RADAR — каталог возможностей ИИ

纽约创业公司 Stuut 完成 5250 万美元 B 轮融资,Insight Partners 领投,微软旗下 M12 跟投。它把 AI 放进应收账款:按账龄和付款历史排跟进,关联合同与签收凭证处理争议,再把核销结果写回 ERP。 2026 年 10 月 7 日,纽约创业公司 Stuut 宣布完成 5250 万美元 B 轮融资,由 Insight Partners 领投,Andreessen Horowitz、微软旗下 M12 和 Activant 参投。 Stuut 从应收账款催收切入,想让 AI 接手从订单到回款之间连续而琐碎的工作;据悉,目前已有超过 150 家企业使用 Stuut,累计经平台流转的资金超过 30 亿美元。一张逾期发票背后的断点 Stuut 对问题的理解,来自联合创始人兼 CEO Tarek Alaruri 早年的物流工作。公司介绍称,他在 Total Quality Logistics 发现,许多逾期账款背后是单据和文书差错。后来他联合创办采购软件公司 Fairmarkit,再创办 Stuut;现任 COO Ben Winter 也曾在 Fairmarkit 工作。左为 CEO Tarek Alaruri,右为 COO Ben Winter 企业采购与个人购物有不同的节奏。买卖双方约定账期,供应商开具发票,再等待客户核验、审批和付款;一张发票能否按时结清,还取决于价格是否吻合、材料是否完整,以及它有没有进入正确的审批队列。订单、邮件和收款记录分散在不同系统里,催款之前,往往要先还原交易。这种工作很难靠一封更有礼貌的邮件解决。客户说没有收到货,需要查签收凭证;客户少付了一笔,需要辨认扣款原因;款项到账但没有发票编号,还得把钱记到正确的账上。真正耗时的部分,是确认下一步该做什么,然后把它做完。 Stuut 所选择的入口因此有清晰的商业解释。应收账款已经对应一笔发生过的交易,回款速度和人工投入可以被记录,采购方比较容易为试用设定目标。但从观察到现金增加,再到确认增加部分由软件带来,中间仍需要可比较的基线。这里也有自动化的天然边界。单据缺失、联系人错误,可以通过补全信息推进;客户经营恶化、没有能力付款,就不是增加跟进次数能够解决的。软件需要先辨认两种情况,否则更勤快的催收只会制造更多无效往来。让软件接着做下一步按 Stuut 的产品说明,系统先利用账龄、付款历史和互动情况安排跟进,再通过邮件、短信或语音联系客户。它还记录付款承诺、门户访问和后续回复,让同一个客户的信息能够留在连续的工作记录中。客户按惯例付款、提出争议或迟迟不回应,应该触发不同的后续动作。催收演示把客户排序、联系与付款承诺放入连续记录争议处理把这条链向前延伸。产品页描述,Stuut 会把扣款与原始发票关联,查找合同、定价协议、提单和签收证明,再判断材料能否支持客户的说法。复杂谈判和关系敏感的案件则交给人,连同已整理的证据一起移交。争议处理示意将邮件与六类交易文件关联款项到账后,还有核销这一步。Stuut 称,它能从银行数据、付款通知、邮件和表格中提取信息,处理部分付款、差额和跨实体匹配,并把结果写回企业资源计划系统,也就是 ERP。连接 SAP、Oracle 或 NetSuite 的价值,落在财务人员每天使用的正式账簿上。官方核销演示展示付款匹配及 ERP 入账准备执行权限也随之变得重要。按照催收产品页,企业可以规定联系对象、渠道、频率和审批条件,并先审核外发内容,再逐步放开低风险账户。能否留下完整记录、把例外交还给人,与能否自动发出一封邮件同样重要。融资公告把目标推向整个 order-to-cash,即从订单到现金的流程,但产品边界仍在变化。截至 10 月 8 日,官网主页的订单管理和信用模块仍标着“即将推出”。扩大产品版图是明确的方向,不能据此认定所有环节已经普遍可用。沿着同一笔交易扩展,有利于复用已经获取的客户与单据信息。但销售、运营和财务对同一笔账的理解未必一致,新增一个模块,也可能新增一组权限和数据核对工作。产品能否保留完整上下文,最终要靠这些系统之间实际传递的信息来检验。回款数字需要放回现场起重与吊装设备供应商 Bishop Lifting 提供了一个更具体的样本。按 Stuut 发布的客户案例,收购扩张后,这家公司在美国和加拿大拥有 45 家分支机构、约 5000 个活跃账户,每天最多处理 1000 张发票,各地催收方式不一。上线项目用了 6 周,首先改变的是分散的跟进流程。同一案例称,在 7 个月的观察期内,Bishop 的逾期应收账款减少 35%,平均应收账款周转天数,也就是 DSO,缩短 2 天,产生约 300 万美元营运资金收益。这些是供应商发布的客户结果,公开页面未给出对照组,也没有证明所有变化都由 Stuut 单独造成。 ZoomInfo 的情况更能说明新产品如何进入已有系统。它原本就使用 HighRadius 和第三方催收机构,仍有大量拨打电话、重复发邮件与手动排序的工作。Stuut 案例称,相关发票累计回款超过 2120 万美元,首次跟进等待时间缩短超过 90%;案例标注的报告期为 2025 年 7 月至 2026 年 7 月。这份案例还写到,ZoomInfo 的催收团队通过自然减员,从 43 人变为 33 人,没有补齐离职岗位。原文将变化置于更广泛的应收账款改造中,Stuut 是支撑新增处理能力的技术之一。把它概括为“AI 裁掉十个人”,会把实施过程和人员变化一并抹去。相比之下,融资公告中的 DSO 降低 47%、最多增加 40% 现金流,没有同时交代客户样本、计算方式和观察窗口,适合作为公司自述阅读。提前收回一笔应收款,可以缓解资金占用,却不能把全部回款都记成新增利润。真正值得比较的是回款时间、逾期余额和人工成本,连同软件及实施费用一起看。最难的是实施目前,Stuut 已经开始寻找更大的分发渠道。支付服务商 Fiserv 在 8 月 5 日宣布合作,由 Commerce Hub 为 Stuut 提供支付处理基础,SnapPay 则计划整合其自动化技术。合作公告同时注明资格、可用性及实施时间等条件:合作提供了新的渠道入口,实际覆盖仍取决于逐家部署。另一端,它也在尝试缩短小客户的购买路径。截至 10 月 8 日,官网限量测试版自助方案标价为 299、749 和 1900 美元每月,对应最多 250、1000 和 5000 张月度发票,企业方案另行报价。这些公开价格说明产品正在尝试标准化售卖,尚不足以推算大型企业完整部署的成本。这个定价细节也很有意味。Stuut 用回款结果解释产品价值,自助版本却按发票量收费;两者之间需要客户自己算账。一张大额、长期未结清的争议发票,与大量流程简单的小额账单,对财务团队的价值和处理成本并不相同,企业合同如何覆盖这些差别,公开资料尚未说明。价格便于标准化,实施难度却未必相同。官网宣传数天上线,Bishop 和 ZoomInfo 的案例分别列出 6 周和 5 周,具体项目与宣传口径不能直接互换。客户需要接通数据、划定权限,并决定哪些付款异常可以由 AI 处理;这些环节的差异,会决定软件到底释放多少人工时间。竞争也已经进入同一方向。HighRadius 在 2025 年公布了已上线的智能体产品,并将更全面的自主财务能力设为后续目标。因此,Stuut 很难长期只靠“AI 会执行”与既有厂商区分;它需要在真实账单里,证明接入、例外处理和持续运转的成本更合算。值得注意的是,财务软件还有比回答错误更直接的风险。重复催促已付款客户会损伤关系,错误核销会污染账簿,放行不合理扣款则可能造成损失。产品越接近资金流转,客户越需要知道审批责任、异常处理和审计记录如何落实,采购评估也会从演示效果走向长期可靠性。因此,一次试点最有信息量的结果,往往是哪些账单顺利处理,哪些仍需人工,以及失败后花了多少时间修正。续约时还要判断,节省下来的工时是否转化为实际成本变化,还是让原有团队覆盖了更多账户。这些差异,会直接影响客户愿意为下一年支付多少钱。对于 Stuut 来讲,接下来还要证明的是面对各不相同的账期、客户门户和旧系统,仍能以可控成本把这份工作持续做下去。对于一家承诺把订单变成现金的公司,后续的说服力最终还要来自客户账上的变化。本文由人人都是产品经理作者【有新Newin】,微信公众号:【有新Newin】,原创/授权发布于人人都是产品经理,未经许可,禁止转载题图来自Unsplash,基于 CC0 协议

