在AI创业浪潮中，产品经理的角色正在被重新定义。当技术幻觉与真实用户需求不断碰撞，一个资深产品人用一年时间验证了关键认知：AI产品的核心不是搬运模型能力，而是构建价值容器。从重构团队定位到定义数字主题世界，这篇文章揭示了AI产品经理如何在前沿技术与商业现实之间架起桥梁。
如果要我用一句话总结过去这一年，我会说：
我做的不是把技术变成功能，而是在反复区分两件事：什么是真实的用户需求，什么是技术给人制造的幻觉。
这句话几乎概括了我这一年最重要的工作：重建产品团队的位置，和算法团队协作与博弈，推动实验性方向从概念走向落地，定义产品的阶段性路径，也一次次在现实里验证，什么是现在能成立的产品，什么只是一个迷人的 demo。
这一年里，我既推动过产品团队从模型组里独立出来，也做过需求机制、产品规划、跨团队 PMO；既认真相信过世界模型、数字人、多模态沉浸、创作者共创平台这些方向，也亲手验证过它们为什么在当时跑不通，或者至少，没有想象中那么容易跑通。
如果说这一年最大的收获是什么，不是我做了多少功能，而是我越来越确认：
在 AI 创业公司里，产品负责人最重要的工作，不是追着模型能力跑，而是持续判断：什么东西现在只是技术幻觉，什么东西才真正能沉淀成产品。
一、我为什么会进入 AI 创业公司我在社交和内容赛道做了 6 年产品。
2018 年算是互联网很好的年份，某种程度上，也像是我的“出道即巅峰”。后来的几年，我越来越强烈地感受到一种边界感：流量红利在消退，创新越来越像存量竞争，很多时候大家不是在创造新需求，而是在成熟格局里反复争夺同一批用户。
从上一家公司离职之后，我也做过一些小创业尝试。那段经历最大的价值，不是让我证明某个方向一定能成，而是让我更清楚地确认了自己的优势和边界。
我慢慢知道，自己真正擅长的不是融资，也不是独自扛起一整套复杂组织管理。我最有热情、也最有能力的地方，还是产品价值定义这件事：一个东西为什么值得做，它到底解决了谁的什么问题，它的终局长什么样，今天又该从哪里开始。
所以最后，我还是回到了团队作战，并且进入了一家 AI 创业公司。
入场前，我对这个方向做过几个基本判断，后来也不断拿现实去校验它们。
第一，AI 内容不是效率工具的升级版，而是一种新的内容消费形态。它改变的不是单纯的生产速度，而是用户和内容之间的关系：从被动接收，变成主动参与、身份投射和关系生成。
第二，这个赛道还很早期，很多能力边界都比看起来模糊。你会看到各种很性感的方向：陪伴、角色、剧情、世界模拟、多模态互动，但“能做出来”和“能成立”，中间隔着非常长的一段路。
第三，这也是我后来修正最多的一点：我原本以为，AI 会很快让“全民创作”成为可能，创作者生态会自然繁荣。但一年下来，我越来越清楚地意识到，AI 降低的是执行门槛，不是审美门槛，更不是分发和赚钱门槛。
带着这些判断，我进入了公司。然后很快发现，现实比想象复杂得多。
二、很多 AI 创业公司里，产品最容易变成“模型能力的搬运工”我刚入职的时候，产品团队是挂在模型组下面的，而且并不被重视。
这个结构在早期 AI 公司里其实很常见。因为模型能力天然最耀眼，也最容易形成团队的话语权。算法同学每天都会产生大量新想法：这个能力能不能接，那个角色能不能跑，这个交互能不能试，那个方向是不是可以快速上线验证。
团队看起来非常忙，功能很多，节奏很快。
但问题在于，忙不等于有效，功能多也不等于产品成立。
如果一个团队只有能力迭代，没有用户洞察；只有功能堆叠，没有价值定义；只有“先做了再说”，没有对需求价值、用户痛点和市场位置的判断，最后就会很容易陷入一种熟悉又危险的状态：做了很多事，却很难回答：
我们到底解决了什么问题？为什么用户要来？为什么用户会留下？我们做的这些，到底带来了什么正向收益？
而产品在这种结构下，最容易被压缩成一种尴尬角色：不是价值定义者，而是功能翻译器；不是产品负责人，而是把功能挪到纸面上的工具人。
我很快意识到，这件事本身就是不合理的。
