product

关于 product 的公开洞察。

• AI 原生时代的产品型工程师：定义、品味与新的工作方式

  产品型工程师被用户影响驱动，关心做什么和为什么；代码型工程师更被技术优雅和复杂度吸引。识别方法是听对方先讲用户结果，还是先讲技术栈。小团队用人时可据此搭配，避免全员偏向一端。

• 把公司按 AI 重做一遍：Brex 首席执行官的深度实践

  他认为这不是工程或产品团队的事，因为只有首席执行官能理解技术边界并打破部门墙。例如审核团队不会想到把审核能力前移到销售线索，只有看到全局的人能重组系统。对读者的用途是：推动 AI 落地时先明确一把手要亲自试到极限，再谈分工。

• Monday CEO：SaaS没死，只是“只记录不干活”卖不出去了

  过去软件负责记录，工作在外面完成；如果 AI 能做七八成工作，客户只会为能干活的软件付费。这可用来检查自己的产品：哪些环节仍在让人搬运数据，哪些可以由智能体直接交付。

• 用 Fable 5 建一座 AI 软件工厂：睡前启动，醒来验收

  定时任务早晚各跑一次，读完 Slack 全量消息后分类、去重、下载附件，再生成结构化清单。适合反馈零散但持续的内测期，把找信息的时间省下来，集中看结论。作者仍保留手动触发，说明全自动之前可以先半自动。

• Stripe 新官网幕后：重写故事，用克制细节表达信任

  旧站可用但故事过载：支付之外新增订阅、按量计费、税务等业务只露出一角，页面靠不断叠加栏目覆盖人群，叙事被拉长稀释。理解这点有助于判断改版是故事问题而非视觉过时。

• 以光速做推理：英伟达如何像创业公司一样运转

  嘉宾把质量、成本、速度看作联合约束：模型选多大、思考多长、重试几次、工作流多复杂，都会同时影响三者。Dynamo 的价值在于提供运行时旋钮，让团队在满足时延 SLA 的前提下找最低成本配置。实践中可先固定 SLA，再小步试验并行度和部署形态，而不是寻找一次性公式。

• Claude Design 实测：先做线框图，再谈高保真和融资 Deck

  作者先要最低保真线框图，再谈高保真，目的是省 token 并先锁定功能结构。他贴上想法截图、指定 iPhone 和页面范围，做法适合预算有限、方向未定的早期验证。

• GPT 5.6实战：用Codex接管邮件、公司与创业

  Codex桌面端被当作知识工作操作系统：代理、浏览器和本地上下文在同一处，GPT 5.6被评价为日常知识工作里最顺手、速度与协作兼顾的模型。适用条件是愿意给电脑权限并长期沉淀上下文。

• Codex Sites 实战：搭一个能自己更新的创业点子库

  Codex Sites 的卖点不是一次生成页面，而是应用能被持续改写。作者用个人网站举例：订阅数、指南、合作公司等信息可以自动更新。对读者来说，判断是否选用它，关键看自己需不需要这种长期维护，而不是只看首屏好不好看。

• 三十天做出 Grok Bot：小团队、云端电脑与做减法

  含义：用极小、物理隔离的团队闭关约一个月，从第一行代码做到内部可用原型，靠每天大量微观决策快速定型。适用条件：目标是探索全新知识工作形态、需要摆脱现有产品包袱时；若是成熟业务的渐进优化，则不适用这种完全隔离。

• 当任何软件都能被复刻，为什么还要继续建造

  作者认为能描述清楚的软件就可能被 AI 做出来，自己一周内就遇到复刻邮件。这意味着单点功能和轻量 SaaS 容易被压价，继续为其付费或重复建造的理由变弱。用途是提醒建造者先判断作品是否只是已有东西的翻版。

• Conductor 创始人的一天：同时指挥多个 AI 写代码

  他用便宜鹅颈麦解决开放办公室说话尴尬，用 Command N 快速开任务、用快捷键在多个工作区之间切换。关键不是设备价格，而是把说话变成低打扰、可并行的默认动作，一边让智能体跑，一边去看别的任务。

