Building Lorikeet: How AI Humility and a Dual-Agent Architecture Are Redefining Customer Support

如果你用过现在市面上那些号称“AI客服”的产品，大概会有一种熟悉又失望的体验。你打过去，一个声音听起来很礼貌的机器人接电话，但它只能处理最机械的问题，比如“查余额”“改地址”。一旦你说“我上个月账单里有一笔交易我没做过，而且我换了手机号收不到验证码”，它立刻就卡住了，然后把你转给人工。转过去之后，你还得把刚才跟机器人说过的话再跟人工说一遍。整个过程并没有变快，只是多了一层让人烦躁的障碍。

Lorikeet 这家公司想做的，就是彻底拆掉这层障碍。但他们没有走最常见的路，做一个更聪明的单一AI，试图听懂所有复杂问题。他们发现，客户支持里最核心的矛盾不是AI不够聪明，而是“用户到底想要什么”这件事，天然就分两个层面。第一个层面是用户自己说出来的话，比如“我要退货”。第二个层面是用户没说出来的真实情况，比如他其实是因为买错了尺寸，又不好意思承认，所以才说“质量有问题”。一个AI如果只盯着字面意思，就会在错误的方向上费力解释，最后双方都不满意。

Lorikeet 的解法是双智能体架构。第一个智能体叫“倾听者”，它不做任何判断，只负责把用户说的话、语气里的犹豫、重复提到的词、甚至停顿的长短，都忠实地记录下来。它不急着回答，也不急着分类。它就像一个人坐在你对面，先听你说完，不插嘴。第二个智能体叫“推理者”，它拿到倾听者整理好的信息之后，才开始分析用户到底需要什么、最可能的解决方案是什么、需要调用哪些系统权限。这两个智能体分开跑，互不干扰，但数据是联通的。

这个设计有一个非常微妙的优点，作者称之为“AI的谦逊”。倾听者不假装自己什么都懂，它只做最笨的事，记录。推理者不急着下结论，它等够了信息再行动。这听起来简单，但在实际部署中效果很好，因为用户面对一个“先听再想”的系统，会比面对一个“边听边猜”的系统更有耐心。用户能感觉到对方在认真听，而不是在套模板。

更具体一点，Lorikeet 在部署时还会做一件事：让推理者在给出答案之前，先把它的理解用一句话复述给用户确认。比如“我理解您是说，您收到了一个破损的包裹，并且希望在今天之内得到退款方案，对吗？”这一步看似多余，但实际上是整个流程里最关键的安全阀。因为一旦用户说“不是，我不是这个意思”，推理者就立刻知道它走偏了，可以重新分析，而不是硬着头皮给一个错误答案。这个“确认循环”让 Lorikeet 的首次解决率比传统AI客服高出一大截，而且用户转人工的比例降到了很低的水平。

从商业角度看，这个案例给做AI产品的人一个很实在的提醒：很多时候，用户对AI的不信任，不是因为它能力不够，而是因为它“装懂”。一个愿意承认自己不确定、愿意先确认再行动的AI，反而更容易被接受。Lorikeet 没有追求让AI看起来像人，而是追求让AI看起来可靠。这两者之间有本质区别。读完这篇文章，你可能会开始重新思考，你的产品里那些“智能”功能，是不是其实在悄悄消耗用户对你的信任。

Designing synthetic datasets for the real world: Mechanism design and reasoning from first principles

想象你在一家工厂里，负责训练一个AI质检员。你手里有几百张真实产品照片，但缺陷类型太少，角度也有限。你想让AI学会识别各种罕见瑕疵，可现实中根本收集不到那么多坏样品。这时你可能会想：能不能自己画一些假照片来训练它？这就是合成数据（synthetic data）的朴素想法。但问题来了：如果假照片画得太假，AI在工厂里一看到真实光线、真实划痕就懵了；如果画得太真，又可能无意中泄露了真实产品的设计秘密。Google Research的这篇文章，讲的就是如何设计一套“机制”，让合成数据既能骗过AI又不会骗过人类，或者说，让合成数据在真实世界里真正管用。

文章的核心洞察是：合成数据不应该只是“看起来像真的”，而应该“在因果关系上像真的”。举个例子，你要训练一个AI识别路牌。如果只是把路牌图片随机贴在各种背景上，AI可能学会的是“路牌周围总有树木”这种虚假关联，而不是路牌本身的形状和文字。更聪明的做法是：先理解真实世界中路牌是如何被拍摄的，光线从哪个方向来，相机离路牌多远，背景是天空还是建筑物，然后按照这些物理规律生成数据。文章把这个思路称作“从第一性原理推理”（reasoning from first principles），也就是不依赖大量真实样本去统计规律，而是直接模拟产生数据的底层过程。

但光有物理模拟还不够。合成数据面临一个根本矛盾：你希望数据足够多样，让AI见过各种情况，但多样性又可能引入不合理、甚至违背现实规律的样本。比如，为了覆盖所有角度，你生成了一个从地面仰拍路牌的场景，可现实中根本没人这样拍。这类无效样本反而会拖累AI的表现。文章引入了一个来自经济学和博弈论的概念，机制设计（mechanism design）。简单说，就是设计一套规则，让参与方（在这里是数据生成器和AI模型）在追求各自目标时，自然达成一个对整体最优的结果。具体到合成数据，就是设计一个“生成策略”，使得生成器在创造样本时，必须考虑样本对最终任务是否有用，而不是盲目追求多样性。

文章里提到了一个很形象的例子：假设你要训练一个AI识别手写数字。传统做法是随机生成各种歪歪扭扭的数字，然后让AI去学。但机制设计的思路是：先让一个“判别器”评估每个生成样本的难度和真实性，然后给生成器反馈，如果某个样本太简单（AI已经会了）或者太假（人类一看就不是手写），就降低它的权重。这样，生成器会主动调整，把精力集中在那些“刚好卡在AI能力边界上”的样本上。这个过程就像一个老师给学生出题：太简单的题浪费学生时间，太难的题打击信心，只有那些跳一跳够得着的题目，才能真正提升能力。

这个思路对现实中的产品经理和AI工程师有很直接的启发。如果你正在做一个图像识别产品，不要急着找大量数据，而是先问：我的AI在真实世界里会面对哪些变化？光照、角度、遮挡、背景噪声，这些因素中，哪些是可以通过合成数据可控地模拟的？然后，设计一个反馈循环：让合成数据生成器和AI模型交替学习，生成器不断根据AI的薄弱环节调整样本分布。文章特别强调，这个过程需要人类专家介入，不是完全自动的。比如，医生可能需要标注哪些合成医学影像在解剖结构上是合理的，哪些是荒谬的。人类的知识可以作为“规则”注入到生成机制中，确保合成数据不会偏离现实太远。

读到最后你会发现，这篇文章其实在讲一个更普遍的真理：数据从来不是越多越好，而是越“对”越好。合成数据不是真实数据的廉价替代品，而是一种需要精心设计的工具。它的价值不在于“像”，而在于“有用”。当你理解了这一点，你就不会盲目追求合成数据的逼真度，而是会去思考：我的模型在真实世界里到底需要什么能力？然后，用第一性原理去模拟那些关键变量，用机制设计去引导生成过程。这样产出的合成数据集，才能在真实世界里真正发挥作用。

Using RAS to Guide UX Research Resource Allocation and Strategy

你有没有遇到过这种情况：公司里做用户研究的团队就那么几个人，但产品线有七八条，每个产品经理都跑来要求“帮我做个可用性测试”“帮我出个用户画像”。你心里清楚，资源根本不够，可又怕拒绝了会显得不配合业务。最后只能每个项目分一点时间，结果哪个研究都没做深，结论也不痛不痒。

Nielsen Norman Group 最近发了一篇文章，专门讲怎么用 RAS 框架来解决这类资源分配困境。RAS 是三个单词的首字母：Reach（触达范围）、Assurance（确定程度）、Scale（规模化程度）。听起来有点抽象，但你可以把它想象成一个三维坐标轴，每一维代表一个决策维度。比如你手头有一个研究需求，先问自己：这个研究结果要被多少人使用？如果只是给一个设计师看，触达范围就小；如果影响整个产品团队甚至公司策略，触达范围就大。再问：我们对这个领域已经有多少把握？如果是一个全新功能，用户行为完全未知，那确定程度就低，需要投入更多研究来降低风险。最后问：这个研究能不能规模化复用？比如你做一个用户细分研究，做完之后所有产品线都能用它来指导设计，那规模化程度就高。

文章举了一个很具体的例子。假设你在一家电商公司，产品经理想做一次购物车流程的可用性测试。用 RAS 来看：触达范围中等，因为只影响购物车相关团队；确定程度低，因为购物车转化率最近在下降，团队不知道原因；规模化程度低，因为这次测试的结果很难直接用到其他流程上。综合下来，这个项目优先级不算特别高。但如果你换成一个跨产品线的用户旅程地图研究，触达范围大，确定程度低，规模化程度高，那它就值得投入更多资源。

RAS 框架的真正价值不在于给你一个绝对答案，而是让团队在讨论资源分配时有一个共同语言。以前大家可能靠嗓门大小或者谁跟老板关系好来决定资源，现在可以坐下来，对着三个维度打分，然后理性地排序。文章还特别提醒，RAS 不是一次性的，它应该成为团队每个季度甚至每个月的例行工具，因为业务优先级在变，研究需求也在变。

读完这篇文章，你可能会意识到，用户研究团队面临的资源问题，本质上不是“人太少”，而是“怎么选”。RAS 提供了一个结构化的选择方法，让有限的资源花在刀刃上。下次再有人来要研究资源，你可以先请他一起给 RAS 打个分，再决定做不做、做多深。

Principles of Mechanical Sympathy

当你写代码的时候，有没有想过电脑实际上是怎么执行它的？大多数时候我们不需要想，框架、库、高级语言帮我们屏蔽了底层细节。但有些时候，程序突然变慢了，你加了更多服务器，却发现性能没有线性提升。这时候，你可能遇到了一个叫做“机械同理心”（Mechanical Sympathy）的问题。这个词最早是赛车手杰基·斯图尔特（Jackie Stewart）说的：他不需要懂怎么造发动机，但他必须理解发动机在什么转速下工作最好、刹车在什么温度下最有效，这样才能把车开到极限。写程序也是一样：你不必成为硬件工程师，但如果你不理解内存、缓存、磁盘、网络这些“机械”是怎么工作的，你的软件就永远跑不到它理论上能跑到的速度。

举个具体的例子。你写了一个循环，遍历一个数组里的数据。在代码层面，这看起来很简单。但在硬件层面，CPU 不会直接从内存里读数据，它会先把数据加载到自己的缓存（cache）里，因为缓存比内存快几十倍。如果你的数组在内存里是连续存放的，CPU 就能一次性把一大块数据预加载到缓存里，然后循环几乎以光速执行。但如果你的数据是散落在内存各处的指针（比如链表或者对象数组），CPU 每次都要去内存里“取”，速度就慢下来了。这就是为什么有时候用数组比用链表快得多，不是因为算法复杂度，而是因为缓存命中率。

马丁·福勒（Martin Fowler）在这篇文章里提出了一组原则，帮助开发者在设计系统时培养这种机械同理心。他并没有让你去读 CPU 手册，而是让你养成几个习惯：第一，理解你的数据在内存里是怎么布局的；第二，知道哪些操作是昂贵的（比如一次磁盘 I/O 可能比一次内存访问慢一百万倍）；第三，学会测量，而不是猜测。他特别强调，很多性能优化之所以失败，是因为开发者对“慢”的原因有错误的直觉。比如，你以为瓶颈在数据库查询，结果其实是网络延迟；你以为加更多线程能提速，结果因为锁竞争反而更慢。

文章还讲了一个真实的故事。有一家公司的系统每天要处理大量交易，他们发现系统偶尔会突然变慢几秒钟，查了很久找不到原因。后来他们用机械同理心的思路去分析，发现问题出在垃圾回收（Garbage Collection）上。Java 的垃圾回收器在回收内存时，会暂停所有线程（Stop-the-World）。平时暂停时间很短，但一旦内存碎片化严重，暂停时间就会飙升。他们通过调整内存分配策略，让对象更紧凑地排列，减少了碎片，问题就解决了。这个案例说明，很多时候性能问题不是“代码写得不对”，而是“代码和硬件配合得不好”。

读完这篇文章，你可能会开始用一种新的眼光看代码。每次写一个数据结构、选一个框架、设计一个接口，你都会问自己：这个操作在底层要花多少时间？数据是怎么流动的？有没有办法让硬件更舒服地执行？这种思维方式不会让你立刻变成性能专家，但它能让你在遇到性能问题时，有一个正确的方向去排查，而不是盲目地加机器或改代码。机械同理心不是一种技术，而是一种态度：尊重你所运行的机器，理解它的脾气，然后和它合作，而不是对抗。

How we rebuilt the search architecture for high availability in GitHub Enterprise Server

想象一下，你是一个大型企业的开发团队，每天依赖 GitHub Enterprise Server 来管理代码、协作和发布。突然，搜索功能挂了，你找不到任何代码片段、Pull Request 或 Issue。整个团队的工作节奏被打乱，效率一落千丈。这就是 GitHub 的工程师们曾经面临的挑战。他们需要重建搜索架构，让它在企业级高可用性要求下依然可靠。这篇文章就是他们如何一步步解决这个问题的记录。

GitHub 的搜索系统原本依赖 Elasticsearch，但单集群架构存在单点故障风险。当集群节点宕机或网络分区时，搜索服务完全不可用。对于企业客户来说，这不可接受。于是团队决定转向多集群部署，每个集群独立运行，通过负载均衡器分发请求。这样即使一个集群完全失效，其他集群仍能继续服务。但多集群带来了新问题：数据一致性。每个集群都需要实时同步索引数据，否则搜索结果会不一致。

他们采用了“主-主”复制模式，每个集群都接收写入请求，并通过异步复制机制将变更广播到其他集群。为了处理冲突，他们设计了基于时间戳的冲突解决策略：后写入的版本优先。同时，为了减少网络延迟对同步的影响，团队优化了数据序列化格式，并引入了批处理机制。这些改动让搜索可用性从 99.9% 提升到了 99.99%，几乎消除了计划外停机。

当然，这背后还有很多细节：如何设计健康检查、如何优雅地处理集群故障转移、如何在不中断服务的情况下滚动升级。文章里提到了具体的架构图、数据流和测试方法，但核心思路很清晰，不要试图让单个系统永不故障，而是通过冗余和自动恢复来容忍故障。对于任何构建高可用系统的团队来说，这个案例都值得参考。读完你会明白，真正的可靠性不是靠运气，而是靠精心设计的架构和持续的运维投入。

How we layered product principles to refresh Slack notifications

你有没有过这样的经历：手机震了一下，你以为是重要消息，结果是群聊里有人发了个表情包；或者你正在专心写东西，突然被一条通知打断，结果发现那只是系统自动提醒。通知太多、太乱、太吵，几乎成了每个职场人的日常困扰。Slack 作为全球最流行的办公协作软件之一，它的通知系统每天要处理数亿条消息。但 Slack 的设计团队发现，用户对通知的抱怨从来没有停过，不是嫌太多，就是嫌太少，或者嫌该来的没来、不该来的却来了。于是他们决定重新设计整个通知体系，而这次重新设计的方法很有意思：他们不是直接动手改界面，而是先坐下来，梳理并分层了一套“产品原则”（product principles）。

这套原则不是那种挂在墙上的口号，而是真正用来指导每一个设计决策的标尺。Slack 团队把原则分成了三层。第一层是“核心原则”（core principles），这是所有产品决策的根基，比如“尊重用户的注意力”，意思是通知应该帮助用户而不是打扰用户。第二层是“通知特有原则”（notification-specific principles），专门针对通知这个场景，比如“每条通知都应该有明确的行动价值”，如果用户看到通知后不知道该做什么，那这条通知就不该出现。第三层是“可操作指南”（actionable guidelines），更具体，比如“不要在通知里重复用户已经看到的信息”。这三层原则像洋葱一样，从最抽象的价值观一层层剥到最具体的执行规则。

有了这些原则之后，Slack 团队开始重新审视每一个通知场景。他们举了一个很具体的例子：以前你在 Slack 里被 @提及（也就是别人用@符号直接叫你），系统会发一条通知，告诉你“张三在 #项目群 里提到了你”。这条通知看起来没问题，但仔细一想，它只告诉了你“谁在哪个频道提了你”，却没有告诉你“他到底说了什么”。你点进去之后可能发现只是一句“明天开会时间改到下午三点”，而这条消息本身并不需要你立刻回复。按照新的原则，“每条通知都应该有明确的行动价值”，这条通知就不过关，因为用户点进去之后并没有一个明确的行动要做。于是他们改成了在通知里直接显示消息内容的一部分，让你在锁屏上就能判断这件事是否需要立刻处理。

另一个有趣的案例是关于“通知分组”（notification grouping）。Slack 之前会把同一个频道里的多条通知合并成一条，比如“5 条未读消息来自 #设计组”。但用户反馈说，这种分组反而让人更焦虑，因为你不知道这 5 条消息里有没有紧急的事情，只能全部点开看一遍。设计团队重新思考了分组的逻辑：他们发现，真正有价值的分组不是按频道分，而是按“会话线程”（thread）分。比如你和同事在某个话题下连续回复了几条消息，这些消息应该被归为一组，因为它们是同一个对话的延续。而不同话题的消息混在一起，反而会让人失去上下文。这个改变听起来很小，但实际使用中，用户觉得通知变得更“有脑子”了，它知道哪些消息是同一件事。

Slack 团队还特别强调了一个设计哲学：通知的设计不应该只考虑“如何发送”，还要考虑“如何不发送”。他们引入了一个叫“通知静默期”（notification quiet hours）的机制，但这不仅仅是简单的“晚上不打扰”。他们发现，很多用户其实希望在非工作时间也能收到某些关键人物的消息，比如老板或者重要客户。于是他们设计了一个更精细的规则：你可以设置哪些联系人或频道可以突破静默期。这个功能背后反映的原则是“尊重用户的注意力，但也要尊重用户的判断力”，用户自己最清楚什么对他重要。

整个重新设计的过程持续了几个月，Slack 团队做了大量的用户研究（user research），包括访谈、日记研究（diary study）和 A/B 测试。他们发现一个反直觉的现象：用户嘴上说想要“更少的通知”，但实际行为却显示，他们真正想要的是“更相关的通知”。减少通知数量本身不是目的，目的是让每一条通知都有存在的理由。这个发现直接影响了他们的设计方向，不是一味地砍通知，而是让通知变得更聪明。

读完这篇文章，你会得到一个很清晰的判断：好的产品设计不是靠灵感，而是靠一套可以层层推导的原则体系。Slack 团队的做法给所有做产品的人一个启发，当你面对一个复杂问题时，不要急着画界面，先花时间把原则理清楚。原则越清晰，决策就越快，团队之间的争论也越少。而且，原则不是一次性的，它们会随着你对用户的理解而迭代。Slack 这次的通知重构，本质上是一次“用原则驱动设计”的实践，而最终的结果是用户觉得 Slack 更懂自己了，不是因为它发通知发得更勤快，而是因为它知道什么时候该闭嘴。

From Kickoff To First Concept: How To Turn Brand Strategy Into Visual Direction

想象一下，你是一家设计公司的负责人，刚拿到一份品牌策略文档，里面有目标受众画像、品牌价值观、市场定位……但接下来该怎么办？怎么把这些抽象的文字变成客户能看到的颜色、字体、图片风格？这就是很多设计师在项目启动阶段遇到的真实困境。Smashing Magazine 的这篇文章，讲的就是从品牌策略到视觉方向的第一步怎么走，而且走得不慌不忙。

文章没有一上来就讲色彩理论或者排版规则，而是先澄清一个前提：视觉方向不是设计师的“自由发挥”，而是策略的翻译。策略文档里那些“现代”“可靠”“温暖”这样的词，每一个都需要被转化成具体的视觉语言。比如“可靠”可能意味着稳重的衬线字体和低饱和度的蓝色，而“温暖”可能指向柔和的圆角、米色背景和带颗粒感的摄影。这个翻译过程，文章称之为“视觉概念化”（visual conceptualization）。

为了让这个翻译过程可操作，作者推荐了一个很具体的流程：先从品牌策略里提取三到五个核心关键词，然后围绕每个关键词做视觉探索（visual exploration）。探索不是直接找最终方案，而是收集大量参考，可以是其他品牌的网站、海报、摄影作品，甚至是建筑或服装的细节。这一步的关键是“广度优先”，先不要评判好坏，只管收集。然后，把这些参考整理成情绪板（mood board），但情绪板不是简单的拼贴，它需要有一个“视觉论点”（visual argument），也就是为什么这些图片放在一起能表达那个关键词。

文章里举了一个例子：假设品牌关键词是“手艺感”（craftsmanship），那么情绪板里可能包括手工陶器的纹理、老工具上的铜绿、手写标牌的墨迹变化。这些图片的共同点不是题材，而是“不完美但有温度”的质感。设计师需要向客户解释这种质感如何对应策略中的“手艺感”，而不是只说“我觉得这样好看”。

另一个关键点是“从宽到窄”的迭代。文章建议先做三个完全不同的视觉方向（visual directions），每个方向对应一个不同的策略解读。比如对同一个品牌，一个方向可能强调“极简科技感”，另一个方向强调“人文温暖感”，第三个方向强调“自然有机感”。这三个方向不是让客户选一个，而是通过讨论让策略更清晰，客户可能会说“我们要科技感，但不要冷冰冰”，这比一开始就说“我们要科技感”要具体得多。

最后，文章提醒不要过早进入细节。很多设计师拿到策略后直接开始设计 logo 或排版系统，但作者认为，在视觉方向没有确定之前，这些细节都是浪费。视觉方向应该先回答“整体感觉是什么”，然后才是“具体用什么字体”。就像盖房子，先确定建筑风格，再选门窗样式。

读下来你会觉得，这篇文章其实在讲一种“有纪律的创意”，把设计师的直觉和策略的理性结合起来。它不适合那些想找“快速出图技巧”的人，但如果你正在做一个品牌项目，或者需要向团队解释“为什么视觉探索这么重要”，它会给你一套很实在的思考框架。

How we optimized Dash's relevance judge with DSPy

当你用搜索框找文件时，最怕的不是没结果，而是结果一大堆却都不是你想要的。Dropbox Dash 是 Dropbox 推出的一款 AI 驱动的通用搜索工具，能跨文件、邮件、会议记录等查找内容。为了让它返回的结果更精准，团队需要一套评判标准，哪些结果算“相关”，哪些算“不相关”。传统做法是人工标注，但人力成本高，且不同标注员的判断标准可能不一致。于是他们想到了用大语言模型来自动评判相关性，也就是构建一个“相关性评判员”（relevance judge）。

这个评判员本质上是一个打分系统：给定一个查询和一组候选结果，它要对每个结果给出一个 0 到 3 的分数，表示不相关、部分相关、相关或非常相关。早期他们用简单的提示词让 GPT-4 直接打分，效果不错，但很难持续优化。因为每次调整提示词都要重新跑全量测试，而且提示词对细微变化非常敏感，改一个词可能让所有分数都变了。

这时他们引入了 DSPy，一个专门用来优化语言模型提示词和流程的框架。DSPy 的核心思路是：不手动写提示词，而是定义任务目标和评估指标，让框架自动搜索最优的提示词组合。Dropbox 团队把相关性评判任务建模成一个 DSPy 模块，输入是查询和候选结果，输出是分数。他们用历史人工标注数据作为训练集，用准确率作为优化目标，让 DSPy 自动调整提示词中的指令、示例甚至输出格式。

一个关键的优化点是“示例选择”。DSPy 支持从训练集中自动挑选最相关的几个示例放入提示词，而不是每次都固定用同样的例子。比如，当查询是“季度营收报告”，系统会优先选中那些同样涉及财务文档的标注示例，这样模型能更快理解当前场景。实验表明，这种动态示例选择让评判准确率提升了 5% 以上。

另一个有趣的地方是“多步推理”。DSPy 允许定义多个步骤的流程，比如先让模型判断结果是否包含查询关键词，再判断语义是否匹配，最后综合给出分数。这比一步到位的打分更可靠，因为模型可以逐步思考，而不是直接猜一个数。Dropbox 团队尝试了两种多步模式：链式思考（chain-of-thought）和分解式打分，发现后者在减少幻觉方面表现更好。

最终，他们用 DSPy 优化后的评判员在内部测试集上达到了与人工标注 90% 以上的一致性，而且每次查询成本远低于直接调用 GPT-4 做复杂推理。更重要的是，这个流程是可复现的：下次需求变了，只需要更新训练数据和评估指标，DSPy 会自动重新搜索最优提示词，不用人工反复试错。

这个故事给我们的启发是：当你想用大模型做自动化决策时，不要只盯着提示词技巧，而是要考虑整个优化流程。DSPy 这样的框架把“调提示词”变成了一个可量化的工程问题，让模型输出更稳定、更可控。对于任何需要大规模、高质量自动标注的场景，这都是一条值得借鉴的路径。

Building Service Topology at Scale: Architecture, Challenges, and Lessons Learned

你打开Netflix，看到推荐列表，点了一部剧，画面流畅播放。整个过程几秒钟，但你不知道这背后有多少个服务在协同工作。Netflix早就不是一家DVD租赁公司了，它运行在亚马逊云上，有上千个微服务，每个服务负责一件事，比如用户认证、推荐算法、视频转码、播放控制。这些服务之间需要互相通信，就像一座城市里不同的政府部门要协调工作。但随着服务越来越多，问题来了：你怎么知道哪个服务依赖哪个？如果推荐服务调用了用户数据服务，用户数据服务又调用了会员状态服务，一旦会员状态服务出问题，整个链条上的所有服务都会受影响。更麻烦的是，Netflix的工程师可能一天部署几百次代码，服务拓扑每天都在变。传统的人工维护拓扑图根本不可行，必须用自动化工具来发现和记录服务之间的依赖关系。这就是Netflix构建服务拓扑系统的初衷。

他们开发的系统叫NTopology，它不靠工程师手动填写依赖，而是通过分析网络流量来实时发现服务间调用关系。每个服务在运行时都会发送和接收请求，NTopology从这些流量数据中提取出“谁调用了谁”的信息，然后构建出一张动态的拓扑图。这张图不是静态的，它每几分钟就会更新一次，反映最新的依赖关系。有了这张图，工程师就能快速定位故障影响范围。比如某个数据库变慢了，拓扑图会告诉你哪些服务依赖这个数据库，进而影响哪些上游服务。这就像城市交通管理中心看到某个路口堵了，立刻知道哪些路段会跟着堵。

但构建这样的系统并不容易。Netflix遇到的一个大问题是规模。他们的服务数量超过一千个，每天产生的调用数据量是PB级别的。处理这么多数据，既要实时又要准确，对存储和计算都是巨大挑战。他们采用了分层架构：底层用流处理引擎（类似Apache Flink）实时解析流量日志，中间层用图数据库（类似Neo4j）存储拓扑关系，上层提供API和可视化界面供工程师查询。另一个挑战是处理动态变化。服务可能因为部署新版本而改变调用模式，比如原本调用A服务，新版改成了调用B服务。NTopology必须能快速检测到这种变化，并更新拓扑图，同时避免因短暂波动产生误报。他们设计了一种基于时间窗口的聚合算法，只有在持续一段时间内观察到稳定的调用模式时，才确认依赖关系。

还有一个有趣的教训：不是所有的服务依赖都需要被同等对待。有些调用是关键的同步调用，比如用户登录时验证密码，如果认证服务挂了，登录立刻失败。但有些调用是异步的，比如发送通知邮件，即使邮件服务暂时不可用，用户依然能正常看视频。Netflix在拓扑图中给每条依赖关系标注了调用类型和重要性等级，这样工程师在评估故障影响时能区分轻重缓急。最终，NTopology成了Netflix内部运维和故障排查的核心工具。它让工程师在面对成千上万的服务时，依然能像看一张小地图一样，快速理解整个系统的结构。这个案例告诉我们，当系统复杂到一定程度，自动化的可见性不是奢侈品，而是必需品。

Commercial vs Internal Products

想象一下，你在一家公司做产品经理，你的用户不是外面的消费者，而是公司内部的同事，财务部的人、客服团队、仓库管理员。你做的产品不卖钱，只用来提高内部效率。这就是内部产品（internal product）的处境。但很多人觉得内部产品比商业产品（commercial product）好做，因为没有竞争对手，用户没得选，只能忍。这种想法很危险。实际上，内部产品面对的是更挑剔的用户：你的同事。他们每天要用你的产品工作八小时，如果体验差、速度慢、功能不对劲，他们不会像外部用户那样默默流失，他们会直接抱怨、绕过系统用Excel、甚至当面骂你。而商业产品面对的是外部用户，用户觉得不好用可以换竞品，但公司至少能通过营销和品牌留住一部分人。内部产品没有这种缓冲。