因为算法擅长回答的是“能不能做”，而产品必须回答的是“为什么做”“给谁做”“做到什么程度才值得做”。
尤其在 AI 创业公司里，这个角色更不能缺位。因为模型本身就是不稳定的，能力边界也是模糊的。很多东西刚出来的时候，看起来什么都能做，实际上什么都做不深。这个时候如果没有一个角色持续把技术能力往用户价值上收拢，整个团队就会陷入一种“看起来很前沿，其实很发散”的状态。
所以我进入公司之后，做的第一件真正重要的事，不是立刻上多少功能，而是用行动证明：
产品团队必须独立出来，必须重新拥有价值判断权。
这件事并不容易。
创业公司节奏非常快，很多人没有耐心听你慢慢讲方法论，大家更愿意相信“先做了再说”。很多时候，你能不能拿到话语权，不靠你讲得多有道理，而靠你能不能先把事情做出来、扛起来、落下去。
所以那段时间，我几乎是把自己变成第一行动人：定计划、补机制、盯执行、跨团队协调、推进关键节点。加班熬夜当然很多，但更重要的是，我必须先用结果建立信用，再谈组织角色的重建。
回头看，那段经历让我越来越确认一件事：
产品团队存在的意义，不是把技术翻译成功能，而是把能力组织成用户价值。
三、我这一年真正做的，是把“想法驱动”拉回“价值驱动”产品团队逐步独立出来之后，我做的事情看上去很杂：需求落地、产品规划、项目管理、协调产研和算法、推动数字人等技术在应用中的落地。
但如果把这些事抽象一下，本质上其实只是在做同一件事：
把原本由想法驱动的迭代，拉回到由价值驱动的迭代。
1. 先把产品价值锚点定清楚，再谈需求我刚进来的时候，团队缺乏系统规划。很多功能被提出来、被做出来，然后又发现和整体产品框架不匹配，最后删改甚至推翻。表面上看是执行问题，底层其实是没有统一的产品价值锚点，也没有清晰的优先级机制。
所以我做的第一步，不是去收更多需求，而是先反过来问：
这个产品当前的核心价值是什么？用户为什么要用它？我们这个阶段真正要成立的体验是什么？
只有这个问题先被定义清楚，需求才有机会被真正排序。否则团队会一直处在一种高频试错的幻觉里：仿佛自己很灵活、很敏捷，但实际上只是在不断生产和消耗内部不确定性。
2. PMO 不是辅助能力，而是 AI 产品负责人的核心能力我后来越来越觉得，在 AI 创业公司里，PMO 不是辅助能力，而是产品负责人的核心能力之一。
因为你面对的不是一条标准流水线，而是三类人同时在动：算法在迭代能力，研发在搭系统，产品在定义场景和体验。任何一边跑快了、跑偏了，最后都不可能形成一个真正可交付的产品。
尤其像数字人、角色互动、多模态表达这些东西，看起来只是一个“功能点”，但真正落地时，涉及模型调用、表现形式、前端交互、内容约束、性能体验、评估标准等整套系统。你不把这些线穿起来，技术再新，也只是 demo；功能再酷，也只是概念。
3. 产品负责人还要管理技术团队的预期这一年最难的沟通，很多时候不是向老板要资源，而是向算法团队解释，为什么我们要在某些前沿方向上踩刹车。
因为很多技术同学真正想做的是更大的东西：更接近 AGI，更接近世界模拟，更接近范式级创新。相比之下，一个 AI 辅助的内容消费产品，听起来甚至有点“世俗”。
但产品负责人必须面对另一种现实：如果今天没有一个能成立的产品容器，没有一个可验证的用户价值，没有一个最小商业闭环，那么再宏大的技术理想，最后也很难持续。
我后来越来越觉得，好的产品负责人，不只是管理用户预期，也要管理技术团队的预期：既不能让团队彻底失去长期愿景，也不能让组织一直沉迷于“技术上很性感、商业上却不成立”的方向。
4. 真正难的不是想清楚终局，而是找到当前阶段能成立的最小单元AI 创业公司最大的诱惑，就是能力太多、想象太大。今天看到一个新模型，觉得能做；明天看到一个新玩法，也觉得能做。可真正重要的不是“哪些东西能做”，而是“哪些能力组合起来，能形成一个成立的产品方向”。
也是在这个过程中，我越来越清楚地看到，我们做的并不是一个简单的 AI 工具，也不是一个标准意义上的聊天产品。
