AI开发神器让领域专家也能轻松“手搓”产品十大炒股杠杆平台排行，但AI的无所不能可能掩盖方案缺陷。本文以营养记录工具为例，揭示从“智能冰箱”到“饮食记录”的两次关键转向，探讨如何避免功能堆砌、回归用户本质需求，为AI产品开发提供清醒思路。
自从Vibe coding的概念风靡以来，我们身边很多优秀的领域专家，都开始兴致勃勃地开始下场“手搓”自己的AI产品，但AI越能实现，我们越需要警惕：它同样可以把一个没有想清楚的方案，做得非常完整、非常像真的。
这是我们“用AI做App之前”系列的上篇。我们先从一个饮食记录的工具说起，聊聊在让AI动手前，如何判断什么值得做，以及哪些看似强大的功能反而应该放弃。
一、让AI实现想法，看似很“完美”如果你是某个行业或者某个领域的专业人士，也许你已经在平时的工作中、生活中积累了很多想法。
你可能比较了解某个领域的问题，也知道能做什么工具能够带来改变。以前“想法”只是“想法”，但是现在有了AI，你可以让它去帮你做研究、生成页面、甚至做出一个可点击、可交互的页面。
原本就优秀又有想法的你，可不得兴奋得大干一场。
但是要注意的是，AI 可能会把你自己一个“自嗨”的方案，也能够“像模像样”地做出来。
这篇文章，就想和你聊一聊，当有了AI这样的开发神器时，到底如何找出“值得做”的产品方向。
我们就以自己开发“营养记录工具” 来举例，，大家可以下载体验。这是一款用于帮助人们培养饮食多样性习惯的AI工具。但是，它的灵感来源，其实并不是一日三餐的记录。
二、起初，我们以为自己需要的是一个更聪明的冰箱这个想法最初来自一个很普通的生活场景。
我们发现在整理冰箱时，看似塞得满满当当，但买来买去总是相似的几种菜，不仅仅经常发愁“怎么吃来吃去都只是这些菜”，其实也不利于自己和家人在饮食方面的多样性。
和其他朋友唠嗑时，发现也有类似的烦恼，大家都需要考虑一大家子的饮食，但是平时工作很忙，每周就周末那点时间匆匆忙忙地进行家庭采购，哪有这闲工夫去回顾这一周买的食物到底符不符合营养均衡的要求。
聊罢，我们一群35-45岁的牛马齐声叹息：怎么人到中年，连养生这点事，都变得有心无力了呢。
然后，我们一拍脑袋，突然有了灵感：我们虽然忙，但是可以让AI帮忙呀。可以用AI做一个工具，帮我记住冰箱里有什么，再根据膳食要求，告诉我下一次还需要买什么。
现在AI既能做到图片识别，也能有营养学的领域知识，帮我们把冰箱管理做得更智能，应该不在话下吧。
说干就干，我们开始着手去做类似“智能冰箱管家”的产品了。
三、别让AI的“无所不能”影响你对产品的判断但是最终我们的产品和冰箱管理毫无关联。原因无他，我们在设计过程中有两次重要的转向。
我们最初设想的产品流程是这样的：买菜时扫描商品，系统自动完成入库；做饭或吃完后，再从库存里扣除。积累一段时间后，系统就能分析这一周消耗了哪些食物、哪些品类还没有购买，并据此生成下一次的采购建议。
这个思路听起来相当完美，AI也让所有想法变得可行：它可以识别商品、整理食材、分析品类、推荐菜谱，还能生成一份看起来很专业的营养报告。
但是在推演Demo的过程中，我们就发现了两个问题：
第一，“入库”的工作量还好，可以通过扫码或者拍照识别；但是“消耗”，也就是消耗食物的记录实在是太考验使用者的意志力了。
每次拿库存都要再次做记录，比如吃了多少肉、多少蔬菜等，这让每天本不富裕的做饭时间就更加雪上加霜，实在很难坚持。
第二，更致命的问题来了。我们发现，仅做冰箱记录并不能满足我们对饮食营养记录的需求。是啊，谁家每周不点几次外卖或者外出就餐呢。因此，我们发现，单靠冰箱记录，压根就不完整。
毕竟，抽丝剥茧看本质：当代中年牛马真正关心的其实是“我吃了什么”，而不是“冰箱里有什么”。
最终，改为记录一日三餐的饮食摄入。这也就是目前你能看到的我们产品的雏形。
在这个过程中，我们扪心自问，我们也不是第一天做产品的小白了，为什么会一开始会拍脑袋出来“购买输入 – 库存消耗 – 消耗计算 – 营养建议”如此复杂的流程。