Общие новости

等 AI 干活太无聊?我给 DeepSeek Harness 写了个「合成大鲸鱼」,已开源

人人都是产品经理

等的这段时间总在发呆刷手机,于是作者给 DeepSeek Harness 写了个侧边栏小游戏「合成大鲸鱼」:11 级海洋生物合成链,AI 干活超过 5 秒就弹出「合一把」,还设计了回去检查作业才能拿到珍珠的机制,一行配置即可安装。我是林月半子, 教你用AI干掉90%的重复劳动 ! 大家好,我是在 DeepSeek 里养鲸鱼的林月半子。 ᅠ 最近我对 DeepSeek Harness (下面简称 DSH)的插件有点着迷,一口气做了好几个。 ᅠ 课堂实验台 :把课本里的知识点做成能动手的交互课件。比如「地球运动」这一课,拖一拖纬度和日期,昼夜长短、太阳直射点、正午太阳高度都跟着变。 ᅠ ᅠ 写作驾驶舱 :文章丢进去,自动识别哪里该配图,主封面、文章首图、分享横幅、转发方块图几个比例的封面一键生成。 ᅠ ᅠ 错题本 :拍照收错题,按知识点自动归类,按记忆曲线安排每天该复习哪几道,还能一键组复习卷。上一篇文章专门写过:我一行代码没写,DeepSeek Harness 自己组队给我造了个错题本插件 ᅠ ᅠ 这三个都是正经干活的插件。可用得多了,我开始好奇一件事。 ᅠ DeepSeek 在那头吐 token,你在这头干嘛? ᅠ 反正我自己是这样:盯着输出发呆,或者顺手摸起手机,一刷就是半小时。等回过神来,AI 早干完了,我还没看。 ᅠ 那能不能让这段等待也有点意思?这回我想做个不干正事的插件:一个小游戏。 ᅠ 于是就有了这个「合成大鲸鱼」:合成大西瓜的玩法,主角是鲸鱼娘,挂在 DSH 的右侧边栏里。等 DeepSeek 干活的时候合几只海洋生物,它干完了,鲸鱼娘会催你回去检查作业。 ᅠ 代码已经开源,一行配置就能装。 ᅠ 这篇就带你看看它长什么样、怎么装,以及它是怎么从「能玩」一步步改到「好玩」的。 ᅠ ᅠ 01 先看效果:等 AI 的时候,合一只鲸鱼娘 ᅠ 玩法和当年刷屏的合成大西瓜一样:移动鼠标对准,点一下放下去,两只一样的碰在一起就合成更大的。 ᅠ 只不过水果换成了海洋生物,一共 11 级: ᅠ ᅠ 合成链的终点不是西瓜,是鲸鱼娘本人。合出她的那一下,画面会震一下,弹出她的全身照。 ᅠ 说实话,没那么好合。 ᅠ ᅠ 安装:一行配置 ᅠ 不用敲命令。在 DSH 侧栏点插件 → 添加插件 ,填入下面这行,点安装,再点立即启用。 ᅠ ... github:lqshow/dsh-whale-merge ᅠ ᅠ 装好不用重启,右侧边栏的「开始」里就多了一个「合成大鲸鱼」。 ᅠ ᅠ 更省事的是,你甚至不用记得去打开它。DeepSeek 一轮活干了 5 秒还没完,输入框上方就会冒出一条「合一把」的提示,点一下就开玩。 ᅠ ᅠ 操作 ᅠ ᅠ 它是回合制的,不用一直盯着。丢一个球,切回去看一眼 DeepSeek 的输出,回来接着丢。 ᅠ 这是我选合成类游戏的主要原因。 ᅠ 02 「好玩」是一版一版改出来的 ᅠ 第一版跑通的时候,我有点失望。 ᅠ 能玩,但是闷。球一个个往下丢,合成了就变大,然后......就没了。知识卡片挂在画布下面,在 DSH 的侧边栏里还跟游戏对不齐,根本没人看。 ᅠ ᅠ 所以后面我跟 AI 来回改了好几轮。每一轮都是我自己玩、截图吐槽,它改代码、自己跑浏览器截图验证。挑几个有故事的说。 ᅠ 把卡片带进游戏里 ᅠ 卡片放在画布外面没人看,那就搬进游戏画面里,让鲸鱼娘递给你。 ᅠ 现在合成出水母或更大的生物时,鲸鱼娘的头像会从画面左边游进来,带一个对话气泡,里面就是一张 AI 知识卡片,一共 33 张。 ᅠ 连锁合成、快溢出来了、你发呆太久、DeepSeek 干完活,她也会冒个气泡说两句。 ᅠ ᅠ 交作业奖励:我最喜欢的设计 ᅠ 这是整个游戏里我最想讲的一个点。 ᅠ 做「等 AI 时玩」的游戏,有一个很尴尬的风险:你玩得太开心,AI 干完了你也不回去看。结果游戏没帮你省时间,反而浪费了。 ᅠ 所以我反过来设计: 让游戏奖励你去检查 AI 的作业。 ᅠ ᅠ DeepSeek 一干完,鲸鱼娘就催你去检查;看完回来,珍珠到手。局面快崩的时候,一颗珍珠能救命。 ᅠ ᅠ 当然,游戏并不知道你是不是真的去看了,它只知道你离开过游戏面板。故意刷珍珠的人防不住,这个我认。 ᅠ 但每次都提醒你一句,就是它和普通摸鱼游戏最大的区别。 ᅠ 手感和分享卡 ᅠ 剩下的改动都在手感上:卡住了可以按 S 摇一摇罐子,合成时飘出得分,合出大家伙画面会震一下,快溢出来时鲸鱼娘还会出手救场一次。 ᅠ ᅠ ᅠ 一局结束,还能生成一张分享卡,点一下复制,直接贴进微信。 ᅠ ᅠ 03 图鉴、成就和鲸鱼娘相册 ᅠ 手感有了,还差一样:让你下次等 AI 的时候,还想再打开它。答案是收集。 ᅠ ᅠ 我自己已经把图鉴集齐了,11 种全亮,鲸鱼娘也合出来了。成就拿了 8 个,相册解锁 9 套,现在穿的是深海潜水员。 ᅠ ᅠ 最后留个彩蛋 ᅠ 游戏里藏了一个暗号,点一下游戏画面把它打出来,手上这只会变成海豚。 ᅠ 暗号是什么我就不说了。提示一下:就是这篇文章里反复出现的一个英文单词,8 个字母。 ᅠ 写在最后 ᅠ 做这个游戏之前,我以为我在做一个摸鱼工具。 ᅠ 做完这个游戏,我一直在想一个问题:AI 干活的那几十秒、几分钟,人应该在哪? ᅠ 不应该在手机里,也不应该一直盯着输出。最好是在旁边待着,放松一点,但 AI 一交作业,就回去认真看。 ᅠ 鲸鱼娘那句「去看一眼,回来送你珍珠」,就是我想说的全部。 ᅠ 代码我已经开源了。它不联网,最高分、图鉴、成就全存在你自己电脑上,不放心就让 DeepSeek 把代码读一遍。 ᅠ 我更想看到的,是你们改出来的版本。鲸鱼娘换成你自己的 IP,卡片换成你那行的知识,合成链换成猫猫狗狗也行。代码不用自己翻,仓库丢给 DeepSeek,说一句你想要什么样就行。 ᅠ DSH 的「一切皆插件」才刚开始,能挂的位置只会越来越多。你想给它加点什么?欢迎在评论区告诉我。 ᅠ 作者:林月半子的AI笔记公众号:林月半子的AI笔记本文由 @林月半子的AI笔记原创发布于人人都是产品经理。未经作者许可,禁止转载题图来自 Unsplash,基于CC0协议

