Product Strategy

写在前面：颓废的表面，和底下的高密度 六月我从老挝回到了深圳。 如果只看状态，这是一个颓废的月份。具体是什么样子呢——天黑了才有点精神，每天熬到凌晨两三点，靠一部接一部的短剧短片把自己哄睡；白天醒来，窗外是深圳灰白的天，连出门的力气都凑不齐，想着是不是跟天气有关，但其实自己心里清楚不全是。每天都在心里跟自己谈判：明天一定早起、一定自律、一定开始干活——然后第二天又输给那个赖在床上的自己。身体是虚的，那种虚不是累，是一种被抽空之后的空转。烦恼很多，但说不出具体是哪一件。 ...

开篇与自我定位 年度序言与背景 📅 Hi! 2025 ~ TIP: 这篇文章的信息密度很高，并且带有强烈的主观，我尽可能的尝试少一些观点，多一些经验的描述，包括自己旅居过程中的经验，经历过的一些事情反思，做产品的途中的一些经验，经验是宝贵的，希望留给你触动和思考的空间越广，TOP 中选取自己感兴趣的阅读即可。 ...

聊天产品最容易展示的完成标志，是最后一条 assistant message。 任务产品最危险的完成标志，也是最后一条 assistant message。 因为“已完成”可能只表示 Agent 停止运行。用户真正要验收的，也许是一份引用可靠的报告、一张字段齐全的数据表、一个能打开的网站、一段可以维护的代码，或一个下周仍在运行的 bot。只要价值单位从 reply 变成 work product，完成状态就必须离开聊天气泡，落到 artifact 和外部世界。 ...

先别连接邮箱、CRM 或社媒账号。打开一张空白的 n8n 画布，只放三个节点： Manual Trigger → Edit Fields → IF 在 Edit Fields 里写入一条假的内容信号，让 IF 根据证据数量把它送进 True 或 False 分支。先把 evidence_count 设为 3 执行一次，再改成 1 执行一次。两条路线都跑对以后，你已经碰到了工作流自动化最重要的五件事：触发、结构化数据、规则、分支和执行记录。 ...

如果把 Claude Tag 只理解为 Slack 机器人，会错过它最重要的产品变化。它把频道变成了一个可授权、可记忆、可持续运行的 Agent 空间：团队共享同一个执行者，任务在 Anthropic 托管的线程级沙箱中异步完成，外部凭证由 Agent Proxy 在边界注入，结果回到公开线程并留下可追溯记录。Claude Tag 官方文档 已经把这些机制写得相当具体。 ...

2026 年初，我的 GitHub 贡献图 曾连续数周接近空白；几个月后，同一张图上出现了单周数百次 contributions。到了七月，博客发布了 55 篇中文文章 ，GitHub 的 contribution calendar 记录了 733 次 contributions。 ...

如果蒙田也有一个 AI，会发生什么？ 我是在每天使用 DayPage、看着个人 vault 里积累到约 250 天 Markdown 以后，才真正问出这个问题。过去越来越不容易丢失：AI 可以找回旧句、并排不同年份的判断、指出我忘记的矛盾。与此同时，“这些记录说明我是怎样的人”也越来越容易被它抢先回答。 ...

“常识就是本质吗？”我最近连续拿几个行业做推演时，最先卡在了这个问题上。看完 22 家前沿 AI 团队、70 余位公开人物的作品链后，我反复遇到几种动作：围绕一个长期命题积累，先写清怎样才算合格，让论文、代码和产品连续留下作品，再把生产失败送回下一轮。可这些动作仍没有回答：面对传统行业，我从哪里开始判断，才能避免拿着新技术寻找伪需求？ ...

七月大部分时间，我在深圳，也在广东其他城市短暂停了几天。 电脑里的工作很密：博客上线了 55 篇中文文章，GitHub 的七月 contribution calendar 记下 733 次 contributions。账单的另一边也很密：AI 订阅每月三千多元，再加服务器、云服务和其他工具费用。前一组数字很适合被截出来，证明一个独立开发者在 AI 的帮助下可以多高产；后一组数字才说明，这套生活为什么正在给我真实的压力。 ...

本文是一场思想实验式模拟访谈。受访者由组织心理学与组织经济学研究视角组合而成，不代表任何真实人物的原话。 2026 年 6 月，我在月度复盘里写：激励结构会殖民人格。 ...

本文是一场思想实验式模拟访谈。受访者由社会心理学、编辑实践和创作者研究视角组合而成，不代表任何真实人物的原话。 2025 年 11 月，我记过一句“创造者的失落：正反馈匮乏”。2026 年 4 月，又写下“被理解才产生正反馈”。 ...

本文是一场思想实验式模拟访谈。受访者由认知科学、档案学和产品设计视角组合而成，不代表任何真实专家的原话。 2026 年 5 月，我停用了 flomo。 那一个月没有每日提醒，没有“今天还没记”的轻微欠债感，也没有把每个念头迅速变成一条卡片。奇怪的是，生活没有因此变薄。相反，老挝的城市、溶洞、摔伤、陌生人和酒吧在月末汇成了一次比碎片更完整的自我读取。 ...

这是「与现实对账」选集的第六篇。上一篇把快反馈与慢结果分开；这一篇讨论技术进步之后更容易被忽略的问题：旧瓶颈消失时，新的瓶颈会在哪里出现？ 每一种新工具刚出现时，人们最容易想象它消灭了什么。 ...

