AI Agent 产品:设计与落地
AI Agent Products从需求调研开始:先看业务流程哪里真的费人、费时间,再决定 Agent 该干哪一段、用什么工具链、失败了怎么兜底。交付的不是 PPT,是能跑通真实流程的 Demo 和 MVP——比如给工业品外贸做的询盘 Agent:线索挖掘、客户背调、开发信、询盘跟进,一条链路跑完再谈扩大。
从需求调研开始:先看业务流程哪里真的费人、费时间,再决定 Agent 该干哪一段、用什么工具链、失败了怎么兜底。交付的不是 PPT,是能跑通真实流程的 Demo 和 MVP——比如给工业品外贸做的询盘 Agent:线索挖掘、客户背调、开发信、询盘跟进,一条链路跑完再谈扩大。
十年产品和 IT 系统经验主要花在这里:需求调研、产品架构、原型设计、上线后的运营迭代。现在加上 AI 这一层——把原来靠人盯、靠表格传的流程,改成系统自动跑、人只看异常。判断标准很硬:省下的时间、接住的线索,要能数得出来。
以 OPC 方式自己立项、自己开发的小产品:互动阅读平台「叙事工场」、AI 漫剧、给孩子做的识字工具……规则统一:先做最小版本验证需求和付费,验证不过就停,不靠自我感觉续命。做对的方法沉淀成可复用的 Skills 和工作流,下次直接调用。
一个全栈互动阅读平台:书城、分支叙事播放器、可视化编辑器、账号与排行一体,内置 8 部可完整通关的作品。先逆向拆解同类产品的能力清单,再用自研的 StoryScript 剧本格式 clean-room 重建——机制学过来,代码自己写。
给工业品外贸做的获客与跟进 Agent:从公开信息面挖线索、给目标客户做背调、按证据分级生成开发信、询盘来了自动分类和跟进。目标不是「AI 写信」,是把外贸开局最耗人的几周压缩成一条能复查的流水线。
我给自己定的「找机会操作系统」:价值观 → 账本 → 地图 → 选矿 → 开工的九层架构,核心纪律只有一条——付费是唯一验证标准,热度和自我感觉都不算。方法论版已开源,本地完整版持续迭代。
一套找机会的侦察方法:不看厂商宣传,看产品真实输出层、公开信号和生产事故里漏出来的硬信息——再和逆向拆解的代码层证据交叉验证。用代理变量和低成本探针,代替昂贵的市场调查。
用 AI 流水线生产短篇漫剧的实验:剧本、分镜、出图、成片全流程跑通一遍,算清单集成本和产能上限,再判断这件事值不值得继续。先验证单位经济模型,再谈规模。
长期在自己的设备上跑 Agent 和自动化:树莓派上的信息管道与定时侦察、家庭网络与 NAS 的自动化运维、把重复工作写成 Skills 让 Agent 按规矩执行。自己先当小白鼠,翻车记录就是最好的产品需求。
这个分类下暂时没有项目。
任何问题先拆到底层:真实参数是什么、钱从哪来、谁得利、谁担风险。厂商宣传和热闹叙事放最后,证据和可验证的事实放最前。
Star、热度、点赞、自我感觉,一律不算数。一个东西做没做成,看有没有人真的愿意为它付钱、付时间,把真实流程完整跑通一遍。
不憋大招。先用最小成本做一个能验证假设的版本,用真实反馈决定下一步是放大、转向还是停掉——可逆的决定快做,不可逆的决定慢做。
做过的事要留下资产:方法论写成文档和 Skills,流程固化成自动化,判断标准变成清单。下一次遇到同类问题,是调用,不是重来。
主力栈够用、够熟,能一个人把产品从原型推到上线。
买硬件不买生态,控制权留在自己手里——中枢自建,云服务只当过客。
山东阳谷人,长期在成都。做了约十年产品和 IT,现在换一种活法:不带团队,一个人把产品做完。
选择 OPC 不是退而求其次,是算过账的决定:省下管理成本,把全部精力压在「做对的东西」上——需求真不真、成本算不算得过来、用户肯不肯付费。业余时间折腾硬件和开源系统,树莓派、路由器、NAS 都是我的实验田;也认真研究电影,贾樟柯和娄烨是常回看的导演。
需求调研、产品架构、原型设计、系统落地与运营迭代,2B 业务为主。
一个人完成调研 → 架构 → 原型 → 开发 → 验证的完整闭环,主攻 AI Agent 与业务自动化。
挖矿系统、Hidden Signal、决策议会……把踩过的坑和验证过的判断,沉淀成可复用的 Skills、工作流和开源文档。
有具体的业务问题,
可以来聊聊。
有个想法但不确定能不能落地:先做需求和约束的诚实评估,再给能跑的原型,不卖概念。
需要一个能上手操作的 Demo 去验证、去演示、去说服内部——我交付能动手玩的东西,不交干文档。
流程靠人盯、靠表格传:一起把流程拆开,算清哪一段值得自动化、预期省多少、怎么验收。