AI产品越界了吗？——失控感与边界 AI自动写邮件、改代码、优化内容，这些"智能行为"第一反应是便利，紧接着是不安。这种失控感不是错觉。 本期探讨AI产品的边界问题： * 为什么有些"自作主张"能接受，有些让你崩溃？ * 三维度分析框架：影响范围、可逆性、用户预期 * 渐进式信任机制：从建议到预览再到自动执行 * 好产品的底线：透明度、可解释性、退出机制 听完这期，你将获得判断AI产品边界设计的标准，理解AI应该是增强工具而非替代者

欢迎大家收听产品以外播客，这是我们第五期的播客节目。 我们这期节目主要讲的内容是AI产品的"三明治"工作流——如何协调算法、产品、用户三方需求。 本期话题提炼： * "传统产品开发是确定性游戏，AI产品开发是不确定性游戏——每一步都要学会和不确定性共处。" * "三明治模型的核心：算法能力层在下，用户期望层在上，产品逻辑层在中间做'粘合剂'。" * "产品经理的新任务不是把需求翻译给开发，而是把算法能力'翻译'成用户能用的产品功能。" * "AI产品的核心挑战：把算法的不确定性，转化成用户可接受的确定性体验。" * "三层对齐会议是AI产品开发的生死线——算法工程师、产品经理、用户研究人员必须坐在一起对齐需求。" * "不要等模型训练好了再设计产品逻辑，产品逻辑层要先行——它是三层的粘合剂。" * "AI时代的产品经理要培养'三层思维'：懂算法能力、懂产品逻辑、懂用户期望。" 🎧 欢迎收听「产品以外播客」第五期，完整内容请搜索收听！

欢迎大家收听产品以外播客 这是我们第四期的播客节目，我们这期节目主要讲的内容是从"好不好用"到"可信不可信"——构建AI产品的信任评估体系。 01:30 开场从"AI产品太多不知道选哪个"的真实体验切入，引出传统评估指标在AI时代失效的核心问题。 03:43 深入分析传统评估指标失效的根本原因——AI的不确定性本质，提出用户体验看"最小值"的核心洞察。 05:36 详细解读信任评估四象限——准确性（单次/长期/场景准确率）、稳定性（靠不靠谱）、可解释性（结果/过程/决策逻辑）、透明度（承认不确定性/展示局限性/标注置信度/提供替代方案）。 07:37 通过ChatGPT、GitHub Copilot、Notion AI等成功案例，以及AI写作工具踩坑案例的对比，展示如何评估AI产品的信任度。 09:37 给出完整的选品建议和打分标准，包括7天测试法、详细的1-5分打分体系、优先级排序（稳定性>准确性>可解释性>透明度），以及三大避坑建议。 11:55 收尾总结，提出AI时代的竞争是从技术军备竞赛转向信任竞争，预告下期"AI时代的产品经理角色变化"话题。

欢迎大家收听产品以外播客 这是我们第三期的播客节目，我们这期节目主要讲的内容是AI产品开始"自作主张"时，如何平衡便利性与掌控感。 00:04 开场从"AI自动回复邮件"和"代码被自动修改"的真实体验切入，引出"失控感"这个话题。 00:43 通过Gmail智能回复、代码编辑器自动修改、邮件分类等案例，扫描哪些场景最容易让人产生失控感。 02:36 分析了失控感的心理根源，提出了"影响范围、可逆性、用户预期"三个维度的分析框架。 06:10 对比了Notion AI、Copilot等做得好的案例，以及踩坑案例，展示了如何设计"边界"。 07:36 给出了"渐进式信任、透明度、可解释性、退出机制"的产品设计建议，并总结"人+AI"的协作模式是未来主流。

欢迎大家收听产品以外播客， 这是我们第二期的播客节目，我们这期节目主要讲的内容是AI时代的交互设计正在从"点击操作"转向"对话式交互"。 00:09 开场从Midjourney提示词变简单的现象切入，引出交互设计思维转变的话题。 01:13 聊了交互设计从GUI图形界面到CUI对话界面的底层逻辑变化。 03:57 通过ChatGPT和Cursor等案例对比，展示了"对话式共创"的优势。 05:07 给出了用户从"操作者"转变为"引导者"的实用建议。

