11 为人民服务11 Serve the People
AI产品的第一原则不是有用，是为谁有用The first principle is not 'useful' but 'useful for whom'
1944年，毛泽东在一篇悼词里写下了一句话，后来成为整整一代人的行动纲领："为人民服务。"
注意他没有说"为大多数人服务"，没有说"为有付费能力的人服务"，也没有说"为产品经理定义的目标用户服务"。他说的是"人民"——一个有具体内涵的词，不是泛指。文章里另一句话同样重要："我们都是来自五湖四海，为了一个共同的革命目标，走到一起来了。"共同目标，不是模糊目标。
我做安心舍三年，做DaoDestiny，在Apple做过推荐系统，在Bridgewater做过宏观量化。这些经历让我越来越确信一件事：AI产品死于模糊，不是死于技术。
大多数AI产品团队在开会时问的第一个问题是："这个功能技术上能做吗？"更老练一点的团队会问："用户会点吗？"但这两个问题都错了。正确的第一个问题是："这个功能是否真的让这个具体的人的生活变好了？"
具体的人。不是用户画像，不是DAU曲线上的一个数据点。是一个活着的、此刻正在经历某件事的人。
一、"为谁有用"是产品的宪法问题
你的产品对谁负有责任？
这不是营销问题，是宪法问题。宪法决定了当利益冲突时，你往哪边倒。
安心舍的用户里，有两类人。第一类：凌晨两点，睡不着，情绪快到崩溃边缘，打开APP不是因为好奇AI，而是因为没有别的地方可以去。第二类：白天闲着，随机打开APP测试一下AI有多聪明，问几个刁钻的问题，觉得回答一般就关掉，去应用商店留个三星差评说"不够智能"。
这两类用户在同一个APP里。他们产生的数据会在同一张留存率图表上混在一起。但他们的需求是互斥的。
为第一类用户服务，有时候你需要的不是更聪明的回答，而是更慢的节奏——先陪他待着，不急着解决问题，不急着给建议。这对第二类用户来说是"低效""啰嗦""废话太多"。
如果你说"我们为所有用户服务"，等于你在这个关键时刻没有答案。你会被数据牵着走——因为第二类用户更多，更愿意填问卷，更容易被A/B test捕捉到。结果就是你的产品逐渐向他们优化，而对真正需要你的那类人越来越无力。
"为谁有用"的答案决定了你在边缘场景的选择。边缘场景才是产品的真实面目。
二、"完全""彻底"——大多数AI产品做的是50%的服务
原文里用了两个副词："完全""彻底"——"完全、彻底地为人民的利益工作"。
我第一次意识到这两个词的分量，是在做安心舍的危机场景的时候。
用户在极度低落的时候发来的消息，往往不是一个清晰的问题。他们发的可能是"我好累"，或者什么都不说，只是发了一个句号。大多数AI产品在这个时刻的处理方式是：识别到负面情绪词汇，切换到关怀语气，给出三条建议，推荐心理健康资源链接。
这是50%的服务。技术上完成了，情感上缺席了。
完全、彻底的服务是什么样的？是在这个人发出那个句号之后，你的产品有能力在接下来的三十分钟里持续在场，不催促，不转移话题，不用"我理解你的感受"这种让人感觉在和客服机器人说话的句式。当他终于说出那件真正困扰他的事情，你的产品能接得住——不是给一个通用的心理学建议，而是回应他说的那件具体的事。
做到这一步需要什么？需要更长的context window管理，需要在conversation level而不是turn level做fine-tuning，需要把"完成任务"的优化目标换成"这个人离开对话时是否比进来时状态更好"。
技术上没有一样是不能做的。难的是，你得先在内部达成共识：你服务的是那个凌晨两点的人，不是那个下午三点无聊测试AI的人。这个共识一旦动摇，所有技术优先级都会重新排列，方向会是错的。
在Apple做推荐系统的时候，我们面对过类似的问题：App Store的推荐是为用户服务，还是为开发者服务，还是为Apple的商业指标服务？三者利益在大多数时候一致，在边缘场景会冲突。我们当时的做法是明确写下来：第一位是用户找到真正适合自己的app，其他目标在这个前提下最大化。这个原则写下来容易，真正按它做决策时，有人会不舒服。但它存在的价值就在于这个时刻。
三、alignment不只是模型问题，是产品问题
AI领域现在说的alignment，大多数时候指的是让模型的行为对齐人类价值观。这是重要的，但有一个更基础的alignment问题很少被讨论：你的产品对齐了谁的利益？
