一位AI产品经理的2025：Never be satisfied

今年个人的一些变化

感受生活，认识自己，成为一个完整的人，而不只是解题家

1、关于意义和价值观的思考

• 10 年前，我人生第一次走进腾讯大厦的时候，无数次憧憬着可以和一群有趣的 Founder，出入在高端写字楼，有喝不完的咖啡，拿不完的年终奖和期权。但是现在我厌倦甚至讨厌这种精英主义的虚伪感，如今这些东西都有了，身处其中的人却在异化、在变得没那么快乐。

• 人总在飘、心也在飘。飘着飘着，有人迷茫、有人孤独。哪怕赚的不少，但很多美好的感情的东西，总是散了。

• 所谓长远看，死亡会是一个最终的要素，在这个背景下你会发现，只有深度关系是最重要的，自己和他人的，自己和世界的，而构建深度关系，自然要对外构建世界，对内理解和接纳自己。职业，是一个生命表达的途径之一。

• 思维的开放性决定了认知上限，判断开放性也非常简单，是否能接受灰度，是否能悬置判断，是否可以接受自己的无知和世界的荒谬。

• 今年对自己新的认识：持续用自己的认知和专业帮助需要的人，去链接更多有趣的人，会让我产生大量的多巴胺和内啡肽，这个和开 911 的感觉差不多。

• 年初戒掉短视频了，把更多时间回归到物理世界和创造上，就像审美，需要亲身用感官去体悟足够多过粗粝或精美的造物才能缓慢形成。

• 乐观只需要赢一次就够了，悲观会选择永远批判。可恶的别人，可怜的自己，自怨自艾，恶性循环。多数时候失败没什么大不了的，输不起，才是最可怕的。

• 厌蠢是一种病，治不治得看自己心智成熟度。

2、推荐有趣的东西

• 今年看的最佳科技人文纪录片：《The Thinking Game》，还有几部奈飞出品的纪录片：《全美缉凶：本•拉登》、《一级方程式：疾速争胜》、《Pretend It's a City》

• 过去我看产品技术和商业的书居多，今年开始接触社会学和心理学著作，主要还是想换个视角了解社会群体，推荐：阿德勒《自卑与超越》、欧文•戈夫曼《日常生活中的自我呈现》、格尔哈特•伦斯基《权利与特权》、彼得•蒂尔《主权个人》

• 行业内博客：

01.最近 98 年的姚顺雨担任腾讯 AI 首席科学家，推荐阅读他9月份发的文章《The Second Half》。https://ysymyth.github.io

02.Anthropic 的博客文章我每篇都会仔细研读，对建立产品和工程认知有很大的帮助。https://www.anthropic.com/engineering