这是「与现实对账」选集的第五篇。上一篇讨论什么样的行动能产生证据；这一篇分析证据抵达的速度，以及速度如何悄悄改变我们的目标。 朋友说，内容和零售有一个很大的优点：反馈快。 ...

这是「与现实对账」选集的第四篇。上一篇分析聪明人如何用能力逃跑；这一篇继续追问：走出书房以后，什么样的行动才算接近事实？ “少想，多做”大概是这个时代最难反驳的建议之一。 ...

这是「与现实对账」选集的第三篇。上一篇讨论利润的边界；这一篇转向一个更私人的问题：为什么能力越强，有时越难接近事实？ 我曾经以为，逃避一件事的样子应该是刷手机、拖延、什么也不做。 ...

这是「与现实对账」选集的第二篇。总序从饭桌上的争论谈起；这一篇只追问一个问题：利润这张成绩单，究竟记录了什么？ 朋友说：“一个生意很能赚钱，说明它创造了价值。” ...

这是「与现实对账」选集的总序：关于利润、行动、技术与选择的七次审计。 前些天和朋友吃饭，聊到接下来该做什么。 他说：“创业的本质就是挣钱。一个生意很能赚钱，说明它创造了价值；一直亏钱，就是在浪费所有人的时间和钱。” ...

同一个东西，换个名字，分数就变了 有一件事我观察了挺久，一直没找到合适的地方写。 在同一个产品社区里，经常会出现两个功能几乎重合的小工具。一个发出来石沉大海，另一个被反复转发、被认真提问。你去看两个产品页，做工差不多，定价差不多，落地页甚至用了同一个模板。真正不一样的地方在发布者名字后面那一行小字——「某某项目的维护者」「写了三年 xx 的人」。 ...

我在这句话上浪费了好几年 「产品做得足够好，自然会有人来。」 这句话我信了很多年。它符合工程师的世界观：代码是可验证的，性能是可测量的，好和坏之间有客观差别。既然有客观差别，那么好的东西胜出就是迟早的事——市场是有效的，只是需要一点时间。 ...

一个早上，和三件不该存在的东西 有一天早上我起来，泡咖啡，打开笔记本，看到夜里跑的几个 agent 都停在了完成状态：一个给我的小工具加了完整的多语言支持，中英日三套文案，抽了 i18n 层；一个给博客做了阅读进度统计；一个把我半年前写的 CLI 重构成了插件架构。代码都很干净，测试都是绿的。 ...

第十五份清单，让我换了一个问题 半年里，我认真读过二三十份「AI 时代超级个体装备清单」。读到第十五份左右时，一件事越来越扎眼：这些清单彼此之间的差异，远小于它们各自许诺的竞争优势。 ...

假如今天你要给自己选一个 AI Agent 的方向下注，你最该先问的问题是什么？ 多数人问的是"这个能不能做出来"。但在 2026 年，许多应用的首要瓶颈已不再是模型能力，做出 demo 也不再稀缺。真正该问的，是另一个更冷的问题：“为什么这么大的机会，别人还没把它做死？” ...

一个反直觉的信号：它开始反过来提示你 假设有一天，你打开工作台，Agent 没有等你输入下一条命令，而是先说： 我注意到昨天那份方案的第三节还没有收尾。我按你上周的口径起了一个草稿，现在要看吗？ ...

一年过去了，为什么大多数人的 AI 还停在原地 过去一年，写文案、翻译、总结和分析都用上了 AI。但诚实地问一句：它真的接管了业务环节，还是每次仍由你重新交代背景、判断输出、决定下一步？ 模型变聪明了，反复切换上下文和担责任的人往往没变。 ...

创作，是向外的那一半 我们走到了最后一层。信息被降噪，记录被沉淀，知识被结构化成能反复调用的能力——但到此为止，所有工序解决的都是你自己的问题。知识让你变强，却不会自动变成别人愿意看的东西。 ...

被塞进"知识"那一格的半成品 在大多数人的心智模型里，笔记只有三档：看到信息 → 变成知识 → 拿去创作。中间那个"记录"的动作，被默默塞进了"知识"这一格。 ...

信息的默认状态，是噪音 上一篇立了框架：信息、记录、知识、创作是四道工序。这一篇只谈第一道——信息。 关于信息，最重要的一个认知是：它的默认状态是噪音。 我们对信息有一种天然的贪婪。看到一篇好文章就想收藏，看到一个金句就想存下来，看到别人推荐的书单就想加进待读。每一次"存"都给我们一点"我在进步"的错觉。但存这个动作，本质上只是把信息从别人的仓库搬到了你的仓库，它没有经过你这台机器的任何加工。 ...

四个名字，代表四种不同的工作 我过去的笔记只朝一个方向生长：向内。链接进来，碎片堆积，目录反复改名，仓库越来越重。我把“拥有”错认成了“加工”。 AI 让这种错误变得更便宜。模型可以快速生成、摘要、分类和改写文字，但速度不会自动把来源变成证据，把观察变成知识，也不会把初稿变成我应当发布的东西。它完全可能把仓库撑得更大，而机器一点没变强。 ...

「Software is eating the world.」 —— Marc Andreessen, 2011 「Now, AI is eating software, and the question for the rest of us is: what’s left for one human, alone, in front of a screen?」 —— 我于 2026 年的某个凌晨，在台灯下问自己。 ...