上周,一个做 ToB SaaS 的朋友跟我吐槽:他花了两周让 AI 帮忙写了一套完整的 CRM 后端,代码质量不错,测试覆盖率也够。但上线三天就被叫停了——因为产品方向本身就是错的,客户根本不需要这个功能。
两周的 Token 消耗,毁于一个没被认真思考过的问题。
[Read More]上周,一个做 ToB SaaS 的朋友跟我吐槽:他花了两周让 AI 帮忙写了一套完整的 CRM 后端,代码质量不错,测试覆盖率也够。但上线三天就被叫停了——因为产品方向本身就是错的,客户根本不需要这个功能。
两周的 Token 消耗,毁于一个没被认真思考过的问题。
[Read More]每家公司都说"以用户为中心",但 90% 的用户声音(Voice of Customer, VOC)最终的归宿是——躺在某个 Excel 表里,等着某个产品经理"有空的时候"去翻一翻。
问题不是团队不重视用户反馈。问题是:从原始反馈到可执行的产品动作之间,隔着太多手工活。 收集、清洗、分类、归因、优先级排序、写进 Backlog——每一步都在消耗人的精力,而人的精力是有限的。
这篇文章是一个完整的教程:如何用 AI + 自动化工具,把 VOC 变成一条可执行的生产线——从原始数据采集,到最终输出结构化的产品需求,全程自动。
[Read More]每一代平台级产品的竞争,最终都不是功能之争,而是架构之争。Windows赢了OS/2,不是因为功能更多,而是因为它的架构让第三方开发者能更容易地构建应用。iOS赢了Symbian,不是因为初期功能更强,而是因为它的架构从第一天就为触控交互和应用生态设计。Chrome赢了IE,不是因为它一开始更快,而是因为多进程架构让它在页面崩溃时不会拖垮整个浏览器。
现在,AI Agent正在成为从Desktop、Web、Mobile之后的第四代平台级产品。而历史正在重演:决定谁能赢的,不是谁的模型更强、谁的功能更多,而是谁的架构更对。
[Read More]传统制造企业在数字化转型过程中,面临着一个普遍而棘手的问题:来自不同客户的订单文档格式千差万别,有PDF、Excel、Word、扫描件、甚至手写订单。这些非标准化的订单数据需要人工录入MES(制造执行系统)才能启动生产流程,不仅效率低下,而且容易出错。
随着GPT-4V、Claude 3.5 Sonnet等多模态大模型的成熟,我们终于有了一个优雅的解决方案:结合视觉识别能力、自然语言理解和代码生成能力,构建一个智能的订单归一化工作流。在这个工作流中,AI Agent承担大部分繁重工作,人类只需在关键节点进行验证和确认,实现真正的人机协作自动化。
[Read More]在教育科技领域,AI自动批改试卷已经从概念走向现实应用。本文通过一个小学标准化试卷高准确度批改的Agent实践案例,系统性地总结了如何将传统行业数据转化为AI-Ready格式的工程范式,为类似场景提供可复用的方法论。
[Read More]当我们谈论AI应用开发时,经常会听到API、MCP(Model Context Protocol)和Skills这三个词。它们看起来都是让程序之间"对话"的方式,但究竟有什么不同?让我用一个简单的餐厅比喻来解释。
想象你要解决"吃饭"这个问题,有三种不同的方式可以选择。每种方式代表了不同的技术范式,适用于不同的场景。
[Read More]