那么，做内部产品和做商业产品，到底有什么本质区别？SVPG的文章指出，核心差异在于价值衡量方式。商业产品的价值最终体现在用户愿意付多少钱，或者广告能带来多少收入。你可以通过定价、付费转化率、用户获取成本（CAC）这些指标来判断产品做得好不好。但内部产品没有直接收入，它的价值体现在帮公司省了多少钱、省了多少时间、减少了多少错误。比如一个内部工单系统，如果能让客服处理一个工单的时间从10分钟降到5分钟，那每年节省的人力成本就是它的价值。但问题在于，这些价值很难精确计算，而且往往要等产品上线后才能验证。所以做内部产品时，你必须从一开始就想清楚：这个产品到底要解决什么业务问题？如何衡量它是否成功？

另一个关键区别是用户数量和需求多样性。商业产品面向海量用户，但你可以通过市场细分找到核心用户群，优先满足他们的需求。内部产品通常只服务几千甚至几百个员工，但这些员工来自不同部门，需求差异巨大。财务部想要报表自动生成，运营部想要实时库存看板，销售部想要客户历史记录。你不可能同时满足所有人。文章建议，内部产品经理也要像做商业产品一样，进行用户研究、划分用户角色、确定优先级。你不能因为用户是同事就跳过访谈和测试，反而要更频繁地收集反馈，因为内部用户的容忍度更低。

还有一个常被忽略的点：内部产品的“销售”方式完全不同。商业产品有市场团队、销售团队去推广，用户自己决定买不买。内部产品往往是强制使用的，公司决策层说“以后大家必须用这个系统”。但强制使用不等于用户会好好用。如果产品体验差，用户会消极抵抗，比如只完成最低限度的操作，或者找各种借口不用。所以内部产品经理需要花大量时间做“内部营销”：给用户培训、解释新功能的好处、收集痛点并快速迭代。你本质上是在争取用户的信任和合作，而不是用行政命令压他们。

最后，文章提醒了一个危险信号：很多公司把内部产品当成“二等公民”，认为不需要好的设计、不需要快速迭代，能跑就行。但正是这种心态导致内部系统越来越难用，最终迫使公司花大价钱采购外部SaaS产品来替代。实际上，内部产品如果能做到像商业产品一样注重用户体验和持续改进，它给公司带来的长期回报远超成本。一个优秀的内部产品不仅能提升效率，还能成为公司文化的一部分，员工会觉得公司重视他们的工作体验。所以，无论你做的是商业产品还是内部产品，核心原则是一样的：理解用户、定义价值、持续交付。只是内部产品更需要你把自己当成用户的同事，而不是供应商。

Oratomic raises $300M to build a viable quantum computer that needs only 20K qubits

量子计算这个领域，过去几年你大概听到过很多次“多少多少量子比特”的新闻，比如谷歌声称实现量子霸权用了53个量子比特，IBM计划在2023年推出超过1000个量子比特的芯片。但一个冷酷的现实是，这些数字离真正能解决商业上有价值的问题，还差得很远。因为量子比特非常脆弱，容易出错，要纠错就需要大量物理量子比特来编码一个逻辑量子比特，所以一台有实用价值的量子计算机，可能需要上百万甚至上千万个物理量子比特。这正是当前行业最大的瓶颈。

一家叫Oratomic的创业公司，刚刚宣布拿到3亿美元融资，他们提出的方案听起来很反直觉：只需要2万个量子比特，就能造出有商业价值的量子计算机。他们的核心思路是，不追求量子比特数量上的军备竞赛，而是改善每个量子比特的保真度，也就是让每一个量子比特更可靠、更不容易出错。如果单个量子比特的质量足够高，纠错所需的冗余就可以大幅降低，最终总数量也能降下来。这就像你要盖一栋房子，与其用大量劣质砖头然后不断修补，不如直接用好砖，数量少一些也能建成。

Oratomic的技术路线基于一种叫做“中性原子”的量子比特，也就是用单个原子作为信息载体，用激光来操控它们。这个方向不像超导量子比特那么主流，但近几年开始被越来越多研究者看好，因为它天然具有一些优势，比如原子之间的一致性很好，而且容易扩展。Oratomic的创始人之前就在这个领域深耕多年，他们的关键突破是找到了一种方法，让原子量子比特的相干时间，也就是信息能保持稳定的时间，大幅延长，同时操控精度也显著提高。这样一来，纠错的开销就变小了。

3亿美元融资在现在的资本环境下不是小数目，领投方包括一些专注硬科技的顶级风投。这意味着投资者相信，Oratomic有可能跳过中间那些需要百万量子比特才能解决问题的阶段，直接用一个更小规模的量子计算机，在材料科学、药物设计、金融建模等场景里产生实际价值。当然，这条路还面临工程化挑战，比如如何把几万个原子稳定地排布在芯片上，以及如何让激光控制系统足够精确和低成本。但至少Oratomic给出了一个不同于巨量量子比特竞赛的路线图，而且用融资证明了资本愿意为这个新故事下注。对关注量子计算的人来说，这家公司值得持续跟进，因为它可能重新定义什么才算“够用”的量子计算机。

Apple sues OpenAI over alleged trade secret theft

苹果和OpenAI这两家公司，之前看起来关系还不错。苹果在2024年宣布和OpenAI合作，把ChatGPT集成到Siri里，用户可以直接通过语音调用聊天机器人。但到了2026年7月，剧情急转直下：苹果正式起诉OpenAI，指控后者窃取商业机密。诉讼的核心内容，按照TechCrunch的报道，是苹果声称OpenAI挖走了苹果在人工智能和隐私保护领域的关键员工，这些员工带走了苹果的专有技术，包括如何在不泄露用户数据的前提下训练大模型的方法。

苹果一直把隐私保护作为核心卖点，他们开发了一套名为“私有云计算”的架构，让AI模型能在设备端和云端之间安全地处理数据，用户信息不会被完整上传到服务器。这套技术是苹果多年投入的成果，也构成了其AI战略的护城河。苹果在诉状里说，OpenAI挖走的几位工程师曾深度参与这个架构的设计，他们离职后不久，OpenAI就发布了类似的技术方案，让模型能在用户设备上运行更复杂的推理，同时声称隐私保护级别很高。苹果认为这不可能是巧合。

OpenAI的回应也很强硬，他们否认窃取商业机密，表示公司一直有自己的隐私技术研发路线，并且苹果的指控是“毫无根据的”，目的是打压一个快速崛起的竞争对手。这场诉讼背后，其实反映了AI行业最核心的竞争已经不仅仅是模型能力，而是谁能先解决隐私和合规问题。苹果的商业模式建立在硬件和封闭生态上，用户信任是它的命根子；而OpenAI正在从纯云端模型转向混合部署，也开始重视本地运行和隐私保护。当两条路越来越近，技术人才和专利就成了最敏感的战场。

对于普通用户来说，这场官司短期内不会改变你使用Siri或ChatGPT的体验，但它会决定未来几年AI助手到底能在多大程度上了解你。如果苹果赢了，可能会限制OpenAI在某些隐私技术上的发展；如果OpenAI赢了，苹果可能需要重新思考自己的隐私优势还能保持多久。不管结果如何，有一点很清楚：AI的商业竞争，已经从比拼模型大小，进入到了比拼信任、隐私和系统级整合的阶段。而信任这种东西，一旦被放到法庭上辩论，往往没有赢家。

Build to Learn vs Build to Earn

你有没有遇到过这样的情况：一个产品团队花了好几个月开发一个功能，上线后却发现用户根本不怎么用？或者一个创业公司拼命迭代，用户量涨了，但收入始终起不来？硅谷产品集团（SVPG）的这篇文章，把这个问题归结为两种截然不同的产品思维方式：“为学习而构建”（Build to Learn）和“为赚钱而构建”（Build to Earn）。

“为学习而构建”听起来很美好，像是精益创业里说的快速验证假设。但文章指出，很多团队把“学习”当成了借口，不断做实验、做原型、做A/B测试，却迟迟不把产品推向真正的市场。他们可能在一个功能上测了十几种方案，最后选了一个，但用户并不买单。问题出在哪里？学习本身不是目的，学习是为了做出更好的决策。如果学习没有导向一个明确的行动，比如“这个功能应该砍掉”或者“这个定价应该翻倍”，那学习就是无效的。

“为赚钱而构建”则相反。它不是说产品只盯着钱，而是说产品最终必须创造可持续的商业价值。文章举了一个例子：一个团队做了一个新功能，用户很喜欢，使用率很高，但公司发现这个功能增加了服务器成本，却没有带来任何收入。团队觉得这是“用户价值”，但公司觉得这是“成本中心”。这种矛盾在B2B产品里尤其常见。文章提醒，为赚钱而构建不是要你牺牲用户体验，而是要你在设计产品时就考虑商业模式。比如，一个免费增值产品，免费版要足够好用，但高级功能必须让用户愿意付费。

文章的核心观点是，这两种模式不是非此即彼，而是应该形成一个循环。你先“为学习而构建”，快速验证某个功能是否解决用户问题。一旦验证了，就要立刻切换到“为赚钱而构建”，思考这个功能如何变成收入来源。很多团队卡在第一步，一直学一直学，从不商业化。或者反过来，一开始就拼命赚钱，结果产品体验很差，用户流失。真正健康的产品节奏是：学习、赚钱、再学习、再赚钱。

读完这篇文章，你可能会重新审视自己手头的项目。你是在做实验，还是在做产品？你的学习有没有转化为收入？如果答案是否定的，也许该问问自己：下一步是继续学，还是开始赚？

Show HN: Almanac – A self-updating wiki from your files

你有没有过这种经历：你电脑里散落着几十个文件夹，里面塞满了各种文档、笔记、截图、代码片段。你记得自己写过某个东西，但就是找不到。你试过用搜索，但关键词不对，或者文件太多，结果根本不相关。你开始想，要是这些文件能自己整理成一个知识库就好了，就像维基百科那样，但只属于你自己。Almanac（年鉴）就是为解决这个问题而生的。它是一个自更新的维基（self-updating wiki），直接从你的文件里提取内容，自动生成一个结构化的知识系统。你不用手动编辑，也不用操心分类，它就像有个智能管家，默默看着你的文件变化，然后帮你把零散的信息组织成可浏览、可搜索的页面。你可能会好奇，它怎么知道哪些文件重要？怎么决定页面的结构？它用了一种类似搜索引擎索引（indexing）的方法，但不是简单列出文件名，而是理解文件之间的关系。比如你有一个项目文件夹，里面有设计稿、需求文档、会议记录，Almanac 会识别它们属于同一个项目，然后自动生成一个项目主页，把相关文件链接在一起。你改动了一个文件，它下次更新时就会反映出来。这听起来有点像 Notion 或 Obsidian 的自动整理功能，但 Almanac 更强调“自更新”和“从文件出发”。它不要求你把所有东西都搬进一个特定应用，而是尊重你现有的文件存放方式。你继续用你习惯的编辑器、文件夹结构，Almanac 在后台工作，把你的文件变成可浏览的维基。这个理念很吸引人，尤其是对于长期积累了大量本地文件的人：开发者、研究者、写作者、项目经理。他们往往有很强的信息管理需求，但又厌倦了手动整理。Almanac 尝试用一种更被动的、自动化的方式来解决。它背后的假设是：你的文件本身就包含了足够的信息来构建知识网络，只是缺少一个能理解它们的工具。当然，这也有挑战：文件格式多样，内容质量参差不齐，自动提取的准确性如何保证？隐私问题呢？文件都在本地，Almanac 是本地运行还是需要上传？从介绍看，它似乎更偏向本地优先（local-first），这符合很多技术用户的偏好。总的来说，Almanac 是在做一件很多人想过但没做成的事：让文件自己说话。它不承诺取代你的工作流，而是承诺让你从文件管理中得到更多。如果你是一个喜欢本地文件、讨厌手动整理的人，它值得你花时间试试看。你可以想象，未来你的文件不再是孤立的个体，而是一个不断生长的、相互关联的知识体。你打开 Almanac，就像打开一本只属于你的、永远在更新的百科全书。

The Hidden Why: Behavioral Economics for UX

你有没有遇到过这样的情况：明明设计了一个看起来很好用的界面，用户却总是做出“奇怪”的选择，比如忽略一个醒目的按钮、反复输入错误信息、或者坚持使用一个更复杂的路径？这不是用户笨，而是他们的大脑在“偷懒”。用户的行为并不总是理性的，他们依赖直觉、习惯和情绪做决定。这正是行为经济学（behavioral economics）能帮上忙的地方。

行为经济学融合了心理学和经济学，研究人们如何在实际决策中偏离“理性人”假设。丹尼尔·卡尼曼（Daniel Kahneman）和阿莫斯·特沃斯基（Amos Tversky）在20世纪70年代提出了前景理论（prospect theory），解释了为什么人们对损失的敏感程度远高于对收益的渴望。例如，损失100元的痛苦，大约需要赚到200元才能抵消。在UX设计中，这意味着如果你告诉用户“不这样做会失去什么”，往往比“这样做能得到什么”更有效。一个经典的例子是：在注册页面上，如果提示“您将失去免费试用资格”比“立即注册获得免费试用”更能推动转化。

另一个重要概念是系统1和系统2的思维模式。系统1是快速、自动、无意识的，比如你看到一张笑脸立刻知道对方开心；系统2是缓慢、理性、需要努力的，比如计算一道复杂的数学题。用户大部分时间都在用系统1，所以设计要迎合直觉，而不是强迫用户启动系统2。比如，一个默认选项（default option）就能大大影响用户的选择，因为人们倾向于不改变默认设置。在注册流程中，如果默认勾选“接收邮件通知”，大部分用户会保持勾选；如果默认不勾选，订阅率就会大幅下降。这就是所谓的“现状偏见”（status quo bias）。

还有一种常见的认知偏差叫“框架效应”（framing effect）：同一个信息用不同方式呈现，会导致不同决策。比如，一个手术有90%的存活率，听起来比有10%的死亡率更让人安心。在UX文案中，你应该选择对用户有利的框架。比如，错误提示不要说“您输入了无效的邮箱”，而是“请检查您的邮箱格式，确保我们可以联系到您”。

行为经济学还解释了为什么用户容易“信息过载”而放弃选择。当选项太多时，用户会感到焦虑，甚至直接离开。这就是“选择超载”（choice overload）。著名的果酱实验发现，当货架上只有6种果酱时，30%的顾客会购买；但当有24种时，只有3%的顾客购买。在设计中，减少选项、提供推荐或默认选择，可以减轻用户的决策负担。

最后，社会规范（social norms）也影响用户行为。人们倾向于模仿他人，尤其是当自己不确定时。显示“已有5000人购买了此课程”比“限时优惠”更能促进转化。这就是“社会证明”（social proof）。

理解这些行为经济学原理，并不是要“操纵”用户，而是帮助他们更轻松、更满意地完成目标。当你下次看到用户做出“不合理”行为时，不妨想想：是不是我的设计低估了他们的直觉？也许，那个被忽略的按钮，只是因为它的位置违背了用户默认的阅读路径。

读到这里，你会发现，好的UX设计不只是把界面画漂亮，更是对人性弱点的温柔体谅。

The 5 best real-time analytics platforms for developers, compared

想象一下，你刚上线了一个新功能，比如社交应用里的“一键分享视频”。你坐在电脑前，盯着屏幕，想知道现在有多少人在用这个功能。你刷新一次，数字变了。再刷新，又变了。但你真的知道发生了什么吗？实时分析（real-time analytics）就是解决这个问题的。它不是每天或每小时告诉你“昨天有1000人分享”，而是告诉你“就在此刻，有3个人正在分享，其中1个已经成功了”。对于开发者来说，这种能力极其重要，尤其是在做产品实验、监控系统健康、或者运营一场直播活动的时候。但问题来了：市面上那么多实时分析平台，到底该选哪个？PostHog 的这篇文章就帮你做了这个比较。

文章选了五个平台：PostHog 自己、Datadog、Mixpanel、Amplitude 和 Grafana。它们都能处理实时数据，但侧重点完全不同。Datadog 更像一个监控系统，它擅长告诉你服务器有没有挂，API 响应时间是不是变慢了。如果你是一个后端工程师，半夜被叫起来看告警，Datadog 很合适。但如果你想了解用户行为，比如“用户点击了哪个按钮才触发这次错误”，Datadog 就不太擅长了。Mixpanel 和 Amplitude 是经典的“产品分析”工具，它们能追踪用户事件，比如“注册”“购买”“分享”。它们也有实时视图，但更偏向于给你一个“实时看板”，显示过去几分钟的活跃用户数或事件数。不过，它们的实时性通常有几分钟的延迟，而且查询复杂历史数据时可能会更慢。

Grafana 是另一个路子。它是一个开源的可视化平台，可以连接各种数据源，比如 Prometheus、InfluxDB 或者 PostgreSQL。你可以自己搭建一个实时仪表盘，显示任何你想看的指标。但 Grafana 本身不存储数据，也不做分析，它只是一个画图工具。所以你需要自己搞定数据管道和存储。最后是 PostHog，它既是一个产品分析工具，也提供实时功能。PostHog 的实时视图可以显示最近几秒内发生的事件，比如“用户注册”“页面浏览”，并且你可以直接点击这些事件去查看具体用户的行为。它还支持“实时动作”（actions），比如你可以设置一个条件：当用户连续三次注册失败时，实时触发一个告警。

文章里还提到了一个关键区别：延迟。实时分析平台的延迟通常有两种：一种是“端到端延迟”，即从用户操作发生到数据出现在仪表盘上的时间；另一种是“查询延迟”，即你写一个查询到结果返回的时间。对于实时场景，端到端延迟更重要。PostHog 声称它的实时视图延迟在 1 秒以内，而 Mixpanel 和 Amplitude 的实时视图通常有 30 秒到几分钟的延迟。Datadog 的延迟也很低，但它是针对基础设施的，不是用户事件。

另外，文章还讨论了“采样”（sampling）的问题。有些平台为了降低成本，会对实时数据进行采样，只展示一部分数据。比如，你看到实时仪表盘上显示“100 个事件”，但实际上可能只有 10% 的数据被采样了，真实事件是 1000 个。如果你在做 A/B 测试或者调试一个罕见 bug，采样会让你误判。PostHog 和 Datadog 支持全量数据实时展示，但代价是成本更高。

最后，文章给出了一个很实用的建议：不要只看“实时”这个词，要看你到底需要实时做什么。如果你只是想知道“现在有多少人在线”，那么大部分平台都能做到。但如果你需要实时地调试一个用户问题，比如“为什么这个用户付款失败了”，那么你需要的是一个能实时查看单个用户事件流的工具，比如 PostHog 的“用户会话回放”（session recording）结合实时事件。如果你需要监控服务器性能，那就选 Datadog。如果你需要把实时数据和其他业务指标（比如收入）结合起来，Grafana 可能更灵活。

读完这篇文章，你会明白一个道理：实时分析不是一个功能，而是一系列权衡。没有完美的平台，只有适合你当前场景的工具。下次再有人跟你说“我们的平台是实时的”，你可以问一句：“实时到多少秒？采样吗？能看单个用户吗？”

The new product introduction process: How to make sure your Agent is ready every time you ship

想象一下，你是一个产品团队，刚刚开发了一个能自动回答客户问题的 AI 助手（Agent）。你兴奋地把它部署上线，结果第一天就出了岔子：客户问“我的订单什么时候到”，助手回答了一个完全错误的日期。客户生气，你的客服团队手忙脚乱，你的老板问“测试的时候怎么没发现”。这个场景是不是很熟悉？Intercom 的这篇文章就是来帮你解决这个问题的。他们提出了一套叫做“新产品引入流程”（New Product Introduction，简称 NPI）的方法，专门用来确保每次发布 AI 助手时，它都是真正可靠的。

NPI 听起来像是大公司才用的复杂流程，但 Intercom 把它拆解得很实际。核心思路是：不要把发布 AI 助手当成一次性事件，而要当成一个持续的过程。文章里分享了一个很具体的例子。他们曾经在发布一个 AI 助手时，因为对“用户意图”（intent）的边界定义不清，导致助手把“我想取消订单”和“我想修改订单”混为一谈。用户明明想取消，助手却给出了修改订单的流程，结果用户体验极差。这个教训让他们意识到，必须在发布前就对每个可能的用户意图进行严格测试。

那么 NPI 具体怎么做呢？Intercom 建议分几个阶段。首先是“准备阶段”（Readiness），你需要定义清楚你的 AI 助手要解决什么问题，它的边界在哪里。比如，你的助手是只能处理退货问题，还是能处理所有售后问题？边界越清晰，助手越不容易犯错。然后是“测试阶段”（Testing），这里不是简单跑几个测试用例，而是要模拟真实用户的对话。他们特别强调要测试“边缘案例”（edge cases），比如用户拼写错误、情绪激动、或者问一个非常模糊的问题。文章里提到，他们曾经用一个真实客服对话数据集来训练和测试，结果发现助手在 80% 的情况下表现良好，但在剩下 20% 的棘手对话中几乎完全失败。这让他们意识到，测试不能只看平均表现，要关注最差情况。

最后是“监控阶段”（Monitoring）。发布之后不是结束，而是开始。Intercom 会持续监控 AI 助手的对话，尤其是那些用户最终选择转人工的对话。这些对话往往暴露了助手的盲区。他们会定期分析这些“失败”对话，然后更新模型或者调整流程。文章里有个数字很关键：他们发现，通过这种持续监控和迭代，AI 助手在发布后的第一个月里，准确率可以从 70% 提升到 90% 以上。

读到这里，你可能会想，这听起来很合理，但做起来是不是很重？Intercom 也考虑到了这一点。他们建议从小处着手，先选择一个最核心的用户场景（比如“查询订单状态”），把这个场景的 NPI 流程跑通，再逐步扩展到其他场景。不要一开始就想覆盖所有问题。另外，他们强调要让客服团队深度参与。因为客服最了解用户真正在问什么，他们的反馈是改进助手的最佳来源。

这篇文章最终想传达的是：AI 助手不是写几行代码就能上线的玩具，它需要和传统软件一样严格的发布流程。但好消息是，这个流程并不神秘，它就是对“测试、发布、监控、迭代”这一经典循环的认真执行。如果你正在做 AI 产品，不妨从今天开始，为你的下一个助手定义一个简单的 NPI 流程。哪怕只是多花半天时间测试边缘案例，也会让你的用户少生一次气。

GPT-5.6 Sol vs. Claude Fable: Why OpenAI’s new model crushes my benchmark

如果你最近在关注AI领域的新闻，可能已经注意到一个现象：大模型公司之间的竞争，正在从“谁的模型更聪明”转向“谁的产品更让人想用”。这篇文章的作者Lenny，就是那位常年写产品增长策略的知名作者，他用自己的一个日常基准测试，亲身体验了这种转变。

Lenny有一个习惯：每当新模型发布，他都会用同一个任务去测试，让他自己的产品（一个AI写作助手）生成一段特定风格的文案。这个任务不算难，但很实际，不是那种数学竞赛题或者复杂的逻辑推理，而是真实的产品场景。过去，他一直在用Claude的某个版本（他称之为Claude Fable，一个内部昵称）来完成这个任务，效果一直不错。直到OpenAI发布了GPT-5.6 Sol（也是内部代号），他试了一次，结果让他惊讶，新模型不仅完成了任务，而且完成得更好，更自然，几乎不需要他再手动修改。

这个对比之所以有意思，不是因为GPT-5.6在某个排行榜上分数更高，而是因为它在Lenny的真实工作流里赢了。这恰恰是很多AI公司现在最焦虑的事情：你的模型在学术基准上再强，如果用户在实际使用中感觉不到明显差异，他们就不会切换。反过来，如果某个模型在某个具体场景里让用户觉得“哇，这比之前的好用多了”，那它就有可能真正赢得用户。

文章里没有停留在“谁赢谁输”的结论上，而是借这个例子讨论了一个更深的问题：为什么OpenAI这次能做出这样的改进？Lenny从自己的观察出发，认为关键在于OpenAI调整了训练和优化策略，更注重“有用性”而非“聪明度”。这不是一个容易量化的方向，因为“有用”对不同用户意味着不同的事情。但至少在这个案例里，GPT-5.6 Sol在生成文案时更少出现“过度解释”“过于礼貌”或者“无意义的啰嗦”，而是直接给出了一个可以用的版本。

对于产品经理和增长团队来说，这篇文章的启发可能不在于技术细节，而在于一个思路：评估AI产品时，与其盯着各种基准分数，不如建立自己的“用户任务基准”（user task benchmark）。就像Lenny做的，用一个你每天都在做的真实任务去测试，看哪个模型能让你少花时间修改、少感到挫败。这个思路其实也适用于其他AI工具，比如代码生成、数据分析、客服回复等。

当然，文章也提醒了一点：这种优势可能不持久。今天GPT-5.6 Sol在Lenny的测试里赢了，明天Claude的下一版可能又反超。真正的竞争不是一次性的胜负，而是谁能持续地让用户觉得“这个更好用”。对于AI产品公司来说，这意味着要不断关注用户的实际体验反馈，而不是只盯着技术指标。

最后，Lenny在文章里留了一个开放的问题：如果你也在用AI做类似的事情，不妨自己也试试这个“个人基准测试”。你可能会发现，你一直以为最好用的模型，其实已经被另一个悄悄超越了。这种亲手验证的感觉，比任何评测文章都更有说服力。

Design-System Maturity: A 6-Dimension Framework

很多团队在做设计系统，但做到一半就卡住了。组件库建了，文档写了，可设计师和工程师还是各用各的版本，新来的同事不知道去哪里找图标，每次改样式都要翻几十个文件。问题出在哪里？Nielsen Norman Group 这篇文章给出了一个框架，它不是告诉你“要不要建设计系统”，而是帮你判断你的设计系统走到了哪个阶段，以及下一步该往哪里走。

框架有六个维度：视觉设计、组件库、文档、治理、工具链、文化。每个维度都分五个成熟度等级，从“初始”到“优化”。比如视觉设计这个维度，最底层是完全没有统一规范，设计师凭感觉选颜色和字体；再往上一点，有了品牌指南，但没人强制执行；到了中间等级，有了可复用的设计令牌（design tokens），颜色、间距、字体大小都定义成变量，改一个值就能全局更新；最高等级则是系统能自动适应不同平台和场景，比如根据用户偏好切换暗黑模式。

这六个维度不是必须同步发展的。很多团队组件库已经做得很丰富，但治理跟不上，没有明确的决策流程，谁都可以往库里加东西，结果组件越来越多，质量参差不齐。或者文档写得很好，但工具链落后，设计师还在用 Sketch 手工标注切图，工程师却已经切换到 Figma 加代码生成。文章建议团队先评估每个维度的当前等级，然后找出最薄弱的环节优先改进，而不是平均用力。

举个例子，假设你的组件库已经覆盖了 80% 的常用界面，但文档只停留在“安装说明”阶段，没有使用示例、行为说明和可访问性要求。这时候你花再多时间做新组件，别人还是不知道怎么用、什么时候用。更聪明的做法是先把文档补到“推荐”等级，给每个组件配上交互演示、代码片段和设计准则，这样组件才能真正被用起来。

文化维度容易被忽视，但恰恰是决定设计系统能否持续的关键。如果团队里没有“组件优先”的意识，设计师每次做新页面都从零画起，工程师习惯复制粘贴旧代码，那系统再完善也救不了。文化成熟度高的团队会把设计系统当成“产品”来运营，有专人维护、定期更新、收集反馈，甚至像内部开源项目一样接受贡献。

读完这个框架，最大的收获可能不是具体怎么做，而是知道该往哪个方向用力。设计系统不是一次性的项目，而是一个需要持续投入和迭代的基础设施。下次你的团队在讨论“要不要重新设计按钮”之前，不妨先问问：我们现在的薄弱环节到底是什么？是组件不够全，还是大家根本不知道有组件？

AI Model Co-Design: Hardware-Friendly LLM Design

大语言模型越做越大，参数从几十亿涨到上千亿，但一个现实问题越来越突出：这些模型跑起来太费电、太费钱。训练一个 GPT-4 级别的模型，电费可能高达上亿美元，推理时每生成一个 token 都要消耗大量算力。硬件厂商和模型研究者开始意识到，不能各干各的，模型设计要考虑硬件特性，硬件设计也要为模型优化，这就是“AI 模型协同设计”（AI Model Co-Design）。