反思之后，我们发现，恰恰是因为我们对于AI认知潜移默化地影响了判断，因为我们知道AI拓宽了功能实现的边界，它显得如此无所不能，既能识别、又能记录；既能计算，又能分析。
我们下意识地想把这些功能一股脑儿地“打包”进产品。
这个恰恰是AI产品开发的大忌。
AI现在的功能固然能满足你大包大揽的需求，但是，产品设计时，还是要抓住核心关键问题，不要把功能弄得过于复杂，而是要思考，现在的功能、流程是否能解决你产品所需要解决的关键问题。
四、更“专业”还是更“实用”，这是个问题冰箱记录的想法中道崩殂，于是我们回归核心：改为记录一日三餐吃了啥。
不过我们又碰到了第二个争议，就是：我们要让用户输入/AI识别每一种食物摄入的份量吗？
例如，用户这一顿吃了三文鱼，如果没有记录克数，那只能记录他一周吃过一次深海鱼，后续无法给出更专业的营养分析（比如：热量摄入、营养素的摄入等）。
如果记录克数，那就要涉及到如何估算了。我们尝试过让不同的AI模型识别食物并估算分量，只有部分模型可以给出看起来不错的结果；如果AI判断不准，只能要求用户称重、估算、确认或者手动修改。这样一个原本就是期待减轻记录的工具，又开始要求用户完成越来越多的工作。
所以，我们必须在两个方向之间作出选择。
一个方向，是做专业营养诊断工具。它需要更加精确的食物和分量的数据，当然他也能提供更全面的营养分析，比如热量、蛋白质、碳水、微量元素等等。
另一个方向，是做轻量的饮食习惯工具。它不试图告诉用户身体缺少哪一种营养素，只帮助用户看见：这一周吃过哪些食物，哪些类别出现得比较少，下一顿饭可以有意识地补充什么。
我们选择了后者。
并不是因为专业分析不重要，而是回到我们最初的目标：“想让自己在饮食上吃得更多元”，那么精确分量带来的增量价值，并不足以抵消它增加的记录和纠错成本。
这一点也是在做AI产品中要注意的另一个问题：不要因为自己的专业知识，而把问题搞得复杂化。
我们看到很多目前在做AI产品的伙伴，都是各领域的精英，因此大家对于产品的专业性往往都是高标准、严要求。但是，高要求的专业性往往会带来使用和理解上的复杂性，反而会让用户无所适从。
因此，我们需要注意到“专业人士”的视角偏差，还是回到本质：我们的用户是谁？他们到底需要什么？
如无需要，勿增实体。
五、我们真正需要的是一个记录和提醒的工具经过两次方向调整，我们产品的定位才逐渐清楚。
它服务的不是需要疾病管理或严格控制热量的人，而是那些能够自主决定大部分饮食、开始关注健康的忙碌成年人。
用户吃过一种食物，就做一次轻量记录。系统将食物归入不同类别，并以一周为周期呈现品类覆盖和出现频次。
到了周中，用户可以看看前几天很少吃什么。接下来买菜或点外卖时，不必再次面对“世界上所有可以吃的东西”，只需要从尚未充分覆盖的类别中选择。
到了周末，再回顾这一周的饮食，为下一周提供参考。
它能够快速帮助我们做出“下一顿吃什么”的决策，不需要我们花时间在努力回忆“最近吃了啥，还有什么没吃”，就已经达到目标了。
结语：AI产品的第一步，在AI之外回头看这个营养记录工具的变化，我们先后做了两次减法：
从记录冰箱库存，转向记录用户实际吃了什么；从追求精确的营养诊断，转向低负担的记录和提醒。但方向收窄之后，一个更具体的问题随之出现：
我们说要帮助用户“吃得更丰富”，那么“丰富”究竟应该怎样定义？
所以，我们没有马上进入正式开发。
这一次，我们让AI先停下来，不要做页面、写代码，而是先去研究。
在下篇中，我们会继续分享：如何让AI帮我们把产品内的专业问题定义得更清楚。
本文由 @AI 实践干货 原创发布于人人都是产品经理。未经作者许可，禁止转载
题图来自 Unsplash，基于CC0协议
该文观点仅代表作者本人十大炒股杠杆平台排行，人人都是产品经理平台仅提供信息存储空间服务
文章为作者独立观点，不代表杠杆炒股配资-股票杠杆炒股-实盘杠杆炒股观点
- 上一篇：配资股票开户网站 酷哇科技引入首席科学家 “具身真机派”开启世界模型交付时代
- 下一篇：没有了
相关文章