我们真正碰到的，是一个更有意思、也更难的问题：
AI 有没有可能重做内容消费这件事。
四、我们产品真正卖的，不是聊天，而是身份、关系和剧情如果只从表面形态看，我们做的产品很容易被归类成“AI 陪伴”“虚拟男友/女友”“角色聊天”。用户面对的是虚拟角色，会互动、会表达情绪、会形成某种关系感。
但如果从更深一层的产品结构来看，我越来越不愿意把它简单理解成“陪聊”。
因为用户真正消费的，根本不只是聊天本身。
他们在消费的是新的身份投射、关系想象、剧情推进、情绪刺激，以及进入另一个世界的可能性。
这也是为什么，我后来会越来越坚定地认为：
这类产品首先是内容产品，其次才是 AI 产品。
从更底层的需求看，这些内容产品之所以能长期占据用户注意力，通常都在满足三件相似的事：
第一，提供一个新的世界观。用户进入一个有规则、有秩序、又不同于现实的世界，并逐渐掌握它的运行逻辑。无论是游戏还是小说，这种“进入另一个规则系统”的体验，本身就具有很强的吸引力。
第二，提供一个新的身份。现实世界里，身份大多是单线展开的，很多事情没有重来的机会。但在内容里，用户可以成为主角、成为被偏爱的人、成为现实里无法成为的那个自己。
第三，提供一条相对清晰的体验路径。现实人生是混沌的，但好的内容产品往往不是。游戏里有升级路径，小说里有发展弧线，用户会因为路径的存在获得稳定的代入感和情绪回报。
从这个角度看，AI 角色互动类产品最有意思的地方，不是它会聊天，而是它第一次把这些东西合并到了一个更轻的容器里：比小说更可参与，比游戏更轻量，比短视频更有关系感。
这也是为什么，我越来越确定：它争夺的不是“聊天时长”，而是用户注意力里密度最高的那一部分。
但这个判断本身有一个很大的内在张力：如果这首先是内容产品，那么内容质量、内容供给、内容分发的逻辑就必须被认真对待，而不能全部寄希望于模型能力自然进步来解决。也正因为如此，后来我在创作者生态和内容评估上花了很多精力，也踩了很多坑。
五、我真正想做的终局，不是开放沙盒，而是数字主题世界做得越久，我越确认自己真正被吸引的，不是某一个单点功能，而是这个方向最终可能长成的样子。
游戏和小说之所以强大，从来不只是因为它们能杀时间，而是因为它们给了人一种稀缺的能力：
在别的世界里，重新成为另一个自己。
游戏给人的，往往是新的世界观、清晰的规则、可选择的新身份，以及明确的成长路径和目标。小说等内容载体给人的，也是类似的东西：新的背景、新的人物关系、新的身份投射、新的发展轨迹。
但这两类产品都有明显缺陷：生产端受限，路径仍然高度确定，而且缺乏真正意义上的个体化共生感。
所以我很早就有一个终局判断：长期看，我真正想做的，不是一个更强的角色聊天产品，也不只是一个更大的互动内容平台，而是一个“数字平行世界”。
但这一年之后，我也修正了自己对“平行世界”的表达。
我想要的，并不是一个完全放任 AI 自由演算的开放沙盒。那样的世界未必真的有趣，反而很可能平庸、混乱、没有戏剧张力。完全开放、没有导演的世界，对绝大多数用户来说，很可能是负担，而不是体验升级。
我真正想做的，更像是一座座由人类定义主题、规则和戏剧张力，AI 负责角色驱动、互动承接和分支延展的“数字主题世界”。
具体来说，这和现有游戏的差异在于：游戏的规则是封闭的、预设的、相对公平竞争导向的；而数字主题世界的规则是可配置的、叙事导向的，每个用户可以拥有不同的身份入口、关系起点和剧情走向。它比“赢”更接近“活进去”。
也是在这个过程中，我越来越意识到，如果我们做的只是一个通用内容容器，那么巨头一旦带着更强的流量、版权、算力和分发能力进场，创业公司其实很难正面竞争。
所以终局想清楚之后，另一个必须想清楚的问题就是：我们的壁垒到底沉淀在哪里。
它不太可能来自“我们也能做一个平台”这件事本身，而更可能来自几个更窄但更深的地方：
