本文是应 Mars 邀请，在《AI 炼金术》播客对谈的草稿。
Mars 的问题都挺有意思的，加上之前也在成甲「万物皆可盘」组织的线下知识管理沙龙中分享过一些，正好趁机整理出来。
主要是两部分，前部分是我们如何思考 AI 在产品中的应用；后半部分是 AI 对知识管理的影响。内容有所删减和修改。
Q：会考虑在产品里融入 AI 么？如果会，打算怎么做，思路是什么；如果不会，原因是什么？
A：暂时还没想清楚，在观察，短期应该不会。核心原因有 3 个：
-
用户的真需求是什么：目前除了绘图，其他 AI 的应用场景偏娱乐较多，持续性有待观察；其次是观察同类产品增加 AI 后的变化，大多数反应和之前一样；再次是通过用户反馈调研，许多用户都觉得 AI 好玩，可能有用，但很难说出比较刚性的需求场景。
-
成本方面：AI 由于其特性，导致边际成本不会递减，甚至还会递增。假如要把 flomo 数据做成个人 AI 助理，那么随着用户自己的数据增多，计算和索引的成本也会增加。目前看到的商业模式都是额外再卖 AI 增量包，续费率如何还需要观察。如果包裹在现有的会员费中，很可能入不敷出。
-
合规性方面：这个就不多说了，至少在今天不够明朗。为了追求不确定的回报，把现有业务至于高风险之下，是个得不偿失的行为。尽量避免做出让你永久离开牌桌的决定。
Q：有个概念让我印象很深，就是你说要加大摩擦，才能真正学到脑子里。如果太顺滑，其实大脑是没有记忆的。从这一点看，我很认同如果用 AI 来替代人力来自动化笔记，反倒会让笔记无效。但是，我们能不能反过来用，让 AI 来帮助我们加大摩擦呢？比如记笔记的时候，AI 向我们提出一些连接性、发散性的问题，帮助我们深度思考呢？
A：其实 AI 做自动关联的产品不少，但是实际上看能真正用起来的确实不多（除了炫耀）。因为这个场景仅适用于自己围绕某个主题「发散」时候才会用到，我们日常遇到的其实都是收敛性的问题。
我暂时不会选择让 AI 来向自己提问，而是让其扮演一位「他者」，来根据的要求进行聆听和反馈。
-
比如写完一篇文章，让它作为读者来看从中收获了什么要点，这样能让自己知道自己表达的东西是否清晰；
-
又比如继续让它作为编辑来反馈，文章中有何逻辑、结构、表达问题，从中来观察自己忽略掉的东西 —— 因为自己很难跳脱惯性思维，所以它的反馈往往是一面有效的镜子。
不让其提问就在于，你不能把许多「目的」和「意义」类的事情交给它，那本身就不是它擅长的。
Q：感觉你的心态是我见过的创业者当中最佛的之一，现在很多创业者和产品经理很焦虑，总觉得要把 AI 塞到产品里，生怕错过机会，但又找不到合适的场景塞，你会给这些产品人什么建议么？
A：我们不打算给任何人建议，因为如人饮水，冷暖自知。但我们可以阐述不着急的理由：
-
如果这是一波浪潮，那么不会很快就过去，始终还有机会，比如微信就不是第一个做手机 IM 的；但如果这不是一波浪潮，那么过去就过去，我们本身也不擅长捕捉这些浪潮；
-
基于 1 ，既然选择放弃先发优势，那么就要更关注需求是什么。如刚开始的问题，我们依旧没有找到和产品结合的大规模的需求点。
-
当下大家的应用都是基于某几个巨头的 API 的应用，所以技术上并不是一个绝对壁垒，且技术从来也不决定胜负，是需求决定的。比如当年 iPhone 的技术并不是最先进的，但是其刚开始挖掘到的场景满足了用户的需求而已。Midjourney 也不是第一个做 AI 生成图片的，最早我记得用的是 DiscoDiffusion。但 MJ 在一个小圈子（绘图）做的足够扎实，有针对性的进行了许多训练，结合 Discord 形成了独特的社群文化，才让其能在今天显得耀眼。
-
依旧要考虑政策风险，尤其是在国内做业务，要多观察下国家发布的文件和巨头的动作。一个思路是「帮忙不添乱」，所以需要看看自己的业务在创造用户价值的时候，是否会给监管造成麻烦。
Q：除了做什么产品之外，还有个需要考虑的问题是怎么做产品。我之前知道你们团队只有两个全职就是你和白光，后来好像加了一个全职同学，这样一共也就小几个人……但你们手头 flomo、小报童、幕布，感觉产品一堆。是怎么忙得过来的呢？
A：这里面有三个思考点：
-
找到机会而不是解决问题：许多时候感觉忙是因为在处理昨天的问题，而这些决策可能是前天做的，但更关键的是找到未来的机会。如果一天到晚都在忙着给昨天擦屁股，那么未来的机会可能一个也抓不住，所以忙碌未必是好事，只不过是许多人用来做逃避思考的安慰剂而已。
-
通过轮作来聚焦：一个业务的一个阶段，应该有一个阶段的重点，其他功能未必非要迭代，许多小改进都是无用功；感觉到忙，是因为没有分清楚需求的优先级，以及忽略了许多效果是需要时间才能看到的，过于积极未必是好事。轮作的好处在于，你知道时间有限，且能跳脱这个环境，所以更会去思考业务的核心是什么。
Q：这个时代的知识管理的对象是否要发生变化？是否真的需要“管理知识”？就好像有了搜索引擎之前和之后，我们知识管理的底层逻辑肯定是不一样的，LLM 之前和之后有什么区别呢？
A：这个问题很大，试着先收敛一下，来看看 AI 到底有几个方面不能帮助我们「管理知识」的。或许其中就有答案。
-
自己管理知识的目的，AI 无法回答。目的是人类特有的东西，石头没有目的。所以 AI 不会替代你来回答这个问题，只能你自己来回答。且回答这种问题需要有海量的上下文，你是谁，你过往经历了什么，等等这一切才能塑造目的。所以在这方面，可以投入更多精力，让自己管理知识的目的更加清晰，而非人云亦云；
-
理解知识的过程，比如你让 AI 告诉你如何给一只猫打胰岛素，实际上你看了再多也不会；看视频可能稍微好一点，但是你真正理解如何打胰岛素这件事，只能通过你自己亲自实践了才能理解。所以维特根斯坦说：应用始终是理解的一个标准；
-
应用知识的情景，之前认识一些医生，他们说其实日常看诊中许多问题，都不是用医学知识解决的，而是其他方面的知识。比如某个孩子胳膊上起了疹子，很可能是孩子在地面爬来爬去，而地面上用了刺激性的清洁物导致的等。所以如何了解更多具体世界的上下文，找到知识合理的应用情景，这个依旧是人类的优势。
light 有过一篇文章让我印象很深刻：你到底是在利用杠杆（如学会使用 AI），还是在成为杠杆（和 AI PK）。因为从历史上看，成为杠杆的人一定都会被机器替代掉，比如 Computer 并不是指电脑，而是指计算的人，现在你很少看到一堆人拿着计算器来计算弹道了对吧。