03.AI产品经理常看的newsletter：https://creatoreconomy.so/

• 中文播客：平时开车的时候喜欢听小宇宙，今年听得最多的还是张小珺商业访谈录，主要获取 AI 创业者和投资人的头部信息。

3、个人生活上习惯的变化

只有身体不会辜负自己

• 饮食：工作日实践低 GI 饮食已累计 5 个月，体脂率有明显下降，周末会吃点放纵餐，整体带饭的 SOP 已经非常熟练，接下来会尝试消炎饮食法。

• 运动：工作日平均每天跑 4km 左右，整个人会精神很多，周末早上睡完懒觉起来空腹做力量训练。

• 体检：今年身体各项指标正常：肠镜检查，之前切除的息肉已完全消失。

• 家人：关注父母的健康比较多，母亲切除了一个比较大的肺结节，算是降低未来风险的举措。准备给爸妈安排带状疱疹疫苗，这个事情很多人会忽略。

4、工作上的进展

• 作为一家芯片和算法公司，今年属于阵痛转型期，从 NPU 转向 GPGPU路线，短期内还没有一个产品找到突破口。

• 主线工作还是在推理芯片和算法应用上，另外在 LLM评测、BenchMark和 Agent 工程上面花的时间比较多。

• 今年通过 Claude Code 和 Gemini 开发了一些小产品，已经在公司内部小范围使用，反馈不错。

• 年尾重新拾起公众号和小红书的运营，还是想通过自己积累的知识给更多人带来价值。

• 下半年开始接触不同行业的人，房产销售、服务员、老师、广告铺老板、卷妈、早餐店老板...会和他们聊聊怎么用豆包的。

• 【42向量】这名字想了 5 分钟就定好了，LOGO 设计花了 10 分钟。

• 今年很多同事对我说：你这家伙以后一定会创业的。

5、未来长期的能力储备

• 团队内部长期还是看好海外市场，英语得持续学习，最近在咨询雅思的考试，核心目标先满足工作需求。

• 今年已基本建立行业内的Sence，明年开始会用Vibe Coding重塑团队的工作流。我需要把每个工程师都推向这里。不用产品经理，不用设计师，一切靠AI和自己， 快速尝试新想法。

• 继续保持敏锐且高效获取一手信息的意识和能力，接下来主要时间花在搭建Agent类产品的demo上。

• 关注海外市场用户的需求（北美、越南、迪拜），学习产品增长策略，这是目前最大的短板。

• 通过社交媒体持续构建影响力，这件事情值得长期投入。

2025年AI行业的新共识

2025 年对于全球AI从业者来说，是值得载入科技史的一年。

○ 行业共识

• 国内大模型上半场已经结束，下半场主要看哪家可以通过大模型要素革新自己供给侧的供应链和产业链。
• 推理模型的token用量占比超过了 50%，多步推理、工具调用、长上下文迭代正式成为主战场。
• 2025年Deep Research、Manus、Claude Code 相继发布，Anthropic证明了Skill > Agent，独立的 Agent 平台有天然的adoption障碍。把能力封装成 Skill，嵌入已有的通用 Agent 生态，可能是接下来更务实的落地路径。
• 在AI时代，个体和组织没有什么真正的壁垒，迭代速度可能是最大的壁垒。而速度，依赖人的能力模型、组织形式与产品的匹配。
• AI native的产品，需要匹配AI native的员工、组织形式、工作方式，多数企业的枷锁不是制度，是人，是企业的「老人」。
• 为什么公司老人会潜意识的抵制创新和新技术，因为在动他们的利益。

○90后、00后初创团队开始主导AI市场

• 1992 年的肖弘，Manus和 Monica的 CEO
• 1992 年的杨植麟，Kimi（月之暗面）CEO
• 1992 年的王兴兴，宇树科技（人形机器人） CEO
• 1993 年的彭志辉，智元机器人联合创始人、CEO
• 1994年的Aravind Srinivasan，Perplexity创始人、CEO
• 1995 年的孙伟杰，深势科技创始人兼CEO
• 1995 年的明超平，YouWare创始人、CEO
• 1996 年的于北川，Lessie AI创始人
• 1996 年的刘滢，Influcio.ai创始人、CEO
• 1996 年的倪正民，Flowith AI创始人、CEO、CTO
• 1997 年的Alexandr Wang，Scale AI创始人、CEO
• 1998 年的梁健，右脑科技创始人、CEO
• 1998 年的姚顺雨正式加入腾讯，担任 AI 首席科学家。
• 1999的郭文景，Pika (视频生成) CEO
• 2000 年的Michael Truell，Cursor创始人、CEO
• 2001 年的严訸，CoreSpeed创始人、CEO
• 2004 年的Brendan Foody，AI招聘平台Mercor创始人、CEO

