7.6
深览指数
产品人人都是产品经理·实战产品说··AI 生成
AI 原生产品需求该怎么定义？
文章借用李想对车机AI的批评“Markdown熵增”，指出当前AI产品普遍将聊天记录简单堆积而非结构化存储。作者将李想的五个车机AI需求——泛化任务、信息获取、精确控制、信息记录、个性化——抽象为检验所有AI功能的通用框架，每一条都附有自检问题，直指产品经理在定义AI功能时常见的懒惰与误区：让模型能力直接暴露给用户，而不是主动设计逻辑与体验。适合正把AI特性当产品功能做、但对用户体验不自信的产品经理阅读。
核心观点
- ▍当前AI产品的普遍问题是把“模型能做”当成“用户要”，将聊天记录简单堆积（Markdown熵增），导致用户真实偏好被淹没；真正的AI原生产品需要主动定义需求，而不是让模型自由发挥。
- ▍李想的车机AI五个核心需求（泛化任务、信息获取、精确控制、信息记录、个性化）可以抽象为一套检验AI功能真实价值的自检框架，且五条之间存在依赖关系：个性化依赖信息记录，信息记录依赖精确控制，精确控制依赖任务边界的定义。
- 01「泛化任务」划定了chatbot与agent的边界：chatbot终态是给出回答，agent终态是改变一个状态（如发出一份订单）；用户高频使用的是真正帮他完成一件事的功能，而非提供建议的功能。
- 02「泛化信息获取」的常见陷阱是答案过长：用户问“现在几度”，AI回复了三段包含温度、体感、穿衣建议、紫外线指数的完整分析，这增加了用户的阅读负担；需要PM提前定义答案形态（一个数字/一句话/一张表）。
- 03「精确控制」的技术解法是Function Calling和Tool Use，需要PM提前穷举用户可能控制的所有实体和参数，定义成工具集；同一句话说十次，AI给出的操作结果必须保持一致。
- 04「信息记录」不能通过拉长上下文窗口或向量数据库检索来实现，必须主动识别和抽取用户的偏好、习惯、背景，写入结构化存储；需要PM定义：什么信息值得记、以什么结构存、什么时候触发提取、存错了如何纠正。
- 05「个性化」是信息记录的输出端，应体现在交互层面：同一问题给出不同深度的回答，同一任务选择不同的执行路径；换个人用感觉一模一样，个性化就是假的。
反方 / 局限
- — 文章未提及的五条需求框架的可能局限：它基于“用户知道自己要什么”的前提，但在AI助手场景中，大量用户需求是模糊、非结构化的，过度结构化可能会过滤掉有价值的隐性需求；框架也未讨论成本效益——一条需求全做到可能让产品复杂度剧增，对MVP阶段不一定适用。
李想车机AIMarkdown熵增泛化任务泛化信息获取精确控制信息记录个性化Function CallingTool UseChatbotAgent
7 分钟 · 5 卡片 · 15 资料
读原文 →