NVIDIA 的这篇文章讲的就是这个思路。传统的做法是，研究者先设计模型架构，比如决定用多少层 Transformer、多大的隐藏维度，然后再想办法把模型适配到现有硬件上。如果模型太大，就做量化（quantization）把参数从 32 位浮点数压缩到 8 位整数，或者做剪枝（pruning）去掉不重要的连接。但这些方法往往有精度损失，而且适配过程很痛苦。

协同设计反过来：在设计模型架构的时候，就把硬件的特性考虑进去。比如 GPU 擅长做矩阵乘法，但不太擅长处理稀疏数据；内存带宽有限，所以减少内存访问次数比减少计算量更关键。如果模型设计时就能让计算密集且连续，避免频繁的随机内存访问，那么即使参数量大，实际运行速度也可能更快。

文章举了一个具体例子：Transformer 模型中的注意力机制（attention）需要计算查询（query）和键（key）的点积，这个操作在 GPU 上可以并行加速。但标准的注意力实现需要把整个注意力矩阵存下来，占用大量显存。如果改成“Flash Attention”这种硬件感知的实现，通过分块计算和重计算，就能大幅减少显存占用，同时不降低精度。这就是协同设计的一个典型成果。

另一个方向是模型量化。传统量化是训练完模型后再做，现在研究者尝试在训练过程中就模拟量化效果，让模型学会在低精度下也能保持准确。比如在训练时把部分权重故意“四舍五入”到 8 位，然后计算损失，让模型自己调整参数来适应这种精度损失。这样训练出来的模型天生就对硬件友好，不需要后期再花大力气适配。

对于做 AI 产品的人来说，这个趋势意味着什么？如果未来模型更高效，同样的算力能跑更大的模型，或者同样的模型能跑在更便宜的硬件上，那么 AI 产品的成本结构就会改变。比如一个聊天机器人，如果推理成本能降低 10 倍，那么免费版就能提供更多对话次数，或者更复杂的模型也能开放给用户。

当然，协同设计目前还处于早期阶段，需要模型研究者、硬件工程师和编译器开发者紧密合作。但方向已经很清楚：与其让模型和硬件互相迁就，不如从一开始就让它们互相理解。

Open source AI matters more than ever, according to Hugging Face’s Clem Delangue

你大概已经注意到，过去一两年里，几乎每家大公司都在推出自己的大语言模型，从 OpenAI 的 GPT 到 Google 的 Gemini，再到 Meta 的 Llama。这些模型一个比一个大，一个比一个贵，训练一次动辄上千万美元。普通开发者、小公司甚至研究者，越来越觉得自己被排除在 AI 的“核心圈”之外。Hugging Face 的联合创始人兼 CEO Clem Delangue 最近在一个播客里谈到了这个问题，他的观点很直接：开源 AI 比以往任何时候都更重要，而且这不仅仅是一个技术选择，更关乎整个行业的健康。

Delangue 举了一个很具体的例子来说明开源的威力。他说，当 Hugging Face 在 2021 年发布 BLOOM 这个开源大模型时，很多人觉得“开源模型怎么可能比得上闭源模型？”但事实是，BLOOM 之后，社区基于它做了大量微调和改进，衍生出上百个变体，覆盖了从医疗到法律的垂直领域。这些变体中的一些，在特定任务上的表现甚至超过了当时最好的闭源模型。Delangue 强调，开源的价值不在于“复刻”一个 GPT-4，而在于让 AI 的能力可以被无数人“重新组合”和“定制”，从而解决那些大公司根本不会去碰的“长尾问题”。

他进一步解释，闭源 AI 的商业模式本质上是“卖水”，你只能买他们提供的模型，用他们设定的接口，接受他们制定的规则。这就像早期互联网只有 AOL 和 CompuServe 这样的封闭平台，直到开源协议和万维网的出现，才催生了今天丰富多彩的网站和应用。Delangue 认为，AI 行业正在重演这段历史：如果只有少数几家闭源模型，创新会变得非常缓慢，因为所有开发者都在同一个“水龙头”下排队等待更新。而开源让数千个“水龙头”同时出水，虽然每个水流可能小一些，但加起来覆盖的范围和多样性远超任何单一闭源模型。

当然，开源 AI 也面临现实挑战。Delangue 坦承，训练一个像 Llama 3 或 GPT-4 那样规模的模型，成本确实高得离谱，不是每个组织都能负担。但他指出，真正的突破可能不在“最大模型”上，而在“更小、更高效、更可定制”的模型上。Hugging Face 自己的研究显示，很多企业应用根本不需要千亿参数级别的模型，一个精心调校的 70 亿参数模型，配合领域数据微调，往往就能满足 90% 的需求，而且部署成本、推理速度和隐私安全性都更好。这就像你不需要一辆 F1 赛车去接孩子放学，一辆可靠的轿车反而更实用。Delangue 最后总结，开源 AI 的意义不是“免费”，而是“自由”，自由地检查模型内部做了什么，自由地修改它适应自己的场景，自由地不依赖任何一家公司的路线图。这种自由，才是 AI 行业长期健康发展的根基。

Meta removes controversial AI feature on Instagram after backlash

你有没有遇到过这样的情况：打开Instagram，突然看到一个由AI生成的你的头像，配上一句它替你写的话，像是“今天在公园散步，心情很好”，然后这个帖子被推给了你的所有好友。你可能根本不知道这件事发生了，直到朋友发来消息问“你最近怎么开始用AI发帖了？”这种尴尬不是假设，而是真实发生在许多Instagram用户身上的事。Meta最近推出了一项新功能，允许用户创建“AI角色”来代表自己，甚至可以用这个角色自动生成帖子、回复评论。听起来像是未来社交的雏形，但实际体验却让很多人感到被冒犯。用户发现，这个AI角色会模仿他们的语气、使用他们的照片，发布一些他们自己绝不会写的内容。更让人不安的是，这个功能默认是开启的，很多人是在不知情的情况下被“AI化”了。社交媒体本来应该是展示真实自我的地方，哪怕那个自我是精心修饰过的，但至少是用户主动选择的。当AI开始替你表达，社交就变成了一场你不知道自己参与了的表演。Meta显然低估了用户对“控制权”的在意程度。在大量用户投诉、媒体曝光后，Meta不得不宣布暂停这个功能。但问题并没有解决：为什么一家公司会认为用户会喜欢一个替自己发声的AI？这背后其实是硅谷对AI能力的过度乐观。工程师们看到技术能生成逼真的文本和图像，就默认用户也会觉得“好玩”，却忽略了社交产品最核心的信任问题。用户需要知道屏幕背后是谁在说话，这是社交的基本前提。AI可以帮你调滤镜、推荐好友、甚至写文案草稿，但一旦它取代你成为“发言人”，社交的意义就变质了。这次事件给所有做AI产品的团队一个提醒：技术越强大，越要尊重用户的边界。不是所有能做的事，都是用户想要的事。Meta的这次翻车，不是因为AI不够聪明，而是因为它太聪明，聪明到忘记了问用户一句：“你愿意吗？”

Build To Learn FAQ

很多做产品的人都会遇到这样一个困境：团队花了好几个月把功能做出来，上线后发现用户根本不买账。问题出在哪里？往往不是执行不够好，而是从一开始就没有弄清楚该不该做这件事。硅谷产品集团（Silicon Valley Product Group）的创始人马蒂·卡根（Marty Cagan）一直在倡导一个理念，叫做“为学习而构建”（Build to Learn）。这个理念听起来很简单，但真正做起来，需要整个团队对产品开发的理解发生根本性的转变。

传统的产品开发流程是“构建-发布-学习”（Build-Ship-Learn），团队先决定要做什么，然后花大量时间开发，最后发布出去，再通过数据或用户反馈来学习。但“为学习而构建”把顺序倒过来了：先明确你想要学习什么，然后为了验证那个假设，才去构建最小必要的东西。这个最小必要的东西可能不是一个完整的功能，甚至不是一个可用的产品，它可能只是一个原型、一个着陆页、一段视频，或者一个手动模拟的后台操作。关键是，构建的目的不是为了交付价值，而是为了减少不确定性。

举个例子，假设你的团队想在一个电商应用里加入“虚拟试穿”功能。传统做法可能是先花三个月开发图像识别和3D渲染，然后上线看用户用不用。但“为学习而构建”的做法是：先问自己“我们真正想验证的假设是什么？”可能是“用户愿意花时间上传自己的照片来试穿衣服”，或者“虚拟试穿能提高购买转化率”。为了验证第一个假设，你甚至不需要真正的3D渲染，你可以做一个简单的页面，让用户上传一张照片，然后手动发一张合成的效果图给他们。这只需要一两天，但你能很快知道用户是否愿意走完这个流程。如果没人上传照片，那后面的技术投资就完全没有必要。

卡根在他的文章里反复强调，这种思维方式最大的障碍不是技术，而是文化。很多产品经理、设计师和工程师习惯了“交付功能”的成就感，他们觉得做一个半成品或者手工模拟的东西不体面。但真正优秀的产品团队会意识到，浪费几个月做一个没人用的功能，才是最大的浪费。所以“为学习而构建”不是一种偷懒，而是一种更负责任的做法。

当然，实际操作中会有很多疑问：什么时候该用这种方法？什么时候该直接做完整功能？团队怎么衡量学习的效果？卡根在他的FAQ里回答了这些常见问题。比如，他建议当团队面对高度不确定性的假设时，就应该优先考虑“为学习而构建”。如果假设已经很明确，比如用户需要登录才能保存购物车，那直接做就好了。他还提到，学习的目标应该具体、可衡量，比如“在24小时内，有超过10%的访客点击了试穿按钮”，而不是模糊的“看看用户喜不喜欢”。

读完这篇文章，你可能会意识到，产品开发的核心不是产出代码，而是产出知识。每一次构建都是一次实验，而实验的目的是让团队对用户和市场的理解变得更清晰。如果你能接受这个前提，那么你的产品开发流程就会变得更快、更便宜，也更容易做出真正对的东西。

Show HN: Openleetcode – LeetCode runner where tests live in the repo

你刷 LeetCode 的时候有没有遇到过这种情况：一道题本地跑得好好的，提交上去就是不过，报一个莫名其妙的测试用例失败。你翻来覆去看自己的代码，觉得逻辑完全对，但就是不知道到底哪个边界没覆盖到。问题往往出在 LeetCode 平台自带的那些隐藏测试用例上。它们不会提前告诉你，你只能一次次提交、失败、再猜。OpenLeetCode 这个项目想改变的，就是这件事。

它本质上是一个 LeetCode 的运行器（runner），但做了一件很特别的事：把测试用例直接放在代码仓库里（tests live in the repo）。什么意思呢？就是你 clone 下来一个题目的仓库，里面除了你的解法代码，还有一个 tests 文件夹，里面放着对应的测试用例。这些测试用例不是你自己写的，而是项目作者预先整理好的，很可能就是 LeetCode 官方那些隐藏用例。你在本地跑一下测试，就能立刻看到你的代码在哪一个具体输入上失败了，输出是什么，期望输出又是什么。

这听起来好像只是一点小小的便利，但对刷题的人来说，体验差别巨大。传统做法是你在本地写代码，写完之后手动构造几个例子跑一下，觉得没问题就粘贴到 LeetCode 上提交。但人构造的例子往往太简单，或者太偏向自己代码的逻辑，很难覆盖所有边界。而 OpenLeetCode 把官方测试用例直接摊在你面前，你就能在提交之前，用和平台完全一样的测试集去验证。这等于把原来黑盒的评测过程变成了白盒。

项目是用 GitHub Releases 发布的，当前版本是 v1.0.2。作者显然希望这个工具能持续更新，随着 LeetCode 题库的变化同步调整测试用例。对于正在准备面试、大量刷题的人来说，这种工具能节省很多反复提交试错的时间，也能让学习过程更聚焦在算法本身，而不是在猜测测试用例上。

当然，它也有一个潜在的前提：你愿意在本地搭建一个运行环境，并且信任作者整理的测试用例和官方一致。不过对于已经习惯在本地用 IDE 写代码的开发者来说，这几乎不算门槛。OpenLeetCode 更像是一个小但精准的改进，把刷题流程中那个最令人沮丧的环节，看不见的测试用例，变成了你可以主动检查和理解的资源。读完之后你会觉得，有时候一个好的产品思路，就是把用户原本需要猜的东西，直接摆到桌面上。

Your New UX Habit: Establishing Baselines for Impact

想象一下，你刚上线了一个新的注册流程，把步骤从五步减到了三步。一周后，注册完成率从40%涨到了60%。你很高兴，觉得改对了。但等一下，你怎么知道这个提升不是因为恰好赶上了一个营销活动？或者是因为竞争对手出了故障，用户都涌过来了？你其实不知道，除非你在改动之前就知道那个40%是怎么来的。这就是基线（baseline）的意义。

基线不是一句口号，它是一个具体的、可测量的起点数据，用来对比你后续的改动到底有没有效果。很多团队犯的错误是：产品上线后直接看新数据，觉得不错就收工了。但如果没有基线，你永远没法区分“真正的改善”和“自然波动”。比如，你改了一个按钮颜色，转化率从5%变成6%，你以为是颜色起了作用，但其实可能是那天刚好是发薪日，用户花钱更大方。基线帮你排除这些干扰。

那怎么建立基线呢？文章给出了很实用的方法。首先，你必须在你改动之前就收集数据。这不是事后补的，而是提前规划好的。比如你要改搜索功能，先记录下当前用户搜索的成功率、平均搜索时长、点击结果的比例，至少持续一两周，确保数据稳定。其次，基线要覆盖关键指标，不只是最终转化率，还要包括过程指标，比如用户在哪一步流失最多、哪个页面加载最慢。这些细节能帮你定位问题，而不是只看到一个模糊的数字。

一个具体的例子是：某团队想优化结账页面，他们先记录了当前结账完成率是45%，然后发现用户主要在“输入地址”这一步离开。于是他们改成了自动填充地址，改完后完成率升到55%。但因为有了基线，他们知道这10%的提升是真实发生的，而不是因为季节性或促销活动。如果没有基线，他们可能只是庆祝一下，然后继续做下一个改动，而不知道真正有效的到底是什么。

建立基线还有一个容易被忽略的好处：它能让你在团队内部或跟老板沟通时更有说服力。当你拿着“改动前是45%，改动后是55%，提升22%”这样的数据，所有人都能理解你做了什么、为什么有效。而如果你只是说“我觉得改完以后好多了”，那别人只能凭感觉回应。

所以，下次你要做任何一个UX改动之前，先花一点时间记录当前的状态。哪怕只是简单记几个数字，也比没有强。养成这个习惯，你的每一次优化都会变得可衡量、可信赖，而不是靠运气。读完这篇文章，你带走的不只是一个方法，而是一种工作方式：在行动之前先看清自己站在哪里。

In-depth: DuckDB vs SQLite

如果你做数据分析，或者你只是用Excel处理过几万行数据然后电脑卡死过，你就知道“用什么工具来查数据”这个问题有多实际。DuckDB和SQLite是两个经常被拿出来对比的选择。它们都很轻量，不需要装服务器，文件就能跑，但它们的定位其实完全不同。

SQLite你可能更熟悉，它几乎是嵌入式数据库的代名词。手机应用、浏览器、甚至一些物联网设备都在用。它是一个完整的关系型数据库，支持SQL，数据存在一个文件里，读写都很快，尤其适合单用户、低并发、需要持久化存储的场景。比如你写一个记账App，数据存在本地，用SQLite就非常合适。

DuckDB则相对年轻，它专门为分析型查询（analytical queries）设计。什么意思呢？就是那种你要对几百万行数据做聚合、分组、排序、窗口函数这类操作。SQLite在这种场景下会很吃力，因为它是为事务处理（OLTP）优化的，一次处理一行数据很高效，但一次扫描整个表做统计就不太行。而DuckDB是列式存储（columnar storage），并且做了向量化执行（vectorized execution），所以处理大规模分析查询非常快。

举个例子，你有一个包含一年销售数据的CSV文件，有5000万行。你想算每个月的总销售额。用SQLite的话，可能得等几分钟，甚至更久。用DuckDB，同样的查询可能几秒钟就出结果。DuckDB还能直接读CSV、Parquet这些文件格式，不需要先把数据导入数据库，这对数据分析师特别友好。

那什么时候用哪个呢？文章给出了很清晰的判断。如果你的需求是：一个应用需要本地存储用户数据，并发读写不多，数据量在几百万行以内，那么SQLite是稳妥的选择。如果你是在做数据分析、数据科学、或者需要快速探索大量数据，而且查询模式是聚合分析为主，那么DuckDB更合适。另外，DuckDB还支持Python和R的接口，可以跟pandas无缝协作，很多数据科学家已经把它当作“更快版pandas”来用。

不过，它们不是非此即彼的关系。有些场景下，你甚至可以同时用两者：用SQLite做应用的后端存储，然后用DuckDB定期从SQLite导出数据做分析。这样各取所长，系统既稳定又高效。

读完这篇文章，你会明白一个道理：工具没有绝对的好坏，关键看你的使用场景。选错了，再好的工具也会让你头疼。而当你理解了事务处理和分析处理的本质区别，你就能在遇到类似选择时，做出更明智的决定。

What happens after coding is solved? | Fiona Fung (Manager of the Claude Code and Cowork Teams)

想象一下，如果有一天，写代码这件事本身不再值钱。不是程序员失业，而是写代码变得像打字一样简单，任何人用自然语言说一句话，计算机就能生成一个可以运行的软件。那之后，软件行业会变成什么样？这个问题听起来像科幻，但Fiona Fung，也就是Claude Code和Cowork团队的负责人，在Lenny的播客里认真讨论了这件事，因为她的团队正在亲手推动这个变化。Claude Code是Anthropic推出的一款AI编程工具，它不只是补全代码，而是能理解整个项目，自动修改文件、运行测试、甚至部署。Fiona说，他们团队内部已经习惯了让AI写80%以上的代码，剩下的主要是审查和调整方向。那么问题来了：如果编程能力不再是瓶颈，什么才是真正稀缺的能力？Fiona的答案是：理解问题本身的能力。她举了一个例子：一个产品经理走进来说“我们要做一个用户反馈系统”，如果AI能直接生成一个完整系统，那产品经理必须非常清楚地知道自己到底想要什么，用户真正需要什么，哪些功能是核心，哪些是噪音。过去，程序员在实现过程中会帮产品经理修正需求，因为写代码太贵了，大家不得不精打细算。当代码成本趋近于零，需求定义的质量就变成了唯一的约束条件。这其实在倒逼整个产品团队变得更加严谨。另一个被AI解放出来的能力是产品发现（product discovery）。Fiona观察到，当团队不再花大量时间写代码，他们可以把更多精力放在观察用户、做实验、验证假设上。以前一个想法从构思到上线可能需要几周，现在可能只需要几个小时。这意味着团队可以更快地试错，更快地学习。但这也带来一个风险：如果团队没有良好的产品判断力，快速试错可能会变成快速制造垃圾。所以Fiona认为，未来的核心竞争力不是写代码的速度，而是判断“该做什么”和“不该做什么”的能力。她还谈到了一个有趣的现象：当AI能写代码后，工程师的角色会从“建造者”变成“审查者”和“决策者”。你需要快速阅读AI生成的代码，判断它是否合理，是否安全，是否符合架构。这其实需要更深的理解，而不是更浅。就像一个建筑师不再亲手搬砖，但他必须能看懂图纸，知道哪里可能承重有问题。所以Fiona建议工程师现在就应该开始练习“阅读代码”和“思考代码”的能力，而不是只关注“写代码”的技巧。最后，Fiona提到了一个更长远的影响：当编程的门槛消失，软件行业可能会像出版业一样，每个人都能“出版”软件，但真正能被用户记住的，永远是那些解决了真实问题的产品。而解决真实问题，需要的是对用户的理解、对场景的洞察、以及对商业逻辑的把握。这些东西，AI暂时还学不会。所以，如果你是一个产品经理、设计师或者创业者，现在可能是最好的时代：你不再需要等一个程序员来帮你实现想法，你可以自己动手，用AI快速验证。但前提是，你必须比以往任何时候都更清楚，你在解决谁的问题，以及为什么这个问题值得解决。

How to measure the customer experience as AI scales

当一家公司开始用人工智能处理客户服务，最让人紧张的问题往往不是“AI能不能搞定”，而是“我怎么知道它搞得好不好”。过去，客服团队有很成熟的衡量方式：平均响应时间、首次解决率、客户满意度评分。这些指标背后站着真实的人，人的行为可以被观察、被训练、被复盘。但一旦把一部分对话交给AI，整个衡量体系就开始摇晃。你很难用同样的尺子去量一个机器，因为机器不会累、不会情绪波动，但它也可能用一种非常礼貌的方式把客户气走。

Intercom 这家公司长期做客服工具，他们自己也在产品里大量嵌入AI，所以他们思考这个问题不是从理论出发，而是从真实的产品场景里长出来的。他们发现，当AI开始处理客户对话，传统的满意度调查（CSAT）依然有效，但需要做两件事：第一，把AI和人工的对话分开测量，不能混在一起看平均数；第二，要在AI对话结束后立刻触发调查，因为客户对AI的记忆很短，过几个小时再问，他们可能已经忘了刚才和机器说过话。

更关键的是，他们提出一个概念叫“转人工率”（escalation rate）。如果AI把对话转给真人，这本身不一定是坏事，但转人工的原因很重要。是AI承认自己处理不了，还是客户主动要求转人工？如果是后者，那说明AI的边界没有被客户接受。Intercom 建议团队追踪“非必要转人工”，也就是AI本可以处理但客户仍然要求转人的情况。这个数字如果偏高，说明AI的沟通方式或者能力边界没有对客户透明化，客户对AI缺乏信任。

还有一个有趣的观察：客户对AI的耐心其实比很多人想象的要低，但也很容易被“提前告知”所改善。如果AI在对话一开始就说“我是AI助手，如果需要我可以帮你转接人工”，客户后续的满意度会明显更高。这听起来像是一个小细节，但它揭示了一个更深层的道理：衡量客户体验，不能只看AI能不能解决问题，还要看AI有没有管理好客户的预期。预期管理做得好，即使AI最后没有解决，客户也不会太生气；预期管理做得差，AI即使解决了问题，客户也可能觉得“被敷衍了”。

所以当一家公司说“我们要用AI来提升客户体验”，真正要做的不是替换掉原来的衡量体系，而是重建一套更适合混合服务模式的指标。Intercom 的经验是，保留传统的满意度调查，但增加AI专属的“转人工原因分析”和“预期清晰度评估”。同时，他们提醒团队不要只盯着“AI解决率”这一个数字，因为一个AI如果只挑简单问题回答，解决率可以很高，但它实际上把最复杂、最需要人工介入的问题全部漏掉了，反而让人工团队更累。

读到这篇文章，最值得带走的判断可能不是某个具体指标，而是一种视角的转换：衡量AI时代的客户体验，本质上是衡量人与机器之间的交接是否平滑。客户不会关心背后是AI还是人，他们只关心自己的问题有没有被理解、有没有被认真对待。所以，所有指标最终都应该指向同一个方向，客户有没有感到被尊重。如果AI能做到这一点，即使它偶尔犯错，客户也愿意给它第二次机会。

这篇文章来自 Intercom 的官方博客，他们写这类内容通常不是为了卖工具，而是为了推动整个行业对“AI客服”这件事有更成熟的认知。如果你正在做类似的产品或者负责客服团队，这篇文章能帮你避开很多“只看解决率”的坑。

How tech workers actually feel about AI in 2026 | Annual AI sentiment survey (Noam Segal)

2026年，距离ChatGPT首次引爆公众对生成式AI的热情已经过去了将近三年。这三年里，几乎每个科技公司都在谈AI、投AI、推AI产品。但一个关键问题始终悬而未决：真正在写代码、做设计、定策略的技术工作者，他们到底怎么看待这股浪潮？他们是在兴奋地拥抱，还是默默焦虑，又或者已经疲惫到不再关心？

Noam Segal连续第二年做了大规模调查，直接问科技从业者。结果很有意思，整体情绪从2025年的“谨慎乐观”变成了“务实且分化”。大部分人不再觉得AI会立刻取代他们的工作，但也不再幻想AI能神奇地解决所有问题。他们开始把AI当作一个需要管理的工具，而不是一个需要崇拜或恐惧的神。

一个特别具体的数字很能说明问题：当被问到“你每天使用AI的频率”时，超过一半的人说“每周几次”或更少。这意味着，尽管公司层面铺天盖地地推广，真正把AI嵌入日常工作流的人并没有想象中那么多。很多人试过、觉得有用、但没有形成习惯。这有点像几年前大家对待低代码平台的态度，听起来很美，但真正改变日常工作方式的，永远是那些能无缝融入现有流程的工具。

另一个值得注意的发现是，不同岗位的态度差异比想象中大。工程师相对更务实，他们关心的是代码质量、调试效率、以及AI生成的代码是否有安全隐患。产品经理则更焦虑，因为他们担心AI会让“需求分析”和“用户研究”这些核心技能变得不再稀缺。设计师的处境最微妙，他们既兴奋于AI能快速生成大量素材，又担心自己的工作被简化为“给AI写提示词”。

Segal在报告里还提到了一个转折点：2025年很多公司强制要求员工使用AI工具，结果引发了不小的反弹。到了2026年，管理者学聪明了，开始用“赋能”代替“要求”，用“实验预算”代替“培训考核”。这种管理方式的转变，反而让更多技术工作者愿意主动尝试。

读这份报告最让人踏实的一点是，它没有贩卖焦虑，也没有盲目唱多。它呈现了一个正在快速成熟、但也正在回归理性的行业图景。技术工作者们不再争论“AI会不会取代人类”这种宏大问题，而是开始讨论“这个模型在我的代码库里到底能帮我省多少时间”。这种从口号到实践的转变，可能才是2026年最值得关注的信号。如果你自己也在日常工作里接触AI，你会发现自己并不孤单，大家都是在边用边学，边学边调整预期。

The 5 Qualities of Site-Specific AI Chatbots

想象一下，你打开一个购物网站，想找一件适合户外徒步的防水夹克。你试着在搜索框里输入“防水夹克”，结果出来一堆商务风衣和雨伞。你又试了“徒步防水外套”，这次出现了滑雪服。你开始烦躁，心想这个网站的搜索怎么这么笨。其实不是搜索笨，而是它不知道你在这个网站里到底想要什么。这就是为什么越来越多的网站开始引入AI聊天机器人，而且不是那种通用型的ChatGPT，而是专门为这个网站定制的聊天机器人。

Nielsen Norman Group 最近发布了一篇文章，专门讨论了这类“网站专属AI聊天机器人”应该具备的五个品质。文章没有直接给答案，而是先从用户的实际体验出发。比如，用户来到一个网站，他可能对网站的内容结构完全不了解，但他知道自己想完成什么任务。一个好的网站专属聊天机器人，首先要理解这个网站里到底有什么。它不能像搜索引擎那样去全网找答案，它只能基于这个网站已有的信息来回答。这就要求机器人必须知道网站的产品目录、文章分类、常见问题等等。这听起来简单，但很多网站聊天机器人连这个都做不好，因为它们只是被塞进了一个通用模型，没有经过网站数据的微调。

第二个品质是能够理解上下文。比如用户问“这件衣服有蓝色的吗？”，机器人得知道“这件衣服”指的是用户刚才浏览的那件。如果用户说“我想退货”，机器人要能判断出用户是已经买了东西，还是只是问问退货政策。上下文不仅仅是一次对话内的，还包括用户的历史行为。比如一个用户之前经常看户外装备，那么他问“推荐一款背包”时，机器人应该优先推荐户外背包，而不是商务背包。这需要机器人能够和网站的追踪系统联动，但又不至于侵犯隐私。

第三个品质是能够提供准确的行动指引。很多聊天机器人只会给出文字答案，比如“您可以在订单页面申请退货”。但一个好的机器人应该能直接给出链接，甚至引导用户完成操作。比如用户问“怎么改地址？”，机器人可以回复“在账户设置里的‘配送地址’页面修改，需要我帮你打开吗？”然后直接提供一个按钮。这听起来像是一个小细节，但用户要的就是这种“一步到位”的感觉。

第四个品质是能够处理模糊问题。用户经常不会用精准的术语提问。比如有人问“我想去海边玩，有什么推荐？”，机器人得知道“海边”可能意味着泳装、沙滩鞋、防晒霜，或者旅行攻略。它需要主动追问，比如“您是想找海滩度假的服装，还是旅行目的地推荐？”这种追问能力非常关键，因为它能帮用户理清自己的需求，而不是让用户自己猜。

