SuperAPI AI 工具集

ai-native-product-refounding

编程与开发

查看项目

更新于 10-16 08:44

技能介绍

用途:该技能用于对现有产品进行“重新创立”(refounding),把团队从长路线图、僵硬 PRD 的渐进式 SaaS 开发,转向由模型能力驱动的高速度、动手实践的产品策略。

主要能力与原则:

  1. Vibes before Evals:AI 功能探索阶段优先开放式“感觉测试”,找到核心“Aha!”时刻后再收敛到正式评估。
  2. 混合原型者:PM、工程师、设计师打破孤岛;PM 需“技术到危险的程度”,设计师需理解 LLM 工具调用限制。
  3. 贪婪推理:为战略洞察有意“浪费”算力,例如花数百美元调用 LLM 分析销售记录或用户数据,换取一条敏锐的产品洞察。

重构工作流:

  1. 清空重来审计:问“若今天用当前 AI 能力从零创立该功能,原生体验会是什么?”判断现有产品是“乐高积木”(有用原语)还是“历史包袱”,并决定 AI 是助手(侧边栏)还是主智能体(默认界面)。
  2. 快慢思考分叉:分为“快思考”(AI 平台组,近乎每周发布,追求惊艳价值与快速实验)和“慢思考”(持久组,负责基础设施、数据复杂性与可扩展性)。
  3. “玩”的强制要求:团队需每小时使用模型;取消会议,给一天或一周专门玩新 AI 产品(如 Cursor、Runway、NotebookLM);每个 PM 必须用 AI 做“周末项目”以理解代码生成与提示词约束。
  4. 从 PRD 转向交互原型:AI 行为非确定性,无法靠文档措辞打磨体验;分享 Replit 链接或交互原型而非幻灯片;审查时测试“不现实”的提示词,观察逻辑在哪里断裂。

示例:重构搜索功能时,用“快思考”小组构建自然语言智能体,同时爬取网络与内部数据,每日迭代;战略贪婪推理中,用 LLM Map-Reduce 处理 500 份销售通话记录,30 分钟、约 150 美元 API 成本产出高保真报告。

常见陷阱:只加基础聊天侧边栏、不利用产品独特数据的“打勾式”AI 功能;在找到神奇体验前过早建立复杂评估管线;角色孤岛,等设计师完成 Figma 才让工程师试提示词;只测试已知可用的“黄金路径”,而不去“难倒”AI 以发现必要护栏。

限制:资料未提供具体安装命令、平台支持、收费价格或效果数据。