思算
观点产品

产品十诫

一份关于我亲身犯过、也亲眼见过的产品错误记录：十条产品诫命，以及每一条所针对的自我欺骗。

阅读时间 46 分钟

阅读层级

完整正文、例子、注释和证据。

45 分钟

过去两年，我在一家 AI 智能体（AI agent）创业公司工作。我们做过三次尝试，也经历过三次转向：Minecraft 陪玩（Project Sid）、一个叫 Fairies 的通用桌面智能体，最后是一个叫 Shortcut 的 Excel 同事。作为创始工程师，我几乎坐在每一个决策的前排。我看着早期赌注失败，也看着团队把最后一个方向做成一个真正找到适配的产品，并且看见那件事到底需要什么。所以这是一份错误记录，不是成功配方。把这十条都做到，只是让你获得“也许能成功”的资格；没有任何东西能保证成功本身。

这篇文章讨论的是从零到一：在产品还没有找到产品市场匹配（product-market fit）之前，你仍然不知道用户是谁，不知道他们是否想要这个东西，也不知道它到底是否应该存在。下面大部分问题背后有同一种病：你想绕开和现实的一手接触，因为那件事太疼。读日志而不是看用户，借用伟大创始人的确定性来替自己壮胆，让 AI 在你找到第一个客户之前就搭出“正确”的架构，这些做法都很像进展。它们让人觉得自己在前进。其实你只是站在原地，同时觉得自己很忙。

AI 让这件事更危险，而不是更安全。它把构建成本降到如此之低，以至于旧的逃避现实方式现在看起来像惊人的生产力。产品仍然是一个有机体，必须通过和世界接触而演化。它不是一份你只要足够认真思考就能提前写对的规格书，也不是一个智能体能在有人想要它之前就替你搭成真理的系统。下面这十条，就是为了帮你识破那些具体幻觉：它们会让你相信，不接触现实也能把产品想清楚、搭正确、推成功。前三条其实是同一种失败的三个深度：你是否愿意承受用户的拒绝，你是否把自己投射到用户身上，以及你是否能说清楚自己服务的是哪一个具体子群体。

十诫

  1. 你要诚实面对：你是真心想做成一个产品，还是只是叶公好龙，喜欢“做产品”这个想法。
  2. 你不可把自我表达误认为你了解用户。
  3. 你不可假装自己知道用户是谁。
  4. 你不可把技术突破误认为产品。
  5. 你不可把“如何使用你的产品”这个问题丢给用户。
  6. 你不可把每个功能都看得一样重要，也不可在发布前继续追逐“再多一个功能”。
  7. 你要注重结果，而非过程；并且要足够早地发布，去面对现实。
  8. 你不可在拥有一千个用户之前，就追求能服务一百万用户的工程基建。
  9. 你不可假设好产品自然就卖得好；你就是它的布道者。
  10. 你要有耐心；流量只能带来人，不能留住人。

1. 你要诚实面对：你是真心想做成一个产品，还是只是叶公好龙，喜欢“做产品”这个想法。

做产品意味着你必须亲自承受它的痛苦；如果你总想把这种痛苦交给别人，那就说明你并不是真的想把这个产品做成。我说的痛苦不是软件开发上的麻烦。很多不会写代码的人，也通过会写代码的人做出了伟大的产品。执行可以委托，但扎根现实和承受拒绝不能委托：亲自搞清楚你的用户到底是谁，亲自去找他们，亲自卖你的产品，亲眼看着他们无视你做出来的东西，亲耳听他们当面说不，并且在没有数据看板可以替你缓冲的情况下，待在那种不确定性里。有一种很常见的版本是：“让别人去做用户研究，然后把结论带回来给我”，同时你仍然保留最终的产品决策权。那不是合理分工。你交出去的是唯一真正属于你的部分，然后开始用一种从未真枪实战验证过的直觉做产品判断，因为你从来没有离任何人足够近，近到能长出那种直觉。