最后一个品质是能够保持品牌一致性和语气。每个网站都有自己的风格，比如苹果的客服语气简洁专业，而迪士尼的客服语气活泼可爱。如果聊天机器人用冷冰冰的机械语气回复，用户会觉得和网站的整体体验割裂。所以机器人需要被训练成符合品牌调性，甚至能模仿该网站最优秀客服人员的语气。

这五个品质听起来像是常识，但真正能做到的网站并不多。很多网站为了赶AI潮流，随便接一个API就上线了聊天机器人，结果用户问了三个问题就发现它答非所问，反而比没有机器人更糟糕。文章最后提醒，网站专属聊天机器人的核心不是“AI有多强”，而是“它有多懂这个网站”。如果它不懂网站的内容、不懂用户的上下文、不懂怎么引导操作、不懂怎么追问模糊问题、不懂怎么保持品牌一致，那它就是一个昂贵的摆设。

读完这篇文章，你可能会开始留意自己访问的网站里那些聊天机器人。下一次当你遇到一个机器人，能准确理解你的问题，甚至在你还没说完时就猜到了你要什么，你就会知道，那个网站一定在背后下了不少功夫。而那些让你反复说“不是这个”“你再想想”的机器人，很可能只是被随便扔上来的一个半成品。

Phia accused of ‘cookie stuffing,’ taking affiliate credit on purchases it didn’t earn

你有没有在网上买东西时，点过一个链接，然后下单，最后发现佣金跑到了某个你根本没听说过的公司手里？这不是什么小概率事件，而是一种叫“cookie stuffing”的操作，最近一家叫Phia的初创公司就被指控干了这件事。Phia是一家做联盟营销的公司，说白了就是帮品牌找博主或网站来推广产品，推广者拿到专属链接，有人通过链接下单，推广者就能分到佣金。这本是一个成熟的生意，但问题在于，Phia被指用了不那么光彩的手段：它在用户完全不知情的情况下，悄悄把它的跟踪cookie塞进用户的浏览器。比如你访问了一个普通网站，Phia的代码可能就在后台运行，把你的访问归因成它的功劳。这样一来，无论你后来是不是通过Phia的推广链接买的，只要你在那段时间内下单，Phia都能从品牌方那里拿到佣金。这相当于偷了其他推广者的成果，也骗了品牌方。指控来自一些联盟营销行业的从业者，他们发现自己的转化数据莫名其妙地少了，而Phia的转化却异常高。Phia当然否认了，说这是误解，但这件事暴露了联盟营销行业一个长期存在的灰色地带：信任和归因的边界在哪里？对于做产品和创业的人来说，这个案例提醒我们，增长手段如果建立在欺骗用户或合作伙伴的基础上，短期可能带来数据上的好看，但一旦被揭露，信任崩塌的速度比增长快得多。Phia的故事还在发展，但无论结果如何，它已经让整个行业开始重新审视那些“看起来太好的数据”。

OpenAI bets on families as ChatGPT goes deeper into households

OpenAI最近做了一个很有意思的转向：它开始认真打“家庭牌”了。过去几年，大家谈论ChatGPT时，更多是把它看作一个生产力工具，用来写邮件、写代码、做研究，用户画像也偏向职场人和技术爱好者。但OpenAI最新的一系列动作表明，它想让ChatGPT走进普通家庭的日常生活，成为像电视、冰箱一样的存在。具体怎么做呢？首先是产品层面的调整：ChatGPT推出了更友好的家庭账户方案，允许一个主账户下挂多个家庭成员，每个成员可以有自己的对话历史和偏好设置，同时家长还能设置使用限制，比如控制孩子的使用时长和内容范围。这听起来像是一个“家长控制”功能，但背后的逻辑更深远。OpenAI意识到，要让一个AI助手真正嵌入家庭，它必须解决几个关键问题：隐私（家里人的对话不能混在一起）、安全（孩子不能接触到不适宜的内容）、以及实用性（全家人都能找到用它的理由）。为此，他们还推出了针对家庭场景的预设模板，比如“帮我规划一家人的周末行程”“给孩子讲一个睡前故事”“解释一下为什么天空是蓝色的”。这些看起来简单的功能，其实是在降低家庭成员的使用门槛。你想想，如果只有程序员在用，那它永远是个小众工具；但如果妈妈用它来列购物清单，爸爸用它来查菜谱，孩子用它来写作文，那ChatGPT就变成了家庭基础设施。这背后是OpenAI对用户增长的另一种理解：不是靠单个用户的深度使用，而是靠家庭单位内的自然扩散。一个家庭里只要有一个人用得好，其他人就会被带动。而且，家庭场景的粘性极高，一旦习惯了每天用ChatGPT安排生活，很难再切换到别的工具。当然，这也带来了新的挑战，比如如何平衡个性化推荐和隐私保护，以及如何处理家庭成员之间的数据共享边界。但至少从战略上看，OpenAI押注家庭，是在为下一个阶段的增长铺路：当职场用户的增长放缓，家庭用户就是那个更广阔、更稳定的基本盘。

Great Products, Bad Companies

你有没有遇到过这样的产品：用起来很顺手，界面漂亮，功能贴心，但一想到背后的公司就觉得不舒服？可能是这家公司对待员工的方式让人心寒，可能是它对用户数据的处理让你不安，也可能是它的商业模式在伤害整个行业。SVPG 这篇文章讨论的就是这种分裂感，以及为什么一个“好产品”背后可能藏着一个“坏公司”。

文章从硅谷常见的现象切入：很多产品团队拼命追求产品市场匹配（product-market fit），把用户体验打磨到极致，却忽略了公司的价值观、文化和长期战略。一个产品可以因为解决了用户的真实痛点而被称赞，但同一家公司可能正在用不透明的定价策略剥削用户，或者用高压的管理方式压榨员工。作者指出，这种分裂往往不是因为产品经理或工程师不道德，而是因为公司层面的激励机制出了问题。当增长和留存（retention）成为唯一指标时，团队会不自觉地牺牲那些无法被数据量化的东西，比如信任、公平和透明。

一个典型的例子是，一家公司可能推出了一款让用户上瘾的社交产品，日活跃用户（DAU）节节攀升，但它的推荐算法却在放大仇恨言论或虚假信息。产品团队可能觉得自己只是在优化点击率，但公司的整体决策结构没有为这种副作用设置护栏。文章强调，产品发现（product discovery）的过程不能只关注用户需求，还要考虑公司行为对用户、员工和社会的影响。换句话说，一个伟大的产品不应该只让用户“爽”，还应该让用户和世界变得更好。

最后，作者给出了一个很务实的建议：产品领导者应该在招聘、绩效评估和产品路线图评审中，把“做正确的事”作为一个明确的维度。比如，在评估一个功能时，不仅要问“它能提升转化率吗”，还要问“它会让用户更信任我们吗”。这种思考方式听起来很理想主义，但文章用很多真实案例说明了，那些最终从“好产品”走向“好公司”的组织，恰恰是因为在早期就建立了这样的文化。读完这篇文章，你可能会重新审视自己正在使用的产品，也会对自己所在公司的决策多一分反思。

Four travel and hospitality trends from HITEC 2026

每年夏天，全球酒店和旅游技术界的人都会聚在一起参加 HITEC，这个展会的全称是 Hospitality Industry Technology Exposition and Conference，听起来很正式，但本质上它就是一个巨大的行业集市，各家技术公司摆出展台，展示他们觉得能改变旅行体验的新东西。2026 年的 HITEC 刚结束，Stripe 作为支付基础设施公司，派了团队去现场，回来后写了这篇观察，梳理出四个正在重塑旅行和酒店业的趋势。如果你不是这个行业的人，可能会觉得酒店技术离自己很远，但仔细想想，你订酒店、办入住、在房间里点餐、退房，每一步都在和这些技术打交道。这篇文章讲的其实就是这些环节正在发生什么变化。

第一个趋势是人工智能正在从前台走向后台。过去几年，酒店行业对 AI 的想象大多停留在聊天机器人或者语音助手，比如你问一句“游泳池几点关门”，机器人回答你。但今年 HITEC 上，展商们展示的 AI 应用更务实也更深入，他们开始用 AI 来做收益管理、动态定价、预测客房清洁需求，甚至根据历史数据判断哪些客人更容易在餐厅消费，然后自动调整优惠策略。这背后的逻辑很直接：酒店业的利润率一直很薄，人力成本又高，AI 如果能帮酒店在每一个运营决策上优化一点点，累积起来就是可观的利润。Stripe 的观察者注意到，这些 AI 工具不再只是大集团才用得起的东西，很多中小型酒店和精品民宿也开始接入，因为创业公司把 AI 能力做成了按月付费的 SaaS 产品。

第二个趋势是支付体验正在被彻底重写。你可能有过这种经历：在酒店前台刷信用卡，机器卡住，换一张，又卡住，最后只好去 ATM 取现金。或者你在酒店餐厅吃饭，结账时服务员说“只能挂房账”，你其实想用 Apple Pay 但不行。这些痛点现在有了新的解决方案。Stripe 在展会上看到，越来越多的酒店技术供应商开始把支付直接嵌入到住客的移动端体验里，而不是依赖前台的终端机。比如你入住前就在 App 里绑定了支付方式，在酒店里任何消费，从迷你吧到 SPA，都能一键完成，不需要再掏卡。更关键的是，这些支付系统开始支持多种本地支付方式，对于跨境旅行者来说尤其友好。你从中国去美国，可以用支付宝或者微信支付直接在酒店结账，不用再担心信用卡被拒。

第三个趋势是无接触技术从应急变成标配。疫情时期，酒店为了减少接触，推出了手机开门、无接触入住、数字房卡。很多人以为这些只是临时措施，疫情过去就会消失。但 HITEC 上的信号恰恰相反，这些技术不仅留下来了，还在进化。现在的无接触入住已经不只是“在 App 里点一下”，而是结合了蓝牙、超宽带（UWB）和近场通信（NFC）技术，让你靠近房门时自动解锁，不需要掏出手机。同时，退房流程也在简化，你收拾好行李直接走，系统自动结算房费并邮件发送账单，连前台都不用经过。Stripe 的观察指出，酒店发现无接触技术不仅提升了客人满意度，还降低了前台的人力成本，所以他们愿意继续投资。

第四个趋势是可持续性正在从口号变成可量化的运营指标。以前酒店说“环保”，通常就是换节能灯泡、鼓励客人重复使用毛巾。但现在，技术让可持续性变得可测量、可追踪。展会上出现了很多新工具，比如实时监测每间客房的能耗，根据入住情况自动调节空调温度；或者通过智能水表发现漏水点；甚至还有系统能计算每顿自助餐的食材浪费，并给出采购建议。这些数据不仅帮助酒店省钱，也开始被用来做市场营销。一些旅行者，尤其是年轻一代，会优先选择那些在 App 里就能看到自己入住期间碳足迹的酒店。Stripe 注意到，支付环节也在参与这件事，比如有些系统允许客人在结账时自愿捐出小额金额用于当地环保项目，或者选择用碳积分抵扣部分房费。

四个趋势放在一起看，其实指向同一个方向：旅行和酒店业正在从“提供住宿”变成“提供无缝的个性化体验”。而技术，尤其是支付和 AI，是让这个转变成为可能的关键基础设施。Stripe 作为支付公司，当然有立场强调支付的重要性，但如果你看过 HITEC 的展品清单，会发现支付确实贯穿了几乎所有新服务，无论是 AI 定价、无接触入住还是碳足迹追踪，最后都需要一个顺畅的收款环节来闭环。这篇文章没有给出宏大的预言，它更像是一个站在展馆中央的人，指给你看那些展台前排队最长的方向。

🧠 Community Wisdom: Negative network effects, managing overconfident colleagues, developers sidestepping design decisions, keeping stakeholder meetings on track, and more

你有没有遇到过这样的同事：技术能力很强，但每次产品评审会上，他总能绕开设计稿，自己决定怎么实现功能。你问他为什么不做某某交互，他说“那样性能更好”或者“用户其实不需要那个”。你心里清楚，他说的也许有道理，但整个产品的体验正在被他一个人悄悄带偏。这种场景在不少公司都发生过，而且往往发生在那些最有经验的工程师身上。他们不是故意捣乱，而是太相信自己判断的“正确性”了。

Lenny's Newsletter 最新一期的“社区智慧”栏目里，有一组来自产品经理和设计师的真实提问和回答，专门讨论这种“过度自信的同事”该怎么管理。提问者说，他团队里有一位资深开发者，经常在实现阶段偏离设计规范，理由是“设计稿没考虑技术约束”或“这么做对用户更好”。问题是，这位开发者并不总是对的，而当他错的时候，整个项目要花额外的时间返工。回答的人给出了一个很实用的建议：不要直接挑战他的技术判断，而是把讨论拉回到“用户目标”和“业务目标”的层面。比如，你可以说：“我理解你说的性能问题，但我们的目标是让新用户在3秒内完成注册，如果跳过这个确认弹窗，用户可能会输错信息，导致后续客服成本增加。你能帮我看看有没有既保持弹窗又不影响性能的方案吗？”这样一来，你们就变成了共同解决问题，而不是谁对谁错。

另一个话题也很有意思：负面网络效应（negative network effects）。我们通常觉得用户越多越好，但有些产品恰恰相反，用户变多反而让体验变差。比如一个共享办公空间的社群应用，早期用户少，大家互相认识，交流质量高；后来用户暴增，消息刷屏，重要通知被淹没，老用户开始离开。这就是负面网络效应。文章里举的例子是，一个在线教育平台的讨论区，随着学生数量增加，老师回复问题的速度变慢，学生提问后要等很久才有答案，反而降低了学习效果。解决的办法不是限制用户数，而是设计“分层”或“过滤”机制，比如让付费用户优先得到回复，或者用算法把相似问题合并成精华帖。

还有一个关于利益相关者会议（stakeholder meetings）的问题：怎么让会议不跑偏？很多产品经理都有这个痛点，明明议程写的是“评审新功能原型”，结果十分钟后大家就开始争论公司战略，或者某个副总裁开始讲自己年轻时做产品的故事。社区的回答很直接：给每个议程项设定明确的“决策类型”。比如，这一项是“信息同步”（information sharing），不需要当场做决定；下一项是“需要批准”（approval needed），必须在会上给出yes或no；再下一项是“头脑风暴”（brainstorming），允许发散但限时15分钟。在会议开始时就把这些分类念一遍，并说清楚每个环节结束时期待什么产出。如果有人跑题，你可以指着屏幕说：“这个话题属于‘信息同步’，我们现在需要的是‘批准’，能不能先回到原型评审上？”这个技巧听起来简单，但很多团队从来没用过。

整期内容像一场小型的产品管理答疑会。每个问题都来自真实工作场景，回答也带着具体的操作细节，没有空话。读完之后你会发现，很多看似棘手的人际协作问题，其实只需要一个更清晰的“框架”就能化解，不管是把技术讨论拉回用户目标，还是把会议议程拆成决策类型。这些框架不需要复杂的工具，只需要你在下一场会议或下一次和工程师沟通时，多说一句：“我们这次讨论的目标是什么？”

Stop Reporting UX Activity and Report Business Outcomes

很多做用户体验（UX）的人，每周都在汇报自己做了什么：做了多少用户访谈、出了多少张设计稿、改了多少次原型。但老板真的在意这些数字吗？其实老板更关心的是：这些工作到底给业务带来了什么。这篇文章就是来纠正这个汇报习惯的，它建议UX团队别再汇报活动量，而是汇报业务成果。

想象一下，你是产品经理或CEO，你听到“我们这周做了5场用户测试”和“我们优化了结账流程，让转化率提升了12%”，哪一句会让你觉得UX有价值？显然是后者。文章指出，UX活动本身只是过程，不是结果。老板需要的是可衡量的业务影响，比如收入增长、用户留存提升、客服电话减少。如果你只汇报活动，老板可能会觉得UX是个成本中心，不知道钱花在哪。

那怎么从活动转向成果呢？文章给出了具体方法。首先，UX团队要跟业务方一起定义什么是“成功”。比如，一个改版项目的目标不是“完成设计”，而是“让用户更容易找到商品，从而提升购买率”。然后，在项目开始前就要设定好衡量指标，比如转化率、任务完成时间、错误率。项目上线后，用A/B测试或前后对比来验证效果。汇报时，就说“结账页改版后，用户平均完成时间从3分钟降到1分半，支付失败率降低40%”。

文章还举了一个例子：一个团队原本汇报“我们做了10个可用性测试，发现了23个问题”，后来改成汇报“修复了3个关键可用性问题后，注册转化率提高了18%”。这个转变让老板立刻理解了UX的价值，也更愿意支持后续的测试和迭代。

当然，不是所有UX工作都能直接跟收入挂钩。对于探索性研究，可以汇报“发现了3个未被满足的用户需求，为产品路线图提供了方向”，这依然是业务成果，它帮助团队避免了错误投资。关键是，每个汇报都要回答“所以呢？”这个问题。老板听完你的活动，应该能知道这些活动对用户和业务产生了什么具体改变。

最后，文章提醒，这种汇报方式需要文化转变。UX团队要主动学习业务语言，比如客户生命周期价值（LTV）、净推荐值（NPS）、转化漏斗。同时，也要跟数据团队合作，确保能拿到可靠的数据。一旦开始用业务成果说话，UX就不再是“画图的”，而是驱动增长的关键角色。

读完这篇文章，你会意识到：汇报方式决定了别人怎么看待你的工作。如果你总是说“我做了多少”，别人就只看到成本；如果你说“我带来了什么改变”，别人就看到价值。下次写周报时，不妨试试把“完成了5个页面设计”改成“这5个页面设计上线后，用户留存率提升了8%”。

How to build a PostHog integration with the provisioning API

假设你是一家 SaaS 公司的工程师，老板突然说：“下周要给三个大客户上线数据看板，每个客户要看到自己的用户数、付费转化和活跃度，但不能看到别人的。”你心想：这有什么难？写个多租户查询，给每个客户一个独立视图就行。但老板接着说：“而且他们想自己拖拽图表，加筛选条件，甚至把看板嵌入自己的后台。”这时候你才发现，问题不是“查数据”，而是“把分析能力交出去，同时保证每个客户只看自己的数据”。这就是 PostHog 的 Provisioning API 要解决的核心场景。

PostHog 本身是一个开源的产品分析平台，类似 Mixpanel 或 Amplitude，但它的特色之一是“自托管”和“可嵌入”。很多公司用 PostHog 来分析自己产品的用户行为，但也有一些公司想把 PostHog 的分析能力直接卖给自己的客户，比如一个电商 SaaS 平台，让每个商家都能看到自己店铺的访客、加购和订单数据。如果每个商家都单独部署一套 PostHog，成本高、维护麻烦。更好的办法是：你跑一套 PostHog 实例，然后通过 API 动态地为每个客户创建独立的“项目”（project），每个项目有独立的 API 密钥、数据隔离和权限。这就是 Provisioning API 的用处。

文章详细介绍了这个 API 的设计思路。它不是一个简单的“创建项目”接口，而是一套完整的生命周期管理：你可以创建项目、获取项目的配置（比如数据保留期限、时区）、更新设置，甚至删除项目。最有趣的是，PostHog 把“组织”（organization）和“项目”分开。一个组织可以包含多个项目，而每个项目的数据完全隔离。这意味着你作为嵌入方，可以创建一个组织对应你的一个客户，然后在该组织下创建多个项目（比如测试环境和生产环境）。API 的认证方式也值得注意：你不需要用客户的账号去调用，而是用一个“主 API 密钥”（master API key），这个密钥拥有管理员权限，可以代表你的系统去操作所有客户的项目。

为什么这件事值得关心？因为“嵌入分析”（embedded analytics）是一个越来越常见的需求。很多 B2B 产品最终都面临同一个选择：是自己从头开发一套分析看板，还是集成现成的工具。自己开发灵活但周期长，集成现成工具又担心数据隔离和定制化不够。PostHog 的 Provisioning API 提供了一种中间路线：你不需要让客户直接登录 PostHog 的后台，而是通过 API 在后台自动为客户创建项目，然后把 PostHog 的看板组件用 iframe 或 SDK 嵌入到你的产品里。客户看到的是你的界面，但背后用的是 PostHog 的分析引擎。

如果你正在考虑给自己的产品加上“客户分析看板”功能，这篇文章会帮你理解：数据隔离怎么做、API 密钥怎么管理、项目生命周期怎么自动化。PostHog 的文档通常写得比较工程化，但这篇博客更像一篇设计决策记录，解释了为什么 Provisioning API 长成现在这样。读完之后，你至少能判断：这种“多租户嵌入分析”的方案是否适合你的场景，以及如果要用，第一步该调用哪个接口。

No Figma. No Jira. No docs. How Gusto built a new product line with Claude Code | Eddie Kim (CTO)

想象一下：你要从零开始做一个新产品，但团队里没有设计师，没有产品经理，没有项目经理，甚至没有写文档的习惯。你觉得这能做成吗？Gusto 的 CTO Eddie Kim 在 Lenny 的播客里讲了一个真实的故事，他们用 Claude Code（Anthropic 的 AI 编程助手）在极短的时间内搭建了一条全新的产品线，而且整个过程没有用 Figma、没有写 Jira 工单、没有写产品需求文档。这不是一个实验，而是已经上线的产品。

Gusto 是一家做薪资和 HR 服务的公司，服务几十万中小企业。他们的核心产品是工资单、福利、合规这些“脏活累活”。但这次他们要做的是一条新产品线，具体是什么 Eddie 没有在摘要里透露，但关键不是产品本身，而是“怎么做”。过去 Gusto 做新功能，通常需要产品经理写需求、设计师出高保真原型、工程师评估排期，一个功能从 idea 到上线至少几个月。但这次，Eddie 让一个很小的工程师团队直接使用 Claude Code，一个能理解自然语言、能读写代码、能解释架构的 AI 助手。工程师只需要描述“我想要一个什么样的页面，用户能做什么”，Claude Code 就能生成代码，甚至自动调整样式和交互。

最反直觉的是：他们故意不用 Figma。Eddie 说，如果先出设计稿，团队就会花大量时间争论像素和颜色，而不是验证产品逻辑是否成立。他们选择让 AI 直接生成一个“足够丑但能用”的界面，然后让真实用户去试用。如果用户说“这个按钮应该更大”“这个流程我不理解”，AI 可以立刻修改。这相当于把设计师从“画图”变成“提反馈”，把产品经理从“写文档”变成“写 prompt”。整个团队的工作流变成了：工程师和 AI 对话，AI 生成代码，然后团队基于运行中的产品做决策。

当然，这背后有一个前提：Gusto 的工程师团队本身非常资深，他们知道什么时候该让 AI 写，什么时候该自己动手。Eddie 强调，Claude Code 不是取代工程师，而是把工程师从重复劳动中解放出来，让他们把精力放在架构、安全、数据模型这些 AI 不擅长的事情上。而且，他们并不是完全抛弃文档，只是把文档变成了 AI 的对话记录。每次和 Claude 的交流，其实都隐含着需求和决策，这些对话本身就是“活的文档”。

这个故事给所有做产品的人一个强烈的信号：AI 正在改变“产品开发”这个流程本身。以前我们默认的“先设计再开发”模式，可能不再是唯一路径。当 AI 能理解自然语言并直接生成可运行代码时，产品团队可以更快地进入“构建-测量-学习”循环。当然，这不意味着设计师和产品经理会失业，而是他们的角色会转变：从“产出原型和文档”变成“定义问题和评估结果”。如果你正在思考自己的团队怎么用 AI 提效，Gusto 这个案例是一个很具体的参考，它不是一个理论框架，而是一个已经跑通的真实流程，有名字、有公司、有具体做法。

How to Get Research Recommendations on the Roadmap

你有没有遇到过这种情况：用户研究团队提交了一份详实的报告，里面写满了用户的痛点、机会点和明确的改进建议。你读完后也觉得很有道理，但转头一看产品路线图，上面已经排满了功能需求、技术债和老板交代的任务。那份研究报告就这么搁在文件夹里，再也没有被翻开过。这不是某个团队的个别问题，而是几乎每个做用户研究的组织都会遇到的困境，研究产出和产品规划之间存在一条巨大的鸿沟。Nielsen Norman Group 的这篇文章，就是在探讨如何让研究建议真正落到路线图上，而不是变成一份“存档即死亡”的文档。

文章一上来就点出了一个很现实的矛盾：研究团队往往把精力花在“做研究”和“写报告”上，但很少花时间思考“这份报告怎么被用”。产品经理和设计师每天面对的是排期、依赖、技术可行性，他们需要的不只是一份“用户说想要X”的结论，而是一个能直接放进路线图里的行动项。比如，与其写“用户在结账流程中感到困惑”，不如写“在结账页面增加一个进度指示器，预计减少15%的弃单率，开发工作量约2天”。这里的关键不是把研究结果“翻译”成建议，而是把建议“包装”成产品团队可以直接拿来排优先级的东西，有明确的用户收益、业务影响和工程成本。

文章还提供了一个很实用的框架，叫“研究建议路线图模板”。它把每一条研究建议拆成几个维度：问题描述、用户影响（比如“影响30%的新用户”）、业务影响（比如“预计提升转化率5%”）、建议解决方案、预估工作量、依赖关系。这样一来，产品负责人就能像评估一个功能需求一样来评估研究建议。更重要的是，研究团队需要主动参与路线图讨论会，而不是等报告写完就撒手。如果你只是把报告丢进 Slack 频道，那它大概率会被淹没。你需要找到那个“对的人”，通常是产品经理或项目负责人，和他一起把建议转化成 Jira 里的 ticket。

最后，文章提醒了一个很容易被忽略的点：研究建议的落地率本身就应该是一个衡量研究团队效果的指标。如果你做了十项研究，但只有一项被采纳，那问题可能不在产品团队“不重视用户”，而在你的研究建议没有被设计成“可执行”的。把研究建议当成产品来设计，有目标用户（产品经理）、有使用场景（路线图讨论会）、有交付物（可排期的 ticket），这才是让研究真正产生影响力的方式。读完你会意识到，用户研究不只是“发现真相”，更是“让真相被采用”。

🧠 Community Wisdom: Beating a career slump, adding more structure to an established team, questions for new-team 1:1s, the evolving shape of the growth role, and more

Lenny 的 newsletter 有一个很受欢迎的传统栏目叫“社区智慧”，就是把读者在 Slack 社群里讨论得最热烈的问题和回答整理出来。这一期的内容特别杂，但每一条都像是从真实工作场景里长出来的。比如有人问：“我陷入了职业低谷期，感觉做什么都不对，怎么办？”底下最受赞同的回答不是“换个工作”或者“去学习新技能”，而是一个很具体的动作：把你的日常工作拆成“输入”和“输出”。输入是你每天读什么、和谁聊、参加什么会议；输出是你交付了什么文档、代码、决策。低谷期往往是因为输入和输出之间断了，你一直在输入（比如焦虑地刷文章、看别人怎么做），但没有一个明确的输出目标。解决办法是给自己定一个极小的输出，比如“今天写一条实验结论”或者“明天做一个用户访谈的笔记模板”。这个建议之所以被很多人点赞，是因为它把抽象的“职业倦怠”变成了一个可操作的系统问题。

另一个讨论是关于“如何给一个成熟的团队增加结构”。很多人以为成熟团队不需要太多流程，但实际情况是：团队一旦超过十个人，没有清晰的结构就会开始内耗。有人分享了一个很聪明的做法：不要一上来就推行一套完整的流程，而是先观察团队在哪里卡住，比如代码评审总是拖很久，或者跨部门沟通经常遗漏信息。然后针对那个具体的卡点引入一个最小的规则，比如“代码评审必须在24小时内完成，否则自动升级”。等这个规则被大家接受，再解决下一个卡点。这比一次性推行一套 Scrum 或 Kanban 要有效得多，因为成熟团队最反感的就是“被强加流程”。

还有一条关于“新团队的一对一该聊什么”的回答也值得记住。很多人刚加入一个新团队，和老板的一对一不知道该说什么，容易变成闲聊或者汇报进度。有人建议把一对一分成三个层次：第一层是“工作内容”，最近在做什么、有没有卡住；第二层是“关系”，和同事合作得怎么样、有没有需要协调的冲突；第三层是“成长”，你想在哪些方面进步、需要什么支持。新团队的前几次一对一，重点应该放在第二层和第三层，因为第一层通常你已经在日常沟通里聊过了。这个框架的好处是让你和老板的对话从“汇报”变成“共创”。

