目标：用生成式 AI 加速产出（尤其是代码与内容），把更多精力放在设计、决策与创造力上。
1. 客户/用户真正要的是什么？
- 更快交付：快速代码生成与自动化，提升团队产出速度。
- 更高质量：让团队把时间用在架构、交互、产品策略上。
- 更少杂事：简化重复、繁重、低价值的工作。
2. 创新与产品：如何把 AI 变成“灵感与落地引擎”
2.1 习惯与方法
- 创新 = A 领域 + B 领域
- 多问“为什么”：为什么上班/开车/去医院？（追到根因与真实需求）
- 每天写 10 个想法：持续积累“可组合”的素材库
- 高手 vs 普通人：普通人更擅长“解决问题”；高手更擅长“发现问题”
- 降低使用成本：产品越简单，用户越容易上手
2.2 快速做法：AI 灵感生成器（Prompt 模板）
你可以直接对模型这样问：
- “给我 10 个创业点子（限制：面向 XXX 人群/行业）”
- “给我 20 个产品创意（目标：解决 XXX 痛点）”
- “给我 30 个商业模式（每个包含：用户、价值、渠道、收入）”
分工建议：
- AI 负责：发散、组合、快速生成、补全方案
- 人负责：判断取舍、产品定义、创意方向、用户场景
2.3 产品思考框架
- 普通思考：如何做更好的产品？
- 逆向思考：如何让产品彻底失败？（从失败清单倒推关键约束）
- 用户场景思维：
- 错误方式：我要做一个 AI 聊天工具
- 正确方式：用户什么时候需要用 AI？他当时的任务/时间/环境是什么？
- 快速原型：不要讨论产品，先做出来（能跑起来 > 说得漂亮）
2.4 可能的工具方向（示例）
- AI Prompt 优化工具：输入普通问题 → 自动生成更高质量 Prompt
- AI SQL 生成工具：面向业务分析场景（如彩票/股票/报表）
- 例：根据“三色球历史走势”生成分析与查询（注意：预测类问题存在不确定性）
3. 观念与认知
- 人人皆可成为生成式 AI 专家
- 不存在万能的 AI 模型：模型不同，输出可能差异很大
- 成为创造者，而非消费者
3. 记录
- 日期：2026-03-18
- 提醒：模型对比时，回答会有所不同（同一问题在不同模型/不同提示词下差异明显）