DaoDestiny是面向海外用户的玄学AI产品。用户来自不同文化背景，对命理的理解和期待差异很大。有人来是想验证自己的直觉，有人来是真的在人生转折点寻找方向感，有人来是娱乐。
做产品的时候，最大的陷阱是把这三类人的数据混在一起，优化一个平均体验。结果是对第一类人不够深刻，对第二类人不够稳重，对第三类人不够好玩——三类人都不满意，但每类人都觉得"还凑合"，留存率维持在一个说不上好也说不上坏的位置。
真正的产品决策是：你为哪类人设计这个产品的核心体验？其他人可以用，但核心体验是为谁调校的？
这个问题的答案不能是"所有人"。"所有人"是产品经理在没有答案时用来填空的词。
Bridgewater有一个我认为放在产品设计上同样有效的原则：明确写下你的假设，当现实和假设冲突时，优先质疑假设，而不是忽视现实。翻译到产品语言：明确写下你的目标用户是谁，当数据显示你在服务另一类人时，不要说"用户需求多样化"，要问：我们是否在错误的方向上漂移？
大多数AI产品的prompt engineering做得很精细，LLM的选型做得很认真，但在这个最基础的问题上含糊其辞：我们到底在为谁做这件事？含糊的后果不是立刻失败，而是慢慢失去方向。你会在每个A/B test里赢一点，但赢的方向不断变化，最终产品变成了功能的集合，而不是对某类人有不可替代价值的东西。
四、你的产品欠谁一个"完全彻底"？
我做安心舍，最坚定的一个决定是：不做"全能AI助手"。不做生产力工具，不做知识库，不做日程管理。只做一件事：当你在情绪上需要有人在的时候，我们在。
这个决定让我们放弃了很多可以做的功能，放弃了一些可以服务的用户群体。但它让我们能够对那个具体的用户群——那些在情绪最脆弱的时刻打开APP的人——做到"完全彻底"。
完全，意味着不在关键时刻退出。不在用户情绪最低落时弹出"会员功能解锁"的弹窗。不在对话进行到一半时因为context太长而开始遗忘前面说的内容。
彻底，意味着衡量成功的指标不是打开次数，而是用户离开对话时的状态。这很难量化，但不能因为难量化就用错误的指标代替。
你现在做的AI产品，对谁负有责任？
不是你的用户画像文档里写的那个。是在边缘场景——凌晨两点，最关键的那个时刻——你的产品要服务的那个人。
如果你现在的回答是"所有用户"，那这个问题还没有被真正回答过。找到那个人。为他做到完全、彻底。其他的才能跟上来。
1944年，毛泽东在一篇悼词里写下了一句话，后来成为整整一代人的行动纲领："为人民服务。"
注意他没有说"为大多数人服务"，没有说"为有付费能力的人服务"，也没有说"为产品经理定义的目标用户服务"。他说的是"人民"——一个有具体内涵的词，不是泛指。文章里另一句话同样重要："我们都是来自五湖四海，为了一个共同的革命目标，走到一起来了。"共同目标，不是模糊目标。
我做安心舍三年，做DaoDestiny，在Apple做过推荐系统，在Bridgewater做过宏观量化。这些经历让我越来越确信一件事：AI产品死于模糊，不是死于技术。
大多数AI产品团队在开会时问的第一个问题是："这个功能技术上能做吗？"更老练一点的团队会问："用户会点吗？"但这两个问题都错了。正确的第一个问题是："这个功能是否真的让这个具体的人的生活变好了？"
具体的人。不是用户画像，不是DAU曲线上的一个数据点。是一个活着的、此刻正在经历某件事的人。
一、"为谁有用"是产品的宪法问题
你的产品对谁负有责任？
这不是营销问题，是宪法问题。宪法决定了当利益冲突时，你往哪边倒。
安心舍的用户里，有两类人。第一类：凌晨两点，睡不着，情绪快到崩溃边缘，打开APP不是因为好奇AI，而是因为没有别的地方可以去。第二类：白天闲着，随机打开APP测试一下AI有多聪明，问几个刁钻的问题，觉得回答一般就关掉，去应用商店留个三星差评说"不够智能"。
这两类用户在同一个APP里。他们产生的数据会在同一张留存率图表上混在一起。但他们的需求是互斥的。
为第一类用户服务，有时候你需要的不是更聪明的回答，而是更慢的节奏——先陪他待着，不急着解决问题，不急着给建议。这对第二类用户来说是"低效""啰嗦""废话太多"。
如果你说"我们为所有用户服务"，等于你在这个关键时刻没有答案。你会被数据牵着走——因为第二类用户更多，更愿意填问卷，更容易被A/B test捕捉到。结果就是你的产品逐渐向他们优化，而对真正需要你的那类人越来越无力。
"为谁有用"的答案决定了你在边缘场景的选择。边缘场景才是产品的真实面目。