这种逃避最容易骗过自己的伪装，是相信自己是乔布斯或马斯克。你拥有他们那种“我就是对的”的确定性，却没有那些让他们有资格这样确定的失败、代价和伤疤。问题是，这种模仿只学到了确定性的表面，没学到确定性背后的东西。乔布斯发布过失败产品，被自己创办的公司赶出去，然后又一点点爬回来。马斯克几乎破产，看着自己的火箭一次又一次爆炸，直到终于有一枚进入轨道。他们一直在犯错。他们的确定性从来不是“我在所有事情上都对”；而是他们用很高代价换来的信念，只适用于少数绝不妥协的事情，并且伴随着对其他所有自己搞错、必须修正的事情的残酷诚实。他们一边守住愿景，一边不断修正执行。模仿者学到的只是确定性的姿态，然后把这种姿态套到所有产品判断上，因为他们没有经历足够多真实反馈，也没有足够诚实，去分辨自己到底在哪些事上是对的，在哪些事上不是。把确定性用到所有事情上，只是另一种避免发现自己错了的方式。想活下来、想转向，这完全没问题。只是不要 cosplay 那些真正承担过代价的人。

2. 你不可把自我表达误认为你了解用户。

可以让你的品味成为产品的种子，但不要让它替市场盖章。品味是一个可以成立的起点，是产品开始时需要的观点和信念。但种子是假设，不是知识，而且你最好精确地说清楚这个假设到底是什么。它不是“我的品味很好”。它是一个关于他人的判断：你可以代表一个真实群体；你觉得有吸引力的东西，他们也会觉得有吸引力；你想要的东西，正是他们需要的东西。真正重要的是这些赌注。方案是否优雅几乎是次要问题；唯一能决定一切的问题，是另一端是否有一个真实的人想要它。

所以，自我表达不是敌人。它可以长成一个伟大的产品，但只有一条路：它必须赢得用户的认可。要么是因为你足够理解他们，以至于你的品味其实是在读出他们的品味；要么是因为你一路带着他们走，直到你想要的东西变成他们想要的东西。无论哪一种，答案都来自他们，不来自你。自我表达真正出问题的时刻，是你让自己的信念替代他们的真实反应，并假设世界会爱你所爱的东西。如果你只是想表达自己，完全可以；把东西做出来，然后享受它。只是不要把它打扮成产品，然后毫无证据地希望陌生人采纳它，并称你为天才。那个希望就是破绽。所以直接问自己：你是想表达自己，还是想表达自己之后，让世界承认你很伟大？前者诚实。后者是披着产品外衣的掌声饥渴。

这一条和下一条之间的边界很简单：用户拥有问题；你拥有解法。他们最清楚自己的痛苦，但不一定知道产品应该怎么设计。你要无情地从他们那里挖问题，但永远不要让他们设计那个东西。

3. 你不可假装自己知道用户是谁。

这里有三种犯错方式。第一种很粗糙：不知道用户是谁当然不好，但假装自己知道要糟糕得多，因为它会安静地设定你构建一切东西时的优先级，而且把这些优先级指向一个你发明出来的用户，而不是你找到的用户。知道用户是谁，不是你第一天做出的猜测；它是你走进细节之后得到的结果。真正承重的词是“具体”。“开发者”不是用户。“builders”不是用户。“AI pioneers”不是用户。“Minecraft players”也不是用户。每一个标签下面都有十几种不同的人，他们想要不同的东西，也用不同的标准判断你的产品。除非你能准确说出你服务的是其中哪一种，否则你无法决定产品里什么重要，也无法挣到那种决定一切的专注。