对高情绪密度内容的产品理解；对优质创作者供给的重运营能力；角色一致性、长线关系、内容评估这类更难被快速复制的底层能力。
创业公司很难和巨头拼广度，只能在某个足够垂直、足够高密度、足够难服务好的场景里，建立窄但深的壁垒。
六、终局要看得远，但路径必须分阶段走当然，我也非常清楚地知道，这个终局今天还远没有实现。
规则引擎怎么搭，世界如何持久运转，多角色关系如何长期自洽，社会和经济规律如何承接，承载形式到底是什么样的，这些核心问题今天都还没有被真正解决。
所以我后来越来越清楚地意识到：
当前 AI 的智能度还不够，远期目标依赖的核心要素也还没有完全明晰。要先做短期，同时并行看长期。
如果把这条路径拆开，我现在会把它理解成三步。
第一步：内容消费成立先让用户作为“故事主角”进入一个由 AI 驱动、但仍有内容骨架支撑的沉浸式叙事世界。这个阶段的重点，不是创造无限自由，而是降低进入门槛，强化角色代入感、情绪感知和剧情连贯性。
第二步：创作者供给增强这一年之后，我修正了自己对“共创”的理解。AI 降低的是执行门槛，但不会自动降低审美门槛、创意门槛，更不会自动解决分发和赚钱问题。所以更现实的形态，不是每个用户都开始创作，而是让专业创作者、工作室和少量高质量重度用户，借助 AI 更高效地构建角色、分支和世界设定。
第三步：主题化的数字世界当内容、关系、规则和交互都能更稳定地承接之后，用户拥有的将不只是一个角色，而是一套完整的新身份系统；AI 提供的也不只是陪伴，而是世界运行、身份塑造和关系生成的一部分。但这个世界不是完全开放的自演宇宙，而更像是一座座由人类策划、AI 驱动的主题乐园。
终局可以很大，但每一步都必须有自己的成立条件。好的产品战略不是拍脑袋想出一个很大的词，而是知道今天该在哪一层停，为什么停，以及为了下一层，现在要提前准备什么。
七、所以我们第一步没有直接去做“纯陪聊”，而是先做 AI 内容消费这也是为什么，虽然外界可能会把这类产品简单理解成“陪聊”，或者把它往某些互动叙事产品、某些角色消费产品上类比，但我们当时实际上没有完全走其中任何一条单一路线。
我们更像是在同时探索三层：
最底层，是世界模型和社会运行规律的底座。中间层，是数字人和多模态沉浸式表达。上层，是内容消费和创作者共创平台。
但在当时的能力条件下，我越来越明确地判断：
第一步真正成立的，仍然是 AI 内容消费。
原因很简单。
大多数用户倾向于消费，而不是创作。单纯陪聊支撑不起一个足够强的产品容器。当时的大模型在角色扮演和叙事连贯性上有明显缺陷，常常 OOC、角色崩坏、剧情跑偏。而优质内容供给，仍然牢牢掌握在人的手里。
所以我们后来做了 AI 辅助写作软件和创作者工具平台，希望把优质创作者和优质作品聚集起来，让短篇小说、角色设定、世界观故事不再只是静态阅读物，而是变成一种新的消费方式。
消费者既可以无痛消费内容，也可以在已有作品基础上和 AI 互动、和角色共创。简而言之，我们是在给 AI 创造一条由人工铺好的路：你可以走路，也可以坐飞机，用户自己选择进入故事的方式；但消费主体，依旧是人的创意为主。
而且回头看，第一步先做内容消费，对我们来说也不只是一个产品路径选择。
它还有另一层意义：只有当用户真的在高情绪密度的角色和剧情里停留下来，我们才有机会沉淀出真实而稀缺的交互数据。用户在哪些地方愿意继续投入，在哪些地方因为角色崩坏而退出，哪些情节会触发停留，哪些表达会破坏沉浸感，这些都不是靠内部空想能想出来的。
这些数据未必会立刻变成模型壁垒，但它们会逐渐变成评估集、偏好集，以及后续优化角色一致性、剧情连贯性和交互质量的重要素材。对创业公司来说，巨头可以买到更贵的算力，却很难直接买到这些在真实情感交互中一点点长出来的垂类数据资产。
八、我亲手验证过的五个漏斗这一年里，有几个方向在现实里撞了墙。复盘这些失败时，我越来越注意区分两件事：哪些是当时信息不足导致的判断失误，哪些是推理过程本身的问题。