Балл: 57.06Уверенность: 54%

Подробнее

Общие новости

关于 AI Agent、信任与决策权的 100 条

人人都是产品经理

硅谷公司 Instinct 只有 14 个人,估值却做到 100 亿美元。它不靠更漂亮的 App,而是把 App 藏起来,让 AI 直接替你订机票、改酒店、处理邮件,从「给答案」变成「替你做」。它还盯上了一笔早已存在的钱:旅行的需求分发费。一、十四个人,一百亿美元 1、最近硅谷有一家叫 Instinct 的公司,很适合拿来观察 AI 应用层正在发生什么。Instinct 成立于 2025 年,创始人 Noah Shinn 只有 23 岁。 2026 年 8 月 26 日,它完成 2.5 亿美元 B 轮融资,累计融资约 3.5 亿美元,估值 25 亿美元; 33 天后的 9 月 28 日,它又融资 10 亿美元,估值直接变成 100 亿美元。9 月中旬,《The Information》报道称其用户已经超过 10 万; 创始人披露,用户使用三周以后,约 40% 愿意把私人信用卡交给它,交出敏感信息后的用户留存约 80%; 平台流经的年化交易额接近 10 亿美元,其中超过一半来自旅行。团队只有 14 个人。 2、Instinct 最特别的地方,不是又做了一个更漂亮的 App,而是努力把“App”本身藏起来。用户可以通过短信、电话、Email 和语音联系它,像找一个真人助理。上一代软件要求人学习一个新的界面; Instinct 的思路反过来:软件去适应人已经会的动作——说一句话,找个人把事情办了。真正的“活人感”,不是聊天框里写得像人,而是你把现实世界的事交给它以后,它真能往下做。 3、这些数字要理性来看。融资额和估值已有公开报道确认; “超过 10 万用户”主要来自媒体信源; 40% 信用卡连接率、约 80% 留存、10% 日增长、接近 10 亿美元年化交易额,主要来自创始人的公开访谈,并非审计数据; 早期用户又高度集中在硅谷科技圈,不能直接外推到大众市场。真正值得注意的不是某一个数字精确到小数点,而是它们共同指向一件以前颇为抽象的事情: 已经有一批人愿意让 AI 不只回答问题,而是真正进入自己的信用卡、日程、邮件和现实交易。二、从答案到行动 4、ChatGPT 这一代聊天机器人的基本产出是答案(Answer),个人代理人(Personal Agent)的基本产出是行动(Action)。前者告诉你怎么做,后者开始代表你做:订机票、改酒店、找餐厅、取消订阅、协调日程、处理邮件。这里不是一次普通的产品升级,而是软件角色的变化:从工具(Tool),走向代理人(Agent)。 5、Instinct 先在旅行上跑出来,不是偶然。旅行客单价高、信息复杂、步骤多、实时变化多、供应商零碎,而且消费者早就习惯让第三方代办。过去携程和 Booking 的价值,是把酒店、机票、租车装进一个界面; Agent 再走一步,连界面都可能不重要。用户只需要说:“今晚必须到纽约,帮我搞定。”剩下的比较、权衡、预订、修改和支付藏到后台。Instinct 创始人称,目前超过一半的交易额来自旅行。 6、旅行还有一个商业上的好处:这个行业早已习惯为流量和交易入口付钱。Booking Holdings 2025 年营销费用约 81.9 亿美元,占收入约三成,其中效果营销(Performance Marketing)包括搜索、比价、联盟等重要渠道。也就是说,旅行行业本来就存在巨额“需求分发费”。如果 Agent 能从 Google、OTA 或 App 手里拿走一部分需求入口,就不必凭空发明一个利润池,它争的是一笔已经存在很多年的钱。 (至少在中国老板的现实生活里,私人助理最重要的一类工作,本来就是安排行程、订酒店、改机票。旅行可能天然就是“私人代理”最早被理解的场景。) 7、Instinct 想走的商业模式也很直接:消费者尽量免费,不主要靠每月 20 美元的订阅,而是在替用户真正完成交易后获得交易抽成(Take Rate)。现在它尚未形成一套公开、稳定的抽佣制度,所以那接近 10 亿美元是交易额(Transaction Volume),不是 Instinct 的收入。它真正实验的是另一条链:免费获得使用 → 服务建立信任 → 信任获得委托 → 委托产生交易。 8、Shinn 在谈商业模式时拿几个成熟行业作过参照:支付网络通常只拿几个百分点,交易平台可能拿到更高的比例,应用分发平台甚至能拿到 30%。这不应该理解成“Instinct 已经决定在 2.5%、10%、30% 三档里选一个”,真正的问题是:市场最终会把 Agent 当成什么? 如果只是支付基础设施,抽成很薄;如果是交易平台,会厚一些; 如果它真正控制了稀缺的需求分发权,利润池又完全不同。 Agent 在价值链上的身份,比抽成数字本身更重要。 9、所以把 Instinct 叫“AI 版携程”,只说对了一半。携程主要聚合某一个领域里的供给(Supply),把旅行需求和机票、酒店、租车凑到一起; 个人代理人想聚合的是一个人的需求(Demand),而且跨品类。携程从旅行出发,努力越来越懂旅行; Personal Agent 从用户出发,想越来越懂这个人,再走向旅行、购物、餐厅、日程、邮件以及更多现实事务。 10、做 AI 创业,大家经常问“AI + 什么行业”。更应该问的是:AI 出现以后,产业链里多出了什么以前不存在的位置? 我们习惯认为 AI 最大的机会,要么属于模型公司,要么属于苹果、腾讯、携程这种拥有数据、客户和产业壁垒的巨头。但技术革命真正巨大的创业机会,经常来自第三种东西:旧地图上根本没有那个位置。 11、互联网早期也一样。电信公司拥有网络,零售商拥有商品,媒体公司拥有内容,但后来真正长出来的是 Google 的搜索入口、Amazon 的线上交易入口、Facebook 的社会关系入口。旧资产当然重要,但技术范式变化时,更要问:新的稀缺位置是什么? (我们总爱谈护城河。