我们用同一种方式学了三次。做 Minecraft 陪玩时，我们说用户是 Minecraft players。后来我们观察不同玩家玩游戏的方式，才发现这句话什么都没说：有人主要为了建造，有人主要为了 PvP，有人只是想和朋友在同一个世界里闲逛。这是三个不同的产品，而那个标签把这一切都藏起来了。做 Fairies 这个桌面智能体时，我们说用户是白领工作者。但真实的情况是：我们希望他们成为我们的用户；他们并不这样看待自己，而愿望和事实之间的距离，就是整个问题。即使到了 Shortcut 这个产品，我们一开始也说用户是“所有 Excel 用户”，然后才慢慢找到真正重要的人：在金融领域以很高标准做高质量工作的人。打开 Excel 随手记几个数字的人从来没有变成我们的用户；追他们只会让我们失去那些真正应该服务的人。

另外两种错误躲在规模感后面。第一种是 vibe coding 带来的。当 vibe coding 让一个功能感觉几乎免费，你就会开始相信自己不必选择了：同时研究每一种用户，列出每一种需求，然后给每一种都发点什么。速度让选择看起来变得可选。但它从来不是。试图服务所有人，就是服务不了任何人；这只是同一种假装穿上了更快的衣服，一种以为自己能同时把所有用户都看清，而不是只看清那几个真正属于你的具体用户的幻想。

最后一种伸手去抓日志。早期，指标很像一种可规模化地理解用户想要什么的方法。但日志并不会捕捉一个人做了什么；它只捕捉一个被压扁的痕迹，场景和意图都被剥掉了。你要从中得到任何东西，都必须反向推理他们为什么那样做，这仍然是猜测，只是现在穿上了数据的衣服。日志告诉你发生了什么；你真正想知道的是为什么。而且在这个阶段，你几乎没有足够的数据量去从日志里挖出可靠答案，所以你把最有信息量的一手观察，换成了更贫瘠的日志痕迹。日志看起来更可规模化，但也更容易让你误以为自己理解了用户。

这三种错误本质上是同一个动作：逃避具体的一手工作，然后把逃避叫作进展。真正要做的事情很笨，也很具体：坐在真实用户旁边，看他们到底怎么使用你的产品。真正的用户访谈不是把用户说过的话转录下来；真正有价值的是看他们在自己的环境里如何使用这个东西。那些直接提问永远问不出来的细节，才终于会显露出来。B2B 产品也是一样：forward-deployed engineer 之所以存在，正是因为必须有人进入客户的工作现场，而不是隔着远处推断客户到底怎么工作。

4. 你不可把技术突破误认为产品。

过去四年让这个陷阱几乎不可抵抗。模型能力跳得太远、太快，以至于一代研究者和工程师很容易把技术突破本身当成力量，而 ChatGPT 好像证明了剩下的一步会自然发生：一个技术突破可以直接变成一个产品。这是神话，而且最容易中招的，恰恰是研究和工程背景的人。研究者被训练去推动前沿；当你能展示一个昨天还做不到、今天突然能做到的东西，那种兴奋很容易让你以为产品问题也已经解决了。工程师遇见一种新能力时，会掉进最古老的陷阱：以为手里有一把好锤子，就有权去敲每一颗钉子，并把结果叫作成功。

但能力是输入，不是成品。产品要做的，是把能力转化成某个用户真正需要、也真的会用的东西。搞清楚它解决的是谁的问题、这个人会在什么情境里怎么用，才是产品工作本身，不是技术突破之后的脚注。能力是真的，但产品还没有出现。再怎么欣赏能力，也不能替它找到用户、场景和用法。必须有人完成这种转化，而那个人就是你。

