你现在的路径和「通用工具围着真实工作长成自己的软件」高度一致,下一步最值得读的是从作品走向产品要补的那几块:重度用户、demo与生产的鸿沟、以及产品价值结构。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
你的做法正是「user-generated software」的典型路径
材料里的观点在同一个项目里持续迭代,每一轮都留下素材、审美、失败版本和做事方式,做到下一版时不必从空白开始。这种积累不一定适合所有人,却会越来越适合你自己,也解释了为什么不必急着换一个现成 App——现成产品要照顾所有人的平均需求,而你的东西可以围绕散户训练这件事生长1。你 0 距离接收朋友反馈并持续迭代,恰好是这套逻辑跑通的信号:反馈直接进入下一版,而不是先经过一层抽象的需求文档。
朋友反馈和陌生散户反馈回答的不是同一个问题
AI推演重度用户是产品的功能试验田,会把产品用到极限,也常常用出你没想到的玩法;他们不只是活跃,也更愿意付费、更愿意推荐,还能直接影响产品演进方向。判断谁算重度用户,可以看活跃天数、使用时长、功能使用频率这些指标是不是明显高于其他人,再结合访谈验证2。你现在的朋友群可能同时是「熟人」和「重度用户」,两种身份混在一起。一个可试的做法:先按使用深度把现有用户粗分一下,看有没有一小群人用得明显比别人深,再单独和他们聊——他们说的和普通朋友说的,往往不是一回事。
从作品到产品,难点在demo之后才出现
第一版做出来之后,才会看见原来没看见的工作:信息顺序不对、某些数据不该占主要位置、理论上合理的流程真实用起来很别扭。AI 大幅压缩了「把需求写清楚后的开发」,但 discovery(一版版真实东西弄清楚该做什么)和 ownership(用户开始依赖后,系统在变化中保持正确)没有被同样压缩3。对 K 线训练软件来说,这意味着行情数据源、账号、权限、异常状态这些「跑通一次」之外的部分,会随着用户变多逐渐变成主要工作量。这不是劝你别做,而是提醒你:功能更强大更深入,往往先体现为这些不显眼的地方更可靠。
材料没有涉及 A 股散户交易者的具体需求或合规要求,这部分需要你自己判断;重度用户分群方法来自增长分析书籍,用于个人小规模产品时只需借鉴思路。
出处
- 1我用 Codex 剪了 5 条口播,最后却做了一则超市广告
解释为什么在同一个项目里持续迭代、积累自己的素材和判断,会越长越适合自己,对应你现在的做法。
- 2《Growth Data Analytics Playbook》中文版 · 第5章 留住用户,让他们常来
提供识别重度用户、用他们推动产品演进的具体方法,适合你想把朋友反馈变成产品判断时核对。
- 3Don't build: 看清demo和production之间的鸿沟
讲清 demo 与生产之间的鸿沟,以及 discovery 和 ownership 为什么没被 AI 同样压缩,适合评估从作品走向产品的真实工作量。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- vibe coding 开发个人生产力工具类机会和挑战
机会在于个人生产力工具的长尾需求远未被满足,且做第一版的门槛极低;挑战在于 vibe coding 只擅长顺利路径,从玩具到可靠系统之间隔着权限、数据、部署和长期维护的漫长中段。
- 总觉得现在学习新东西,技术没有什么意义了,因为ai能比你做的快10倍,同时也觉得任何东西/poc都没有门槛,我能几天之内学习新的技术,并deliver。如果我能,我相信别人也能,那我的竞争力到底在哪里? 学更广的知识还是干别的什么?
几天做出一个能跑的东西,只证明你当下交付得快,不证明能力留在你身上。竞争力更可能来自撤掉帮助后仍能判断、拆解和交付,以及别人做不出来的深度。
- workbuddy普通人怎么用
普通人用 AI 的关键不是学会某个工具,而是从“偶尔用一用”变成“让 AI 成为核心生产力”,并围绕自己反复做的一件事持续积累。
- 如何学习 ai
学 AI 要当手艺练,不是当知识背:围绕真实任务动手,用“撤掉帮助、隔段时间、换个条件还能不能做”来检验自己是否真会。
- ai时代如何赚钱?
立正认为AI时代赚钱的关键不是抓住某个风口,而是把认知和方法练出来:用经营者的视角看待工作,学会识别真正创造价值的事,并且相信赚钱的唯一方式是给别人创造价值。
- 课代表一直说要像学习一门手艺一样工作,这个怎么理解,什么是手艺,学习手艺的时候需要注意什么,如何精通一门手艺?
手艺不是熟练重复,而是能不断往深里钻研、越做越发现学问的活能力;学它靠动手试错,精通靠长期坚持。