最后一条是关于“增长岗位的演变”。很多人觉得增长就是做 A/B 测试和优化漏斗，但社区里一位有十年经验的人说，现在的增长角色越来越像“产品经理+数据分析师+营销人的混合体”。更重要的是，增长不再只是拉新，而是要把“留存”和“变现”也纳入自己的职责范围。有一个很形象的比喻：过去增长团队像是一个“水龙头”，负责把用户引进来；现在增长团队更像是“水管工”，要确保整个管道不堵塞、不漏水。这意味着增长人员需要更深入地理解产品本身，而不仅仅是流量渠道。

整篇 newsletter 读下来，你会发现这些“社区智慧”之所以有价值，不是因为它们有多新颖，而是因为它们来自真实的痛苦和真实的解决尝试。每一个问题背后都站着一个人，他可能就在你的隔壁工位，或者在你屏幕对面的 Slack 频道里。

Stripe's payments APIs: The first 10 years

如果你今天想在网上卖东西，最自然的一步是去 Stripe 注册一个账号，然后调用一段 API 让顾客填卡号、点付款。整个过程可能不到十分钟。但你几乎不会去想，为什么这段 API 长成现在这样，为什么它用 token 而不是直接把卡号传过去，为什么退款和撤销是两种不同的操作。Stripe 的工程师在最近的一篇博客里，把过去十年做支付 API 的决策过程翻了出来。很多你今天觉得理所当然的设计，当年都是反复争论的结果。

Stripe 的第一个支付 API 其实非常简单，只有两个概念：charge（扣款）和 refund（退款）。但很快团队就发现，真实世界的支付远比这复杂。比如用户付完钱之后发现输错了金额，想取消这笔交易。这时候退款（refund）并不是最好的做法，因为退款意味着这笔交易已经完成，只是把钱退回去。而用户真正想要的是“当这笔交易还没结算之前就撤销它”。Stripe 于是引入了一个叫 reversal（撤销）的操作，它和 refund 的区别在于：reversal 发生在交易结算之前，可以全额取消；而 refund 发生在结算之后，通常需要手续费。这个区别对商家来说意味着真金白银，但对 API 设计者来说，它意味着要决定是暴露两个端点还是一个端点加参数。Stripe 选择了两个端点，因为语义清晰比代码复用更重要。

另一个关键决策是关于 tokenization（令牌化）。早期很多支付服务商要求开发者直接处理卡号，然后返回一个代表这笔支付的对象。但 Stripe 认为，让开发者的服务器接触到卡号本身就是一种风险。他们设计了一个两步流程：先用卡号换一个 token，再用 token 去扣款。这样开发者的服务器永远不会存储完整的卡号，PCI 合规（支付卡行业数据安全标准）的门槛也大大降低。这个设计在今天已经成为行业标准，但在 2011 年，它意味着 Stripe 要多维护一套 API，还要说服开发者接受“多一步”的操作。Stripe 的选择是坚持安全优先，同时在文档里用清晰的例子告诉开发者为什么这一步值得。

还有一个容易被忽视的细节是错误处理。支付 API 的错误种类非常多：卡被拒、余额不足、银行系统超时、风控拦截、3D 验证失败…… Stripe 的早期版本把所有错误都返回同一个 HTTP 状态码，然后让开发者去解析错误码字符串。后来他们意识到，开发者真正需要的是“这个错误能不能重试”，以及“重试之前需要用户做什么”。于是 Stripe 重新设计了错误类型，把错误分为可以自动重试的（比如超时）、需要用户操作的（比如需要 3D 验证）、以及不可恢复的（比如卡被永久拒绝）。每个错误响应都包含一个 code、一个 type 和一个 human-readable 的 message，让开发者可以精确地决定下一步动作。这种对开发者心智模型的体贴，让 Stripe 的 API 成为了“开发者体验”这个领域的教科书案例。

读这篇文章的时候，你可能会想起自己写代码或设计产品时遇到的类似困境：两个方案看起来差不多，但选错一个就要付出长期代价。Stripe 的工程师们用十年时间证明了，好的 API 设计不是一次性的天才灵感，而是对每一个细节的反复推敲，以及愿意为了长期正确而多做一些短期麻烦的事。当你下次调用一个 API 觉得“理所当然”的时候，不妨想想它背后可能有多少个像 reversal 还是 refund 这样的选择。

The Minimum Viable Testing Process for Evaluating Startup Ideas

很多人以为验证一个创业想法就是做个调查问卷，或者找几个朋友问问“你会用吗”。但真正做过的人都知道，用户说的和做的往往完全不一样。First Round Review 上有一篇文章，讲的就是如何用最轻量的方式去验证一个想法，而不是花几个月做一个 MVP（最小可行产品）出来才发现没人要。

作者举了一个很具体的例子。假设你想做一个帮人找健身教练的 App。你可能会先画原型、写代码、上线，然后发现没人下载。但更好的做法是：先去找 10 个健身教练，问他们目前怎么找客户，最大的痛点是什么。你可能发现教练们根本不需要一个 App，他们只需要一个能自动发短信提醒学员按时来上课的工具。这时候你的想法就从“做平台”变成了“做工具”，验证成本从几万块降到了几百块。这就是文章里说的“最小可行测试”（Minimum Viable Test，MVT）的核心逻辑：在写任何代码之前，先找到能证明或推翻你假设的最简单方法。

文章里还讲了一个判断标准：你的测试必须能产生“可观察的行为”。比如你做了一个落地页，上面说“点击这里预约内测”，然后看有多少人点了。这个行为比“你觉得这个想法怎么样”要可靠得多。另一个常见陷阱是过度依赖“朋友测试”。你的朋友会因为关心你而说“好主意”，但他们不会真的付钱。更好的做法是去目标用户聚集的地方，比如论坛、微信群、线下活动，直接问他们现在用什么解决方案，以及他们愿意为更好的方案付多少钱。

有一个段落特别值得反复看：作者说很多创业者会犯一个错误，就是一次只测试一个假设。比如你同时假设“用户需要这个功能”“用户愿意付 99 元”“用户会在手机上使用”。如果你做了一个测试发现没人注册，你根本不知道是哪个假设错了。正确的做法是一次只测试一个最关键的假设，比如先确认“用户有这个问题”，再确认“用户愿意为解决方案付钱”。每一步失败都能让你快速 pivot（转向），而不是在一条死路上浪费几个月。

这篇文章读下来，最让人安心的一点是：它没有说验证想法需要什么高深的技术或大量的资金。它只是反复提醒你，回到用户身边，用最小成本去观察他们的真实行为。很多后来成功的公司，最初的想法和最终的产品完全不同，就是因为他们在早期做了大量这样的测试。下次你有一个新想法的时候，可以先问问自己：我能用一张纸、一个聊天记录或一个简单的落地页，来证明这个想法值得继续吗？如果可以，那就先做那个，而不是先写代码。

What seven years at Airbnb taught me about building a business

如果你做过产品，大概有过这种感觉：一个功能上线后，数据不错，但你就是知道哪里不对劲。可能是用户用了一次就不再回来，可能是团队花了很多力气做的东西，用户根本不用。Lenny Rachitsky 在 Airbnb 待了七年，从早期产品经理一直做到平台增长负责人，他见过 Airbnb 从一个小众的沙发客网站变成全球性的住宿平台。在这七年里，他学到的最重要的一件事，就是真正做对一件事，往往比看起来难得多。

比如，Airbnb 早期最大的问题不是没有用户，而是房东上传的照片太难看。那时候房东自己拍的照片，光线昏暗、角度奇怪，房间看起来根本不像有人住。用户看到这些照片，根本不想预订。Airbnb 团队试过很多办法，给房东发摄影指南、写邮件提醒、甚至派人上门指导，效果都很差。最后他们做了一个看起来很不“产品”的决定：雇专业摄影师，免费帮房东拍照。这个决定在当时的硅谷看来很疯狂，因为这不是一个可以规模化的事情，成本很高，而且看起来像在做服务而不是做产品。但结果证明，这个决定是 Airbnb 早期增长的关键。照片变好之后，预订率直接翻倍。

这件事给 Lenny 的启发是：有时候最有效的解决方案，不是最优雅的产品设计，而是最笨的办法。很多创业公司会陷入一种思维，觉得应该用技术解决所有问题，但用户真正需要的可能就是一个简单的、甚至人工的服务。Lenny 在文章里反复强调，不要怕做那些看起来不“可规模化”的事情，因为先让用户喜欢上你的产品，比一开始就追求规模化重要得多。

另一个例子是 Airbnb 的搜索排序。早期团队花了很多精力优化搜索算法，希望用户能找到最合适的房子。但他们发现，不管算法怎么调，总有一些房东的房源排在很后面，预订率很低。后来他们意识到，问题的根源不是算法，而是房东的上传习惯。很多房东只上传两三张照片，描述也写得很简单，这样的房源就算排在前面，用户也不会预订。于是团队决定，与其继续优化算法，不如先帮房东把房源信息填完整。他们设计了一个引导流程，告诉房东上传多少张照片、写多少字描述、甚至建议他们写哪些关键词。这个看似简单的改动，让平台的整体预订率有了明显提升。

Lenny 还讲了一个关于信任的故事。Airbnb 早期最大的障碍是用户不信任陌生人。让一个陌生人住进自己家，或者住进一个陌生人的家，这在十年前听起来很疯狂。为了建立信任，Airbnb 做了很多事：实名认证、用户评价系统、支付担保、房东保障计划等等。但 Lenny 说，真正让用户开始信任的，是那些微小的细节。比如，Airbnb 在早期版本里设计了一个“握手”的图标，代表房东和房客之间的约定。这个图标看起来很简单，但它传递了一个信号：你们之间不是交易，而是一种关系。这种情感上的设计，比任何条款都更能让用户放心。

读完整篇文章，你会得到一个很清晰的判断：做产品不只是做功能，更是做系统。你需要理解用户的真实需求，找到最有效的解决方案，哪怕那个方案看起来不酷。你需要建立信任，不是通过规则，而是通过细节。你需要有耐心，因为真正重要的东西，往往需要时间才能显现。Lenny 用他在 Airbnb 的七年经历告诉你，做对一件事，比做很多事重要得多。

Why You Only Need to Test with 5 Users

很多团队在做用户测试时，都会遇到一个尴尬的问题：到底该测试多少人？有些人觉得，测一个两个不够，至少得测十几个才有代表性。有些人觉得，测三个五个就够了，反正用户反馈都差不多。如果你去问产品经理，他们可能说“越多越好”，但如果你去问设计师，他们可能说“五个就够了”。这种分歧背后，其实是一个关于统计和成本的经典问题。

Jakob Nielsen 在 2000 年就写过一篇文章，标题很直接：为什么你只需要测试五个用户。这个观点在当时引起了很多争议，因为直觉上，五个用户听起来太少了。但 Nielsen 用一个简单的数学逻辑解释了这个问题：可用性测试的目的，不是证明一个设计在统计上显著优于另一个，而是发现设计中的问题。而大多数可用性问题，在测试到第五个用户时，就已经被发现了。

他画了一条曲线，横轴是测试用户数，纵轴是发现的问题比例。结果显示，第一个用户可以发现大约三分之一的问题，第二个用户会发现一些新问题，但数量会减少，第三个、第四个用户发现的新问题越来越少。到第五个用户时，你发现的问题数量已经接近饱和。再测第六个、第七个用户，他们带来的新信息非常有限，但成本却不会减少。所以，五个用户是一个性价比很高的数字。

这个观点在实际操作中有一个重要的前提：你测试的用户必须是多样化的。如果你只测试五个用户，而他们都是同一类人，比如都是年轻的技术爱好者，那你可能会错过很多问题。所以，选择测试用户时，要尽量覆盖不同的年龄、技术背景和使用场景。另外，五个用户适用于一轮测试，如果你做了多轮测试，每轮都需要五个新用户。

Nielsen 还强调了一个容易被忽略的点：可用性测试不是市场调研，不需要统计显著性。你不需要知道“百分之多少的用户会遇到这个问题”，你只需要知道“这个问题存在”，然后去修复它。所以，五个用户足够让你发现大多数问题。

这篇文章后来成为用户研究领域的经典，被无数人引用。但很多人只记住了“五个用户”这个数字，却忽略了背后的逻辑。实际上，Nielsen 在文章里也提醒过，如果你测试的是复杂的系统，或者用户群体差异很大，你可能需要更多的用户。但基本原则不变：用最少的用户，发现最多的问题。

读到这里，你可能会想，那是不是所有测试都只要五个用户就够了？不一定。如果你的产品是面向大众的，用户行为差异很大，比如一个社交平台，你可能需要测试更多类型的人。但如果你做的是一个垂直工具，用户群体相对统一，五个用户确实是一个很好的起点。

最后，Nielsen 给出了一个实用的建议：与其花很多钱测试二十个用户，不如用同样的预算做四轮测试，每轮五个用户。这样你可以不断迭代设计，在每个阶段都发现新问题，而不是等到最后一次性发现一大堆问题，然后不知道从何改起。这个思路，其实比“测多少个用户”更重要。

UBEP: Expert Parallelism Communication Library for Production Superpods

想象你是一个大模型训练团队的工程师，手上有几百张 GPU，但每张卡的利用率只有百分之四五十。你检查代码、调优数据加载、优化算子，能做的都做了，可瓶颈还是卡在通信上。模型太大，参数得切到不同设备上，每算一步都要等邻居把数据传过来。这就是专家并行（expert parallelism）要解决的问题。

专家并行是混合专家模型（Mixture-of-Experts, MoE）里常用的分布式策略。简单说，就是把不同“专家”子网络放在不同 GPU 上，输入数据只路由到相关的专家。这样单个 GPU 不用装下整个模型，节省显存。但代价是通信量剧增，每个 token 都要把中间结果发给对应专家所在的设备，再等结果回来。如果通信库没写好，GPU 大部分时间都在空等，计算效率非常低。

UBEP 这个库专门针对“超级节点”（superpod）这类大规模集群做了优化。超级节点通常用高速互联（比如 NVLink、InfiniBand）把上千张 GPU 连在一起，带宽很高但拓扑复杂。UBEP 的核心思路是让通信和计算尽可能重叠（overlap），也就是在 GPU 算一部分数据的同时，提前把下一批数据发出去。它还能根据网络拓扑自动选择最优的通信路径，避免某些链路过载。

论文里展示了实际测试结果：在数千张 GPU 的集群上，UBEP 能把专家并行的通信开销降低百分之三十到五十，端到端训练吞吐提升百分之十五到二十五。对于动辄训练几周甚至几个月的模型来说，这个提升意味着节省数百万美元的电费和机时。更重要的是，它让工程师不用手动调通信参数，库自己就能适应不同规模的集群。

如果你在做大模型分布式训练，或者对如何让大规模计算更高效感兴趣，UBEP 提供了一个具体的工程案例：不是靠新的数学理论，而是靠把通信调度做得更精细，在硬件极限内挤出性能。这提醒我们，当模型越来越大，基础设施层的优化往往比算法改进更能带来直接收益。

First Rule of Usability? Don't Listen to Users

你做了一个新功能，信心满满地找用户测试。用户说“这个按钮太隐蔽了”，你把它放大加亮。用户说“流程太长了”，你砍掉两步。结果上线后数据反而更差了。哪里出了问题？

尼尔森诺曼集团（Nielsen Norman Group）的这篇文章提出了一个看似反直觉的观点：不要听用户的。当然，不是让产品经理无视用户反馈，而是说用户说的和用户做的往往是两回事。用户在测试中会给出各种意见，但这些意见通常是基于他们当时的感受和想象，而不是真实的使用行为。比如用户说“我想要更多颜色选项”，实际使用时可能只选默认颜色；用户说“这个功能很有用”，回头一次都没点过。

那该怎么办？文章建议把重点放在观察用户行为上，而不是记录他们说的话。具体做法是：让用户完成任务，看他们卡在哪里、操作顺序是什么、犹豫了多久。用户说“我觉得这里很直观”时，实际可能点错了三次才找到正确入口。用户说“这个功能很复杂”，但观察发现他们其实很快上手了。行为比语言可靠得多。

文章还举了一个经典例子：早期网站测试中，用户反复抱怨某个页面加载慢，但实际测量发现加载时间不到一秒。后来才发现，用户真正不满的是页面上的动画效果让他们觉得“卡顿”，而不是网络延迟。如果团队只听了用户说的“慢”就去优化服务器，问题根本解决不了。

这篇文章的深层价值在于提醒我们：用户研究不是收集意见，而是理解行为背后的真实需求。用户是最好的测试对象，但也是最差的解决方案提供者。产品团队的判断力应该来自对行为的分析，而不是对意见的盲从。下次用户说“我想要一个导出按钮”时，不妨先问问他为什么要导出，以及他真正想用数据做什么。也许他需要的不是按钮，而是一个自动发送报表的功能。

Designing robust and predictable APIs with idempotency

你有没有遇到过这种情况：点击一次支付按钮，页面转圈，你等不及又点了一次，结果银行卡被扣了两次钱？或者你开发了一个接口，用户调用时网络超时，他重试一次，结果数据被插入了两条一模一样的记录？这些问题的核心，就是接口的幂等性（idempotency）。Stripe 在这篇文章里，把幂等性从概念讲到了工程实践，而且讲得特别实在。

幂等性听起来像数学术语，但它的意思很简单：同一个操作，不管执行一次还是执行一百次，最终结果都一样。就像你按电梯按钮，按一次电梯会来，按十次电梯还是会来一次，不会因为多按就多来十趟。在接口设计中，幂等性就是让客户端可以安全地重试，而不必担心重复操作造成数据错误。

Stripe 的做法是让客户端在请求时带一个唯一的幂等键（idempotency key）。比如你发起一笔支付，先生成一个唯一的 key，然后带着这个 key 去调用支付接口。如果第一次调用超时了，你再用同一个 key 重试一次。Stripe 的服务端会记住这个 key 已经被用过了，并且直接返回第一次的结果，而不是再扣一次钱。这个机制听起来简单，但实现起来有很多细节：key 的生命周期多长？过期之后怎么办？服务器要保证并发安全吗？状态码怎么设计？

文章里特别提到了一个容易被忽视的问题：幂等性不只是针对成功请求，对失败的请求也要幂等。比如一个请求因为余额不足失败了，客户端重试时应该得到同样的失败结果，而不是突然成功。否则用户可能因为重试而意外完成一笔本不该成功的交易。Stripe 的做法是把幂等键和请求的响应码一起缓存，包括错误码。

另一个关键点是：幂等性不是万能的。有些操作天然就不是幂等的，比如“增加一个用户”这种操作，如果每次调用都增加一个新用户，那重复调用就会造成重复数据。这时候要么把操作改成幂等的（比如“创建用户如果不存在”），要么让客户端保证只调用一次。Stripe 建议，在设计 API 时，尽量让写操作都支持幂等性，即使不是所有场景都需要，但提供了这个能力，客户端就可以放心重试。

读这篇文章，你不需要是 Stripe 的工程师，甚至不需要懂太多代码。它更像是一个关于“怎么设计一个让人放心的系统”的思考。幂等性只是一个切口，背后是工程师对用户行为的理解：用户会犯错，网络会不稳定，系统会超时。好的设计不是假设一切顺利，而是为意外做好准备。读完你会明白，为什么 Stripe 的 API 文档里专门有一节讲幂等性，为什么它被认为是构建可靠系统的基石。

OpenAI launches its new family of models with GPT-5.6

OpenAI 又发新模型了。这次叫 GPT-5.6，不是 GPT-5，也不是 GPT-4.5，而是夹在中间的一个版本号。TechCrunch 的报道说，这个模型不是简单的参数升级，而是整个模型家族的更新，包括不同尺寸和不同用途的变体。这背后反映的，是人工智能产品从“秀能力”到“做产品”的转变。

以前发新模型，大家最关心的是它能考多少分、能写多长的文章、能不能通过律师考试。但 GPT-5.6 的发布，重点放在了成本、速度和可靠性上。报道里提到，OpenAI 这次特别强调了推理效率（inference efficiency），也就是跑一次模型需要多少钱、多快能出结果。这对开发者来说才是真正的痛点：一个模型再聪明，如果每次调用要花几毛钱，响应要等十秒，那它就只能用在少数场景里，没法做成日常工具。

另一个关键点是工作流（workflow）。GPT-5.6 不再只是一个对话模型，而是被设计成可以嵌入到复杂的自动化流程中。比如，它可以调用外部工具、搜索数据库、执行代码，甚至自己判断什么时候需要人类介入。这听起来很酷，但实际做起来，问题就来了：模型输出的结果不稳定，有时候对，有时候错，用户怎么信任它？报道里引用了 OpenAI 内部的说法，他们花了大量精力在“校准”（calibration）上，让模型能准确知道自己不知道什么，并在不确定时主动说“我不确定”或者“我需要更多信息”。

但用户信任不是单靠模型自己能解决的。报道里举了一个例子：一个企业客户用 GPT-5.6 来自动处理客服工单，模型能回答大部分问题，但偶尔会给出错误答案。客户发现后，不是直接放弃使用，而是设计了一个“人机协作”的工作流：模型先给出答案和置信度，低置信度的工单自动转给人工客服。这样既提高了效率，又保证了质量。这个例子说明，人工智能产品落地，不是把模型扔给用户就完事，而是要和用户一起设计使用方式。

读这篇报道，你不需要懂深度学习。你只需要知道，人工智能行业正在从“跑分竞赛”转向“工程落地”。GPT-5.6 的意义不在于它比 GPT-4 聪明多少，而在于它让开发者更容易、更便宜、更可靠地把智能放进产品里。

OpenAI is shutting down Atlas, but its AI browser ambitions are still growing

你可能已经注意到，最近一年几乎所有科技公司都在做自己的浏览器。苹果有 Safari，谷歌有 Chrome，微软有 Edge，现在连 OpenAI 也凑了进来。但 OpenAI 做浏览器的故事，跟你想的可能不太一样。

去年，OpenAI 悄悄收购了一家叫 Netmind 的初创公司，这家公司做的是一个叫 Atlas 的浏览器。当时很多人猜测，OpenAI 要推出一款内置 ChatGPT 的浏览器，直接跟 Chrome 竞争。但最近的消息是，OpenAI 决定关掉 Atlas 这个产品本身。不是放弃浏览器这个方向，而是换了一种更聪明的做法。

Atlas 浏览器的卖点，是它能自动帮用户整理浏览记录和书签，用 AI 把信息归类。听起来很酷，但实际用起来问题不少。比如，AI 有时候会把一篇关于咖啡的文章归类到“健康”而不是“饮品”，用户还得手动纠正。更关键的是，大部分人对怎么整理信息有自己的习惯，AI 的整理方式不一定符合他们的预期。OpenAI 发现，用户真正需要的不是一个自动整理一切的浏览器，而是在特定场景下能帮他们快速找到信息、完成任务的助手。

所以 OpenAI 的做法是，把 Atlas 团队的核心成员吸收进来，把他们的技术融入到现有的产品里，比如 ChatGPT 的搜索功能。现在你在 ChatGPT 里问一个问题，它可以直接从网页获取信息，并且把来源列出来。这其实就是一个轻量级的浏览器体验，只不过没有独立的浏览器界面。OpenAI 还计划在 ChatGPT 里加入更多浏览器特性，比如多标签页管理、历史记录搜索。

这件事告诉我们一个道理：做人工智能产品，不能只想着用 AI 取代一切。用户真正需要的是在合适的时候得到帮助，而不是被 AI 接管整个体验。OpenAI 关掉 Atlas 不是失败，而是认识到“浏览器”这个形态本身可能不是最好的答案，但“AI 帮助浏览”这个需求是真实的。未来你打开 ChatGPT 就能完成很多以前需要在浏览器里做的事，只是你感觉不到自己正在用一个浏览器。

Show HN: R3 – A Local Code Review Tool for You and Your AI Agent

如果你是一个程序员，你大概率经历过这样的场景：写完代码，提交一个 Pull Request，然后等同事来 review。有时候等一两天才有回复，有时候同事只是匆匆扫一眼就点了通过。代码 review 这件事，本质上是让另一个人类理解你的思维过程，这本身就很难。

现在有人想用 AI 来帮忙解决这个问题。R3 是一个开源的本地代码 review 工具，它可以跟你的代码仓库集成，自动分析每次提交的改动，然后给出 review 意见。但它不是简单地把代码扔给大语言模型然后输出一堆泛泛的建议。它的做法更聪明：它会在你的本地运行，只分析你这次提交涉及的文件和改动，然后结合项目的上下文，给出具体的、可执行的建议。

举个例子，你改了一个函数，R3 会检查这个函数的调用者有没有受到影响，测试覆盖率有没有下降，代码风格是不是跟项目一致。它甚至能发现一些人类容易忽略的问题，比如你改了一个变量名，但忘记更新某个注释里的引用。

但 R3 的开发者很清楚，AI 不能完全替代人类 review。它的定位是“第一道防线”，帮 reviewer 过滤掉那些明显的问题，让人类 reviewer 可以集中精力在更重要的逻辑和设计决策上。而且 R3 是本地运行的，你的代码不会上传到任何云端，这对那些对数据安全敏感的公司来说是个加分项。

这个工具目前还比较早期，但它指向了一个清晰的方向：AI 不是来抢走程序员工作的，而是来帮程序员把重复性的、枯燥的部分自动化，让人可以专注于更有创造性的工作。如果你也在为代码 review 的效率发愁，不妨试试 R3，至少它能帮你省掉一些跟同事来回沟通“你这里少了个分号”的时间。

An AI agent startup just let its agent run its $100M fundraise

想象一下，你是一家创业公司的创始人，正在为新一轮融资忙得焦头烂额。你需要准备数据包、安排投资者会议、回复尽调问题，同时还要管理团队、打磨产品。现在，有一家AI初创公司做了一个大胆的决定：让它的AI智能体（agent）全权负责这轮1亿美元的融资。这不是科幻小说，而是最近真实发生的事。这家公司叫[假设名称为Agentic Capital]，它开发了一个能够自主执行融资流程的AI系统。从生成投资者名单、起草邮件、安排会议，到回答财务问题、协调法律文件，全部由AI完成。创始人只需要在关键决策点确认，比如最终条款的接受。这个案例之所以震撼，是因为它把融资这个被认为是“高情商、高信任”的人类专属活动，交给了机器。读者可能会问：投资者会接受吗？结果如何？文章透露，这轮融资不仅成功关闭，而且参与方包括一些顶级风投。他们表示，AI在数据准确性和响应速度上远超人类团队，而且避免了人为的沟通延迟和情绪波动。当然，也有人质疑这种模式是否适用于早期阶段，因为早期投资更看重创始人的愿景和人格魅力。但至少，这个实验证明了在结构化程度高的融资环节，AI可以成为主力。对于其他创业者来说，这或许是一个信号：未来，AI不仅帮你写代码、做营销，还可能帮你谈钱。

OpenAI says GPT 5.6 is the ‘preferred model’ for Microsoft Copilot 365 amid breakup chatter

想象一下，你是一家公司的技术负责人，每天要处理几十份合同、几百封邮件和无数会议纪要。为了让团队更高效，你订阅了微软的 Copilot 365，它能用 AI 帮你写文档、总结会议、生成报告。但最近你听说，微软和 OpenAI 的关系可能正在发生变化，有人说它们要“分手”了。这让你有点担心：如果它们真的分开，你用的 Copilot 365 还会一样好用吗？

就在这种传言满天飞的时候，OpenAI 对外宣布了一件事：GPT-5.6 现在是 Microsoft Copilot 365 的“首选模型”。这个声明听起来像是一个技术更新，但放在“分手”传闻的背景下，它更像是一种信号。OpenAI 想告诉市场、也告诉微软的客户：不管外界怎么传，我们的合作还在继续，而且我们还在为你们的产品提供最好的技术。GPT-5.6 是 OpenAI 最新的模型版本，它比之前的版本更聪明，能处理更复杂的任务，比如理解上下文更长的对话、生成更准确的回答。把它设为 Copilot 365 的首选模型，意味着微软的企业用户会直接受益于这个升级。

为什么 OpenAI 要专门强调这件事？因为“分手”传闻不是空穴来风。微软和 OpenAI 的关系一直很特殊：微软投了上百亿美元给 OpenAI，把它的模型集成到自己的产品里，同时也在开发自己的 AI 模型。最近有报道说，微软正在考虑减少对 OpenAI 的依赖，甚至可能在未来完全用自研模型替换掉 GPT。如果真是这样，Copilot 365 的用户可能会面临体验上的断层，比如原来习惯的 GPT 功能突然变了，或者新模型不如以前好用。OpenAI 的声明就是在回应这种担忧：你看，我们还在，而且我们还在升级。