2025年AI产品的方法论与认知

故事的核心永远是人。而品味、经历和信仰，才是产品真正的主角。

今年产品方面工作主要两件事：实践Agent、推进算力产品化，前者是热爱，后者是本业。

• 速度就是一切的执行哲学。
• 对于绝大多数业务负责人，特别是比较大的业务负责人，最核心的能力还是想象力。到底能不能在不充分的信息支撑下，看到足够远的未来。
• 大厂 PM 最引以为傲的数据驱动（A/B Test），在 AI 0-1 阶段可能是毒药。 有时候陷入局部最优解往往是全局的死路。 这时候品味比数据更重要。自己都不用的产品，数据跑得再好也是虚假繁荣。
• 把模型当做一个人，像带实习生一样带模型（给目标，给 Context，给反馈）。 会发现很多复杂的工程链路，其实一句话就能解决。
• 产品真正的护城河是：产品框架能否最大化承接模型进步的红利？ 如果模型变强了，产品体验没有指数级提升，那你的产品架构可能是错的。
• 用户是来要结果的。 如果 AI 给不出完美结果，就在产品设计上做好预期管理。
• PM 其中的关键工作是：定义好输入和输出结果，细化为测评标准，然后去收集、清洗、构造对应的数据集
• 做 AI 产品要"以 AI 为中心"思考：以 AI 为中心设计工作流，再让用户享受这个高效流程的成果。不是让 AI 模仿人的工作方式，而是重新设计工作方式让 AI 更高效。
• 深入业务，把 AI 作为生产要素和加分项。毕竟内燃机发明出来，应用到汽车流水线才有价值，塞到马肚子里，没有价值。
• Agent Skills 大有可为。

2025年VibeCoding带来的范式惊喜

Vibe Coding让创造者从“写代码的人"，变成了“管理无限大脑的人"。

今年对 Vibe Coding 的最大转变来自于 Claude Code，读AI文千遍，不如上手用AI做东西一点。

Vibe Coding 的发明人 Andrej Karpathy 是这么说的：2025年是AI跨越能力门槛的一年，这一门槛使得只需用文本就能构建各种令人印象深刻的程序，人们开始忘记代码的存在。

• 对于任何想要创造的人：再小的产品也值得做，想清楚人群就可以。
• 做好一个小产品是下一个产品的基石。
• Vibe Coding的本质，不是让AI 写出完美代码，而是你如何通过高带宽的信息输入，让AI极其精准地理解你的意图。
• 没有人真正的是在“Vibe Coding”，没有说写个提示词就完事了的，都是在AI 干活前反复的讨论，直到清楚了再动手
• AI从项目最最开始的“产品经理（PM）”和“架构师”阶段就介入了。

给AI 一个模糊的需求（比如“我想做个用户反馈系统”），AI 的第一反应不是写代码，而是反过来向你提问：

-“用户反馈需要打分吗？”

-“需要上传图片吗？”

-“需要和哪些系统打通？API密钥是什么？”

它会帮你把一个模糊的想法，拆解成一份详细的规格说明书（Spec）。这份说明书既是给人类看的，也是后续 AI自己写代码的指南。

• 有两样东西不会过时：算法和架构。不理解计算机的工作原理，不可能单靠 Vibe Coding 就走向卓越，基础知识依然至关重要。

Vibe Coding 基础课程

https://www.vibevibe.cn/

Vibe Coding 的10条实战建议

1.需求聊透再动手：避免返工。每个页面、功能、设计风格都要和AI充分讨论，让AI 补全细节。

2.锁定热门技术栈：推荐 Next。js+ Supabase + TailwindCSS 等。热门技术栈在 AI 模型中训练数据最足，回答的准确度和代码质量是最高的。