现实一直在重复这一点。ChatGPT 背后的模型早在产品之前就存在；让它成为现象级产品的，是外面那层朴素的聊天框，而且即便如此，按 Sam Altman 自己的说法，早期留存（retention）也糟糕得惊人Altman 在 2025 年与 Vinod Khosla 的对话中说过这一点。他更完整的意思其实偏乐观：早期测试 cohort 很小，retention 很差，但留下来的少数人使用 ChatGPT 的频率越来越高，这条上升曲线才是真正重要的信号。他的经验法则是，有任何 retention 都已经不错；当一个新产品的默认命运是一路掉到零时，即使 5% 左右也可能可以接受。。今天几乎每个模型都有编程能力，但这种能力不会自动变成一个好用的编程工具；还需要有人围绕具体用户、工作流和界面，把它做成产品。Cursor 做了这件事，Claude Code 也做了这件事。它们不是研究结果自动长出来的产品，而是围绕编程场景持续打磨出来的产品。我们在 Minecraft 上犯过类似的错误。我们兴奋于智能体可以做出钻石镐，也兴奋于一组智能体可以一起做出三百多种物品；这两件事都是真正的技术成就，也为我们在 X 和 Hacker News 上赢得了很多注意力。但我们始终没有弄清楚，这些关注到底是不是来自真实需求。

这表面上像研究和产品之间的冲突，但真正的问题更具体：研究和产品是两种不同的工作，有不同的目标和评价标准；诚实的做法是尊重这种差异，而不是假装一个会自然变成另一个。OpenAI 是少数看起来像研究直接导向产品的例子，于是一夜之间很多人误以为这条路径很容易，自己也可以复制。但即使 OpenAI 也没有从技术突破直接跳到产品；它先发布了 API，然后从中学出产品OpenAI 在 2020 年发布 GPT-3 API，比 ChatGPT 早两年多，并且从开发者如何真实使用它的过程中摸索出产品。Altman 在同一场 2025 年与 Vinod Khosla 的对话里讲过这条从 playground 到 product 的路径。。从研究到产品，中间还需要第三件事：转化。把技术能力放进用户能理解、愿意使用、会持续回来的产品形态里，这才是这一条诫命要强调的工作。真正的陷阱，是你第一天就想同时做研究、做产品、再顺手完成中间的转化，结果三个都没有做好。所以先选择你真正要解决的问题。你是在做一个产品，还是在回答一个研究问题？你不能靠信念同时资助三者，并希望它们会在中间相遇。这个选择又回到了第一条诫命：诚实面对你到底真正要做的是哪一个，而不是爱上了两者兼得这个想法。相信三者会自己汇合，就是这篇文章开头说的幻觉：绕开和现实的一手接触，却误以为自己在前进。

5. 你不可把“如何使用你的产品”这个问题丢给用户。

伟大的产品有清楚的功能可供性（functional affordance）：用户就是能一眼看出该怎么用。好的产品有清楚的引导路径，会逐步让用户适应产品。真正建立在新技术上的产品，一开始通常两者都没有，而把用法说清楚是你的工作，不是用户的工作。清楚的使用方式是你的设计，不是他们要解的谜题。

我们经历过两种相反的情况。Fairies 是一个空白聊天框，很像 ChatGPT，而我们想让用户理解它是更大的东西：一个通用智能体。我们从来没有成功说清楚那是什么意思，不管是对用户还是对自己：我们说不清用户会如何受益，它解决什么问题，甚至如何开始。所以负担落到了用户身上，而一个据说什么都能做的空白框，在用户眼里就是什么都不是。我们后来拿出去试图说明它的例子，反而证明了这一点真正引起兴趣的那个例子，是一个可以整理你电脑文件的 desktop-cleanup app。人们喜欢它，但它是一个单一、可理解的小功能，不是我们试图传达的通用智能体。即使我们最好的例子，也把用户引向他们立刻能理解的小功能，而不是我们真正想传达的那个通用愿景。。Shortcut 正好相反。第一天它看起来就是一个电子表格，旁边有一个智能体面板；每个用户不用我们解释，就能一眼明白这是在用智能体自动化电子表格工作。可供性就是它的形态；我们从来不需要解释它是什么。

