做一个辅助的 Ai Agent 来帮助用户进行任务拆解，然后再发送到 Cursor ，达到准确的需求和开发控制
- 需要结合项目源码的对接
【下一步要做什么】
- 看看 stagewise 怎么做
- 查案 chrome 对 react / vue / nextjs 等语言，框架的开发版的支持， dev map
【碰到什么卡点】
- 暂无
【今天做了什么】
- Cursor 升级到 Version: 1.1.2 ，一直使用的 hacking 方式，自动填充 composer 并发送，直接歇菜。 Cursor 修改了内部命令的实现
- 暴躁老哥一直骂我说这个有风险，没想到来的这么快
- 改成写入文件 + 添加内容大 Composer，不会自动发送，等到用户人工点击
- 页面 Chrome Extension 和 新的 vscode extension 通讯重构，搞定
- 增强稳定性
【有什么思考/收获】
- 由于 Cursor 修改了内部命令的实现，导致老方法失效
- 被迫改成写入本地文件的形式，反而打开了一个思路
- 站在 Local Issues 的基础上，把用户的需求，以结构性的 - [ ] task 的形式出现，这样就可以给到 Cursor 更加明确和精准的实施通路
- 已经开始使用前后贯通的方式进行项目开发了，使用 ClickVibe 开发 ClickVibe
- 在过程中，因为有了文件，人工必须介入，反而让 Ai Agent 参与的这个过程变得顺畅，也就是用户在页面端，选择和操作后，完全可以做一个辅助的 Ai Agent 来帮助用户进行任务拆解，然后再发送到 Cursor ，达到准确的需求和开发控制
- 需要结合项目源码的对接
【下一步要做什么】
- 看看 stagewise 怎么做
- 查案 chrome 对 react / vue / nextjs 等语言，框架的开发版的支持， dev map
【碰到什么卡点】
- 暂无
0 00
自从用了这个提示词写代码，感觉好窝火
要每次都用审视的目光，仔细看我的输入的潜在的问题，你要犀利的提出我的问题。并给出明显在我思考框架之外的建议。你要觉得我说的太离谱了，你就骂回来，帮助我瞬间清醒
要每次都用审视的目光，仔细看我的输入的潜在的问题，你要犀利的提出我的问题。并给出明显在我思考框架之外的建议。你要觉得我说的太离谱了，你就骂回来，帮助我瞬间清醒
0 00