二、"完全""彻底"——大多数AI产品做的是50%的服务
原文里用了两个副词："完全""彻底"——"完全、彻底地为人民的利益工作"。
我第一次意识到这两个词的分量，是在做安心舍的危机场景的时候。
用户在极度低落的时候发来的消息，往往不是一个清晰的问题。他们发的可能是"我好累"，或者什么都不说，只是发了一个句号。大多数AI产品在这个时刻的处理方式是：识别到负面情绪词汇，切换到关怀语气，给出三条建议，推荐心理健康资源链接。
这是50%的服务。技术上完成了，情感上缺席了。
完全、彻底的服务是什么样的？是在这个人发出那个句号之后，你的产品有能力在接下来的三十分钟里持续在场，不催促，不转移话题，不用"我理解你的感受"这种让人感觉在和客服机器人说话的句式。当他终于说出那件真正困扰他的事情，你的产品能接得住——不是给一个通用的心理学建议，而是回应他说的那件具体的事。
做到这一步需要什么？需要更长的context window管理，需要在conversation level而不是turn level做fine-tuning，需要把"完成任务"的优化目标换成"这个人离开对话时是否比进来时状态更好"。
技术上没有一样是不能做的。难的是，你得先在内部达成共识：你服务的是那个凌晨两点的人，不是那个下午三点无聊测试AI的人。这个共识一旦动摇，所有技术优先级都会重新排列，方向会是错的。
在Apple做推荐系统的时候，我们面对过类似的问题：App Store的推荐是为用户服务，还是为开发者服务，还是为Apple的商业指标服务？三者利益在大多数时候一致，在边缘场景会冲突。我们当时的做法是明确写下来：第一位是用户找到真正适合自己的app，其他目标在这个前提下最大化。这个原则写下来容易，真正按它做决策时，有人会不舒服。但它存在的价值就在于这个时刻。
三、alignment不只是模型问题，是产品问题
AI领域现在说的alignment，大多数时候指的是让模型的行为对齐人类价值观。这是重要的，但有一个更基础的alignment问题很少被讨论：你的产品对齐了谁的利益？
DaoDestiny是面向海外用户的玄学AI产品。用户来自不同文化背景，对命理的理解和期待差异很大。有人来是想验证自己的直觉，有人来是真的在人生转折点寻找方向感，有人来是娱乐。
做产品的时候，最大的陷阱是把这三类人的数据混在一起，优化一个平均体验。结果是对第一类人不够深刻，对第二类人不够稳重，对第三类人不够好玩——三类人都不满意，但每类人都觉得"还凑合"，留存率维持在一个说不上好也说不上坏的位置。
真正的产品决策是：你为哪类人设计这个产品的核心体验？其他人可以用，但核心体验是为谁调校的？
这个问题的答案不能是"所有人"。"所有人"是产品经理在没有答案时用来填空的词。
Bridgewater有一个我认为放在产品设计上同样有效的原则：明确写下你的假设，当现实和假设冲突时，优先质疑假设，而不是忽视现实。翻译到产品语言：明确写下你的目标用户是谁，当数据显示你在服务另一类人时，不要说"用户需求多样化"，要问：我们是否在错误的方向上漂移？
大多数AI产品的prompt engineering做得很精细，LLM的选型做得很认真，但在这个最基础的问题上含糊其辞：我们到底在为谁做这件事？含糊的后果不是立刻失败，而是慢慢失去方向。你会在每个A/B test里赢一点，但赢的方向不断变化，最终产品变成了功能的集合，而不是对某类人有不可替代价值的东西。
四、你的产品欠谁一个"完全彻底"？
我做安心舍，最坚定的一个决定是：不做"全能AI助手"。不做生产力工具，不做知识库，不做日程管理。只做一件事：当你在情绪上需要有人在的时候，我们在。
这个决定让我们放弃了很多可以做的功能，放弃了一些可以服务的用户群体。但它让我们能够对那个具体的用户群——那些在情绪最脆弱的时刻打开APP的人——做到"完全彻底"。
完全，意味着不在关键时刻退出。不在用户情绪最低落时弹出"会员功能解锁"的弹窗。不在对话进行到一半时因为context太长而开始遗忘前面说的内容。
彻底，意味着衡量成功的指标不是打开次数，而是用户离开对话时的状态。这很难量化，但不能因为难量化就用错误的指标代替。
你现在做的AI产品，对谁负有责任？
不是你的用户画像文档里写的那个。是在边缘场景——凌晨两点，最关键的那个时刻——你的产品要服务的那个人。
如果你现在的回答是"所有用户"，那这个问题还没有被真正回答过。找到那个人。为他做到完全、彻底。其他的才能跟上来。