形态一旦清楚，真正的工作才可以开始。接下来要学的是，用户在电子表格工作里到底在乎什么，尤其是准确性和公式正确性；你还要展示智能体能够搭出一个真正复杂的财务模型，让价值变成他们能看见、能伸手去拿的东西。清楚的可供性没有完成工作，它只是让工作可以开始。清楚不是白来的。要么你自己极重度地使用这个东西，以至于正确形态变得显而易见；要么你和将来会使用它的人肩并肩工作。新技术不会自带说明书。把“你们自己想办法怎么用”扔给用户，就是把最难的设计责任推给用户，让他们替你补上产品形态上的空白。

6. 你不可把每个功能都看得一样重要，也不可在发布前继续追逐“再多一个功能”。

专注是说不的纪律。它不是努力做所有事情；它是决定什么不做，而这种拒绝能力要靠反复练出来。问题也不只是工作量：你的功能列表就是你发送给用户的信息，告诉他们你的产品到底是什么。一个小而锋利的核心，会让他们立刻知道这是什么、该怎么用。早期继续往核心外面加功能，你不是在扩展产品，而是在模糊它所说的话。功能列表越长，信息越浑。

我们在 Fairies 里发布过一个很典型的错误功能。有个开发者加了一个功能：你可以让智能体改变 app 的颜色主题，不需要翻设置，只要告诉它，然后看着整个 app 改色。感觉很好，真的很有智能体感，软件从一句话开始重新排列自己。但我说不出它为什么应该存在，不知道我们要怎么向任何人解释它，也不知道哪个用户需要它，而他们真正的问题还没有被解决。它讨好了我们，却没有对用户说任何话，而且它在发布前就发出去了。

现在这个诱惑比以往任何时候都更尖锐。现代模型的通用性，以及背后 AGI 叙事的吸引力，确实说明一种新能力可以被应用到一个领域，再应用到另一个领域，所以“再加一个它能做的事情”总是显得合理。广度本身不是敌人；一个产品可以长到几乎什么都能做，用户也可能真的想要那样。你不能做的是以广度开场。一个产品进入用户心智空间时，需要一个单一清楚的切口，一个他们立刻理解它是用来做什么的东西。“它什么都能做”不是切口，而是一团雾。所以你要保持入口清楚、精炼、无摩擦，然后在切口站稳之后，再挣来广度。

“发布前再多一个功能”就是拒绝能力当场失效，底下是焦虑。你还不知道哪些功能会打中用户，于是安慰自己：也许再多一个就能触达另一个群体，打开另一扇门。这个希望是症状，不是计划。第三条诫命回来收债了：你从未说清用户是谁，所以现在只能在所有人之间对冲，伸手去抓又一个功能，希望抓住一个你从来不确定是否存在的群体。每一次延迟都像是在认真负责，其实是在逃避市场检验；你从打磨第十一个功能里得到的好感觉，只是幻觉变厚了，因为市场还没有被咨询过，你什么也没学到。找到那个能把产品交到真实用户手里的核心集合，然后发布它。

7. 你要注重结果，而非过程；并且要足够早地发布，去面对现实。

发十个 pull request 和五个功能，是动作。它感觉像进展，但经常不是。代码从来没有这么便宜过，vibe coding 让一个下午写出一千行代码感觉像真实动能。Garry Tan 曾经炫耀自己每天产出 3.7 万行 AI 生成代码，直到一个开发者看了实际产物，发现里面有大量臃肿、浪费和新手错误那次炫耀的口径是：Garry Tan 说自己和 AI 编程智能体在五个项目里每天产出 3.7 万行代码，并且说自己已经连续 72 天持续发布。后来有开发者检查其中一个产品的输出，发现大量代码臃肿、资源浪费和新手错误。重点不是说那个产品没有用户；重点是代码行数从来不是方向正确的证据。。当代码是智能体写的，行数只是在测量它的吞吐量，除此之外什么都不是。它从来不是价值的测量，现在甚至连努力都不是。有没有人想要结果，是另一个问题，而行数永远回答不了。AI 可以压缩实现时间。它不能替你通过市场检验。便宜代码不会让产品更快抵达市场，除非它收紧那个闭环：发布，测量你真正关心的结果，学习，改进，再来一次，而且要快。代码只是完成这个闭环的手段，不是目标本身。