• 5个GitHub开源项目：去掉AI味、管住客户、剪视频、防风险、操控手机

  它不是美化文字，而是去掉“过于光滑、对称、公式化”等AI痕迹，同时保留作者原有声音。适用条件：先有人写的粗糙提纲和真实观点，再用它做清理，而不是让AI从零一键成稿。

• 如何找到第一批用户：从可进化的最小产品开始

  早期用户不是被说服来的，而是被找到的。爱尝鲜的人和痛点极强的人更愿意冒险，前者如喜欢试用新产品的 Gustav，后者如三天内付费解决计费问题的团队。找人的方法要相应变窄：定向邮件、上门、混进小圈子，而不是大众投放。

• 大多数 SaaS 做错了 AI，Linear 选择等待

  Linear 的使命没有因 AI 改变，仍是帮产品团队推进工作。变化的是分工：AI 承担更多组织与执行负担，人更专注品味与判断。这个定位可用于判断新功能是否偏离主线。

• 在会议记录之后：Granola 如何押注 AI 工作的下一种界面

  顺利同样是刀战：在能力边缘被大浪推着走，创始人永远在做没做过的事。可用作自我校准：把“跟不上”视为增长期的正常信号，而不是失败，优先补组织和精力短板。

• 用 Codex 把赠送链接做出来：一次编辑自己动手的发布

  编辑团队已经上线赠送链接，付费订户可以在文章页通过 share full article 按钮查看数量并复制分享。这说明功能虽小，但解决的是真实的传播卡点：好文章走不出 paywall，就很难被更多人看到。

• BillionToOne：从产前筛查走向癌症早检的十亿分之一

  胎儿和肿瘤DNA在血里都极稀少，PCR放大会连噪声一起放大。BillionToOne在扩增前加入已知合成DNA，测出各位置的放大偏差和错误，再从测序数据里扣除。理解这个校准思路，有助于判断液体活检宣传的可信度。

• 不懂工程的增长负责人，把整份工作搬进终端

  他把 Claude Code 当作统一入口，一个指令调出增长中心，查 Stripe、newsletter、YouTube、PostHog，看 Figma，推 Notion，发 Discord，减少在多应用之间切换。这种用法适合每天要反复查数和派发任务的人，前提是先把授权和推送目标接好。

• 代理写代码越多，开发者越重要：GitHub COO 谈用户、维护者与账单

  Dagel 认为 GitHub 对开发者一直看得宽，自己就是例子：没读计算机，为读艺术学校写代码。产品因此两头都要顾：重度用户同时跑多个代理会话，法务财务等非职业开发者也在用 Copilot 应用做小工具。对读者而言，判断工具是否值得用，可先看它是否为新手留了低门槛入口，而不只看高手功能。

• 走进 OpenAI 的代理浏览器 Atlas：把 ChatGPT 带在上网路上

  Atlas 想让提问跟随浏览，当前页面上下文自动给模型，省掉跨标签复制。购物比价找券、换角度研究题目都更顺，还可回头问网络记忆。用途是把浏览器当随身顾问，适合边看边问的浅研究和比价，重要结论仍要自己核对原文。

• Opus 4.7 直播实测：更听话，也更需要说清楚

  官方强调最强 Opus、长任务更严谨、指令更精确、汇报前自检。直播实测认为基准有提升，但基准不可全信，是否好用要看自己每天的编码、写作、财务任务。适用于决定要不要第一时间切换。

• Karpathy 的自动研究：让 AI 通宵替你做实验

  自动研究不是聊一次天，而是定目标后反复试错。智能体改参数和代码，短时间训练，读指标，只留下变好的版本。这个机制适合需要大量尝试的调模型、调页面、调定价场景，用时要先想好试错成本和评估方式。