1. 长线关系和记忆我们后来越来越清楚地意识到，长线体验最难的，不是模型能不能在当下说出一句像样的话，而是跨越很长时间之后，它还能不能记住这个角色和用户之间真正重要的东西。
事实信息也许还能被检索出来，但情绪脉络、关系变化、那些决定沉浸感的细微信号，恰恰最容易漂移。一两个错位回答，就足以让“平行世界”瞬间出戏。
我一开始以为，多存点记忆就能解决长线关系问题。后来才发现，这是把工程问题和体验问题混淆了。记忆的技术存储和情感关系的可信持续，是两个完全不同层次的问题。
2. 世界模型我们参考过类似小镇实验的思路，希望通过 agent 机制和社会规律模拟，去做自己的底座模型。但结果是，小区域里成立的规律，一旦放大，就不再完美生效。
后来我慢慢明白，社会不是“更多 agent 的小镇”，而是一个结构性质已经变化了的系统。微观规则不会天然长出宏观秩序。我们当时做出来的更像是一群“会行动的居民”，而不是一个“能稳定运行的世界”。
我们缺的不是更聪明的角色，而是更强的“世界宪法”：资源怎么生成和流动，经济怎么循环，冲突怎么约束，状态怎么长期记账。
3. 多模态沉浸我们希望通过 AI 生成的图片和驱动的人物动作，把用户更直接地带进故事里。技术上做出来过一些很让人兴奋的瞬间，但真正的问题是延时和稳定性。
内容产品特别依赖情绪节奏，用户一旦在关键节点“等”，沉浸感就会断掉。图像又存在“抽卡现象”——同样的设定，有时候生成得很好，有时候又会跑偏。
我后来才真正意识到：
沉浸感不是文字、图片、动作几种能力简单叠加的结果，而是质量、速度、成本和稳定性共同达标之后，才能被交付出来的体验。
4. 创作者生态我们也做了创作者工具平台，希望和创作者共创优质作品、共享收益。
这件事的初心很明确：既然优质内容供给仍然在人手里，那平台就应该帮助创作者提高效率、放大作品价值，并让创作者分享收益，而不是幻想 AI 会自动替代创作端。
但真正做进去后，问题也很现实。创作者生态不会因为你做了一个工具平台就自然转起来。创作者留下来，需要更好的创作效率、更可预期的流量反馈、更明确的收入回报。
我后来才承认：AI 降低的是执行门槛，不是审美门槛，更不是分发和赚钱门槛。我们最初把“工具能力提升”误判成了“生态启动的充分条件”。
5. 单位经济模型这类产品最残酷的地方之一，是成本结构。
只要产品往长时对话、流式输出、角色记忆、图片生成、动作驱动、多模态联动这些方向走，成本就会迅速变重。你每多一个重度用户，并不是只多一个 DAU，而是在多一条持续烧推理成本的链路。
但后来我越来越意识到，这个问题如果只从“算力成本高不高”去看，其实还不够。更深一层的问题是：很多团队默认“更真实的世界模拟”一定等于“更高的用户价值”，但这件事未必成立。
用户真正想要的，往往不是让一个世界在他看不见的地方也持续全量运转，而是在他走进那个世界、和角色发生关系、进入关键剧情节点的时候，得到足够真实、足够连贯、足够有情绪密度的反馈。换句话说，用户在乎的是可感知的连续性，而不是不可见世界的全量真实性。
体验另一种人生、被偏爱、被理解、被卷入故事，这些都是真需求；但让用户视线外的每个 NPC 都持续思考、交易、演化，并不天然增加用户体验，反而会迅速把单位经济模型拖进黑洞。
从这个角度看，“数字主题世界”并不是退而求其次。恰恰相反，它是把真需求从技术幻觉里提纯出来：由人类定义主题、规则和戏剧张力，把剧情下限和情绪密度集中起来；由 AI 在用户真正看得见、记得住、愿意付费的节点上做局部驱动。算力不该被浪费在一个看似宏大、却没有被体验到的世界里，而应该被花在那些真正构成沉浸感的瞬间。
而且后来我越来越意识到，对 AI 内容产品来说，真正的难题从来不是单点成本，而是增长、留存和成本被绑在一起。
很多用户会因为猎奇进入，但如果没有持续推进的剧情、足够强的人设和足够高密度的情绪回报，留存就会很快掉下去。也就是说，我们不仅要算清楚每一轮对话烧了多少算力，还要算清楚：这些算力烧出去之后，能不能换来可持续的留存，能不能让内容本身带来传播，能不能把获客成本压下来。