所以在发布之前，先决定你到底想推动哪个结果，因为不是每个数字都是结果。真正的结果，是市场用某种它不能伪造、你也不能硬造出来的行为投票：用户继续回来，用户带来其他用户，用户愿意付钱，企业愿意签约。对多数产品来说，这意味着留存和增长；对有些产品来说，它意味着付费转化或签下企业合同。付款是最硬的投票，而出去赢得这些投票本身就是另一条诫命。无论形式如何，判断标准都是同一个：用户或买家是否做了一件真的需要付出成本的事？

所以，把你最不舒服的时刻——被真实用户拒绝——往左移。那个时刻不可避免；你只能选择它发生的时间，所以早点承受痛苦，让后面的工作更容易。然后读正确的数字。不是新增用户数，不是掌声，不是虚荣指标：是留存。留存从来不会自动出现；你必须挣来它。没有留存时，也不要本能地假设只有一个原因。可能是用户错了，问题错了，引导弱，需求真实但低频，或者既有产品太强而无法撬动。先诊断是哪一种，再重建。

（这是第六条诫命的孪生条，而且它们很容易混淆。第六条问的是你到底该做什么，是拒绝扩大范围的纪律。第七条问的是你如何判断已经做出来的东西，以及什么时候把它交给市场检验。你可以把其中一条做得很好，同时在另一条上失败。）

8. 你不可在拥有一千个用户之前，就追求能服务一百万用户的工程基建。

你的产品是有机体，不是规格书。当你有零个用户时，搭一个能承载一百万用户的系统，感觉像严谨。它是姿态优雅的拖延。对工程师来说，这是最舒服的拖延，因为扩展性是真实、困难、可见的工作，是你擅长的工作，也因此是最适合藏身的地方，让你不用面对那些还没有到来的用户。如果你的产品真的要起飞，内测和早期公开测试会及时提醒你：哪些基础设施是真的该搭了。在你有清楚信号之前，提前追求能服务一百万用户的工程基建，是在替一个尚未到来的未来干活。

今天这个陷阱变得更诱人，是因为编程智能体（coding agents）让你在第一天就搭最终架构，看起来几乎没有成本，好像你可以完全跳过探索，直接抵达那个唯一正确答案。这是最新的幻觉，而 AI 是它的推销员，因为它兜售的是这种错觉：你可以一开始就全知，不必再发现任何事情。你不能。正确的系统，是随着产品找到用户而被找到的。它像有机体一样生长。它不是一个自以为已经看见全局的人，像画蓝图一样规定出来的。

有一个诚实的例外，而且它和第四条诫命里的研究和产品分界在同一条线上。如果你在做研究，你可能真的需要为研究搭基础设施，而且你应该搭。只是不要把研究基础设施误认为产品基础设施。它们服务的是不同需求，而我付过学费的一课，是不要太早把两者耦在一起：当两边都还在移动时把它们缠在一起，最后得到的东西往往既服务不好研究，也服务不好产品。

9. 你不可假设好产品自然就卖得好；你就是它的布道者。

完成第一个版本是起跑线，不是终点线。好产品不会自己介绍自己，也不会自己让别人付钱。大多数可能会喜欢这个产品的人，永远不会知道它存在，也不会看见它能做什么，除非有人把它带到他们面前，而那个人就是你。如果你相信这个东西，你就要带着布道者的信念出去卖它，因为没有人会替你承载这种信念。

我们认为 Shortcut 是市场上最好的电子表格智能体。但这种信念如果只留在房间里，毫无价值。我们真正要做的，是让人们知道 Shortcut，把它放到他们面前，直到他们看见它能做什么。这不是发布之后交给销售人员的工作。这是创造产品的人自己的工作，而且一开始就必须由你来做。