• Compound Engineering 直播补答：如何让 AI 越用越懂你

  作者把插件定义为计划、执行、评审的循环，加上随时可调用的 compound 沉淀。它源于做邮件助手时减少重复错误的个人实践，后来被打包分享。对读者的用途是先接受这是一种工作方式，再决定用哪一部分，而不是把它当一次性生成工具。

• CircleBack CEO Ali Haghani：为什么公司应该录下更多会议

  CircleBack 把会议变成可检索、可追问、可流转的上下文：录制转写、写笔记、分行动项，还能提取信息更新外部工具。关键在于会后能跨对话提问和自动同步，而不是多一份文档。

• 四周做到400万美元：AI外星伙伴Tolen的爆发之路

  团队把大模型看作新的故事媒介，而不只是更快的内容工具。媒介刚出现时，人们总把旧形式直接搬过来，效果往往不好，真正可行的形式要在新的约束和可能性里试出来。

• 把时间暂停：Until 为何先从冷冻器官做起

  远期是可逆全身冷冻保存实现的医疗冬眠，让病人在关键疗法出现前暂停生物学时间，近期是单个器官的可逆保存。黑色素瘤预后在新疗法前后可从不足一年变为十年以上，说明单年窗口的意义，但全身仍是远期目标。

• 微调之外：能自我进化的推理支架

  微调把能力绑定在某个具体模型版本上，新模型发布后优势容易消失。支架路线把能力沉淀在上层系统里，换模型时可复用。理解这一取舍，有助于在立项时评估长期维护成本。

• 后训练：把你的品味留进模型里

  智能被视为数据的派生物，基础模型解决通用任务，企业要解决具体任务。做法是整理高质量生产数据并用合成数据补充，再把数据变成自有权重，最后经 AB 测试验证产品指标。用途是把数据策略排在模型技巧之前，避免只调参数不治理数据。

• 用 Framer 做 Monologue 落地页：以差异化讲清一个听写工具

  Monologue 被定位为 AI 听写工具，直接对标同类速记产品。理解这一定位，才能看懂后面所有视觉选择都是为了在同类中被一眼认出，而不是单纯追求好看。

• 把个人创作习惯变成团队可复用的出图流程

  节点式画布把个人流程摆到台面上，不同人的连线方式可能完全不同，但只要关键选择一致，就能得到风格接近的结果。这种可视化让经验可以被检查和交接，而不是只留在个人习惯里。

• 999美元AI工具评估：单人AI服务的完整打法

  评估交付的是 3 到 7 个现成工具，目标是每周拿回 5 到 10 小时。适用于 2 到 20 人、年收入 50 万到 500 万美元的小企业，前提是只推荐可立即启用的工具，而非定制开发。

• 自己设计芯片的 AI：从 AlphaChip 到无设计时代

  部分芯片设计环节已可用神经网络超越人工。这提示读者不必把 AI 只看作应用层工具，它也能改进制造智能的物理基础，但目前限定在布局等特定环节。

• 2026，做一家真正的 AI 原生公司：Every 的完整策略

  公司由通讯、应用和培训三部分组成，共用一个订阅。循环是：团队先深度使用 AI 工具，再把体验写清楚，写清楚后发现缺口去做产品，最后把管用的做法教出去。这个循环解释了产品从何而来。

• 给 AI 一双眼睛：读懂 Firecrawl 与围绕网页数据做生意

  作者认为模型缺的不是智力，而是可用的互联网上下文。给的上下文越好，输出越好，所以网页数据决定了 Agent 能走多远。做产品时可以先问数据从哪里来，再谈模型选型。

• Codex 陪我弹琴：从盲弹到看懂为什么好听

  把电钢琴接到电脑，让AI做一个实时显示按键和音名的应用，弹什么立刻能看见。这适合盲弹但想入门乐理的人，先把声音和音名对应起来。

• Codex接管收件箱：连续13周清零的做法

  核心变化不是回邮件更快，而是先由Codex扫一遍收件箱，人只做判断和口头指示。适合把日程、查资料这类容易拖延的事交出去，把精力留给创作和重要判断。