AI Product Growth 101｜00｜Reading Guide：从 AI 能力到可持续产品
做出一个能工作的 AI Demo，已经不算难。
让它变成一个有人持续使用、愿意付费、成本可控的产品，仍然很难。
这两件事之间隔着的，不只是模型效果。还隔着选题、工作流、交互、评估、信任、定价和分发。
很多团队从模型出发：新模型能做什么，我们就加一个什么功能。结果通常是发布当天很热闹，几周后使用率迅速下降。
用户并不为“调用了一次大模型”付费。用户为一个结果付费：更快完成任务、更少犯错、减少等待，或者完成过去根本做不到的事情。
所以这个系列不讲如何接 API，也不重复 Agent Runtime 的内部结构。它关注另一层问题：怎样把 AI 能力组织成一门可持续的产品生意。
这个系列解决什么问题
我们会沿着一条真实的产品链路展开：
- 从什么工作流切入，而不是先做一个万能聊天框。
- 如何用原型获得证据，而不是获得掌声。
- 为什么 AI 产品需要不同的开发闭环。
- 如何定义激活，让用户第一次真正拿到结果。
- 如何把新鲜感变成留存，把偶尔尝试变成稳定委托。
- 如何选择收费单位，不被 Token 成本牵着走。
- 如何把产品输出、模板、集成和用户变成分发网络。
- 如何用一组指标同时看结果、信任和经济性。
一条主线
整个系列只有一条主线：
AI 产品的最小单位不是一次生成，而是一次被用户接受的任务结果。
“生成”只说明模型运行了。
“接受”意味着结果进入了用户的真实工作流：它被发送、提交、采用、保存、执行，或者至少节省了明确可感知的劳动。
这条差异会改变很多产品决策。
你不会只看调用次数，而会看结果接受率。
你不会只优化首屏输入框，而会优化从输入到交付的完整路径。
你不会只问模型是否更强，而会问用户是否更敢委托。
你不会只算单次推理成本，而会算每个有效结果的成本。
适合谁读
这个系列适合三类人：
- 正在给现有软件加入 AI 能力的产品和工程团队。
- 正在寻找 AI 创业切口的创始人。
- 已经有 Demo 和早期用户，但留存、定价或增长不稳定的团队。
如果你还没有产品，从第 01 篇开始。
如果你已经有用户但留存不好，直接看第 04 和第 05 篇。
如果使用量增长了，毛利却越来越差，先看第 06 和第 08 篇。
目录
- 01｜Wedge Workflow：先选一个值得被接管的工作流
- 02｜Evidence Prototype：原型不是缩小版产品
- 03｜AI Development Loop：从功能迭代到行为迭代
- 04｜Activation：第一次成功结果
- 05｜Retention：从惊艳时刻到稳定委托
- 06｜Monetization：按什么收费，决定你做什么产品
- 07｜Distribution：让产品输出成为增长输入
- 08｜Operating Metrics：同时衡量结果、信任与经济性
会做 AI 功能的团队越来越多。
真正稀缺的，是知道怎样把这些功能连成产品的人。