在一个稳定范式里,护城河当然有用;问题是,范式切换时,护城河本身也会换定义。新的军队未必攻破你的城墙,它可能直接绕过这座城,在另一个维度建立一张新地图。) 12、Bill Gates 2023 年写过一篇关于 Agent 的文章。他的判断是,Agent 会成为下一代计算平台,人不需要知道应该打开哪个 App,只需要说自己想完成什么;他还特别提到,今天只有少数富人负担得起的私人助理式服务,会被 Agent 大幅降低成本。 (有趣的是,盖茨那篇文章里仍然强调最终决定权属于用户。今天真正更激进的问题,是:最后拍板的那一下,有多少也会被委托出去?) 13、所以“未来每个人都有一个 AI 助手”,可能还是停留在旧语言里,就像当年“每个人桌上都会有一台电脑”。更大的变化可能是两步: AI 让智能大众化(AI Democratizes Intelligence); Agent 让委托大众化(Agent Democratizes Delegation)。第一阶段,每个人都能低成本调用过去属于专家的知识; 第二阶段,每个人都可能拥有一个持续了解自己、替自己判断、协调并执行的数字代理人。软件开始进入过去主要存在于人与人之间的委托关系。三、上下文、记忆和“我的模型” 14、智能(Intelligence)和判断(Judgment)不是一回事。一个模型可以知道全世界所有酒店的信息,却仍然不知道哪家最适合你。专业能力(Expertise)让它懂这个行业; 上下文(Context)让它懂你; 判断才是把两者结合,在具体约束下做出选择。个人代理人的核心竞争,很可能会从“知道多少”逐渐走向“替这个具体的人判断得有多好”。 15、Noah Shinn 的学术背景因此很有意思。他是 NeurIPS 2023 论文《Reflexion》的第一作者。那篇研究讨论的不是重新训练一个更大的模型,而是 Agent 能不能把过去行动获得的反馈转换成语言反思,写进情景记忆(Episodic Memory),再改善下一次行动。不能说这篇论文“直接构成了 Instinct 的技术实现”,但它与今天 Instinct 的产品哲学高度呼应:真正重要的不只是这一次够不够聪明,而是和你相处越久,能不能越来越会替你办事。 16、Shinn 后来又与 Sierra 团队做过 τ-bench,用来测试 Agent 在现实工具和规则约束下的可靠性。原论文一个很重要的结论是:当时最先进的工具调用型 Agent 在不少任务上的成功率仍低于 50%;而要求同一种任务重复稳定成功时,零售场景的pass^8低于 25%。这把尺子今天依然很重要:一个 Agent 偶尔会做对,与“我敢把信用卡交给它”之间,还有很长距离。 (这里用概率看尤其有意思。Agent 的可靠性不是一枚“每次胜率 60%”的均匀硬币。不同任务的难度差异极大,有的任务几乎次次成功,有的任务高度不稳定。所以授权最好按任务类型给,而不是笼统问一句:“这个 Agent 到底靠不靠谱?”) 17、这可以称为学习型关系(Learning Relationship)。传统软件用一年以后,它还是差不多同一个软件;真正好的 Agent 用一年以后,应该因为与你共同经历过大量行动和反馈,变成了一个“不同的 Agent”。一次酒店订错,不应该只是一个 Bug,而应该成为下一次判断的训练材料。 18、因此,“数据壁垒”这个词太笼统。携程拥有领域数据(Domain Data),苹果拥有大量行为数据(Behavioral Data),Personal Agent 真正想积累的是个人上下文(Personal Context)。知道我上次住了 Aman,是数据;知道当时是因为同行者喜欢,而我自己其实嫌位置不方便,是上下文;下次在商务行程里自动排除它,才开始接近真正的“我的模型”(Model of Me)。 19、Scott Belsky 对 Instinct 有一个很耀眼的判断:用户偏好的长尾(Long-tail of User Preferences),可能是消费者 AI 最终的护城河。一个人不是十几个标签组成的。真正的偏好藏在数千次小选择里:什么时候愿意多花钱换时间,谁的邮件不能晚回,什么会议宁可改机票也不能错过,什么酒店看着喜欢但以后不会再住。 20、Belsky 还强调选择性记忆(Selective Memory)。Personal Agent 的难题不是“记得越多越好”,而是要知道什么值得记、什么只是偶然、什么已经失效、什么本来就不应该保存。好的 Context 不是一个越堆越大的数据库,而是一套不断更新的解释。 21、更难的问题是:Agent 到底代表哪一个你?你嘴上说要减肥,半夜点的是炸鸡;说今年要少花钱,遇见打折又下单。经济学区分声明偏好(Stated Preference)和显示偏好(Revealed Preference),但还有第三层:你想成为的那个人。《奥德赛》里,奥德修斯知道自己经过海妖时会失控,于是在清醒时让水手把自己绑到桅杆上,并规定届时无论自己怎样哀求都不要松绑。这种机制后来常被称为尤利西斯契约(Ulysses Contract),也就是预承诺。 (最高级的 Agent 也许不是永远听“此刻的我”,而是理解一个偏好栈(Preference Stack):即时指令、长期目标、预先设好的红线,谁的优先级更高。真正的关键不是 AI 替我做主,而是清醒时的我,预先规定冲动时的我不能做什么。我以前写过,健身房是在做空你的意志力;一个站在你这边的 Agent,可能恰好是在替你做多自己的意志力。) 22、时间再拉长,形成的可能不只是“我的模型”,而是“我们的模型”(Model of Us)。一个跟了你十年的助理,价值不只在于“了解你”,而在于双方形成了大量无法写进说明书的默契。你说“有点贵”,他知道不一定是不买;你说“再看看”,他知道暂时不要推进。真正昂贵的迁移成本(Switching Cost),未必是数据,而是这种共同校准出来的判断。 