只有当内容本身具备传播力，单位经济模型才有可能慢慢成立。
九、面对这些漏斗，我们不是没有做选择，只是没有神奇答案这一年里，我也越来越明白，产品负责人很多时候不是“找到完美解”，而是“做现实选择”。
关于 Make or Buy 的选择：世界模型、数字人这类直接决定体验上限和长期壁垒的核心能力，尽量自研，或者至少把关键数据和关键链路掌握在自己手里；而 TTS、ASR 这类成熟、通用、替代性较高的能力，则优先接第三方，把有限精力留给真正决定差异化的部分。
关于算力成本的取舍：在商业模型没有被验证之前，不能幻想把所有体验都拉满。很多时候能做的，不是“全都要”，而是不断做取舍：哪些能力值得重成本承接，哪些能力必须阶段性收缩；哪些场景可以承受高性能模型，哪些体验只能退回更轻的方案。
关于交付质量的评估：AI 产品里最难的，不是生成，而是评估。用户的输入能不能被科学归类？用户对输出有没有明确预期？什么叫好，什么叫不好？怎么评估交付质量？怎么判断它是不是符合用户语气、是不是符合角色设定、是不是足够连贯？
我们一开始其实也只能靠产品经理和核心成员的 taste 去死磕，很多判断都带着很强的人工经验色彩。但后来我们越来越意识到，如果评估永远停留在“凭感觉”，产品就永远很难稳定迭代。
所以我们开始把“好不好”拆成几类更可评估的维度：角色一致性、叙事连贯性、响应时延、用户预期匹配度，以及用户是否愿意继续投入下一轮互动。更重要的是，我们慢慢摸索出了一条从“玄学”走向“工程”的路径：最早期靠人工逐条判断，建立北极星标准；然后把这些主观判断沉淀成一批带有明确打分规则的黄金测试集；最后再逐步引入大模型作为裁判，去放大评估效率。
这套体系离绝对成熟还很远，但它至少让团队开始从“凭感觉觉得不错”，走向“可以规模化地讨论交付质量”。
十、这一年之后，我更确定自己想做的是什么过去一年，我越来越清楚自己为什么会留在这个行业里。
我并不只是想做一个蹭上 AI 风口的产品，也不只是想把某个模型能力包装得更漂亮。真正让我着迷的是另一件事：
人为什么会被一个虚拟世界吸引，又为什么会在另一个身份里，看见现实中未曾展开的自己。
这一年之后，我反而更不觉得“数字平行世界”是伪需求。逃离现实、体验另一种人生，可能一直都是人类最古老、也最刚性的需求之一——游戏、小说、电影，本质上都在承接这种需求。
真正的问题在于，很多 AI 创业公司把这个真需求，错配成了一种昂贵而低效的技术解法：以为用户需要的是一个后台全量运转、连路人甲都在独立思考的沙盒宇宙。可用户真正需要的，是一个能在关键时刻给出正确情绪反馈的世界。
想通这一点之后，我更坚定了：终局不该是毫无边界的沙盒演算，而应该是人工定规则、AI 做局部驱动的主题世界。因为真正值得花算力的，从来不是世界本身，而是人进入世界之后，被改变、被理解、被回应的那些瞬间。
这一年最大的收获，不是我做了多少功能、推了多少项目、把多少技术落了地，而是越来越清楚地知道：
哪些判断是已经被验证的，哪些是仍在验证的，哪些是我还愿意继续相信的。
这种区分能力，比任何单点结论都更重要。
世界模型没有跑通，多模态沉浸没有稳定成立，商业模式和创作者生态也都没有被轻易证明。但正是这些碰壁，让我更清楚地知道下一步应该从哪里发力，以及不应该在哪里再次犯同样的错误。
终局不是一个大词，终局是一层一层搭出来的底座。
而我真正想做的，始终还是那件事：
给用户一次重新选择“出厂设置”的机会。让他在另一个世界里，体验另一种人生。然后带着这段经历，重新回来理解现实中的自己。
因为我始终相信，好的产品不只是解决一个问题。
它也可以在某个时刻，给一个人另一种活法的想象。
本文由 @薛定谔的喵 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
富灯网配资提示：文章来自网络，不代表本站观点。
