Thinking

思考

关于 AI 产品、行业趋势、产品方法论的思考与沉淀。

行业观察

来自项目实践的一线洞察

"Agent+垂直场景变现路径已跑通，关键在找到"人工成本>AI成本+容错成本"的场景"

— 基于多个 Agent 项目的成本结构分析

"工程优化降本空间大于模型升级——提示词压缩、缓存策略、降级阶梯的组合优化可降低 60-80% 的 LLM 调用成本"

— 四级降级策略实践数据

"多 Agent 协作会出现"组织病"——信息传递损耗、职责冲突、重复劳动等人类组织中的问题在 Agent 群体中同样存在"

— 多 Agent 系统开发观察

"防幻觉本质是产品设计问题，不是模型问题——定义"AI 什么时候该闭嘴"比优化 prompt 更有效"

— 你的世界编辑器项目实践

"用户不关心你用的是什么技术栈，只关心"它认识我吗"——AI 产品的情感连续性比功能丰富度更能留住用户"

— C 端 AI 产品用户反馈分析

"AI 产品经理的核心能力不是懂模型，而是判断"这个场景该不该用 AI"——很多时候"不用 AI"才是正确的产品决策"

— AI 应用场景判断力实践总结

沉淀可复用的 AI 产品设计方法与框架

传统 LLM 评测关注知识问答准确率，但 Agent 的价值在于完成任务链。五维度分层评测框架——工具调用准确率、任务完成率、异常恢复能力、token 使用效率、人工接管率。

参考人类记忆的四层架构（工作记忆→情景记忆→语义记忆→程序记忆），设计 Agent 的记忆分层。关键是明确"什么该记住、什么该忘、什么该自动化"。

真正的 AI 产品思维不是"能用 AI 的地方都用 AI"，而是识别"用 AI 反而更糟"的场景。从确定性、容错率、时效、成本、可控性几个维度去思考。

拆解优秀 AI 产品，学习产品设计思路

Perplexity 的进化路径对 Agent 产品设计有重要参考价值。拆解其定位演变、核心功能、商业模式，提炼可迁移的产品设计思维。

Cursor 从 VS Code 分支起步，两年内成长为 500 亿美元估值的 AI 编程工具。拆解其从"辅助工具"到"Agent 调度台"的产品跃迁逻辑。

Dify 通过可视化编排大幅降低大模型应用的开发门槛。拆解其工作流引擎、RAG 知识库、Agent 框架，以及开源商业化的产品策略。