23、但这里有一条非常重要的边界:原始数据、规则和偏好清单应该尽可能让用户带走。真正的护城河应该来自“我不想走”,而不是“我走不了”。可以把它叫退出权(Exit Right)。Costco 的会员费可以退,很多商品退货极宽松,反而让消费者敢买。一个 Agent 如果允许一键导出记忆、撤销权限、换掉服务商,反而可能让人更敢把重要信息交进去。 (好的锁定,是我不想走;不是我走不了。最近,我正在为一个用了很久的知识库软件恼火,我忍住不说这个我付费用了十几年的App的名字,但它的确已经变成了一个恶棍。) 四、Costco 教给 Agent 的事 24、把判断外包给一个值得信任的专业机构,一点也不新。Costco 可以理解成一种低技术版的委托(Delegation)。它长期坚持有限选品。一个家庭走进 Costco,不需要重新研究市场上所有洗衣液、橄榄油和电视,而是默认 Costco 已经替自己筛掉了绝大多数选项。 25、所以 Costco 卖的不只是商品,还卖“替你做掉的一部分家庭采购判断”。这里至少需要两个条件:信任 + 专业(Trust + Expertise)。只有专业,没有信任,我担心你利用信息优势赚我;只有信任,没有专业,我没理由把决定交给你。Personal Agent 还可以再把信任拆成三种: 能力信任(Competence Trust)——你做不做得好; 立场信任(Alignment Trust)——你到底站不站在我这边; 程序信任(Process Trust)——我知不知道你什么时候会问我、怎么撤销、出了错怎么办。 26、Costco 的信任很大程度来自自我约束(Self-restraint)。长期以来,它对品牌商品和 Kirkland 商品的加价设置极低的上限;会员制、有限 SKU、退货政策,都构成某种承诺机制(Commitment Device)。真正牢固的信任,往往不是来自一句“相信我”,而是来自一个明明有能力占你便宜的人,长期反复选择不占你的便宜。 27、信任的经济价值也很具体:它降低搜索成本(Search Cost)、决策成本(Decision Cost)、验证成本(Verification Cost)。消费者信任 Costco,就不需要每次买橄榄油都研究两个小时;信任一个 Agent,也不需要每笔小额旅行、预订和购买都重新检查一遍。信任真正节省的,是人的注意力和决策能力。 (甚至可以说,最好的信任架构(Trust Architecture),不是让用户“更相信” Agent,而是通过限额、撤销、双确认、日志,让用户不需要那么相信它。制度把一次犯错的损失锁死,比一百句“请放心”都可靠。) 五、从注意力到决策权 28、赫伯特·西蒙 1971 年有一个著名判断:信息越丰富,注意力就越稀缺。互联网过去几十年不断让我们拥有更多网页、更多商品、更多餐厅、更多内容,但人的认知能力没有同比增长。上一代互联网的任务是帮助人获得更多选择; Agent 时代真正值钱的服务,可能反过来:请替我删掉 9999 个,然后把最后那个选择做对。 29、所以真正稀缺的资源,正在从信息变成决策能力(Decision Capacity)。AI 能规模化的不只是智能,还可能是经过筛选的判断(Curated Judgment)。医生、律师、私人银行家、旅行顾问、家族办公室,本质上都在做同一种事:把复杂信息压缩成可以行动的判断。过去这种服务受限于昂贵的人力,现在它第一次可能获得接近软件的边际成本。 30、这也重新定义了“入口”。 PC 时代争的是信息入口(Information); 移动互联网时代争的是注意力入口(Attention); Agent 时代可能多出一个委托入口(Delegation)。过去所谓入口,是“你先打开谁”;新的入口可能是“你允许谁代表你行动”。 31、Google 给我十条结果,我自己选;携程给我二十家酒店,我自己订;ChatGPT 给我五个方案,我自己决定。真正进入 Agent 时代的分水岭,是一句:“不用问我,你替我决定。”从这一刻开始,软件获得的不只是注意力,而是被委托的决策权(Delegated Decision Rights)。这里特意加“被委托”,因为这不是 Agent 天然拥有的权力,而是用户授予、可以收回的权力。 32、决策权不是一把总钥匙,而是一档一档交出去的。可以粗略分成:给建议;替我起草;我确认后执行;某个金额或范围内自动执行并事后告知;某一类事务完全托管。授权也不能只看金额,至少要看三个轴: 最大可能损失(Maximum Loss)、可逆性(Reversibility)、对第三方的外部性(Externality)。一封公开邮件金额为零,却可能伤害名誉;一张 2000 元可全退的机票金额更高,却未必风险更大。 (以后给 Agent 的不是一把银行卡总钥匙,而是一份委托风险预算(Delegation Risk Budget):能花多少钱、在哪些场景花、对谁花、有效多久、能不能撤回,应该分别设置。) 33、贝索斯曾把决策分成单向门(One-way Door)和双向门(Two-way Door):能退回来的双向门可以快,难以撤销的单向门要慢。这个框架非常适合 Agent。可取消的预约、可退机票,可以逐渐自动化;发出去的邮件、不可退订金、转出去的钱,则应该把确认门槛拉高。 Cruise 2023 年事故后,加州 DMV 暂停其无人驾驶许可,其中一个明确原因就是公司在安全事件披露上的问题;GM 后来退出 Robotaxi 业务还有成本、规模化时间和竞争等多重原因,不能简单归因于这一场事故。但授权系统有一点和自动驾驶很像:升级很慢,降级可以很快。 (保险也可能成为 Agent 时代很有意思的一层基础设施。未来如果 Agent 真正开始替企业和个人作出高价值决策,“自动决策保险”很可能会越来越具体。) 34、未来衡量 Personal Agent,也许需要一个现在很少出现在财报里的指标:权限深度(Permission Depth)。