3.接口先行：每一个接口都要写独立的API 文档，接入代码前先用AI 生成CURL测试，排除第三方不可控因素。

4. 分批执行MVP：任务拆解，先完成最小可行性版本。建议先Mock 数据搞定前端，再逐个接入APl。

5. 善用开源库：动手前先问AI 有没有合适的轮子，和AI 讨论并确认开源库方案后，再在此基础上修改，大幅减少代码生成量和调试成本，也可以搜索下github。

6.版本管理意识：完成一个独立功能就 Git Commit，方便随时回滚， 大胆实验。

7. 精准复现 Bug：报错信息给全（页面、控制台、Network），清晰描述“正确逻辑 vs 错误现象”，无法解决时及时回滚换思路。

8. 投喂充足上下文：不要只发文字，多发截图（UI参考）、文档（API字典）、示例代码。

9.引导式修复：让 AI像人一样梳理逻辑，在关键步骤输出日志排查。

10.控制Token 上限：每个独立任务新开一个标签页，保持上下文纯净。

硅谷大佬们的 AI 编程实践： 

1. Django 创始人Simon Willison 用 Codex CLI 和 GPT-5.2 在 4.5 小时内把 Python 的 JustHTML 转成 JavaScript：simonwillison.net

2. Anthropic分享如何让编码 Agent 在长时间任务中高效工作：www.anthropic.com

3. OpenAI 的工程师 Aaron Friel  用 Rust 重写一个成熟的 Kotlin 开源项目，并且做到了和原项目 100% 兼容：forum.openai.com

4. Flask 框架作者Armin Ronacher 的Amp、Claude Code和Pi使用体验，Vibe Coding 展现出令人兴奋的可能性，但离支撑起专业级的规模化复杂工程，还有很长的路要走：lucumr.pocoo.org

5. 软件工程大师 Martin Fowler 的访谈，他认为 AI 核心影响在于让开发从确定性转向了非确定性，Fowler 建议开发者利用 AI 处理遗留代码理解和快速原型开发，但必须保持严谨的验证与测试。无论工具如何进化，沟通能力、对复杂业务的理解以及持续学习依然是优秀工程师的基石。

https://youtu.be/CQmI4XKTa0U?list=TLGGKD78I6EfcOwyMzEyMjAyNQ

优秀案例： 

最近看到有一个妹子用Gemini3把42本书，分别转化成了网页，用可视化的方式去呈现每本书独有的核心思想，非常惊艳。

https://www.vibary.art/zh

2025年个人AI工具矩阵

好东西都有一个特质，就是不会太上头， 能够引发你的安全感，你得到了它，会有一种踏实感，会减少内心的匮乏，能够让你冷静下来，有更多的精力去做自己想做的事情，产品工具也是如此。

• 高频使用：Gemini、ChatGPT、豆包
• Vibe Coding：Claude Code、Codex
• 图像：Midjourney、NanoBanana、Figma AI
• 搜索：秘塔 AI、Perplexity
• 学习工具：NoteBookLM、TLDW
• 调研工具：Gemini Deep Research
• 日常 AI 的第一入口：Raycast 
• AI 浏览器：Dia
• AI 笔记管理：Notion
• 汇聚全球大模型API：OpenRouter
• 工作流画布：YouMind
• 数据管理：飞书多维表格

学习AI的一些tips

每一代新技术刚出来时，人们总是习惯用旧的方式去理解它。这就是所谓的“看着后视镜驶向未来”。

• 把 AI 工具当做一个人，结合自己的想象力，和它互动，例如把它当做一名外教英语老师，一名面试官、一名律师等等。
• Al 提升的是下限，而不是上限。
• 难的不是创造东西。最难的是长期维护一个东西。
• 花时间拆解自己的日常工作流，拆解的颗粒度尽量足够细，然后每个节点尝试用AI代替。
• 用大模型类产品代替思考，很多时候会失去「无知」与「悬置判断」的痛苦。
• 大模型类产品最终导致的是：把五花八门的「愚蠢」，转化成整齐划一的「傲慢」。就像，短视频做到的事情一样。应该让AI 辅助自己创作，而不要完全的让渡自己的创作力，这是非常愚蠢的。
• 切忌：不要用 AI 助手为你做任何关键的决策，包括不限于择偶、职业选择、买房，切忌啊。

21世纪的Q1就要结束了，

希望接下来的Q2，身边的人都如夏花盛开般灿烂。

文章来自于“42向量”，作者 “JC-蔡杭洲”。