如果AI产品是纯粹的工具属性，等于把智能的模型封装成固定的功能；如果是协作的模式，则需要在交互场景中，开放更多的提示词给用户输入。交代一下产品进度：《楼里-Web网站》已发布，《楼里App-iOS版》已上架。
🛰七号楼私信「楼里」自动获取：《楼里App-安卓版》《AI知识库》、《独立开发者》
走一步，错半步，重看下一步。
【一】
过去三年AI行业堪称眼花缭乱，从最初的焦虑添堵，实践过程的奇葩闹心，以及目前的好活当赏。
从开发者转到独立做产品，除了明确的AI套壳模式外，也考虑过几个其它的方向，比如各种轻量简单的工具，但是仅仅三分钟就丢了这个想法。
缺乏好的思路，踩风口就对了。
有能力有资源的玩家，基本都会选择较复杂的项目，普通个人玩家，把简单的事情向复杂慢慢拉扯。
七月初到现在十月底，四个月的时间经历两个产品版本，虽然是App和Web网站两种形态，但是内在的想法和形式，基本没有动摇过。
无论是否做出成效，始终围绕在用户、AI产品、大模型三者间，进行各种想法的尝试。
【二】
最初在考虑AI套壳产品时，并没有想清楚一个关键问题：是工具还是协作关系？
如果AI产品是纯粹的工具属性，等于把智能的模型封装成固定的功能；如果是协作的模式，则需要在交互场景中，开放更多的提示词给用户输入。
这就引出一个新问题：提示词归属产品还是源代码？
在之前的技术文中写过，是把提示词模块封装在源码中，然后用户通过产品提供需求的关键信息，从而形成完整的system和user提示词描述，所以个人是把提示词当成动态源码。
几乎所有的提示词开头都是：你是某某角色，按照某某形式交互。
由提示词指挥大模型，该如何自我定位，组织各种信息数据，然后再输出结果给用户，这是AI套壳产品最直接的交互模式。
对于传统的产品，更多是程序中设定的流程逻辑。
用户在页面上点击什么，系统运行相应的逻辑，按照写好的流程逐步执行或拦截，流程于所有用户来说，没有丝毫本质上的差异。
输入-处理-输出，AI应用和传统产品有本质的差异。
【三】
所以对AI相关的产品来说，更像是用户与产品形成新的协作形式，而不是传统产品中的固定流程。
大模型能理解语言，并且针对性的组织信息，并且输出结果，在这种交互模式中，AI的能力越智能，其表现出来的主体主观性越明显。
AI产品像中间人，协调用户与模型扮演的角色交互。
在AI应用中最热门的当属陪伴型赛道，主打为用户提供情绪价值，除此之外很多大模型本身，也在有意无意的营造活人感，既要追求模型的智商，还要展现出一定的情商。
目前常用的十多款模型中，GPT5的双商全部在线。
用户感知极强的输入和输出，GPT5除了综合能力领先之外，还能做到在输出中，对下一步给出更合理的建议。
对输入来说，要让大模型尽可能的感知全面。
并非是要用户输入细致全面的信息，用户提供关键的需求描述，由产品这个中间角色进行拓展。
以人和人的协作交互来理解，用户和AI都有自己的需求。
比如在楼里产品的饮食推荐模块，事实上用户只需要选择口味，但是在产品中可以根据IP定位城市，判断天气信息，补充其它影响因素等，这些在用户输入的过程中是隐性的，但是在输出时可能被察觉。
对输出来说，要追求准确和确定性。
输出的准确性更依赖用户提示词，而确定性则更考验系统提示词，在产品两个版本的开发过程中，遇到好多次模型的不稳定问题，无论是内容还是内容的格式，只能通过短暂的切换模型来应对。
在这种协作关系中，模型即产品，而产品的走向会有很大的空间。
【四】
聊完AI产品本身，再总结一下开发过程，自己也是在实践中不断扩展对人工智能的理解。
最初产品集成大模型，也只是理解成一个简单的工具，既然是工具属性，需要在设计上注重细节点，这样会产生一个明显的问题。
开发者会显著影响：用户和模型及产品之间的协作。
然后就是开发过程中对于AI工具的使用，这个已经做成系统的知识库，在完善之后会免费开源。
没有做独立开发之前，对于AI的运用更多是提问抽取答案，而在深入和广泛的实践过程中，对人工智能的依赖直接提升几个台阶。
类似调研分析，编程开发，创意思路，文案生成等场景，后续实践了产品上架，专业文档生成，协议制作，创建源码工程，智能体中运行复杂任务等。
总之AI能做好的事，自己尽量不瞎掺和。
从自己的深入实践来说，在AI的时代背景下，个人更倾向广泛的接触各种技能，进而锻炼灵活的综合能力，而不是单个技能的垂直深度。
【五】
作为互联网行业的十年民工，从开始把AI当玩具，后来当工具，而当下当成一个助手。
如果想深入全面的了解AI，个人感觉靠谱的方式：带着猎奇的心态试用各种产品，指挥AI把自己不想做或者不擅长的事做好，在专业上借助AI提升质量和效率，实践中很快就会得心应手。
最后说一句抽象的思考：
AI还在成长的当下，也许问题就是答案。