1.所有的業(yè)務(wù)都需要用 AI 重新做一遍。就像移動互聯(lián)網(wǎng)的發(fā)展一樣，前期流量貴、體驗差等問題最終必然被解決。奇點到臨之后，一切會變得非常迅速。

2.做法不是追 AI 的熱點，而是業(yè)務(wù)+AI，即圍繞真實需求升級產(chǎn)品的解決方案。這個變化需要主動進行，如果行動得慢必然會被后來者超越。

3.AI的價值有且只有一個——真的超越原流程體驗，好的AI設(shè)計用戶甚至都不知道背后有AI的存在。以標(biāo)新立異視角的調(diào)整思路，出發(fā)點就錯了。

4.AI對業(yè)務(wù)真正的提效是背后帶來的質(zhì)變，如成本價格大大降低、使用體驗流程大幅度簡化，這些即可被稱為范式革命，才是需要AI產(chǎn)品經(jīng)理深度思考的地方。

5. AI 產(chǎn)品設(shè)計首先要熟悉AI的底層原理，才能真正的設(shè)計出 AI 原生產(chǎn)品。同時要把古典的產(chǎn)品設(shè)計方法全部忘掉，否則都是枷鎖。

6.AI原理的答案其實都在名詞里，比如MCP（Model Context Protocol，模型上下文協(xié)議） 。讀一手信息，自然就明白《Attention is all you need》的核心思想，以及Transform架構(gòu)和RAG的構(gòu)建思路。

7.一切因為模型引起的問題最終將都不是問題，模型必然沿著Scaling Law（尺度定律）在優(yōu)化，各大廠都在逼著自己大力出奇跡。因此，現(xiàn)在的問題都不是問題，慢才是核心問題。

8.解決慢的核心要點不是去補AI的發(fā)展歷史，而是聚焦在新知識里，如果用到舊知識就順手補上，如果用不到說明已經(jīng)被替代無需糾結(jié)。就像 Prompt的撰寫已經(jīng)被模型能力覆蓋了，只要把要點描述清楚，順手就能得出一個 80 分的 Prompt。當(dāng)然，最底層的原理要先懂。

9.現(xiàn)在大家的精力都在OpenClaw龍蝦上，是因為龍蝦真正的做到了環(huán)境、能力、接口的統(tǒng)一解決方案。但必然發(fā)生的是，——龍蝦很快就會跟DeepSeek一樣，成為全民基建，支持一鍵開啟，（有條件的）免費使用。

10.要明確未來 AI 的產(chǎn)品設(shè)計，大部分是在給模型做產(chǎn)品，就像 MCP、Skills、龍蝦都是給模型在做設(shè)計，因此做AI產(chǎn)品也需要用模型的視角去迭代。雖然用戶使用的界面還是交互式響應(yīng)，但背后的實現(xiàn)邏輯已經(jīng)千差萬別。

11.以后只有一種程序員——給 AI 做基建的程序員，如此才能緊跟潮流脫穎而出。而產(chǎn)品經(jīng)理也將愈發(fā)全能，不全能就會被汰換。但產(chǎn)品經(jīng)理的重要性凸顯了，有思考洞察的產(chǎn)品經(jīng)理更是無可替代。

12.擁抱概率和不確定性，要愛上這種感覺。就像剛開始使用 AI 給到的震撼，AI 產(chǎn)品的核心就是面向不確定性做業(yè)務(wù)流程設(shè)計，用流程兜住最壞的情況，讓用戶別著急、別見怪，然后把驚艷時刻包裝到核心價值中呈現(xiàn)即可。

13.大模型的概率機制，導(dǎo)致幻覺的出現(xiàn)是必然的。多用用 AI 產(chǎn)品，多追問幾個問題或提幾個主觀要求，就能夠發(fā)現(xiàn)模型的步子還得邁的大一些（當(dāng)然要先分辨的出來）。

14.品味和價值觀越來越重要，調(diào)教大模型的過程非?？简灝a(chǎn)品經(jīng)理的做法和耐心，在來回拉扯的艱苦卓絕中，有品味的設(shè)計才是當(dāng)下產(chǎn)品屆的一抹亮色。

15.培養(yǎng)自己的品味，熱愛真實的生活，關(guān)注真實的用戶，洞察真正的問題，同理心和洞察力仍是這個時代做產(chǎn)品的唯二出路。你的價值觀就是 AI 的價值觀，就是 AI 建模的底層框架，這就是對用戶最大的盡責(zé)。

16.模型可以大力出奇跡，但 AI 產(chǎn)品設(shè)計一定要拒絕大力出奇跡，token 的背后都是錢，要思考絕對的用戶體驗閉環(huán)，在驗證一切之后上線一個驚艷的產(chǎn)品或功能。

17.RAG 就是提高業(yè)務(wù)差異性的核心路徑（要理解 RAG 背后的原理）。只有搭上自己業(yè)務(wù)的向量數(shù)據(jù)包，才能將模型調(diào)教到最適合業(yè)務(wù)發(fā)展，且不會被大模型本身的升級更新所碾滅。

18.AI 設(shè)計一定要快，快的是拿到數(shù)據(jù)反饋，因此除了自己的 Benchmark 和業(yè)務(wù)測試集之外，一定要關(guān)注用戶在實際使用中的核心體驗，基于此不斷的調(diào)優(yōu)模型。這些都是 AI 進化的原料（Fine-tuning）。

19.AI 模型雖然是概率的，但輸出過程的一定要白盒，即我們要知道為何會產(chǎn)生這樣的判斷，要調(diào)教的核心也是這里。

20.要考慮如何省錢，即省 token。用哪個模型、用什么流程處理、如何處理、跟長期記憶如何并存等，都是我們在設(shè)計時需要基于測試情況不斷優(yōu)化的。這也是AI 產(chǎn)品設(shè)計的趣味所在。

21.在快速發(fā)展的當(dāng)下，如果只說一個優(yōu)秀的 AI 產(chǎn)品經(jīng)理特質(zhì)的話，我覺得必然是——往前看，走的比別人快兩步。

- 不 END -