证明你的销售起作用的，不是掌声或注册数，因为它们免费而且容易被遗忘。证明发生在第一次接触之后：用户是否持续使用，是否带来其他用户，使用是否加深，买家是否愿意付钱。不要假设付款永远是第一个重要数字；留存和日活经常更重要，建立在使用萎缩上的收入是一个很短的故事。一个好产品和一个人们愿意付钱的产品，仍然是两个不同的对象，因为付费意愿受到很多你无法控制的力量塑造：替代品、预算、替代方案的成本，以及定价本身，也就是人们真实愿意付多少钱和经济账必须成立之间的取舍。产品好，并不能自动解决这些。

这一切都不舒服。创造产品感觉高贵，卖产品感觉不体面，所以创始人会在分发上投入不足，而更强的分发经常打败更好的产品。现在这件事比以往任何时候都更难，因为注意力是最稀缺的东西，没有人会主动来找你。所以去制造一点：发布、演示、让人停下滚动的帖子，都是把产品放到目标用户面前的合理工具。去做布道工作；这是工作本身，不是因为产品好就可以跳过的东西。

10. 你要有耐心；流量只能带来人，不能留住人。

做产品需要耐心。工作是持续让它变好，一周又一周，远在第一个版本的兴奋消失之后。到这里，你已经做了布道工作，也尽力抓住了能抓住的关注；很好。但关注不是增长。流量只能带来人；真正能留住人的，是产品。

这个模式在两个极端都成立。Humane AI Pin 和 Rabbit R1 拿到了发布能带来的所有曝光：几百万浏览、预购售罄、媒体称它们是未来，但产品承接不住；两者都在几个月内崩塌两者发布后都遭遇了严厉评测。Rabbit R1 据称在发布五个月后同时在线用户约为五千，而 Humane 在发布大约一年内把自己挂牌出售并关停了 Pin。。另一个极端，很多几乎没有制造声量的产品，靠产品本身长起来：Cursor 几乎没有营销，靠口碑增长到巨大规模；Claude Code 作为一个安静的研究预览被放进一次模型发布里Claude Code 在 2025 年 2 月 24 日的 Claude 3.7 Sonnet announcement 中以 “limited research preview” 的形式出现。Anthropic 后来表示，它在正式开放后大约六个月内达到了约十亿美元年化收入。，而 OpenClaw 成为 GitHub 上 star 最多的非聚合类软件项目。一个产品传播的根本原因从来不是发布。根本原因是这个东西足够好，以至于外部关注无论从哪里来，都会变成留下来、并且带别人来的人。

我们在 Shortcut 身上同时看见了这两面。发布视频制造过一次真正的出圈时刻，日活冲上去，然后几乎以同样快的速度掉下来。那个尖峰从来不是胜利。真正赢得客户、并让数字在视频被遗忘很久之后继续爬升的，是产品质量。爆发让我们被看见；只有产品能留住人。

时机也在这里：对的产品，错的十年，是好工作死于无人看见的最常见方式之一，而你不能催促一个十年。所以尽力争取你能争取的曝光，但构建产品时，要假设那些曝光不会替你留住任何人，因为大多数曝光确实不会。不要把生存押在一次出圈时刻上，也永远不要把它误认为事情本身。关注你可以制造一天；一个用户会持续使用的产品，你要构建很久。

最后说一句房间里的大象。这篇文章里几乎每一种幻觉，现在都跑在同一种助燃剂上：AI 让逃避真正的工作显得免费。它会写架构，生成功能，产出代码，很快演示出技术突破，而你可以从头到尾不见一个用户。这就是为什么这十条现在更重要，而不是更不重要。当构建变得这么便宜，构建本身就不再是区分你的东西；判断才是。你是否知道自己为谁而做，他们需要什么，以及他们是否会持续使用并付钱。AI 自动化掉的，是本来就不是最难的那部分。最难的部分仍然属于你。

祝你顺利构建自己的产品。