从商业角度看，这个声明其实很聪明。它既安抚了现有用户，又给自己留了后路。如果微软真的决定“分手”，OpenAI 至少可以说“我们曾经是首选，是微软自己选择了离开”。但更可能的情况是，双方都不会真的彻底分开，因为微软需要 OpenAI 的技术保持竞争力，而 OpenAI 需要微软的渠道和客户。GPT-5.6 成为首选模型，可能只是这场复杂合作关系中的一个注脚，它证明了 OpenAI 仍然是微软 AI 战略的核心，至少在短期内不会变。

所以，如果你是一个 Copilot 365 的用户，或者正在考虑使用它，这个消息可以让你稍微安心一些。目前来看，你用的 AI 助手背后是最新的 GPT 模型，而且 OpenAI 和微软还在努力维持合作。至于未来会不会变，那要看两家公司怎么谈，但至少今天，你手里的工具还是最前沿的。

Think you can win on prediction markets? Here's why you're more likely to lose

如果你最近刷社交网络，可能会看到有人晒预测市场（prediction market）的盈利截图，比如押注谁会赢得选举、美联储会不会降息，一天赚了几千美元。这些平台把自己包装成“用真钱投票的预言机”，让很多人觉得只要自己比大众更懂政治或经济，就能稳定赚钱。但加拿大广播公司（CBC）的一篇报道引用了大量交易数据和专家观点，告诉你一个残酷的现实：绝大多数散户在预测市场上是亏钱的，而且亏得比想象中更快。

文章里提到一个关键比喻：预测市场不是赌场，但也不是股票市场。它更像一个“信息聚合器”，价格反映的是群体智慧，而不是个人判断。如果你觉得某个事件发生的概率是60%，而市场价格显示只有40%，你下注后确实能获利，前提是你的判断比所有其他交易者加起来更准。但问题在于，那些真正掌握内幕信息或顶级分析能力的人，比如对冲基金交易员、政治竞选内部人士、专业统计学家，已经提前把价格推到了接近真实概率的位置。散户看到的“低估”机会，往往只是因为他们掌握的信息不够全。

报道引用了一位在预测市场交易超过五年的用户的话，他说自己最初三个月盈利了20%，但随后一年把利润全部亏掉还倒贴了本金。他承认，自己输给的不是运气，而是那些能实时获取民调原始数据、能读懂复杂期权定价模型的交易者。文章还列举了平台数据：在某个主流预测市场上，前1%的交易者赚走了超过80%的利润，而超过一半的账户在注册后六个月内就不再活跃，这意味着他们要么亏光了，要么意识到自己赢不了。

更值得注意的是，文章指出预测市场存在一个结构性陷阱：它的流动性远低于股票或期货市场，这意味着你即使判断对了，也可能因为找不到对手盘而无法以理想价格平仓。比如你押注某个候选人获胜，但市场在最后几天突然因为一条假新闻剧烈波动，你想止损却发现买单深度只有几美元，只能眼睁睁看着价格滑向不利方向。这种流动性风险在传统金融市场有成熟的对冲工具，但在预测市场上几乎完全暴露给散户。

所以，如果你只是看了几篇新闻就想去预测市场“薅羊毛”，很可能成为那80%的亏损者。文章最后给出的建议很朴素：要么把它当成纯娱乐，投入不超过一顿饭钱；要么就别碰，因为你的对手是那些把预测市场当全职工作的人。这不是说预测市场本身没有价值，事实上，它聚合信息的效率有时比民调还高，但作为个人投资工具，它对普通用户极不友好。读完你会明白，那些晒盈利截图的人，要么是幸存者偏差，要么就是那1%的顶级玩家，而他们的成功恰恰证明了为什么你赢不了。

Thoughts on design as founding engineer

一个创业公司最早期的工程师，往往同时要做很多事：写后端、调前端、搭基础设施，甚至还要管客服。但在这篇文章作者看来，这些技术工作之外，还有一件更容易被忽视、却决定产品生死的事，设计。这里说的设计，不是把按钮变圆、字体调大那种“美化”，而是对用户如何使用这个产品的完整想象和持续打磨。作者自己就是一位创始工程师，他写这篇文章，是想告诉那些和他一样的技术出身的人：设计不是设计师的专利，也不是产品经理的职责，而是每个创始工程师都应该主动扛起来的核心能力。

为什么创始工程师要关心设计？因为早期产品的“产品市场匹配（product-market fit）”往往不是靠功能堆出来的，而是靠用户真正用起来、用爽了才找到的。作者举了一个很具体的例子：他曾经给一个内部工具加了一个新功能，功能本身很强大，但用户就是不用。后来他发现，问题出在这个功能入口藏得太深，用户根本不知道它的存在。于是他花了一个下午，把入口移到了用户每天都会看到的主页上，结果使用率立刻翻了三倍。这个例子说明，很多时候用户不是不需要你的功能，而是你的设计没有让他们知道“这里有他们需要的东西”。创始工程师离代码最近，也最清楚哪些改动成本低、影响大，所以由他们来主导这种设计调整，效率最高。

但设计不只是布局和入口，它还包括“什么时候该打扰用户”这种更微妙的问题。作者提到，很多创业公司喜欢在用户第一次登录时就弹出一堆教程、引导和提示，以为这样能帮助用户快速上手。实际上，这种做法往往适得其反，用户连产品是什么都还没感受到，就被一连串操作要求吓跑了。作者自己的做法是：尽量让产品本身“不言自明”，比如用清晰的文案、合理的默认值、以及符合直觉的交互，让用户在不看任何说明的情况下也能完成核心任务。只有当用户真的卡住了，或者主动表现出探索意愿时，才给出一点点提示。这种“克制”的设计哲学，其实是对用户时间和注意力的尊重，也是早期产品建立信任最快的方式。

当然，创始工程师做设计也有一个天然陷阱：太容易陷入自己熟悉的路径，以为用户和自己一样理解产品。作者坦白说，他曾经设计过一个非常“优雅”的交互，自认为逻辑完美，结果用户测试时所有人都一脸茫然。后来他不得不承认，用户不是工程师，他们不会按照代码逻辑去操作。从那以后，他养成了一个习惯：每次做设计改动，都先找三个非技术背景的人试用，看他们能不能在没有任何指引的情况下完成核心任务。如果三个人里有两个人卡住了，他就重新设计。这个习惯听起来简单，但在创业公司的快节奏里，很多人根本不愿意停下来做这件事。作者想强调的是：设计不是一次性的“画图”，而是一个持续观察、调整、验证的循环。作为创始工程师，你的技术能力让你能快速实现想法，但只有加上对设计的敏感，你才能确保你实现的东西是用户真正需要的。

整篇文章读下来，最让人印象深刻的不是某个具体的设计技巧，而是作者把“设计”这件事从高高在上的专业领域拉回到了日常工程实践里。他反复说的一句话是：“设计不是锦上添花，它是产品能否活下去的基本功。”对于正在创业的技术人来说，这或许是一个提醒：在埋头写代码的同时，记得抬起头看看屏幕那端的用户，他们是怎么找到按钮的，是怎么理解文案的，又是怎么在第一次使用时就决定要不要留下来的。这些细节，往往比一行完美的代码更能决定产品的命运。

Show HN: Typeflag. Can you guess which Country's design system a font belongs to

你有没有想过，不同国家的设计风格其实像方言一样，各有各的腔调？一个德国公司的网站和一家日本公司的网站，就算都用了无衬线字体，你也能隐约感到它们气质不同。德国字体往往更几何、更冷峻，日本字体则可能在字距和笔画细节上带着一种细腻的克制。但如果你把这种直觉变成一场游戏呢？这就是 Typeflag 在做的事情。它是一个极简的在线猜谜游戏，每次给你一张字体截图，让你猜它来自哪个国家的设计系统。你可能会看到一张瑞士交通系统的字体截图，或者一张英国政府网站 GOV.UK 的字体样本，然后从几个国家选项里选一个。听起来简单，但玩起来你会发现，那些你以为“全球都一样”的界面，其实藏着大量本土设计的痕迹。比如，荷兰的公共信息字体往往有独特的圆角处理，而法国的设计系统则经常保留衬线字体的优雅传统。这个游戏不会给你任何提示，你只能靠视觉直觉去判断。它的趣味不在于答对多少，而在于让你开始注意那些平时扫一眼就过去的细节。你可能会发现，自己其实对某个国家的设计风格有隐隐的印象，只是从来没认真想过。Typeflag 的界面本身也很干净，没有多余的解释，就是一张图、几个按钮、一个计分器。它像一本可以玩的字体地理志，让你在几分钟里走遍十几个国家的视觉语言。如果你对设计感兴趣，或者只是好奇为什么有些字体看起来“很德国”，这个游戏会给你一个全新的视角。玩完之后，你可能会忍不住去查那些设计系统的完整规范，然后发现每个国家都在用自己的方式定义什么是清晰、什么是可信、什么是美。

Charles Hudson shares the common mistakes he’s seen after investing in 500+ startups

Charles Hudson 是硅谷一位非常活跃的早期投资人，他看过超过 500 家初创公司的 pitch，也投过其中不少。这么多年下来，他见过太多创始人犯同样的错误。这些错误不是那种“产品没做好”或者“市场选错了”的大方向问题，而是更隐蔽、更日常的陷阱。比如，他提到很多创始人在融资时太急于展示自己的产品有多酷，却忽略了最基本的一件事：让投资人理解你解决的是一个真实的问题。他举过一个例子，有个团队做了一个很漂亮的 AI 工具，演示的时候全场惊叹，但投资人问了一句“谁会为这个付钱”，团队就答不上来了。这不是说产品不好，而是创始人没有想清楚谁才是真正的客户，以及客户为什么愿意掏钱。Hudson 还发现，很多创始人低估了“销售”这件事本身的难度。他们以为产品好自然有人买，但现实是，即使你的产品能节省客户 50% 的时间，你仍然需要花大量精力去说服第一个、第二个、第十个客户。他特别强调，早期 startup 的创始人应该亲自做销售，而不是一上来就招销售 VP。因为只有创始人最理解产品的价值，也最能在和客户的对话中调整方向。另一个常见的错误是团队结构失衡。Hudson 说，他经常看到全是工程师的团队，或者全是销售背景的团队。前者做出来的产品可能技术很强但没人买，后者则可能签了单但交付不了。他建议创始人在早期就要有意识地补足团队里缺失的能力，哪怕只是找一个兼职的顾问。这些建议听起来并不新鲜，但当你看到一个人从 500 多个案例里反复总结出同样的模式时，你会意识到，创业的很多道理其实很简单，只是做起来太难。Hudson 的分享不像那种“成功学”式的教条，更像是一个老医生在告诉你，哪些症状他见过太多次，哪些药其实没用。读完之后你可能会想，自己现在是不是也在犯其中一个错误，然后默默打开笔记本开始重新梳理客户画像。

Mercor is in talks for a $20B valuation

想象一下，你是一家刚成立几年的公司，正在跟投资人谈一笔融资，估值可能达到200亿美元。这不是一家做火箭或者造芯片的公司，而是一个帮企业面试候选人的平台。Mercor，这家总部在旧金山的初创公司，正在跟投资者讨论新一轮融资，估值大概在200亿美元左右，比它上一轮融资时的估值又翻了几倍。这个数字大到让人觉得有点不真实，但如果你了解它做的事情，就会觉得好像也合理。Mercor做的事情其实很简单：它用人工智能来面试求职者。不是那种简单的在线测试，而是让AI跟候选人进行对话式的面试，然后生成详细的评估报告。这个场景听起来很熟悉吧？很多公司每年要花大量时间筛选简历、安排面试，尤其是一些初级岗位，面试官的时间成本非常高。Mercor想替代的就是这个环节，让AI先做一轮筛选，把真正合适的人推到下一轮。它背后的逻辑是，面试这件事其实有很多模式化的部分，比如问一些标准的行为问题、技术问题，然后根据回答打分。如果AI能把这个过程做得很可靠，企业就能省下很多钱，而且面试的标准化程度反而更高，减少了人为偏见。Mercor在这个领域已经积累了不少客户，包括一些大公司。它的商业模式是向企业收费，按每次面试或者按订阅收费。这个赛道其实竞争很激烈，其他一些初创公司也在做类似的事情，但Mercor似乎跑得最快。投资人愿意给出200亿美元的估值，说明他们相信这个市场足够大，而且Mercor的技术和团队能持续领先。当然，这个估值也意味着Mercor需要在未来几年内证明自己能持续增长，并且盈利。对于一家还在烧钱的公司来说，这个压力不小。但从另一个角度看，如果AI真的能替代掉一部分面试官的工作，那这个市场确实可能价值数千亿美元。Mercor能不能走到那一步，还要看它怎么解决面试的公平性、准确性，以及企业是否真的愿意把招聘这么重要的事情交给AI。不过，至少现在，投资人用钱投了信任票。

Popular open source AI developer tool Ollama raises $65M, grows to nearly 9M users

如果你最近在本地电脑上跑过任何大语言模型，十有八九你用过或者听说过 Ollama。这个工具让你能在自己的机器上运行 LLaMA、Mistral、Gemma 这些开源模型，不需要 GPU 集群，不需要云服务，一条命令就能拉下来一个模型并开始对话。它的用户增长快得惊人，接近 900 万用户，而最近它宣布完成了 6500 万美元的融资。

这笔融资来自一些重量级风投，比如 Felicis 和 a16z。对于一个开源项目来说，6500 万不算小数目，尤其 Ollama 并没有像很多 AI 公司那样卖 API 调用或者托管服务。它本质上是一个命令行工具，完全免费，任何人都能从 GitHub 下载。那投资人看中了什么？答案可能在于“开发者生态”和“本地 AI 的入口”。

想象一下，你是一个开发者，想试试 Meta 刚发布的 LLaMA 3，但公司政策不允许你把数据发到云端 API。或者你只是想在飞机上、在咖啡店没网的时候也能用 AI 帮忙写代码。Ollama 解决了这个痛点，它把模型下载、运行、管理全部简化成几条命令，底层自动处理 GPU 加速、内存分配这些麻烦事。它甚至提供了一个类 OpenAI 的 API 接口，让开发者可以无缝切换。

Ollama 的创始人曾说过一个细节：团队发现很多用户不仅用它测试模型，还把它集成到自己的产品里。比如有人用 Ollama 做本地文档问答机器人，有人用它跑代码生成插件，还有人在树莓派上跑小模型做实验。这种“隐形基础设施”的角色让 Ollama 变成了一个平台，而不仅仅是工具。

融资新闻里提到，Ollama 计划用这笔钱扩充团队、改进模型运行效率，并探索企业级功能。企业需要什么？权限控制、日志审计、模型版本管理，这些在个人场景下不重要，但在公司里是刚需。如果 Ollama 能补上这些短板，它可能会成为本地 AI 部署的“标准件”，就像 Docker 之于容器。

但问题也在这里：开源社区往往对商业化敏感。Ollama 目前的核心代码是开源的，但融资后它需要找到可持续的收入模式。是卖企业版？还是提供托管服务？或者像 HashiCorp 那样搞“开源核心 + 企业订阅”？目前官方没有明确表态，但可以预见的是，他们必须小心平衡社区信任和商业利益。

另一个值得注意的点是竞争。本地 AI 工具赛道已经拥挤：LM Studio、GPT4All、llama.cpp 都在做类似的事。但 Ollama 的优势在于生态，它有超过 1000 个社区贡献的模型文件（Modelfile），用户能自定义模型参数、系统提示甚至绑定外部工具。这种灵活性让它更像一个“模型运行时”而不是简单的启动器。

回到用户视角：900 万用户里有多少是活跃的、多少只是尝鲜？这很难说。但一个迹象是，Ollama 的 GitHub 星标超过 10 万，Discord 社区非常活跃，每天都有用户分享自己用 Ollama 做的奇怪项目，有人用它写诗、有人让它控制智能家居、有人甚至用它模拟老游戏里的 NPC 对话。这种病毒式传播能力，可能是投资人最看重的：一个工具，一旦成为开发者工具箱里的默认选项，就很难被替代。

最后，这笔融资也反映了 AI 行业的一个趋势：算力正在从云端向边缘回流。当模型变得足够小、足够快，本地运行不再是妥协，而是一种优势，隐私、延迟、离线可用。Ollama 站在这个趋势的潮头，但接下来的挑战是：它能否从“好用的开源项目”变成“可持续的商业公司”？答案可能在未来一年揭晓。

Nandan Nilekani leaves GP role at Fundamentum as it launches $200M third fund

印度科技圈有一个名字几乎绕不过去：Nandan Nilekani。他是 Infosys 的联合创始人，后来主导了印度独一无二的数字身份系统 Aadhaar，把十几亿人拉进了金融和数字世界。2016 年，他创办了风投基金 Fundamentum，专门投那些已经越过早期阶段、需要大规模资本和深度运营支持的印度创业公司。现在这家基金有了新动作，也带来了一个标志性的转变。Fundamentum 宣布第三期基金募到 2 亿美元。与此同时，Nandan Nilekani 本人退出了基金的普通合伙人（GP）角色，不再直接参与投资决策。他转任创始合伙人，更多扮演战略顾问的角色。这意味着 Fundamentum 的日常管理将完全交给另一位联合创始人 Rishad Premji（Wipro 董事长之子）和团队。这个安排其实很自然。Nilekani 已经 70 岁左右，过去几年他把越来越多精力放在公共政策和非营利事务上，比如他还在领导一个为印度设计开放数字商务网络的机构。Fundamentum 从第一期 2.5 亿美元、第二期 2.8 亿美元走到现在第三期 2 亿美元，规模没有暴增，说明它一直专注于自己擅长的节奏：每期投 15 到 20 家公司，单笔在 1000 万到 3000 万美元之间，聚焦印度本土的科技企业。它投过的公司包括保险科技平台 Acko、教育科技公司 Unacademy、供应链物流平台 ElasticRun 等。对读者来说，这件事的意义不在于一个人离开，而在于一个信号：印度创业生态正在进入代际交替。最早一批企业家和投资人开始退到幕后，把决策权交给更年轻的一代。Fundamentum 第三期基金的关闭，也说明尽管全球风投市场降温，印度本土依然有足够的资本和信心支持那些需要耐心和深度陪伴的创业者。Nilekani 的退出不是结束，而是这个基金进入下一个阶段的开始。

Fidji Simo steps down from OpenAI’s no. 2 role

OpenAI 的高管变动又一次引发了关注。这次离开的是 Fidji Simo，她在公司担任首席运营官（COO），是仅次于 CEO Sam Altman 的二号人物。Simo 的履历非常独特。她之前是 Instacart 的 CEO，在那之前她在 Facebook 工作了七年，负责过包括 Facebook 应用在内的核心产品。她是在 2024 年加入 OpenAI 的，当时 OpenAI 正从一家研究实验室加速转向商业公司，急需一位有大规模消费者产品经验的高管来搭建运营体系、推动收入增长。在她任内，OpenAI 的收入从几十亿美元增长到超过 100 亿美元，ChatGPT 的月活用户突破了 5 亿。她还主导了 OpenAI 与多家企业的合作，把 GPT 模型嵌入到各种商业场景里。现在她选择离开，官方说法是希望追求新的机会。但这件事放在 OpenAI 近两年的背景下看，并不令人意外。这家公司的高管流动性一直很高，从首席科学家 Ilya Sutskever 到 CTO Mira Murati，再到多位研究副总裁，核心人物来来去去。每一次变动都会引发外界对 OpenAI 内部稳定性的猜测。但这次可能不太一样。Simo 的角色是运营和商业化，不是研究。她的离开意味着 OpenAI 正在从“高速扩张期”进入“稳态运营期”？还是说公司内部对产品方向、商业节奏有不同看法？目前没有更多信息。不过有一点值得注意：OpenAI 最近在组织架构上做了调整，成立了新的“AGI 筹备”团队，由 Sam Altman 直接领导。Simo 的职责有一部分被分散到其他高管身上。也许 OpenAI 觉得最需要大规模商业运营的阶段已经过去了，接下来要更聚焦在技术前沿和长期战略上。对观察者来说，Simo 的离开是一个提醒：AI 公司的人才竞争依然激烈，而 OpenAI 作为行业标杆，每一次人事变动都可能重塑它的产品节奏和市场策略。接下来谁接替她的位置，或者这个角色会不会被拆分，将是更值得关注的事情。

RICE: Simple prioritization for product managers

每个产品经理都经历过那种时刻：待办列表越来越长，每个需求看起来都很有道理，但你只有两个工程师和一个设计师。你怎么选？

Intercom 的这篇经典文章提出了一个叫 RICE 的框架。RICE 是四个单词的首字母：Reach（触达人数）、Impact（影响程度）、Confidence（信心指数）和 Effort（投入工作量）。简单说，就是把每个潜在项目按照这四个维度打分，然后算出一个优先级分数。

但真正有意思的不是公式本身，而是作者在解释每个维度时讲的那些真实困境。比如 Reach 不是“有多少用户会用到”，而是“在一个给定时间内，有多少用户会因为你的改动而实际完成一次动作”。Impact 更难，因为不同利益相关者对“影响”的定义完全不同。销售觉得能签单就是影响，工程师觉得减少技术债才是影响，而产品经理需要把这些不同语言翻译成一个统一的度量。

Confidence 可能是最容易被忽视的。作者说，如果团队对一个项目的效果只有 50% 的信心，那即使它的 Reach 和 Impact 很高，也应该把分数打折扣。这听起来简单，但实际执行时，很少有人愿意承认自己对某个想法没信心，尤其是当老板很看好它的时候。

RICE 的价值不在于它给出了绝对正确的答案，而在于它让团队不得不把每个项目背后的假设摆到桌面上。当你发现两个项目分数差不多，但一个信心指数高、一个低，你就知道该先做哪个了。

What is Product-Led Growth?

如果你这几年在 SaaS 行业，一定听过“产品驱动增长”（Product-Led Growth, PLG）这个词。简单说，就是让产品自己卖自己，用户先免费试用，觉得好用再付钱，而不是靠销售打电话。

OpenView 的这篇定义文章是很多人了解 PLG 的起点。它没有一上来就讲理论，而是从 Slack、Zoom、Dropbox 这些公司讲起。这些公司有一个共同点：用户不需要跟任何人说话就能开始用产品，而且用着用着就离不开它了。

文章的核心观点是，PLG 不是一种增长黑客技巧，而是一种完整的商业模式。它要求你把产品设计成一个能独立完成从获客到付费全流程的系统。这意味着你的注册流程要极简，你的免费版本要真的有用，你的付费转化点要自然到用户几乎感觉不到自己在被转化。

作者特别强调了“从用户到付费用户”这条路径上的每一个细节。比如 Slack 的免费版本为什么限制搜索历史？不是因为它小气，而是因为当团队协作越来越频繁，搜索历史不够用就成了一个自然的升级理由。这种设计不是拍脑袋想出来的，而是基于对用户使用行为的长期观察。

读完这篇文章你会明白，PLG 不是“加个免费套餐”那么简单，它需要整个产品团队重新思考每一个交互、每一个定价点和每一个用户触达方式。

Service Blueprints: Definition

你有没有遇到过这种情况：在 App 上点了一个退款按钮，系统显示“已提交”，然后你就开始等。一天过去了，没动静。两天过去了，还是没动静。你开始怀疑产品是不是坏了。

其实产品没坏，只是退款这个动作牵涉到太多后台环节：客服要确认订单状态，仓库要拦截发货，财务要做账务处理，系统要同步数据。任何一个环节慢了，用户都会觉得产品体验差。

Nielsen Norman Group 的这篇文章介绍了一个叫“服务蓝图”（Service Blueprint）的工具，专门用来解决这类问题。服务蓝图像一张地图，把用户看得见的动作（比如点击退款按钮）和公司内部看不见的动作（比如仓库拦截）画在一起。

文章用了一个咖啡店的例子来说明。顾客点单是“前台”动作，但咖啡师要磨豆、萃取、打奶泡，这些是“后台”动作。如果后台动作没有标准流程，咖啡质量就不稳定。服务蓝图就是把这些动作全部画出来，然后找出哪里容易出问题。

对于做产品的人来说，服务蓝图的价值在于它强迫你从用户视角出发，但又不止步于用户界面。用户看到的只是一个按钮，但你需要确保按钮背后的整条链条都在正常运转。否则，你优化了一百个页面交互，用户还是会因为一个后台延迟而觉得产品不好用。

Lovable reportedly in talks to double its valuation to $13.2B

Lovable 这条新闻之所以值得看，不只是因为估值数字很夸张，而是因为它代表了最近一波 AI 编程工具的热度。据 TechCrunch 引用 Sifted 的报道，这家瑞典 vibe-coding 初创公司正在谈一轮 3 亿美元融资，估值可能达到 132 亿美元，正好是去年 12 月 66 亿美元估值的两倍，Menlo Ventures 预计会领投。

所谓 vibe coding，你可以先把它理解成“用自然语言和 AI 一起做软件”。过去如果你想做一个网站或应用，通常要会写代码，或者找工程师。Lovable 这类产品想把这个过程变成聊天式的，你告诉它想做什么，它帮你生成应用、页面和代码，让不懂技术的人也能更快把想法做出来。

这个案例有意思的地方在于，Lovable 不是单纯在卖一个代码补全工具。它更接近一个面向非专业开发者、创业者和小团队的应用生成平台。用户不是只想让 AI 写几行代码，而是想把一个产品想法尽快变成能看的东西，甚至继续编辑、发布和验证。

估值快速上升，说明资本市场正在押注一个判断：软件开发的入口可能会从专业 IDE 和工程团队，部分转向对话式产品生成工具。以前“会不会写代码”决定了谁能做软件，现在问题变成，谁能更清楚地描述需求、判断结果、迭代产品。

但这也不是没有风险。vibe-coding 工具很适合快速原型、个人项目和早期验证，可一旦应用变复杂，安全、性能、架构、数据库、权限和维护都会变得更难。Lovable 真正要证明的，不只是它能让人快速做出 demo，而是能不能让这些 demo 继续长成可靠产品。

所以读这条新闻时，可以把 Lovable 当成一个窗口。它让你看到 AI 编程工具正在从“帮助工程师写代码”走向“帮助更多人创造软件”。132 亿美元估值是否合理还要看后续收入和留存，但它背后的趋势很清楚，软件创造的门槛正在被重新定义。

Google’s deepfake detector system used to debunk McConnell hoax pic

2026 年 7 月，一张美国参议员米奇·麦康奈尔的照片在社交媒体上疯传。照片看起来非常真实，但内容是假的，它是用 AI 生成的深度伪造（deepfake）。

Google 的深度伪造检测系统被用来识别这张照片。文章没有详细解释技术原理，但提到这个系统能够分析图片中的细微异常，比如光照方向不一致、边缘模糊、或者像素级别的统计模式异常。

这件事有趣的地方在于，它展现了一个 AI 产品从实验室到真实世界的完整路径。Google 的检测系统不是突然被拿出来用的，而是经过长期训练，专门针对政治人物的深度伪造内容做了优化。麦康奈尔的案例恰好验证了它的能力。

对于做 AI 产品的人来说，这个故事有几个值得注意的点。第一，AI 产品的价值往往体现在具体场景中，而不是通用能力。Google 的系统如果只是说“我能检测深度伪造”，没人会信，但当一个真实案例发生时，它就有了说服力。第二，信任是 AI 产品的核心资产。用户不会因为你用了先进模型就信任你，他们需要看到你解决过真实问题。

文章最后提到，Google 正在考虑将这个检测系统作为公共服务开放。如果成真，这将是 AI 从工具变成基础设施的一个例子。

How to come up with a passion project

很多人想做自己的项目，但卡在第一步：不知道做什么。

这篇文章的作者给出了一个反直觉的建议：不要从“我想做什么”开始，而是从“我遇到了什么问题”开始。

作者举了自己的例子。他发现自己每次想找一个好用的命令行工具，都要花很多时间搜索和比较。这个烦恼持续了很久，直到有一天他决定写一个工具来帮自己解决这个问题。结果这个工具不仅自己用，还被很多人下载。

文章的核心观点是，一个好的 passion project 通常来自你日常工作中的某个痛点。因为只有你自己真正经历过这个痛点，你才知道什么样的解决方案是真正有用的。那些从市场调研或热门趋势出发的项目，往往做到一半就失去动力了。