用户给你的只是日历读取权,还是修改权?只是信用卡信息,还是 500 元以下自动付款?只是起草邮件,还是允许直接发送?一个有 1 亿日活、但没有行动权的 AI,和一个只有 100 万用户、却掌握大量高价值权限的 Agent,是完全不同的资产。 35、Belsky 讲的信任回报率(ROI on Trust)因此非常有意思。它现在还不是一个标准财务指标,但逻辑已经可以观察:信任越高,权限越深;权限越深,委托越大;委托越大,Agent 能参与的经济活动越多。信任第一次开始拥有非常直接、甚至可以逐渐量化的经济后果。 (当年 Amazon 从 Costco 学过很多零售逻辑。AI 时代绕了一圈,商业最深处可能仍然是那件很古老的东西:专业地替人判断,并让人相信你不会滥用这个权力。) 六、订阅经济与交易经济 36、a16z 2026 年 10 月发布的消费 AI 报告给了一个很重要的背景:美国 AI 使用已经很广,但直接付费仍然很窄。YipitData 的美国样本显示,2026 年 8 月只有 4.5% 的消费者拥有 ChatGPT、Gemini、Claude 至少一个个人付费订阅,一年前是 2.1%;AI 消费还高度集中,Top 1% 的付费者贡献了 19.5% 的消费,平均每月在消费者卡片上花 903 美元,而中位数用户只有 25 美元。 37、所以“订阅是 AI 的终局商业模式”至少对大众 Consumer AI 来说,远未被证明。a16z 统计的头部 AI 原生 Web 产品中,84% 做订阅、64% 做 Credits 或用量收费,而广告只有 14%,交易或平台收费只有 2%。这很可能与今天昂贵的模型推理成本有关:传统互联网可以先免费养用户,AI 每多一个高频用户都要花算力。但这里要加一个限定:生产力 AI(Productivity AI)的订阅完全可能是长期模式。Claude 那批愿意每月付 100 美元甚至更多的重度用户(Power User),就证明直接创造经济产出的工具可以长期卖高价。 38、Personal Agent 提供的是另一条路:交易经济(Transaction Economics)。如果 Agent 替我订酒店、买机票、换保险、安排服务,它创造了一笔现实世界里本来就存在的交易价值。那为什么一定要让我每个月先付 20 美元?过去大家一直问“怎么让十亿人订阅 AI”,未来也许会发现,这根本不是大众 Agent 必须解决的问题。 39、a16z 还点出了 To C AI 一个容易被忽略的问题:频率缺口(Frequency Gap)。程序员每天都有代码要写,研究者每天都有材料要处理,所以 AI 很容易高频;普通人的需求却非常零散。订机票、换运营商、处理保险、约餐厅都是真的需求,但并不每天发生。把一个空白聊天框放在普通消费者面前,他经常根本不知道该问什么。 40、Personal Agent 真正可能改变的是交互范式。今天大部分 AI 是提问驱动(Prompt-driven AI):先由用户意识到自己有一个任务,再想起“我要去找 AI”。长期拥有上下文的 Agent 则可能逐渐变成状态驱动(State-driven AI):邮件来了、航班延误了、两张日程撞了、账单重复扣款了,状态本身触发下一步。用户不必先产生“我要用 AI”这个念头,AI 也能创造价值。 41、普通人的生活里其实有一条巨大的未竟之事的长尾(Long Tail of Unfinished Business):一封该回没回的邮件、一项忘了取消的订阅、一张没报销的票、一场一直没约上的饭、一笔该重新比价的保险。这些事情单独看都小到撑不起一个 App,却每天持续消耗注意力。Personal Agent 真正可能创造的高频,不一定来自制造更多需求,而是接管那些过去“小到不值得专门处理”的需求。七、服务图谱与旧巨头 42、上下文只解决了 Agent 壁垒的一半。Agent 知道你想吃什么,不代表能订到桌;知道哪班飞机最合适,不代表能够出票。要真正把事情做完,还要接支付、酒店、航空公司、电商、餐厅、票务、银行和各种企业软件。因此一个成熟 Agent 很可能需要两张图: 个人上下文图谱(Personal Context Graph),负责懂你; 服务图谱(Service Graph),负责把事情做完。只有前者,它只是聪明顾问;两张图都有,才是代理人。 43、Amazon 和第三方 Agent 的冲突,几乎提前演示了下一场平台战争。Amazon 不愿让 Perplexity 的 Comet Agent 自由在站内替用户购物;a16z 同时观察到,Amazon 很快限制 Meta Muse,而 Shopify、Instacart、OpenTable、Expedia、Ticketmaster、Plaid 等却主动和 Agent 集成。原因并不神秘: 如果你主要卖供给,Agent 给你带订单是好事; 如果你最值钱的是“用户必须先来找你”,Agent 就在抢你的入口。 44、所以携程面对 Agent,不只有“打败它”一个选项。它可以争夺终端用户,自己做最好的旅行 Agent;也可以成为世界上所有 Agent 最好调用的旅行执行层(Travel Execution Layer)。它真正的资产不是聊天能力,而是库存、支付、出票、改签、退款、客服和几十年的供应关系。最危险的位置不是“做执行层”,而是既没有终端用户的委托关系,也没有不可替代的执行能力,只剩一个必须等人主动打开的 App。 45、当比较和挑选越来越多由 Agent 完成,广告也会变。更准确地说,广告的说服对象将部分从人转向机器。品牌不会消失,但品牌价值可能重新分解:靠重复曝光、货架位置、人的记忆捷径形成的那部分溢价可能下降;真正可验证的质量、售后、交付、退货能力可能升值。 (写公众号的人大概也要想一件事:以后“读你文章”的,可能有一部分不是最终的人,而是替主人先读一遍、提取判断的 Agent。) 46、创业公司比巨头少交两种税:旧界面税(Lega