00:00 哈喽大家好，我是一名产品设计师，做了好多年的互联网产品设计和交互设计，平时也是个科技数码产品的重度用户，最近这段时间，我一直在深度体验各种AI前沿产品，越用越觉得有意思，也越用越有感触。哎不知道你有没有发现一个问题，就是现在市面上的AI产品越来越多了，但是很多AI产品我们可能用一次就再也不想打开了，有些却不知不觉成了每天都离不开的日常工具，就像我现在每天都会用的ChatGPT，几乎成了工作和生活里的一部分。这到底是为什么呢？这是我最近一直在思考的问题。 今天咱们就来聊聊这个，我会从三个维度来拆解AI产品的进化逻辑，就是从能用、好用到离不开。这不是什么纯技术分析，而是基于我作为用户和产品设计师的双重视角，跟你聊聊我日常使用的真实感受，还有我在产品设计过程中总结的一些思考。 01:14 首先，咱们先说说第一道坎，从技术到功能。这其实是很多AI产品都会遇到的第一个瓶颈，也是我自己最近踩过不少坑的地方。你还记得早期GPT-3时代的那些AI写作工具吗？当时技术刚出来的时候，大家都觉得哇，太牛了，AI居然能写出这么像人话的文章。但是真用起来的时候，就会发现哪里不对。 我记得当时有个挺火的AI写作工具，技术上确实很厉害，生成的文章逻辑通顺，语言也还行，但是每次使用的时候，我都要手动输入特别复杂的提示词，还要反复调整参数，比如指定风格、字数、结构，折腾半天，好不容易生成了结果，还需要大量的二次编辑，才能拿到能用的内容。从技术角度来说，它确实成功了，证明了AI可以生成高质量的文本，但从产品角度来看，它其实是失败的，因为它没有解决用户的核心问题，反而给用户增加了很多额外的工作量。 为什么会这样呢？我觉得根本原因在于工程师思维和用户思维之间有道巨大的鸿沟。工程师想的往往是“我能实现什么功能”，他们会沉浸在技术突破的成就感里，觉得把AI的能力展示出来就够了；但用户想的是“我想解决什么问题”，用户不会关心你用了什么模型、什么算法，他们只关心用你的产品能不能快速、轻松地完成自己的任务，比如写一篇报告、生成一个方案，或者搞定一个文案。 好的AI产品，从来不是为了展示技术能力，而是要解决具体的问题。这里面最关键的能力，我把它叫做“翻译”能力，就是把复杂的技术能力，翻译成用户能理解、愿意、用得起来的功能。比如说，同样是AI写作工具，后来有一些产品就做得很好，它们不会让用户去输入一堆复杂的提示词，而是会把常见的写作场景拆解成具体的功能按钮，比如“写一篇产品文案”“写一封邮件”“生成一个社交媒体帖子”，用户只要点击对应的按钮，再输入一些简单的信息，比如产品名称、核心卖点，就能直接生成可用的内容。这样一来，用户就不用去学习复杂的提示词语法，也不用反复调整参数，直接就能解决自己的问题，这才是从技术到功能的正确打开方式。 03:57 咱们再往下聊，第二道坎，就是从功能到体验。功能实现了，不代表产品就好用了，体验层面的差异，往往是决定用户会不会持续使用的关键。最近我用Notion AI和Cursor比较多，这两款产品给我最大的感受就是，它们懂交互设计，懂用户的使用习惯。 以前我用很多AI工具的时候，总感觉自己不是在“使用”工具，而是在“训练”AI。每次都要花很多时间去跟AI沟通，告诉它我要什么，怎么去做，还要不断纠正它的错误，就像在教一个新手做事一样，特别累。但Notion AI不一样，它完全融入了我平时的写作流程里。比如我在写文档的时候，当我需要生成一段内容，或者需要改写某个段落，它会恰到好处地出现，给我一些自然的提示，我只要点击对应的选项，它就能直接帮我完成操作，整个过程非常流畅，不需要我提前学习复杂的指令语法，也不需要我跳出当前的写作界面去切换工具。 Cursor也是一样，它是一个AI代码编辑器，我在敲代码的时候，它能很好地理解上下文，我刚写几行代码，它就知道我想做什么，然后给出的建议往往直接就能解决我的问题，比如帮我补全代码、修复bug，或者优化代码结构。我不用特意去调用它，它就像一个贴心的助手，一直在旁边等着我需要的时候伸出援手。 