我怎么看 AI 产品
天天用 AI 干活，慢慢就摸出它哪里行、哪里不行。这种手感看文章学不来。做 AI 产品要回答的其实是同一类问题：哪些决定可以交给模型，哪些地方必须留人工。
「干饭咩」微信小程序
给选择困难的人做的小工具。从想法、产品定义、视觉到开发上线全是我一个人，代码由 AI 写。设计上我的判断是，选不出来往往不是信息不够，是不想担这个决定。所以没做推荐列表，改成一只猫替你拍板，再补一句理由让人心里过得去。
拟人化语气把「系统推荐」变成「本喵拍板」，责任从用户身上移开；结果页保留「换一个」降低反悔成本；记录页把每次选择沉淀成偏好，同时给出「连续认真干饭 4 天」这类正反馈。
文档驱动的 AI 客服
把仓库里的 PRD 和原型当知识源丢给 AI，让它直接回答用户问题。同一套文档既是开发的输入，也是客服的知识库。产品逻辑一改，客服答案跟着变，不用另外维护一套话术。
- 不训练模型，而是让它回答前先读正确的资料（RAG 模式）
- 知识源的质量直接决定回答质量，回到 PRD 的精确度问题
并行终端，角色分工
同时运行多个终端会话，按职责分工而非简单堆叠。
- 一个专做原型与 PRD
- 一个专做任务发布与进度追踪
- 自主建仓、派发任务、回报进度
Vibe Coding · 用 AI 把想法推到能演示
这类练习不解决业务问题，用处是保持对视觉和实现边界的手感：什么效果做得出来、要花多少代价。后面判断一个交互值不值得做的时候很省时间。
粒子太极 · 手势控制
散开时是一片星尘，聚拢时凝成太极与八卦。摄像头捕捉手部动作，实时驱动粒子的聚散、旋转与成形。难点不在动效，在于让识别延迟低到手感是连续的。
赛博荷花
左边代码，右边实时渲染。用 AI 把「一朵会开的赛博荷花」做成能跑的 WebGL 动画。和上面那支想做的事差不多，都是拿粒子和光去表达东方符号。
一个专门挑 PRD 毛病的 AI 工具
AI 写的 PRD 很少出明显的错，麻烦在它看起来是完整的。异常分支没覆盖、边界值含糊、状态流转缺一块，通读挑不出问题，开发做进去才发现是空的。
我为这件事付出过重写半个版本的代价。所以我想做一个反方向的工具：不生成 PRD，而是审查 PRD。
逐条扫描规范完整性、边界条件覆盖率、状态流转闭合性和异常分支缺口，把「看起来合理」的地方明确标出来，让风险在进入开发之前就被看见。
面向所有正在用 AI 写需求的团队。这个群体在快速变大，他们会踩的坑和我踩过的一样。
为什么我适合做这个：这个产品难的不在检测，在判断：哪种模糊是可以接受的省略，哪种是会炸的。这条线文档里学不到，只能自己交付出来。过去 4 个月我每天都在划这条线。