Общие новости

广告狂人乔治·路易斯的28个Big Idea忠告,句句锋利

人人都是产品经理

乔治·路易斯是美国60年代创意革命的领军人物,也是《广告狂人》男主角的原型,一生反对把广告科学化,坚信创意才是核心。他把 Big Idea 视作对市场问题的惊人解决方案,以下28条忠告句句锋利,做创意和营销的人值得逐条对照。乔治・路易斯,美国 60 年代创意革命领军人物,人称麦迪逊大道的疯子,也是《广告狂人》男主角原型。他坚决反对广告科学化,坚信创意才是广告的核心,Big Idea(大创意)是他理论的内核。他一手打造的“I Want My MTV”、Esquire杂志封面等传奇作品成为行业里程碑。他的三本著作《广告的艺术》、《蔚蓝诡计Big Idea》、《给创意人的忠告》,被称为“大众传播学的圣经”。克里奥国际广告奖、美国专业设计协会双料终身成就奖得主,入选艺术指导名人堂与创意名人堂,并被《广告时代》评为“广告界十大新闻人物”。一、始终追求那个Big Idea 1、始终,始终追求大创意。(Always, always go for The Big Idea.) 广告中的Big Idea将产品的优点植入观众的大脑和内心,从而引发销量的爆炸。要成为沟通高手,文字和图像必须吸引人们的眼球, 穿透他们的头脑,温暖他们的心,并引起他们的注意并采取行动。我一直坚持的观点: 伟大的广告,本身就会成为产品的一个惠益。无论是作为一个企业家,还是创业开启新业务, 在任何创意领域——始终要追求那个Big Idea。 2、Big Idea是对市场问题的惊人解决方案伟大创意是对市场问题的一种惊人的解决方案,它以令人记忆深刻的文字或视觉内容加以表达, 它是传播力的真正来源。 3、伟大的广告都归功于Big Idea, 但不是去“创造”创意,而是去发现它们 ——当它们在空气中飘向我时,我将其捕捉。 4、好创意应该建立在一个坚定的信念基础上。如果你自己都认为广告仅仅是欺骗,而不可能成为文化标志,那么你永远都不会明白伟大创意所具有的潜力。所以,我们应该为了筑起完美而工作,而不是利益。 5、我的第一条戒律:理解文字在先,创造视觉在后。每当那些年轻的艺术指导们让我透露一下广告创意的‘公式’时,我就回答...从理解每个单词(word)开始!这个建议,是我的第一戒律,它可是作为圣经的戒条之一,被刻在石头上的。 6、大胆才有好创意! 你可以谨慎,也可以有创意—— 但不存在“谨慎的创意者”这种东西。创意的本质,是以原创打破习惯。宁可冒险被记住,也不要稳妥而被忽略;没有中间地带。好创意初看往往近乎疯狂。创意人不能低估受众智力,如果你认为受众很蠢,作品必然愚蠢。创意的目标不是讨好客户,而是帮客户获得巨大成功。 7、在十亿分之一秒内直达人心。如果你不能简洁有力地表达你的想法, 不能在十亿分之一秒内直达人心 ,那它算不上一个BigIdea。 8、向金主们阐述想法时,如果超过三句话,那就不是一个Big Idea。三句话后,人们的注意力就转移了。 9、伟大的创意不能够被测试,只有平庸的才可以。 10 定位是个屁. 然而,一个笨蛋可以“定位”成贵族,但如果你直接说这个笨蛋是贵族,谁会信? 定位就和上厕所前一定要拉开拉链般浅白。定位的伪科学问题,将逻辑与直线式思考奉为圭皋。最好的定位观绝对必须来自突破障碍的广告,以及惊奇而有创意的解决方法,理性的逻辑反而会束缚任何有可能制造奇迹、有创意的解决方案二、广告不是科学,广告是艺术 1、如果广告是门科学,那我就是个女人! 2、广告是什么?广告就是毒气。它应该让你流泪,摧毁过去的思维,重塑信仰.....。 3、调查是创意敌人——除非你自己的“创意性”调查。广告是门艺术,而不是科学。如果你的广告需要通过一些研究测试,那一定不会成功。趋势就是陷阱。 4、广告是“说出真理的谎言”,伟大的广告让产品变得更好。对我而言,伟大的广告能让食物尝起来更美味,能让你的车跑起来更顺畅。 5、一支伟大的广告必须和我们所生活的世界连结在一起。成功有效的广告秘诀,并不在于创造新的、精巧的文案和图片,而是要让熟悉的文字和图片产生新的关联(推崇李奥·贝纳名言)。 6、大多数绝妙的广告语会露出品牌名称;更久远广告语则需融合品牌DNA相关。 7、品牌命名的目标是创造“人文主义”符号我在为绝大多数我命名和设计标识的品牌中所追求的目标,是创造“人文主义”的符号,由一个孕育中的想法驱动,将人类经验中可识别的某个方面可视化。 8、任何将广告看成一回事的人,就应该诅咒趋势。想要有新的解决办法,就得向惯例、传统与趋势说不!面对既定的模式, 如果思考已经僵化就得先把人性找回来! 9、85%的广告都是没有被人看见的,14%的广告丑陋、愚笨、傲慢、降格以求,似是而非, 剩下的1%就是好的广告! 三、给广告人的9条忠告!尤其第9条「永远不要吃屎」 1、走在时代尖端的感觉真好! 我深爱的广告业,正使一切都变成可能! 2、广告的乐趣是一种生活的乐趣。如果在一天结束时还觉得仍未尽精力,你就是没有完全为工作付出!做广告的乐趣不只是一项工作的必然结果,也不仅止于一种将每日的愤怒转变为生产性活动的改进力量。广告的乐趣是一种生活的乐趣,而且充满并塑造有创意地与他人共事的每层面,而生活之爱以及工作与生活上崇高的愉悦,也必然以各种方式闯入广告生活中 3、但如果那些充满创意的idea没有用职业道德和努力工作去实现,那对我来说,它们一无是处。 4、大多数设计师都忘记了,作品是要给人看的。如果你无法通过设计传达意义,那你的设计毫无意义。如果你是创业者,一定要找到一个有想法的设计师,否则毫无意义。 5、为了不断突破自己的思维壁垒,我常去博物馆,每周都去。听起来很神秘,但人类的艺术结晶,的确可以帮你突破思维壁垒,在任何领域皆可。 6、如果你不了解一切从何处而来,你就不可能成为你想要成为的人。同样的意思被丘吉尔表达为“你对历史了解的越深,你对未来看的越远”。所以,有所成就的广告人品牌人都需要了解历史,各种历史,当然也包括广告、品牌和营销的发展史。 7、在纽约,“离最好只差一点点”也不行。纽约是世界的橱窗,而且是世界上唯一一个形象和词汇每一天都被以新的方式组合成更大胆更地道的新词以表达更新的东西的地方。纽约要求你发挥你的领悟力与才智,否则你在这里就无法生存。这正是我所崇拜的挑战。纽约,就是纽约。 9、找个好地方,然后好好工作。你工作的地方会影响你的工作表现。如果可能的话,去找一个要求好作品且尊敬它的适当环境,如果你有写作或绘画天赋或两者皆有,永远试着去做能使你自豪的工作。如果可能,找一家让你的才能会受到鼓励,而不是被善的公司经理所扼杀的广告公司。到这样的公司才会有出头的一天,努力去找吧! 9、永远不要吃屎。如果你觉得一样东西看起来像屎,闻起来也像屎,吃起来也像屎,那它就是屎。什么意思?如果你发现自己在一段关系和老板,和上司,和合作伙伴,和客户中,不断被否定、欺凌、利用,承认吧——你在吃屎。如果你没有结束的勇气,你永远做不出伟大的作品。四、经典案例案例1、I Want My MTV 案例2、Coldene咳嗽糖浆这幅Coldene咳嗽糖浆的极简主义广告,于1960年投放在Life and Look杂志时.它发生在一对夜里被孩子咳嗽声吵醒的夫妇间: ‘约翰,Billy又咳嗽了吧?’ ‘那你起床去给他和喝点儿Coldene啊。’ 案例3、沃夫施密特酒酒:“嗨,你这个正点的红番茄,若我们两个加在一起可以调成血腥玛丽。我可是和别的家伙不同喔!” 番茄:“我喜欢你,沃夫施密特,你的确有味道。” 酒:“我可是个有品味的人,我要发掘你的‘内在美’,使你名满天下。还不快过来亲我一下。” 橘子:“上个星期我看到跟你在一起的那个骚货,她又是谁?” 案例4、我们在推紧身裤。案例5、施乐:简单得连猩猩都会案例6、优耐陆橡胶:诺加很丑,但它的皮很漂亮本文由人人都是产品经理作者【品牌猿】,微信公众号:【品牌猿创】,原创/授权发布于人人都是产品经理,未经许可,禁止转载。题图来自作者提供