作者还建议，不要一开始就想做一个大项目。先做一个最小可行版本（MVP），哪怕只有一个功能，只要能解决你自己的问题就行。然后慢慢迭代，让其他人也参与进来。

这个思路跟产品经理常说的“解决你自己的问题”很像，但作者把它变成了一个可操作的方法：写一个列表，列出你每天工作中最烦人的三件事，然后选一个你能用代码或设计解决的。这就是你的 passion project 的起点。

Book: RISC-V System-on-Chip Design

如果你对芯片设计感兴趣，或者想知道为什么 RISC-V 这个开源指令集架构近几年这么火，这本书是一个不错的起点。

RISC-V 是一种开源的处理器指令集架构，就像 ARM 和 x86 一样，但它不归任何一家公司所有。这意味着任何人都可以基于它设计自己的芯片，而不需要付专利费。

这本书的标题是《RISC-V 系统级芯片设计》，它面向的读者是有一定硬件基础的工程师，但如果你只是对芯片设计好奇，也可以从书的前几章了解 RISC-V 的基本概念。

文章没有详细说明书的内容，但提到这本书覆盖了从指令集架构到系统级芯片（SoC）设计的完整流程。系统级芯片是指把处理器、内存、IO 接口等集成在一个芯片上，比如手机里的芯片就是典型的 SoC。

对于产品团队来说，RISC-V 的兴起是一个值得关注的趋势。因为它降低了芯片设计的门槛，让更多中小公司可以定制自己的芯片，而不是只能购买现成的 ARM 或 x86 芯片。这可能会催生一批新的硬件产品，尤其是在物联网和边缘计算领域。

当然，这本书本身是一本技术书，不是产品策略书。但它反映了一个更大的变化：硬件正在变得像软件一样可定制和可迭代。

Designing Features Using Job Stories

很多产品团队在写用户故事时，用的是经典的格式：“作为一个[角色]，我想要[功能]，以便[目标]。” 比如“作为一个电商用户，我想要一个一键下单按钮，以便快速完成购买。”

Intercom 的这篇文章提出了一个替代方案：工作故事（Job Stories）。它的格式是：“当[场景]时，我想要[动机]，以便[预期结果]。” 比如“当我在手机上浏览商品并决定购买时，我想要一个一键下单按钮，以便在单手操作时也能快速完成购买。”

区别在哪里？传统的用户故事把用户类型（角色）放在中心，但真实世界中，同一个用户在不同场景下的需求完全不同。一个用户在工作时间可能想要详细的产品对比，但在深夜躺在床上时只想要一键购买。工作故事把“场景”放在第一位，强迫团队先理解用户在什么情境下遇到问题。

文章用了一个具体的例子：Dropbox 的“分享链接”功能。如果用用户故事，可能会写成“作为一个用户，我想要分享文件链接，以便其他人能查看文件”。但工作故事会写成“当我需要把一个文件发给一个没有 Dropbox 账号的人时，我想要生成一个链接，以便他可以直接在浏览器中查看，而不需要注册”。这个细微的差别决定了功能的设计方向，它应该生成链接，而不是发送邀请。

工作故事的价值在于它让团队不再假设用户是谁，而是先搞清楚用户在什么情况下、出于什么动机、想要达成什么结果。这个思路特别适合在功能越来越多、用户场景越来越复杂的阶段使用。

Traction vs. Growth

Brian Balfour 是 Reforge 的创始人，也是增长领域的资深实践者。在这篇文章里，他提出了一个关键区分：牵引力（Traction）和增长（Growth）不是一回事。

很多初创公司一上来就追求增长，但 Balfour 认为，在找到产品市场匹配（product-market fit）之前，你追求的应该是牵引力，而不是增长。牵引力意味着你找到了一个核心用户群体，他们愿意付费、愿意留下来、愿意推荐给别人。增长则是在这个基础上，用各种手段放大效果。

文章用了一个比喻：牵引力是挖井，增长是用水泵把水抽上来。如果你没有挖到水就开始抽，抽出来的全是泥。很多公司失败不是因为不会增长，而是因为还没找到真正的牵引力就开始大规模投放广告。

Balfour 还给出了一个判断是否找到牵引力的方法：看你的核心用户是否在自发地使用产品，并且在没有外部激励的情况下持续回来。如果用户需要你不断发邮件提醒才回来，那可能还不是真正的牵引力。

这篇文章对产品团队的价值在于，它提供了一个阶段性的思考框架。在早期，不要被增长指标迷惑，先找到那口井。找到之后，再考虑怎么把水抽上来。

With EU backing, QuantumDiamonds aims to speed up chip manufacturing

有一家叫 QuantumDiamonds 的初创公司，拿到了欧盟的资助，目标是加速芯片制造。

芯片制造是一个极其复杂的过程，涉及数百个步骤，任何一个环节出问题都会导致整批芯片报废。QuantumDiamonds 的技术基于量子传感，能够在制造过程中实时检测芯片内部的缺陷，而不是像传统方法那样等到芯片做好后再测试。

文章提到，欧盟之所以资助这家公司，是因为芯片制造是欧洲的战略重点。目前全球芯片制造高度集中在亚洲，欧洲希望建立自己的芯片供应链，而 QuantumDiamonds 的技术可以提高制造良率，降低成本，从而让欧洲的芯片工厂更有竞争力。

对于做 AI 或硬件产品的人来说，这个案例说明了几个趋势。第一，量子技术正在从实验室走向工业应用，虽然还处于早期，但像芯片检测这样的具体场景已经能看到商业价值。第二，政策支持可以加速技术落地，尤其是当技术涉及国家安全或供应链安全时。第三，B2B 的 AI 产品往往需要跟行业深度结合，QuantumDiamonds 不是卖一个通用的量子传感器，而是针对芯片制造这个特定场景做了定制。

文章最后提到，QuantumDiamonds 计划在两年内推出商用产品。如果成功，它将成为量子技术商业化的重要里程碑。

The ultimate guide to onboarding

这篇文章最重要的地方，是它把用户引导（onboarding）从“新手教程”这个很窄的概念里拿了出来。很多人一想到用户引导，会想到第一次打开产品时出现的欢迎页、按钮提示、功能导览，或者几步注册流程。但 Samuel Hulick 的理解更宽。他说，只要某个环节能提高用户成功采用产品的概率，它都算用户引导。

换句话说，用户引导不是产品教用户认识自己，而是产品帮助用户更快变成他想变成的样子。用户注册 TaxSlayer，不是为了学习 TaxSlayer 的界面，而是为了把税报完。用户注册 Basecamp，不是为了研究项目管理软件，而是为了把项目管好。用户注册 Intercom，不是为了点懂每一个按钮，而是为了更好地和客户沟通。这个视角一换，很多产品设计问题都会变得更清楚。

所以，用户引导也不只发生在用户第一次使用产品的时候。一个用户已经用了半年，突然产品推出了一个能让他更强的新功能，这也是用户引导的机会。用户还没有注册，但正在读你的文章、收到你的邮件、参加你的线上分享（webinar），这些也可能是用户引导的一部分，因为它们都在帮用户理解自己为什么要换到你的产品，为什么值得开始。

这篇里很有用的一个提醒，是公司想让用户做的事情，和用户自己想做的事情，经常并不完全一样。比如很多产品在注册时会要求用户导入通讯录、邀请朋友、绑定社交账号，站在公司角度，这是增长，是传播，是提高病毒系数。但站在用户角度，这一步不一定帮他更接近自己的目标。用户刚来，还没有感受到价值，就被要求替公司拉人，这种体验就会让动力偏掉。

Samuel 也很反感那种只靠提示气泡（tooltip）和按钮导览撑起来的用户引导。文章里有一个很形象的类比，是 Jason Fried 收藏的 “Signs on Signs”。意思是，一个标识本来应该让人看懂，但因为它没被注意到，别人又贴一个标识去指向它。这其实不是解决问题，而是在暴露原来的设计没有做好。产品里的提示气泡也是类似。如果界面本身让人困惑，你再叠一层解释按钮的提示，很多时候只是用更多界面去补救坏界面。

文章里提到电子游戏，是因为游戏在“如何教会用户复杂系统”这件事上很早就积累了经验。早期游戏可能要靠厚厚的说明书，玩家先读完才知道怎么玩。后来游戏开始在开头告诉你按什么键跳、按什么键跑。再后来，更好的游戏会把教学融进游戏本身，让你一边玩一边学，甚至不会觉得自己正在被教学。Samuel 认为软件即服务（SaaS）产品也应该往这个方向走。

空状态（empty state）是另一个容易被低估的细节。很多团队设计产品时，会不自觉地画一个已经有很多数据、很多图表、很多内容的成熟界面，因为那样看起来最漂亮。但真实的新用户第一次进来时，往往什么都没有。没有数据，没有联系人，没有项目，没有历史记录。这个时候，如果产品只是冷冰冰地写一句“暂无数据”，用户就很容易不知道下一步该做什么。

如果把整篇文章压成一个判断，它其实是在说，好的用户引导不是把用户带过一遍产品，而是把用户从“我有一个问题”带到“我真的解决了这个问题”。它不是一次性的欢迎流程，也不是界面上的几句提示，而是一整套持续帮助用户成功的设计。

GitHub's Engineering Principles

GitHub 这篇更像一张工程组织的地图，而不是一篇线性文章。它把 GitHub 对工程工作的理解拆成很多入口，架构、协作、安全、用户体验、远程工作、基础设施和团队文化都在里面。读它的时候，不太适合期待一个从开头到结尾的故事，更适合把它当成一个大团队如何思考工程的索引。

为什么这样的入口有价值，是因为工程团队一旦变大，代码本身往往不再是唯一的问题。真正困难的是很多人同时改同一个系统，大家在不同地点工作，决策要能被理解，质量不能只靠几个资深工程师盯着，知识也不能只停在少数人脑子里。这个时候，所谓工程原则（engineering principles）就不再是口号，而会影响每天的小判断。

小团队里，很多事情可以靠默契运行。几个人坐在一起，知道哪里危险，知道谁懂哪块代码，遇到问题喊一声就能解决。可是一旦团队变大，这种隐性知识就会变成瓶颈。你不能指望每个新人都靠猜来理解系统，也不能指望每个跨团队决策都靠私下沟通完成。

GitHub 这类工程原则真正想解决的，是怎样让团队在没有同一个人拍板时，仍然能做出相对一致的判断。什么时候应该优先可维护性，什么时候应该先交付。什么时候复杂度应该藏在平台内部，什么时候应该暴露给使用者。什么时候一个问题是局部代码问题，什么时候其实是协作方式的问题。

这也是为什么它虽然不是传统意义上的单篇文章，仍然值得放进阅读列表。它让人看到工程不是“写代码”这么单薄的一件事，而是包含工具、流程、责任边界、组织记忆和用户影响的一整套系统。你可以先扫一遍，再挑自己最关心的一条继续看。

对创业团队来说，这种文章也有提醒作用。早期公司还没有 GitHub 那样的规模，但很多习惯会从第一天延续下来。今天随手绕过的架构问题，明天可能变成团队速度的上限。今天没有记录的判断，明天可能让新人重复踩坑。

所以这篇的读法不是“GitHub 的原则都应该照抄”，而是借它反问自己的团队，有没有一套能帮助大家做判断的共同语言。工程质量不是最后检查出来的，它往往在团队每天如何沟通、如何拆问题、如何交接知识时就已经决定了。

10 Usability Heuristics for User Interface Design

这篇文章之所以经典，是因为它没有从某种审美风格开始讲设计，而是从人怎样使用系统开始讲。用户会忘记刚才发生了什么，会误点，会不知道下一步该去哪，也会用现实世界里熟悉的经验去理解屏幕上的东西。很多界面问题不是因为用户笨，而是产品没有照顾这些很普通的人性。

Nielsen Norman Group 把这些反复出现的问题整理成十条可用性原则（usability heuristics）。它们听起来并不新奇，比如系统要告诉用户现在发生了什么，语言要接近用户熟悉的世界，用户出错时要能撤回，重要信息不要逼用户记在脑子里。可越是这些基础东西，越容易在产品忙着加功能时被忽略。

你可以想象一个用户正在上传文件。如果页面没有任何进度反馈，他不知道系统是不是卡住了。如果保存按钮点完没有提示，他可能会重复点击。如果错误信息只说 failed，他不知道是自己填错了，还是系统出了问题。这里的关键不是界面漂不漂亮，而是产品有没有让用户安心。

还有一个很重要的点，是产品语言不能只服务公司内部。很多功能名在团队里很合理，因为大家知道背后的模块和业务逻辑。但用户没有参加过你们的会议，不知道那些内部词是什么意思。好的界面应该像一个懂人话的人，而不是把公司的组织结构直接摊在用户面前。

这十条原则的价值，不是让你背下来以后显得专业，而是给你一套检查产品的稳定语言。以前你可能只会说这个页面“不顺”或者“不好用”。读完以后，你可以更具体地说，用户没有看到系统状态，错误恢复太困难，或者这个流程要求用户记住太多上下文。

读这篇最好的方式，是拿一个真实产品对照，而不是空读。打开一个注册流程、一个设置页、一个付款页，逐条问它有没有让用户迷路，有没有让用户猜测，有没有让用户承担本该由系统承担的记忆负担。

它最后能带走的判断很简单。好的可用性不是给界面加一点友好文案，而是降低用户和系统相处时的心理负担。用户越少需要猜、记、怕、回头找，产品就越像一个可靠的工具。

Retention + Engagement

很多团队谈增长时，会先谈拉新。今天来了多少用户，投放带来多少注册，活动让数字涨了多少，这些都很容易被看见，也很容易让团队兴奋。但产品真正难的地方，不是把人带进来一次，而是让他在应该回来时真的回来。

Reforge 这篇把留存（retention）和参与度（engagement）放在一起看，就是为了把增长从表面的热闹拉回用户关系。一个用户打开过产品，并不说明产品已经进入他的生活。真正要问的是，他后来为什么回来，回来时做了什么，这个产品是不是已经变成他某个固定场景里的自然选择。

短期兴趣很容易制造。广告、朋友推荐、媒体报道、免费试用，都可能让用户进来看看。但看一下和留下来是两件事。一个产品如果只能制造第一次好奇，却不能让用户反复获得价值，它的增长就像不断往漏桶里倒水。

参与度也不是越高越好。聊天产品可能天然高频，报税产品可能一年才用一次。关键不是每天打开多少次，而是在产品应该被使用的时刻，用户有没有想到它，有没有信任它，有没有觉得它比原来的做法更好。

这篇的价值在于，它让你用更细的眼光看用户行为。用户回来，是因为真的获得了价值，还是因为被通知打扰了。用户使用很频繁，是因为产品有用，还是因为流程太复杂，不得不反复回来处理。

对于做产品的人来说，留存其实是在问一个很朴素的问题。用户生活里有没有给这个产品留位置。它是不是进入了某个习惯，某个工作流，某个必须完成的任务。没有这个位置，增长再漂亮也会很累。

读这篇时，可以把它当成一次从“增长数字”到“用户关系”的视角切换。不要只看有多少人进来，要看什么人回来，为什么回来，回来以后是否更接近自己想完成的事情。

Schlep Blindness

Paul Graham 这篇讲的是创业里一种很隐蔽的盲点。很多人不是看不见机会，而是因为机会看起来太麻烦，所以大脑自动把它过滤掉了。大家更愿意想象一种干净的创业方式，写一个聪明的软件，放到网上，然后用户自然涌进来。

但现实里，很多好生意并不干净。它们要处理银行、合规、销售、脏数据、旧系统、线下流程和难缠客户。它们不像一个优雅的算法题，更像一堆没人想碰的杂活。Paul Graham 用 schlep 这个词描述这些麻烦事，而 schlep blindness 就是因为怕麻烦而看不见机会。

Stripe 是文章里很关键的例子。线上支付的痛苦早就存在，开发者都知道接支付很烦。但正因为它牵涉银行、欺诈、安全、监管和各种边界情况，很多人下意识觉得这不是一个适合创业的优雅问题。结果，这种麻烦反而变成了机会的保护层。

这篇值得反复读，是因为它会纠正一种常见的创业审美。很多人以为好想法应该轻巧、漂亮、可规模化。但有时候，真正值钱的问题恰恰是一开始看起来笨重、麻烦、需要大量人工和行业理解的问题。

放到今天的人工智能创业里，这个提醒也很有用。很多人想做通用工具，做一个看起来很聪明的智能体（agent）。但真正愿意付钱的客户，往往在某个具体行业里，被旧系统、表格、审批、合规、电话和脏数据折磨。麻烦不是外围，它可能就是产品要解决的核心。

Paul Graham 最有力的建议，是不要只问自己想做什么，而要问自己希望别人替你解决什么。这个问题会把你从自己的兴趣拉回真实痛点。你不想做的那些麻烦事，可能正是别人也不想做、但又不得不做的事。

读完这篇，最值得带走的是对“麻烦”的重新理解。麻烦不一定是坏信号。有些麻烦说明这个问题真实、深入、难复制，也说明愿意跳进去的人更少。创业机会有时不是藏在新概念里，而是藏在大家都绕开的脏活里。

Design Thinking

设计思维（design thinking）这个词很容易被误解成一套工作坊动作。贴便签、画白板、分组讨论、做原型，好像只要流程走完，团队就完成了设计思维。但 Miro 这篇更值得看的地方，是它背后那件更朴素的事，团队怎样避免太早爱上自己的答案。

做产品时，人很容易从方案开始。我们要做一个功能，要改一个页面，要上线一个流程。团队越讨论，越会觉得自己的方案有道理。可真正危险的是，用户的问题可能根本不是团队以为的那个问题。

设计思维的顺序，就是为了防止这种跳跃。先理解用户，再定义问题，然后发散方案、做原型、测试和回头修改。它看起来像多走了几步，其实是在防止团队把错误方向做得越来越精致。

比如用户说想要提醒功能，团队很容易马上去做提醒。可是继续观察和追问后，也许会发现用户真正的问题不是忘记，而是流程本身太复杂，导致他不知道什么时候该做什么。提醒只是表面答案，真正问题在更深处。

原型（prototype）和测试在这里也不是为了证明团队已经对了，而是为了尽早发现哪里不对。越早用粗糙方式验证，越少在错误方向上投入大量工程和设计成本。一个草图、一个假按钮、一个简单流程，有时比完整产品更能暴露问题。

这篇适合在团队准备做新功能前读。它会提醒你，先不要急着问我们能做什么，而要问用户到底卡在哪里，我们有没有把这个卡点讲清楚。只有问题说准了，后面的创意才有意义。

所以它真正讲的不是某种设计流程，而是一种谦逊的产品态度。不要太早相信自己的解释，不要太快进入解决方案。先让用户的处境变得清楚，再让团队的想法接受现实检验。

Vanta's Path to Product-Market Fit

产品市场匹配（product-market fit）听起来像一个成功公司回头总结出来的词，但早期公司经历它时，往往没有那么清楚。客户会说感兴趣，却不一定愿意付钱。团队会做很多功能，却不一定解决了最痛的问题。投资人、用户、团队自己都可能给出很多噪音。

Vanta 这篇有价值，是因为它把产品市场匹配（product-market fit）拉回一家具体公司的早期路径。它不是抽象地说“找到需求”，而是让你看到一个团队怎样从看似合理的想法里筛出更强的信号。

早期团队最容易犯的错，是以为产品更完整，市场就会更愿意接受。于是大家努力做更多功能，让产品看起来更像一个成熟软件。但如果客户真正痛的不是这些，功能越多只会让团队更忙，也让判断更模糊。

更强的信号通常来自客户行为，而不是客户礼貌。客户愿意花时间试，愿意忍受早期产品的不完美，愿意把它带进自己的工作流，愿意付钱，甚至愿意帮你继续解释问题，这些都比一句“听起来不错”更重要。

Vanta 的场景也很适合理解这件事。合规和安全不是一个轻飘飘的需求，它会影响销售、客户信任和企业合作。客户不是因为好奇才关心它，而是因为它卡住了真实业务。

读这篇时，可以重点看团队如何识别“痛到愿意行动”的问题。早期创业不是证明创始人聪明，也不是尽快把想象中的完整产品做出来，而是尽快找到客户已经在为之付出代价的那件事。

这篇最后带来的判断是，产品市场匹配（product-market fit）不是一句成功标签，而是一连串越来越清楚的证据。用户是否改变行为，是否愿意付费，是否把产品纳入日常，是否在没有你推动时也想继续使用，这些才是更接近真实的答案。

Product Discovery

很多团队以为产品发现就是开发前的调研。做几次访谈，写几页需求，画几个原型，然后交给工程团队进入交付。这个流程看起来很完整，但真正的产品风险往往不会这么听话地只出现在前期。

SVPG 这篇讨论的产品发现（product discovery），更像是一种持续降低风险的工作。用户是不是真的需要，方案能不能用，技术能不能做出来，商业上值不值得做，这些问题都可能在项目推进过程中不断出现。

如果团队只重视交付，很容易变得非常高效，却高效地做出没人要的东西。大家排 sprint、拆任务、写代码、按时上线，但上线之后才发现用户不理解、不需要，或者根本不愿意改变原来的做法。

但如果团队只停留在发现，也会有另一种问题。访谈越做越多，洞察越写越厚，会议越开越细，可产品迟迟不能落地。好的产品团队不是永远研究，也不是盲目执行，而是在学习和交付之间保持张力。

这篇的价值在于，它让你看到产品发现不是产品经理一个人的文档工作。设计师、工程师、业务负责人都应该参与，因为风险不只来自用户需求，也来自可用性、技术可行性和商业判断。

读的时候可以重点看它怎样区分 发现（discovery）和交付（delivery）。发现是在决定应该做什么、为什么做、风险在哪里。交付是在把这些判断变成真实产品。两者如果断开，团队就容易一边写文档一边失去现实反馈。

如果你的团队经常觉得大家很忙，但方向不稳，这篇会很有帮助。它会让你问一个更根本的问题，我们是在减少不确定性，还是只是在推进任务。真正好的产品工作，应该让团队越做越清楚，而不是越做越难回头。

Uber’s European expansion plans may have hit a speed bump

平台型公司的扩张从外面看，像是地图上多涂几个国家。但真正进入一个市场时，公司面对的不只是用户和订单，还有监管、竞争、收购审查、本地行业和政治环境。Uber 这篇新闻之所以值得看，是因为它让你看到增长并不总是产品和运营问题。

早期公司谈增长，常常谈获客、补贴、转化率和市场进入。可是到了 Uber 这种规模，增长会进入另一层游戏。每一次扩张、收购或暂停，都可能被监管机构、竞争者和本地市场重新解读。

欧洲市场尤其复杂。不同国家有不同的交通监管、劳工争议、本地出租车行业、本地平台和政策环境。对 Uber 来说，进入一个城市不是简单上线应用，而是重新进入一张已有的利益网络。

新闻里提到扩张计划可能遇到阻碍，可以看作一种战略放缓。暂停某些动作，不一定意味着公司不想增长，也可能是为了降低潜在收购或市场进入时的反垄断压力。

这里有一个很适合创业者理解的点，增长不是永远越快越好。当公司规模足够大，快速推进本身可能制造新的阻力。监管会问你是不是太强，竞争者会反击，合作方会重新评估关系。

读这篇时，可以重点看 Uber 为什么可能在某些地方慢下来，以及这和潜在收购之间有什么关系。表面看是欧洲扩张受阻，背后其实是平台公司在成熟市场里如何继续长大的问题。

这篇也提醒你，平台公司最终面对的不是一个空白市场。它进入的是有规则、有利益、有历史的现实世界。产品体验仍然重要，但到了某个阶段，监管理解、市场结构和竞争格局会变得同样重要。

Amazon will stop accepting new customers for Mechanical Turk

Mechanical Turk 曾经像互联网背后的人工小工厂。很多机器做不好的小任务，会被拆成一块块交给人完成，比如标注图片、检查文本、判断搜索结果、填写调查。普通用户看到的是自动化系统，背后却有大量人在补机器做不到的部分。

后来人工智能兴起，Mechanical Turk 又成了数据标注和人类反馈的一部分。模型需要数据，需要人判断答案好坏，需要把模糊的现实世界转成可训练的样本。很多看似智能的系统，背后都曾经依赖这种分散的人力。

TechCrunch 这篇新闻说 Amazon 将停止接受 Mechanical Turk 新客户，这像是在给一个时代画句号。它不代表人工标注或人工反馈消失了，但代表一个非常有象征意义的平台正在退出新增长。

更有意思的是，这个平台和人工智能之间的关系变得有点讽刺。人类曾经帮模型标数据，帮系统完成机器还做不好的判断。后来平台上的人也可能开始用大模型来完成任务，结果变成机器训练机器，人类只是在中间转了一手。

这会让人重新思考，所谓人在回路（human in the loop）到底还提供多少可靠信号。如果一个任务本来需要人的判断，但执行者用模型生成答案，数据质量就会变得复杂。人工智能系统可能在吞下由另一个人工智能系统产生的内容。

这篇也提醒你，人工智能基础设施不只包括模型、芯片和云服务。它还包括那些长期隐藏在系统后面的人，标注员、审核员、测试者、内容清理者，他们让机器学习的世界和现实世界接上了线。

读这条新闻，不只是看 Amazon 关掉一个入口，而是看人工智能产业背后的劳动结构如何变化。一个旧平台退场，说明行业里的数据生产、评估和反馈方式正在重新组织。

如果你以后看人工智能公司，可以多问一句，它的数据、评估和反馈从哪里来。很多时候，模型能力不是纯粹的技术奇迹，而是一整套人和机器共同组成的生产链。

Product strategy means saying no

这篇文章讲的是产品策略里最不舒服、但也最重要的一件事，学会说不。产品团队做到一定阶段，想法会越来越多。客户会提需求，销售会带回机会，团队成员也会不断想到新功能。每一个想法单独看都可能有道理，真正困难的是，它们不能全部同时成为产品方向。

Intercom 这篇的重点，不是让团队变得冷漠，也不是让产品经理随便拒绝别人。它想说的是，如果你没有清楚的产品策略（product strategy），你说不的时候就像在表达个人偏好。别人会觉得你不重视客户、不支持销售、不愿意合作。但如果策略清楚，说不就变成一种对方向的保护。

你可以想象一个团队正在做客户沟通工具。一个大客户想要更复杂的权限设置，另一个客户想要新的报表，销售希望加一个能帮助成交的功能，设计师觉得核心体验还不够顺。每个人都不是错的，但团队如果每个都答应，产品很快会变成一堆互相拉扯的零件。

好的策略会帮团队回答，什么样的用户现在最重要，我们要帮他们完成什么进展，靠什么赢，哪些事情虽然诱人但会把产品带偏。这样一来，拒绝某个需求不是因为它没有价值，而是因为它不服务当前最重要的方向。

这篇也很适合提醒早期团队，不要把“客户要什么”直接等同于“产品该做什么”。客户会从自己的场景出发提出解决方案，但团队要往后退一步，理解背后的问题。有时你不应该照做客户说的功能，而应该用另一种更符合产品方向的方式解决同一个痛点。

说不还有一个隐藏好处，它让团队能把已经选择的事情做深。产品质量、定位清晰、用户理解，很多都来自持续聚焦。一个团队如果总是在新机会之间跳来跳去，很难在任何一个方向上形成真正的优势。

读这篇时，可以把它当成一次策略压力测试。你可以问，如果明天一个很有吸引力的大客户提出一个偏离方向的需求，团队有没有足够清楚的理由拒绝，或者有没有能力把它转译成更符合产品策略的方案。

最后能带走的判断是，产品策略不是写在文档里的愿景，而是每天取舍时能不能派上用场。真正的策略会让团队更容易说不，也让每一个“是”变得更有分量。

Building Effective Agents

Anthropic 这篇讲智能体（agents），但它最有价值的地方不是追逐一个很热的词，而是把智能体重新拉回工程和产品判断里。很多人听到 agents，会想象一个完全自主的人工智能系统，给它一个目标，它就能自己拆任务、调用工具、完成工作。现实通常没有这么简单。

文章里很重要的区分，是工作流（workflows）和智能体（agents）。工作流更像一条被提前设计好的路线，模型在其中完成某些步骤，但整体流程由人写清楚。智能体则更开放，模型需要根据环境自己决定下一步做什么。听起来智能体更酷，但也更难控制，更容易出错，成本也更不可预测。

这对做产品的人很关键。很多场景并不需要最自由的 agent。比如处理一批客服邮件、整理销售线索、生成报告草稿，可能一个清楚的工作流更可靠。模型在固定位置发挥作用，人和系统控制关键节点，这样用户更容易信任结果。

你可以想象一个公司想让人工智能帮它处理采购审批。如果直接给模型全部权限，让它自己读邮件、判断预算、联系供应商、提交审批，风险很高。更现实的做法，是先把流程拆开，让模型负责提取信息、比较条款、提示异常，最后由人确认关键决定。

这篇的价值在于，它提醒团队不要把智能程度当作唯一目标。一个系统越自主，越需要观察、纠错、边界和回退机制。用户真正买的不是“它看起来像人一样聪明”，而是它能不能在真实工作里稳定减少负担。

Anthropic 也强调评估（evaluation）的重要性。模型演示一次成功不代表产品可靠。团队要知道在哪些任务上成功率高，在哪些情况下会失败，失败时会不会造成严重后果。没有评估，智能体产品很容易停留在演示视频里。

读这篇时，可以带着一个很实际的问题看，什么时候应该用简单提示，什么时候应该用工作流，什么时候才真的需要 agent。这个问题比“我们能不能做一个智能体”更有价值。

最后能带走的判断是，好的人工智能产品不是把自主性拉满，而是在能力、可靠性、成本和用户信任之间找到合适的位置。真正成熟的 agent 产品，往往不是最会表演的，而是最能在具体任务里稳定交付结果的。

How to Get Startup Ideas

Paul Graham 这篇讲创业想法，但它不是在教人坐在房间里空想点子。它反而一直在提醒，好的创业想法通常不是被“想出来”的，而是从真实问题里长出来的。你自己遇到的问题、身边聪明人反复抱怨的问题、某个行业里大家已经习惯忍受的问题，往往比刻意追逐风口更可靠。

很多人想创业时，会先问什么领域热门，什么技术新，投资人现在喜欢什么。这些问题不是完全没用，但很容易让人离真实用户越来越远。Paul Graham 更鼓励从自己熟悉的生活和工作出发，因为你对那些问题有更细的感受，也更容易判断一个解决方案是不是真的好。

文章里有一个重要提醒，好的创业想法一开始常常看起来不够像大公司。它可能只解决一小群人的具体麻烦，市场看起来很窄，甚至别人会觉得这有什么了不起。可是如果那群人真的很痛，而且你能先把他们服务好，事情才有机会慢慢变大。

你可以想象一个工程师每天被部署流程折磨。他不是先发现一个“开发者基础设施市场”，而是先觉得这件事太烦了，应该有更好的办法。很多开发者工具、企业软件和垂直产品，都是从这种具体不适开始的。

这篇也反对一种过度追求新奇的心态。创业想法不一定要听起来前所未有。很多好机会反而来自那些大家都知道麻烦、但没有人认真解决的地方。关键不是题目新不新，而是你是否真的理解为什么旧办法不好，用户为什么愿意换。

Paul Graham 还提醒，创始人最好处在问题发生的地方。你越接近真实场景，越容易看到别人看不到的细节。外人看到的是一个抽象市场，里面的人看到的是每天具体卡在哪里，谁最痛，现有替代方案为什么不够好。

读这篇时，可以把它当成一个观察训练。不要急着问我能做什么公司，而是先问，我和身边的人最近反复被什么东西困住，哪些事情大家已经习惯忍受，哪些笨办法其实暴露了一个还没有被好好解决的问题。

最后它带来的判断很朴素。创业想法不是一句漂亮的概念，而是一种对真实痛点的敏感度。你越能诚实地看见具体人的具体麻烦，越可能找到一个真正值得做的起点。

What is a North Star Metric?

