陈羲

问题是什么

团队想做的第一版是「AI 经期情绪陪伴」。方向听起来成立，团队内部没有人反对。

但没有人反对，本身就是一个信号——我们只是彼此确认了一个假设，没有验证它。

所以我要解决的不是「怎么做一个更好的陪伴 App」，是「陪伴到底是不是她们要的」。

判断一：实用必须排在情绪前面

我问的不是「你希望 App 有什么功能」——那只会得到功能清单。我问她们疼的时候在干什么、当时最想要什么、试过什么没用。

同一轮访谈里还有人说，当 AI 表达「我太懂你了」时，她的感受是「人机感好强」。

结论：用户不排斥陪伴，但陪伴不能是第一位的。据此推动定位从「情绪陪伴」改为「看懂身体状态」，砍掉一批陪伴向功能。

判断二：先想清楚 AI 在哪里不可信

健康建议一旦被模型编造，伤害是真实的。所以在讨论 AI 能做什么之前，先定它不能做什么：只基于知识库作答；无可靠依据时降级为保守建议并提示就医；统计类结论由本地计算，AI 只负责表达，不允许新增任何数字或因果。

第三条最容易被忽略——让模型「总结」数据，它会顺手把「这次少疼一点」变成「可能是因为你上周跑步了」。因果是它加的，而用户会当真。

我判断错的地方

34 个主动来的人，我用完一次就丢了。没有回访节奏，没有留存机制。我拿到了想要的东西，然后停在了拿到的那一刻。

小红书只跑了 2 天 3 篇，我却当成了规律。样本量根本不足以判断哪类内容有效。

核心假设至今没有被验证。不是数据少，是验证还没开始。

问题是什么

团队想做「AI 备课工具」。我们不知道这个赛道还有没有位置。

难点在成本结构：要答得可靠就得看足够多的竞品；人工逐个拆解二十几个产品，比赛周期里做不完；看得太少，结论又不敢拿来定方向。

这正是 AI 真正能解决的那类问题——不是替我思考，是把「看得足够多」的成本降到我能承受。

先定框架，再让 AI 干活

采集之前我先把拆解结构写死，七段不许变：定位 → 核心能力 → 用户路径 → 优势 → 短板 → 对我方威胁 → 我方应对。

框架决定了信息可不可比。让 AI 自由发挥，25 份分析会长成 25 个样子，最后无法横向对比，等于白做。

前四段客观描述，后三段强制指向「这对我们意味着什么」——有后三段才是决策材料，没有就只是资料汇编。

结论：红海不在我们以为的地方

一、国内 AI 备课已是红海。讯飞、希沃、老师帮、云知师都能生成教案课件，学生团队正面对撞没有胜算。

二、所有人都在同一个维度上竞争——生成更快、资料更多、课件更好。而几乎没有产品做「课前预演这节课会在哪里卡住」。

定位据此从「AI 备课工具」改为「教学孪生」，价值从「帮教师完成任务」升级为「帮教师做判断」。

我判断错的地方

「竞品短板」部分的可靠性低于「竞品能力」部分。能力有来源可追溯，短板是从公开信息反推的——我们没有逐个实际试用。

我把调研做得太重了。25 个竞品，真正影响决策的结论只有两条。AI 让「做得多」变便宜，于是我做多了——成本降低不等于该做的量增加。

贡献边界：我负责调研与定位建议，未参与系统开发、功能设计与提示词工程。

问题是什么

我想做一个治愈系游戏。但「治愈」是我遇到过最难的需求——它没法验收。

所有人都能说出治愈是什么感觉，没有人能说出一个画面到底治愈不治愈。而我要把它交给 AI 去实现，AI 需要的恰恰是可判断的标准。

所以真正的问题不是「怎么做一个治愈的游戏」，是「怎么把治愈翻译成 AI 能执行、我能验收的东西」。

我做了什么

我把「治愈」拆成了可以否决的条件：治愈必须先提供安全、开阔、可呼吸的空间——不能用灰转绿或者加一朵花，代替整体的空间、光、风、声音和运动节奏。

然后固化成一条淘汰规则，它真的拦下过东西：有一轮视觉初稿因阴云过重被否，理由不是画得不好，是违反了这条规则。

每一轮改动留成对的文档，到现在 23 份，结构固定：问题证据 → 本轮决定 → 没有采用的方案及理由 → 验收标准 → 验证结果。

三个关键判断

一、问题证据必须来自真实存档。第 9 天，我的存档里核心种子还没种下。我的结论不是玩家太笨，是引导失败了。那一轮我只修开局，不新增任何系统。

二、技术验收通过 ≠ 这件事成立。另一个项目四个玩法实验全部通过 17 项测试与 96 道题穷举验证，我试玩后四个方向全部否决。

三、一次只改一个地方。否则你不知道效果是谁带来的。

我判断错的地方

我曾指望三个 AI 并行能替我把问题想清楚。三张概念卡全部被否，只留作失败样本。并行只能扩大搜索范围，不能提高搜索质量。

我把 AI 精修当成了提升视觉的捷径。后来改成游戏内可撤回实验——一张好看的图不能证明这个世界跑起来也好看。

最难承认的：我到现在都没有证明这个游戏好玩。它没做完，我也没打算假装它做完了。