Общие новости

设计系统负责人的语义生长:在1个组件的2个场景上练习核对

人人都是产品经理

设计系统负责人如何低成本建立组件语义评审能力?本文提出只需找到使用频率最高的组件,核对它在2个场景下的语义身份,就能从“管组件长什么样”升级到“管组件承担什么责任”。通过真实案例和结构化域绑定方法,帮你迈出语义治理的第一步。前一篇《从追问1个Design Token开始》讲了设计系统负责人怎么从1个错误色开始,建立”从色值到语义”的评审能力:追问三个问题,写成结构化定义,贴在规范旁边。这篇我们接着往下走一步,把镜头对准组件: 设计系统负责人最少做多少,就能开始建立”核对组件语义边界”的评审能力? 答案是:找到你们组件库里使用频率最高的那个组件,核对它在2个场景下的语义身份。仅此而已。一、为什么要从1个组件的2个场景开始很多设计系统负责人看到”语义域”这个词,第一反应是:”这是不是意味着我要给组件库里每个组件都标上场景标签?” 不是的。语义域不是给组件贴标签,而是回答一个问题:同一个组件,在不同场景下,承担的语义责任一样吗? 以 <Alert> 组件为例。它在你们的组件库里只有一份代码、一套样式,但它至少活在三种场景里: 组件是空容器,语义由场景定义。同一个 Alert,被不同场景引用时,获得完全不同的语义身份。为什么只核对1个组件的2个场景?因为组织对抗往往来自”又要给组件库做大手术”的疲惫感。但如果告诉你:”不需要动组件库,只需要挑1个组件,核对它在2个场景下是不是同一样东西”,门槛就低了很多。二、核对2个场景:从”这个Alert好不好看”到”这个Alert在这里是谁” 打开你们的组件库,找到使用频率最高的那个组件,通常是 Alert、Button、Modal 中的一个。我们以 Alert 为例。核对动作只有一步: 选这个组件最常出现的2个场景,回答同一个问题, 它在这个场景下,承担了正确的语义身份吗? 这两个场景的视觉表达可能是同一个 Alert 组件,但用户看到后的行动完全不同。你的动作: 在组件库文档里,把这个组件的2个场景并排写下来,分别标注它们的语义身份(阻断器 / 信息条 / 路径提示)。注意,这不是视觉判断(”这个 Alert 好不好看”),而是语义判断(”这个 Alert 在这个场景下是否承担了正确的语义责任”)。顺手再核对一次按钮,效果更好: 三、把核对结果写成”机器能查”的格式核对完2个场景后,你手里有了一份”人懂的”语义判断。下一步是把它翻译成”机器能查”的格式,不是让你写代码,而是写一段结构化的域绑定说明,让下游的语义翻译设计师能直接把它编码成YAML契约。核对前(人懂的直觉): “这个删除账户的确认弹窗,不应该用普通的蓝色主按钮,应该是危险样式,而且要有二次确认。” 核对后(结构化域绑定): 你的动作: 把这份域绑定说明,贴在你们组件库的对应组件旁边。不需要写YAML,只需要写到这个颗粒度,下游的语义翻译设计师会把它编码成契约。机器拿到这份说明后,跨层禁止规则就能自动执行:谁把危险操作绑到导航域,编译时直接拦截。四、真的发生过吗:一个你可以在自己组织里验证的案例你们组织里一定有这样的情况: 同一个”删除”动作,在不同产品或不同页面里,样式和确认流程都不一样。你可以做的验证动作: 打开你们的主产品,找到一个”批量删除”或”删除账户”入口截图,记录:按钮是什么颜色、什么样式、点击后有没有二次确认再打开你们的另一个产品(或另一个后台页面),找到同样的删除入口截图,对比:两个产品的删除按钮,视觉权重和确认流程是否一致? 大概率你会发现: 这就是一个真实发生过的漂移类型: 某团队把”批量删除用户”按钮声明为 navigational 域,绑定了 action.primary(引导动作),AI生成代码时按导航按钮的标准映射输出蓝色实心样式,没有二次确认,用户误触后批量删除了数据。根因不是设计师没画对,而是开发团队把”删除”理解成了”导航到删除页面”,而不是”执行删除操作”。域声明标错,下游全错。你的动作: 把这几张截图并排放在一起,在团队群里发一句:”我们的删除操作,好像有的有确认、有的没有?”,这就是语义域核对的起点。五、一直在工作吗:怎么让这份域绑定不被遗忘核对完2个场景、写成域绑定说明后,最怕的是:新场景出现时,没人再核对,域声明又回到拍脑袋。最小可行的保鲜机制: 你的动作: 先在每次新场景评审会上加一个问题,”这个场景里的 Alert / Button,是谁?”只需要1分钟,就能让域核对成为习惯。机器负责每次提交、每次生成的自动检查,你只在新场景出现、机器没见过时在场。六、生长路径:从1个组件到组件库的语义边界体系核对1个组件的2个场景只是起点。设计系统负责人的语义域核对能力,会沿着这条路径自然生长: 关键原则: 不是”等组件库全部标完再开始”,而是”从1个组件开始,在核对中建立标准,在标准中完善规则”。结语前一篇讲了怎么从1个Design Token开始追问语义。那些是”点”,让你知道一个颜色意味着什么。这篇讲的是”面”的第一步:不需要给组件库贴上全套标签,只需要找到你们最常用的那个组件,核对它在2个场景下的语义身份,它是阻断器、信息条,还是路径提示? 核对本身就是评审。当你开始问”这个组件在这个场景下是谁”,你就已经从”管组件长什么样”生长到了”管组件承担什么责任”。希望能帮到你。如果你在核对过程中发现了有趣的案例(比如同一个 Alert 在你们组织里既当故障警报又当营销横幅),欢迎在评论区分享,这些真实的混乱,正是语义治理最好的起点。下一篇会针对”约束显化”展开,聊聊设计系统负责人怎么把1条评审会上说了三年的”绝对不能”,翻译成机器能自动拦截的规则。本文由 @阿基拉de_Akir 原创发布于人人都是产品经理。未经作者许可,禁止转载题图来自Unsplash,基于CC0协议

Балл: 57.02Уверенность: 54%

Подробнее

Открывайте больше.
Тратьте меньше.

Обзор каталога

苹果商店详情顶部头图已面向所有开发者开放!

同一张街拍,两种表达:用 Awaking 试一次高对比黑白

diff 里明明没有它,审查评论却落在 notify.js 上

LLM 驱动的自动化测试系列(06):移动端自动化(二)——DroidRun/Mobilerun 的角色级模型拆分

一天一个开源项目(第230篇):HandRaw-Style —— 把 327 种手绘风格、165 种排版、36 种配色编号化,让 AI 画图不再每次都飘

模块化Jetpack Compose架构

从陶哲轩的访谈看:AI 数学研究方法论 & 给其它行业的启示

微软和 a16z 投了一家 AI 催收公司

等 AI 干活太无聊?我给 DeepSeek Harness 写了个「合成大鲸鱼」,已开源

关于 AI Agent、信任与决策权的 100 条

广告狂人乔治·路易斯的28个Big Idea忠告,句句锋利

设计系统负责人的语义生长:在1个组件的2个场景上练习核对

Открывайте больше.Тратьте меньше.

Обзор каталога

Открывайте больше.
Тратьте меньше.