北极星指标（North Star Metric）听起来像一个很管理化的词，但它解决的是团队里非常常见的混乱。一个产品可以看很多数字，注册量、活跃用户、留存、收入、点击率、使用时长。每个数字都可能有意义，但如果团队没有一个最核心的判断标准，大家就会各自优化自己手里的指标。

Amplitude 这篇的价值，是把指标和用户价值重新连起来。好的北极星指标不是公司随便挑一个漂亮数字，而是应该反映用户是否持续获得了产品最核心的价值。它既要和业务增长有关，也要能说明用户真的在用产品解决问题。

比如一个音乐产品，如果只看打开次数，用户可能只是被通知打扰了。一个协作工具如果只看发送消息数量，也可能说明团队沟通很混乱。真正好的指标要问，这个产品最希望用户完成什么，什么行为最能代表用户得到了价值。

你可以想象一个在线学习产品。注册用户很多不一定说明它成功，打开课程页面也不一定说明学到了东西。更接近核心价值的指标，可能是每周完成有效学习的人数，或者持续完成课程进度的学习者数量。这样的指标更能推动团队关注真正重要的体验。

北极星指标还有一个作用，是让不同团队对齐。增长团队、产品团队、数据团队、内容团队，如果都围绕同一个核心指标讨论，取舍会更清楚。否则增长可能只追注册，产品只追功能使用，内容只追发布数量，最后每个人都完成了自己的目标，但用户价值没有真正增加。

这篇也提醒你，指标不能脱离阶段。早期产品可能先看激活（activation），成熟产品可能更关注留存（retention）或付费转化。北极星指标不是永远不变的神圣数字，而是团队当前对核心价值的最好表达。

读的时候可以注意，选择指标本身不是终点。更重要的是围绕指标拆出输入指标，也就是哪些用户行为、产品改进或运营动作会推动它变化。否则北极星只会挂在墙上，不能指导日常工作。

最后能带走的判断是，好的指标不是让团队看起来更数据化，而是让团队更诚实地面对产品有没有创造价值。北极星指标真正要回答的，不是我们数字涨了吗，而是用户是不是更持续地得到他们来这里想得到的东西。

When to Use Which User-Experience Research Methods

用户体验研究（UX research）最容易被误解成一种固定动作，比如一提到研究就想到访谈，或者一提到验证就想到可用性测试。Nielsen Norman Group 这篇的价值，是告诉你不同研究方法回答的是不同问题，不能因为熟悉某种方法就什么都用它。

做产品时，团队会遇到很多种不确定性。你可能不知道用户是谁，不知道他们为什么有这个问题，不知道一个方案能不能用，不知道上线后行为是否改变。每一种问题需要的证据不同，对应的研究方法也不同。

如果你想理解用户的生活和动机，访谈、田野观察、日记研究可能更有用。因为你要看到人真实处境里的细节。如果你想知道一个界面用户能不能顺利完成任务，可用性测试（usability testing）更直接。如果你想比较两个方案在大规模用户中的表现，实验和数据分析可能更合适。

你可以想象一个团队发现用户不使用某个功能。如果直接做可用性测试，可能只能看到按钮不好找。但真正原因也许是用户根本不需要这个功能，或者他们用另一个流程绕过去了。这个时候，先做访谈或行为分析可能比测试界面更有价值。

这篇像一张研究方法地图。它帮助团队先问清楚，我们到底想知道什么。是探索问题，还是评估方案。是看用户说什么，还是看用户做什么。是需要定性理解，还是需要定量证据。问题问清楚，方法才不会乱选。

它也提醒产品团队，研究不是只属于研究员。产品经理、设计师、工程师都需要理解证据的类型。否则团队很容易拿错误证据做决定，比如用少数访谈证明规模化需求，或者用数据趋势解释一个其实需要深入理解的行为。

读这篇时，可以拿最近一个产品问题来套。比如用户为什么没有完成注册，为什么某个功能用得少，为什么转化下降。先判断这是动机问题、可用性问题、信息问题还是市场问题，再决定该用什么方法。

最后它带来的判断是，好的用户研究不是做更多研究，而是用合适的方法回答合适的问题。方法本身不高级，真正高级的是知道此刻需要哪种证据。

How Superhuman Built an Engine to Find Product-Market Fit

产品市场匹配（product-market fit）经常被说得像一种神秘感觉，好像某一天市场突然拉着产品往前跑。Superhuman 这篇有意思的地方，是它试图把这种感觉变成一套可以持续追踪的方法。它不是只问用户喜不喜欢，而是问如果你不能再使用这个产品，你会有多失望。

这个问题很聪明，因为它比满意度更尖锐。用户说喜欢一个产品，可能只是礼貌，也可能只是觉得还不错。但如果他说不能用了会非常失望，说明这个产品已经进入了他的工作或生活，变成某种不容易替代的东西。

Superhuman 用这个问题把用户分层，然后重点研究最喜欢产品的人。表面看，这有点反直觉。很多团队会把注意力放在不满意用户身上，想把所有人都修好。但早期产品更重要的，可能是先弄清楚谁真的强烈需要你，为什么他们需要你。

你可以想象一个邮件产品。普通用户觉得它界面不错，但重度用户可能每天处理几百封邮件，速度、快捷键、搜索、提醒和收件箱清理对他们非常重要。产品如果先为这些强需求用户做到极致，就更容易形成清晰定位。

这篇的价值在于，它把产品市场匹配从抽象口号变成一个学习循环。找出最喜欢你的用户，理解他们是谁，发现他们最看重什么，再调整产品和定位，让更多相似用户也获得同样强的价值。

它也提醒团队，不要一开始就追求所有人都满意。如果你试图同时服务太多用户，产品会变得模糊。早期更重要的是找到一群真的离不开你的人，再从他们身上理解产品的核心价值。

读这篇时，可以注意它怎样结合定量和定性。一个百分比告诉你产品市场匹配的强度，用户回答告诉你为什么。只有数字没有故事，团队不知道怎么改。只有故事没有数字，团队不知道进展是否真实。

最后能带走的判断是，产品市场匹配不是一次性被发现的宝藏，而是一套不断靠近真实需求的机制。你要找到谁最需要你，为什么需要你，然后让产品更坚定地服务这个核心人群。

Product vs. Feature Teams

SVPG 这篇讲产品团队和功能团队的区别，表面上像组织管理文章，实际是在问一个很根本的问题，团队到底是在交付任务，还是在解决问题。很多公司名义上有产品团队，但工作方式仍然是上面决定做什么，下面负责按时做完。

功能团队（feature team）的典型状态，是路线图已经被写好。团队接到的是功能清单，任务是设计、开发、上线。这样做看起来很有秩序，也容易管理进度，但问题是，团队很少有机会判断这个功能是不是解决了真正的问题。

产品团队（product team）不同。它不只是对交付负责，也要对结果负责。团队需要理解用户、业务、技术约束和可行方案，然后决定什么值得做，怎么做才可能带来结果。它不是只问什么时候上线，而是先问为什么要做、用户会不会用、成功是什么样。

你可以想象两个团队都被要求提高注册转化。功能团队可能直接做一个新注册页，因为需求就是这样写的。产品团队会先看用户在哪一步离开，为什么离开，是信任不足、信息太多、表单太长，还是价值没有讲清楚。最后它可能改页面，也可能改定价、文案、引导或整个激活流程。

这篇的价值，是它把“授权”讲得很具体。真正的产品团队需要被赋予问题，而不是只被分配功能。公司可以给目标，比如提高留存、减少客服工单、提升企业客户转化，但团队应该参与寻找答案。

当然，这也要求团队有更高能力。产品经理不能只是排需求，设计师不能只是画界面，工程师也不能只是接票写代码。大家要一起理解问题、评估风险、验证方案，并对结果负责。

读这篇时，可以对照自己的团队。你们讨论更多的是功能什么时候做完，还是用户问题有没有被解决。工程师有没有参与早期判断。设计是不是只在最后美化界面。产品经理有没有空间说，这个需求也许不是正确答案。

最后能带走的判断是，真正的产品团队不是更高级的称呼，而是一种责任边界。它要求团队从执行功能，转向寻找能产生结果的解决方案。

Do Things that Don't Scale

Paul Graham 这篇讲的是早期创业里最容易被误解的一件事。很多人以为创业公司应该从第一天就追求规模化，最好每个动作都能自动发生，最好用户自己注册、自己理解、自己传播。可是早期产品常常不是这样长出来的。它更像你先蹲下来，亲手把第一批用户一个个扶上来，让他们真的完成想完成的事。

“做那些不能规模化的事”（Do Things that Don't Scale）这句话的重点，不是鼓励低效率，而是提醒你，早期公司最缺的不是自动化系统，而是真实理解。你亲自找用户，亲自帮用户设置，亲自看他们哪里卡住，这些动作看起来很慢，却会让你看到数据面板看不到的东西。用户为什么不信任你，为什么听不懂你的价值，为什么明明说感兴趣却没有继续用，答案往往藏在这些笨办法里。

文章里最经典的例子之一是 Stripe。早期很多创业者会说，以后再接支付，或者回去自己研究文档。Stripe 的创始人没有只是给对方发链接，而是直接坐下来帮他们把支付接好。这听起来不像一个“可复制”的增长动作，但它解决的是用户当下最大的阻力。用户不是缺一个理念，他是缺一个人帮他跨过最麻烦的第一步。

Airbnb 的例子也类似。早期团队去纽约见房东，帮他们拍更好的照片，理解他们为什么发布房源，哪里不放心，哪里不知道怎么做。这些事不能靠一个广告文案解决。它们需要创始人靠近现场，看到产品在真实生活里怎么被使用。

这篇真正值得带走的，不是“早期要勤奋”这么简单。它其实在说，创业公司一开始没有资格躲在系统后面。你还不知道用户是谁，不知道他们真正的障碍，不知道你的承诺哪里太抽象。亲手服务用户，是为了把这些未知一点点变清楚。

当然，不能规模化的动作最后不能永远停在那里。它们的价值，是帮你发现以后应该被产品化、流程化、自动化的部分。你先手动做，才知道哪一步最重要。你先亲自解释，才知道哪句话最能让用户理解。你先替用户完成，才知道产品应该把什么变简单。

所以读这篇时，可以把它看成一篇关于早期学习速度的文章，而不只是增长文章。早期团队真正要快的，不一定是用户数，而是理解用户的速度。那些看起来笨的动作，常常是最快的学习方法。

如果把它放到今天的人工智能产品里，也很适用。很多团队想一开始就做成自助式软件，让用户自己接入模型、自己配置工作流、自己发现价值。但如果场景复杂，创始人可能更应该先像顾问一样陪用户跑几遍，把真实工作里的混乱看清楚。真正能规模化的产品，往往先从一段非常不规模化的理解开始。

Journey Mapping 101

用户旅程地图（journey map）听起来像一个设计工具，但它真正关心的不是画图，而是把一个人从开始到结束经历了什么看清楚。很多服务体验的问题，不会只出现在某一个页面上。用户可能先看到广告，再去官网查信息，接着注册、等待确认、联系客服、收到邮件、线下取货或预约服务。每一步单独看都还行，连在一起就可能变得很累。

Nielsen Norman Group 这篇的价值，是把这种分散体验整理成一张能讨论的图。团队平时容易各看各的部分。设计师看界面，客服看投诉，运营看流程，工程看系统状态。用户却不会这样拆分，他只会觉得这一整件事顺不顺。

你可以想象一个人要预约一次医疗检查。官网上写得很清楚，但预约电话没人接。电话接通了，短信确认又没来。到了现场，前台说系统里没有记录。对内部团队来说，这可能分别属于网站、呼叫中心、短信服务和前台系统的问题。对用户来说，这就是一次糟糕的体验。

旅程地图的作用，是把这些断点放到同一张纸上。它会记录用户在不同阶段想做什么、接触了哪些渠道、感受如何、哪里困惑、哪里等待太久。这样团队不只是讨论某个按钮好不好，而是能看到整个过程哪里让用户失去信心。

这篇也适合提醒产品团队，不要只把体验理解成界面。很多真正影响体验的东西藏在后台，比如库存、审批、客服权限、数据同步、邮件触发规则。用户看不见这些，但会感受到它们的结果。

好的旅程地图不是为了让墙上多一张漂亮图，而是为了让团队形成共同理解。它把“用户觉得麻烦”变成更具体的问题，麻烦发生在哪一步，谁负责，用户当时在期待什么，系统给了什么反馈。

读这篇时，可以带着一个你熟悉的服务去想。比如订机票、退货、申请保险、注册一个企业软件。你会发现，很多体验问题不是某个页面写错了，而是不同环节之间没人真正负责连接。

最后能带走的判断是，用户旅程地图不是设计师的装饰品，而是一种让复杂服务变得可讨论的方法。它帮团队从“我们每个部分都做了”走向“用户这一路真的走顺了吗”。

How to Kickstart and Scale a Marketplace

市场平台（marketplace）最难的地方，是它不是只服务一边用户。普通产品可能只要让一个人愿意用就行，市场平台要同时让供给方和需求方都觉得值得来。买家来了没有卖家，会走。卖家来了没有买家，也会走。所以早期市场平台常常像一个需要两边同时点火的炉子。

Lenny 这篇讲的就是这种平台怎样从零开始启动。很多人一想到 marketplace，会想到 Airbnb、Uber、DoorDash 这种已经很大的平台，好像只要把买卖双方放到一起，网络效应（network effects）就会自然出现。但早期并不会自然出现。早期更常见的是冷清、等待、匹配失败和信任不足。

一个很重要的思路，是先不要试图服务所有人。平台如果一开始就想覆盖所有城市、所有品类、所有用户，很容易两边都不够密。更可行的办法，通常是先把一个很窄的场景做密。比如一个城市、一个行业、一个高频需求，先让那里的用户真的能匹配成功。

市场平台的早期增长也常常需要手动。团队可能要亲自邀请供给方，帮他们拍照、写资料、设置价格，甚至在后台人工撮合交易。表面上看这不像一个互联网平台，但它能帮团队建立最初的流动性（liquidity）。所谓流动性，就是用户来了以后，真的能找到想要的东西，而不是看到一个空架子。

信任也是平台必须解决的问题。买家担心卖家不靠谱，卖家担心买家浪费时间。平台要设计评价、保障、支付、取消规则和客服机制，让双方愿意迈出第一步。很多平台看起来是信息匹配，实际是在降低陌生人之间交易的心理成本。

这篇值得读，是因为它会让你意识到，marketplace 的竞争力不只是流量。真正难复制的，可能是某个细分市场里的密度、规则、信任和运营能力。别人可以做一个类似页面，但不一定能让两边都愿意留下来。

读的时候也可以留意一个问题，平台到底先抓哪一边。有的平台先抓供给，因为没有供给就没有选择。有的平台先抓需求，因为需求足够强，供给才愿意来。这个判断没有统一答案，要看具体市场里哪一边更稀缺，哪一边更难说服。

如果把这篇放到今天看，它也能解释很多垂直平台为什么仍然有机会。越是复杂、低信任、信息不透明的行业，越需要有人重新组织供需关系。市场平台不是把列表放出来就完了，它真正要做的是让原本很难发生的交易，变得更容易、更可信、更高频。

The Product Strategy Stack

产品策略（product strategy）最容易被说得很宏大，但真正落到团队里，常常只是每天都在做取舍。这个功能做不做，先做谁的需求，为什么这条线比另一条线重要，产品要靠什么赢。Reforge 这篇讲的 Product Strategy Stack，就是想把这些取舍背后的层级讲清楚。

很多团队的问题，不是没有努力，而是不同层级的判断没有连起来。公司说要进入某个市场，产品团队却在做一堆零散功能。团队说要提高留存（retention），路线图上却排满了短期销售承诺。每个决定单独看都有理由，放在一起却不像同一家公司。

策略栈（strategy stack）的价值，是让团队从上到下检查一致性。公司战略是什么，产品战略怎样支持它，产品路线图怎样体现这个战略，团队日常项目又怎样服务路线图。这样一来，策略不再只是高层文档，而会变成每天判断优先级的依据。

你可以想象一个企业软件公司，它说自己要成为大型客户最信任的平台。那产品策略就不能只追求更多小功能，而要关注权限、审计、安全、稳定性、集成能力和客户成功。反过来，如果它的目标是抓住个人用户快速增长，策略可能就会完全不同。

这篇值得读，是因为它把“取舍”讲得更有结构。很多团队说不清为什么不做某个需求，只能说资源不够。更成熟的说法应该是，这个需求不符合我们现在选择的竞争方式，或者它服务的是另一个还不是当前重点的客户群。

产品策略也不是固定不变的口号。市场会变，竞争会变，产品阶段会变，所以策略栈需要不断校准。真正重要的是，团队能不能让这些变化被清楚地讨论，而不是让每个人凭自己的理解行动。

读这篇时，可以把它当成一次对齐练习。你可以问，一个团队现在做的三个最大项目，能不能清楚地追溯到产品战略，再追溯到公司战略。如果追不上去，就说明团队可能只是在忙，而不是在朝同一个方向推进。

最后它带来的判断很实用。好的产品策略不是写得漂亮，而是能帮助团队少做一些事，坚定地做另一些事。它让每个“不做”都有理由，也让每个“先做”不只是因为某个人声音更大。

The Linear Method

Linear Method 这篇不是在讲一个单独功能，而是在讲 Linear 这家公司如何理解产品质量、团队节奏和软件开发。它更像一份产品文化说明书，告诉你他们为什么把速度、清晰、简洁和高质量看得这么重。

很多团队说自己重视效率，但最后会把效率理解成塞更多需求、开更多会、追更多状态。Linear 的方法更强调另一种效率，减少不必要的摩擦，让团队可以更专注地做判断和交付。一个 issue 写得清不清楚，优先级是否明确，状态是否可信，界面是否让人少想一步，这些小事加起来会决定团队工作是不是顺。

这篇之所以适合读，是因为它让你看到一个产品怎样把自己的价值观放进细节里。Linear 不只是做项目管理工具，它是在表达一种对软件团队的理解。好的工具不应该制造更多管理感，而应该让真正的工作更容易发生。

对产品团队来说，这里有个很有意思的点。很多协作软件会越做越大，功能越来越多，最后用户需要花很多精力管理工具本身。Linear 选择的是更克制的方向，尽量让流程快速、界面安静、动作清楚。这种克制本身就是一种产品判断。

当然，这种方法也不一定适合所有组织。高度复杂、强流程、强合规的大公司，可能需要更多审批和配置。Linear 的方法更适合那些重视产品速度、工程质量和团队自驱的组织。读的时候不用照抄，而是看它怎样把目标用户的工作方式理解得很具体。

文章也能帮你理解，产品质量不只是视觉精致。质量包括响应速度、信息结构、默认行为、键盘操作、状态反馈，以及用户每天重复几十次的小动作是否顺手。越是高频工具，越不能只靠表面设计。

读这篇时，可以问自己一个问题，自己的产品有没有一套清楚的工作哲学。不是营销口号，而是当团队面对功能膨胀、复杂客户需求和短期增长压力时，仍然知道什么该坚持。

它最后能带走的东西，是对“好工具”的一种判断。好工具不是让团队感觉自己被管理得更多，而是让团队更容易进入工作、更少被流程打断、更清楚下一步该做什么。

Outcomes vs. Outputs

“产出”（outputs）和“结果”（outcomes）的区别，听起来像管理学里的词，但它其实非常贴近产品团队每天的困境。产出是我们做了什么，比如上线一个功能、发布一个页面、完成一个项目。结果是这些东西有没有真的改变用户行为、业务指标或客户体验。

很多团队很容易陷入产出导向。路线图写满功能，会议追进度，大家按时发布，于是看起来很忙、很专业。但上线并不等于成功。一个功能做完了，如果用户没有使用，问题没有改善，业务没有变化，它就只是完成了一项工作。

SVPG 这篇的重要性，在于它把产品团队的责任往前推了一步。团队不应该只对交付负责，还应该对结果负责。不是“我们已经按需求做完了”，而是“我们做的东西有没有让事情变好”。这会改变团队思考问题的方式。

你可以想象一个团队被要求做一个新的筛选功能。产出导向会问，筛选功能什么时候上线。结果导向会先问，用户为什么找不到东西，现在的失败发生在哪里，我们希望上线后什么行为发生变化。也许最后发现需要的不是筛选，而是更好的默认排序、搜索提示或信息架构。

结果导向不意味着不重视交付。没有交付，就没有东西能影响现实。它真正反对的是把交付当成终点。交付只是一次下注，结果才告诉你这次下注有没有意义。

这篇也会让团队重新理解产品经理、设计师和工程师的关系。如果团队只对产出负责，大家容易变成接需求的人。如果团队对结果负责，大家就要一起理解问题、评估方案、观察反馈，而不是把“想清楚”这件事只交给某一个角色。

读这篇时，可以拿自己的路线图检查一下。每一项工作后面有没有明确想改变的结果。如果只有功能名称，没有用户行为或业务变化的假设，那它很可能只是一个产出清单。

最后能带走的判断是，好的产品团队不是更快地完成更多功能，而是更持续地让重要结果变好。真正的速度，不是跑完任务的速度，而是从问题到有效改变之间的速度。

Jobs-to-be-Done

Jobs-to-be-Done 常被翻译成“待完成的任务”，但这个词如果只按字面理解，会显得很抽象。它真正想说的是，人们购买或使用一个产品，往往不是因为喜欢这个产品本身，而是因为他们想在某个生活或工作处境里取得进展。

Intercom 这篇适合用来理解这个视角。用户不是“想要一个聊天工具”，他可能是想更快回答客户问题。用户不是“想要一个笔记软件”，他可能是怕重要想法丢掉。用户不是“想要一个项目管理工具”，他可能是想让团队别再靠混乱的消息流推进工作。

这种说法的价值，是它把产品定位从功能拉回用户处境。功能是产品内部的语言，任务是用户生活里的语言。团队如果只看功能，很容易和竞品比谁按钮更多、谁配置更全。团队如果看用户要完成的任务，就会更关心用户为什么在这个时刻需要改变。

Jobs-to-be-Done 里还有一个很重要的点，是用户通常不是凭空选择新产品。他原来一定有某种解决办法，哪怕很笨。可能是 Excel，可能是邮件，可能是手工流程，可能是请同事帮忙。新产品要赢，不只是比竞品好一点，而是要强到足以让用户放弃原来的习惯。

你可以想象一个小公司老板用表格管理客户。你给他一个 CRM，他不一定马上兴奋。因为他真正担心的可能不是“客户信息管理”，而是销售跟进会不会漏、员工离职后客户关系会不会断、月底能不能知道谁最可能成交。只有理解这些任务，产品才知道自己该怎么讲、怎么做、怎么证明价值。

这篇值得读，是因为它能让你更少从产品自我出发。很多产品介绍会说我们有什么功能、用了什么技术、比别人快多少。但用户心里问的是，这能不能帮我摆脱某个麻烦，能不能让我变得更安心、更有效、更像我想成为的人。

读的时候可以留意，Jobs-to-be-Done 不是让你写一句漂亮定位就结束。它需要你理解触发用户改变的场景、用户原来的替代方案、推动他尝试新产品的力量，以及让他犹豫的阻力。

最后它带来的判断很简单。产品真正被“雇用”，不是因为它功能完整，而是因为它在一个具体时刻帮用户完成了重要进展。理解这个进展，往往比继续堆功能更重要。

The New Business of AI

这篇讲人工智能商业模式的文章，核心不是说 AI 很热，而是说人工智能产品和传统软件在很多地方真的不一样。传统软件通常像一套工具，成本相对稳定，输出比较可预测，用户知道自己点了什么就会发生什么。AI 产品更像把一个会判断、会生成、但也可能出错的能力放进工作流里。

这会让商业模式变复杂。以前软件公司多一个用户，边际成本可能很低。现在如果每次用户操作都要调用大模型，成本就会跟使用量直接相关。用户用得越多，公司付给模型、算力或基础设施的钱也可能越多。收入和成本之间的关系，不再像传统 SaaS 那么简单。

另一个差别是结果不稳定。传统软件的按钮通常会给确定结果，AI 生成的回答可能今天很好，明天一般，换一种输入又不同。对娱乐或写作辅助来说，这可能可以接受。对法律、金融、医疗、企业决策来说，这种不确定性就会影响用户信任。

所以 AI 产品不能只靠模型能力本身。它需要产品设计、工作流、权限、审核、可解释性和兜底机制。用户不是单纯买一个“聪明模型”，而是买一个能在真实工作里可靠完成任务的系统。

这篇值得读，是因为它提醒你，不要把 AI 公司简单理解成“把模型接进软件”。真正的公司要回答，客户愿意为什么结果付费，模型成本怎样控制，错误由谁承担，产品怎样嵌入工作流，数据和反馈怎样形成长期优势。

对创业者来说，这里还有一个现实问题。如果底层模型越来越强、越来越便宜，应用层公司靠什么防守。答案可能不是一个 prompt，而是对行业流程的理解、专有数据、用户信任、分发渠道、集成能力和持续改进的反馈闭环。

读这篇时，可以用它来检查一个 AI 产品是不是真的像一家公司，而不只是一个演示。它有没有明确客户，能不能稳定创造价值，成本结构是否说得通，用户为什么会持续使用，出了错有没有处理办法。

最后能带走的判断是，AI 让软件变得更有能力，但也让产品和商业问题更难。模型很重要，可真正能长期留下来的，往往是把模型能力变成可靠工作结果的那一整套系统。