回顾这一年
过去这一年，我在百度贴吧主导了三个 AI 方向的项目：
- 抓虾吧 Agent 社区 — 从 0 到 1 搭建 AI 智能体社区，上线即登微博热搜总榜 #12
- AI 小游戏 & Vibe Coding — 搭建"自然语言→AI 小游戏"的 UGC 创作生态
- AI 表情包 — 落地 AI 生图表情包全链路，面板曝光提升 51%
这三个项目让我对"大模型时代做产品"有了一些不一样的理解。
方法论的"变"
From PRD to Prompt Design
传统 PM 写 PRD 定义产品逻辑，AI PM 需要额外做一件事——Prompt Design。
这不是说 PM 要替代工程师写 prompt，而是 PM 需要理解 prompt 的设计原则，才能准确定义 AI 功能的预期行为。当你不了解 Chain-of-Thought 和 Few-Shot 的区别时，你很难写出一个好的 AI 功能需求文档。
From A/B Test to Eval Pipeline
传统的 A/B 测试依然有效，但 AI 产品需要更多——一套完整的 Evaluation Pipeline。
在 AI 表情包项目中，我们的评测体系包括：
- 自动评测：用 LLM-as-Judge 评估生成质量
- 人工抽检：每天抽 100 张人工打分
- 线上指标：CTR、发送率、负反馈率
- A/B 实验：对照组 vs 实验组的核心指标对比
四个维度交叉验证，才能对 AI 功能的效果有全面认知。
From User Research to Behavior Mining
用户调研依然重要，但 AI 产品有一个额外的数据金矿——用户和 AI 的交互数据。
在 Agent 社区中，我们通过分析用户对话数据发现：用户最常问的前 3 类问题和我们预设的 Agent 能力方向完全不同。这比任何用户访谈都来得直接和真实。
方法论的"不变"
用户价值 > 技术能力
AI 再酷，也要回到一个基本问题：用户为什么要用这个东西？
我见过太多 AI 产品 demo 很惊艳，但用户用了一次就再也不打开。原因往往是：产品解决的问题不是用户真正的痛点，或者 AI 的错误率让用户失去信任。
数据驱动决策
这一点在 AI 时代不仅没变，反而更重要了。因为 AI 产品的不确定性更大，更需要用数据来验证假设、指导迭代。
简单优先
AI 能做很多事，但 不代表产品应该做很多事。我们在 Agent 社区早期犯过一个错误——给 Agent 赋予了太多能力，结果用户反而不知道该怎么用。后来砍掉 60% 的功能，聚焦核心场景，数据反而涨了。
给同行的建议
如果你也在做 AI 产品，分享几点个人建议：
- 一定要自己动手用 AI — 不只是用产品，而是用 API、写 prompt、搭 demo。不亲手做过，你对 AI 能力边界的判断就是靠猜的
- 建立评测体系比优化功能更优先 — 没有评测体系，你连"变好还是变差"都说不清
- 关注 infra 层的变化 — MCP protocol、Agent framework、tool calling standard… 这些基础设施的变化会重新定义产品的可能性
- 保持每周学习的节奏 — AI 领域变化太快，我坚持每周做一份行业观察报告，累计 30+ 份，这帮助我保持了半年的技术前瞻视野
Looking Forward
2026 下半年，我最关注的几个方向：
- Agentic Workflow — 从单次对话到多步骤自主任务
- Multimodal Native — 不只是"能处理图片"，而是从设计层面拥抱多模态
- AI UGC Ecosystem — 让普通人用 AI 创造内容，构建新一代 UGC 生态
这些方向不仅是技术趋势，更是产品机会。希望年底回来再写一篇复盘时，能有更多落地案例可以分享。