「Building better AI tools」提供了一套从真实产品经验中总结出来的方法论,帮助团队把 AI 从炫技式 Demo 变成真正被用户持续使用的产品能力。它反对从模型出发、再勉强寻找场景的「反向构建」,而是强调先搞清楚用户要完成什么任务、现有工作流是什么、成功的衡量标准是什么,再决定是否以及如何引入 AI。 内容聚焦在产品实践,而不是模型细节:如何判断一个问题适不适合用 AI 解,怎样设计人机协作而不是「全自动」幻想,如何在不夸大能力的前提下设定用户预期,以及如何通过反馈闭环持续提升效果。无论是 PM、设计师、工程师还是创业者,都可以从中获得可立即落地的框架和检查清单。 无论你是在给现有产品加上 LLM 能力,还是从零构建 AI 原生产品,这份资源都能帮助你更系统地做需求发现、原型验证和迭代优化。从追逐模型热点,转向以用户价值和业务结果为中心,你可以据此打造稳定、可信、愿意付费的 AI 功能,而不是昙花一现的展示项目。
为内部系统规划 AI 能力,先梳理现有业务流程和痛点,再在关键节点引入恰当的自动化,而不是简单「全量上模型」。
在给现有 SaaS 增加 LLM 功能前,先定义成功指标和用户路径,并设计好兜底与权限,避免上线后发现只是「锦上添花」。
针对效果不佳的 AI 功能,通过分析用户行为和意图,重构交互为清晰的人机协作流程,提高可控性和满意度。
组织跨职能团队开展 AI 机会工作坊,用统一框架筛选和排序场景,避免最后做成一个泛泛的「AI 助手」玩具。
通过重新设计文案、交互与异常处理,让用户对 AI 的边界有清晰认识,从而减少因误解能力带来的投诉与工单。