这背后其实就是交互设计的功力，好的AI产品体验，核心就是要降低用户的认知负荷，而不是增加学习成本。很多AI产品之所以不好用，就是因为它们把技术的复杂性直接暴露给了用户，让用户去适应技术，而不是反过来让技术去适应用户。好的AI产品应该是让用户“无感”地享受到AI的能力，用户不需要知道背后的技术细节，只要按照自己平时的习惯去使用产品，就能自然而然地得到AI的帮助。比如说，我们平时用搜索引擎的时候，不会觉得自己在跟AI交互，因为搜索引擎已经把复杂的算法隐藏在了背后，我们只需要输入关键词，就能得到想要的结果，这就是“无感”的体验。 06:23 最后，咱们来说说最难的一道坎，从体验到习惯。很多AI产品能做到好用，但很难让用户形成使用习惯，而一旦用户形成了习惯，产品就不再只是一个工具，而是成了用户生活和工作的一部分，就像我们每天都要用微信、用手机一样，离不开了。 ChatGPT就是我现在每天都会用的工具，为什么它能让我养成使用习惯呢？因为它改变了我的工作流。以前我遇到问题的时候，我的解决路径是先打开Google搜索，再去查相关的文档，然后自己整理信息，思考解决方案；但现在，我会先打开ChatGPT，把我的问题告诉它，让它给我一个初步的方向，然后我再根据它的回答去深入验证，或者进一步细化。这个过程比以前快了很多，也高效了很多，时间长了，就成了我的一种习惯，遇到问题第一反应就是去问ChatGPT。 这就是习惯养成的标志，产品不再是一个可选的工具，而成了你解决问题路径上必经的一步。从产品设计的角度来看，这涉及到触发机制和反馈回路的精心设计。ChatGPT的对话界面就是一个很好的例子，它用最自然的对话方式降低了使用门槛，我们不需要学习复杂的操作，只要像跟人聊天一样输入问题，就能得到回答，这种自然的交互方式很容易让用户上手。同时，每次回答的质量又给了我足够的正向反馈，比如它能准确理解我的问题，给出有价值的建议，甚至有时候还能给我一些意想不到的新思路，这种正向反馈会不断强化我的使用行为，让我越来越愿意使用它。 其实不只是ChatGPT，很多成功的产品都是通过改变用户的工作流来养成使用习惯的。比如说，以前我们处理文件需要先打开对应的软件，比如Word、Excel，然后进行编辑；但现在很多在线协作工具，比如飞书、钉钉，把文档编辑、即时通讯、任务管理等功能整合在了一起，我们可以在同一个平台上完成所有的工作，不需要再在不同的软件之间切换，这样一来，我们的工作流就被改变了，使用习惯也就自然而然地养成了。 08:56 总结一下今天咱们聊的“三道坎”：从技术到功能，考验的是产品的“翻译”能力，能不能把复杂的技术翻译成用户需要的功能；从功能到体验，考验的是交互设计的功底，能不能让用户轻松、自然地使用产品；从体验到习惯，考验的是对用户工作流的理解，能不能让产品融入用户的日常，成为离不开的一部分。 这不是什么纯理论，而是我在使用各种AI产品时的真实体验，也是我作为产品设计师，在多年的产品设计工作中总结的一些思考。我觉得，AI产品的进化，不只是技术的进步，更是产品设计思维的进化。以前我们做产品设计，可能更多地关注功能的实现，但是在AI时代，我们需要更加关注用户的真实需求，关注用户的使用体验，关注如何让AI更好地服务于人，而不是让人去适应AI。 作为一名产品设计师，我看到的不只是AI技术的突飞猛进，更是产品设计思维在AI时代的重新定义。我相信，未来会有越来越多的AI产品跨越这三道坎，真正成为我们生活和工作中离不开的好帮手。 下一期，我想深入聊聊“AI时代的交互设计范式正在发生什么变化”，从对话式交互、多模态交互这些新趋势，谈谈产品设计的新可能性。如果你对这个话题感兴趣，可以关注一下，咱们下期再聊。 最后，我也很想听听你的看法，你有没有遇到过那种用一次就弃了的AI产品？或者有没有什么AI产品已经成了你离不开的日常工具？欢迎在评论区分享你的真实体验，咱们一起交流交流。好了，今天的节目就到这里，感谢你的收听，咱们下期再见。