从第一性原理来思考产品设计准则的变化
产品价值的第一性原理是什么？
是这个公式：
产品价值=（新体验-旧体验）- （学习成本+迁移成本）
当你是一个新的AI产品时，一方面要思考如何提高体验增量，比如找到10倍好的场景
另外一方面要想办法降低学习成本和迁移成本
---学习成本-----
降低学习成本的一个方法是，将用户的学习成本转移成Agent的调用成本
比如原来一个web2.0界面，用户要走完onboarding去了解如何使用
但现在完全可以Agent来执行Skills（里面封装了API）完成任务
就拿xaicreator的发推文来说
我现在把推文API封装了，就完全可以让Agent代替我操作界面，我不需要再次打开网址自己去创建草稿，编辑推文了，这一切Agent都可以做
Agent在干完事儿之后，只需要返回给我一个草稿分享地址，我点开可以二次编辑，甚至让Agent帮我编辑，然后设定预发布时间发布即可
最终你会发现，用户不需要熟悉新的产品
因为Agent会参考API文档来帮助他熟悉
或者说这个产品本身封装的Skills里面，学习成本成为了黑盒，用户只需要让Agent用就好了
在这种情况下，如果你还在使用传统GUI的策略去建设产品，那么学习成本仍然是攀高的
---迁移成本-----
接下来的问题是，用户的数据中心都在哪里？
可能散落在本地电脑里，可能散落在私有云上，可能散落在一些服务商的数据库里
本地电脑里的最简单，授权访问就可以
私有云的也容易，API访问也能获得，比如存储在google drive或者dropbox的
散落在其他服务商数据库里的，就需要一些转移工具
比如网易云的歌单导入，支持导入其他平台的歌单
比如Beehiiv到Substack的迁移工具
---未来设计-----
从这些角度来看待问题的话
未来绝大部分产品应该是优先toA的，Agent要先了解如何使用
然后才是将GUI降级提供给人类
比如我发推文，只有当Agent写的推文不好的时候，或者我想确认一下Threads样式的时候，我才会打开那个web页面
其余时间可能Agent直接就发布了
根本不再需要软件交互了
以前我们要统计人类的使用数据
未来要统计Agent的采样数据
我们从23年就在思考如何为AI构建工具
在26年，这件事将成为习以为常的普遍共识
产品价值的第一性原理是什么？
是这个公式：
产品价值=（新体验-旧体验）- （学习成本+迁移成本）
当你是一个新的AI产品时，一方面要思考如何提高体验增量，比如找到10倍好的场景
另外一方面要想办法降低学习成本和迁移成本
---学习成本-----
降低学习成本的一个方法是，将用户的学习成本转移成Agent的调用成本
比如原来一个web2.0界面，用户要走完onboarding去了解如何使用
但现在完全可以Agent来执行Skills（里面封装了API）完成任务
就拿xaicreator的发推文来说
我现在把推文API封装了，就完全可以让Agent代替我操作界面，我不需要再次打开网址自己去创建草稿，编辑推文了，这一切Agent都可以做
Agent在干完事儿之后，只需要返回给我一个草稿分享地址，我点开可以二次编辑，甚至让Agent帮我编辑，然后设定预发布时间发布即可
最终你会发现，用户不需要熟悉新的产品
因为Agent会参考API文档来帮助他熟悉
或者说这个产品本身封装的Skills里面，学习成本成为了黑盒，用户只需要让Agent用就好了
在这种情况下，如果你还在使用传统GUI的策略去建设产品，那么学习成本仍然是攀高的
---迁移成本-----
接下来的问题是，用户的数据中心都在哪里？
可能散落在本地电脑里，可能散落在私有云上，可能散落在一些服务商的数据库里
本地电脑里的最简单，授权访问就可以
私有云的也容易，API访问也能获得，比如存储在google drive或者dropbox的
散落在其他服务商数据库里的，就需要一些转移工具
比如网易云的歌单导入，支持导入其他平台的歌单
比如Beehiiv到Substack的迁移工具
---未来设计-----
从这些角度来看待问题的话
未来绝大部分产品应该是优先toA的，Agent要先了解如何使用
然后才是将GUI降级提供给人类
比如我发推文，只有当Agent写的推文不好的时候，或者我想确认一下Threads样式的时候，我才会打开那个web页面
其余时间可能Agent直接就发布了
根本不再需要软件交互了
以前我们要统计人类的使用数据
未来要统计Agent的采样数据
我们从23年就在思考如何为AI构建工具
在26年，这件事将成为习以为常的普遍共识
