关于我 who's behind this

• 2026.01 — 至今：和 AI 一起协作的独立开发者 / AI 创业者
• 2019 — 2026.01：大厂产品经理（先后在网易、猿辅导任职），前 Motiff 妙多 AI 产品负责人

一个调研 show of hands

今天分享三块内容 three parts

AI 从业者 + 独立开发者视角的观察与实践。

1. § 1过去一年的变化与演进
2. § 3AI Coding 实践
3. § 4AI 工具箱

主线一：AI Coding —— 从「能用」到「吞噬一切」

加粗 = 对业界产生巨大影响的模型 · 图标 = 发布机构

配套关键工具：Cursor → Lovable → Bolt → Replit Agent → Claude Code / Codex

主线二：AI 生图 —— 文本渲染与可控性的两次跨越

加粗的事件 = 在对应时间点对业界产生巨大影响的模型。

当前 SOTA：GPT-Image-2 multilingual text rendering

宏观：Agent + SOTA 模型正在吞噬传统软件

• 案例：Anthropic 2026-04-17 发布 Claude Design 当天，Figma 股价再跌约 5%（过去 12 个月已累计跌约 50%）
• 类似的故事此前已多次上演：Stitch（Google Labs，2025-05 I/O 首发，2026-03 公开升级）发布时 Figma 股价当日跌 4%+

产品经理、设计师、工程师 —— 三阶段演进 a ride-hailing example

线性 hand-off → 闭环 maker linear → loop

关键能力迁移：执行力 → 需求定义 · 产品定义 · 增长 · 营销

"代码能力" 不再是入门门槛 —— 现在不是了。

Figma vs Google Stitch / Claude Design / Lovable

当 60 分够用时，AI 就够了；Figma 这类工具只剩极致专业化这条路（极少数高标准设计需求）。

类似故事在不断上演。

案例 A · AIBT（AI 性格测试）overnight: idea → build

一晚速通的 idea → build

• 起点：当晚看到 SBTI 爆火 → "能不能做一个给 AI 测 MBTI 的版本？"
  • SBTI（Sixteen Brand Type Indicator）= AI 时代衍生出的"品牌人格"测试热点
• 产品：https://aibtapp.com/zh/
• 复盘 slides：img.bryantchen.cc/slides/aibt-intro

AIBT · 核心设计 + 工具栈 + 发布

这个案例的关键不是"我会写代码"，而是提示词设计：给 LLM 喂什么、回什么、怎么让用户愿意分享。

案例 B · ClawPuter xhs build-in-public driven iteration

• 起点：「如果 OpenClaw 有真实物理形态，会是什么样？」
• 创作目标：好玩有趣 + 流量 / 账号冷启动
• 复盘 slides：img.bryantchen.cc/slides/clawputer-story

ClawPuter · 项目历程与总结

这个案例的关键是 build in public：让小红书的反馈直接驱动迭代，而不是闭门做完再上线。

案例 C · ColorWander prototype → ship

一句话介绍：用颜色看世界，从你的照片中提取颜色并作为相框背景，生成 colorwalk 的照片。

bryantchen.cc/talk/colorwander-2026-05-05

ColorWander · 项目实践 from prototype to App Store

复盘原文：bryantchen.cc/talk/colorwander-2026-05-05/#6

3.1 Idea → 想法验证

一切的源头——

多数需求都不值得做，
但很多时候我们会忽视这一步。

方法：用 agent 跑 BRD

六个维度 —— 趋势 痛点 竞品 用户画像 定价 GO / NO-GO

实操 · what is a Skill

在 Claude Code / Codex 里强制加载一个 BRD Skill

Skill = 把「重复做某件事的最佳实践」写成可被 agent 按需加载的能力包

渐进式披露 流程化 不污染上下文 人类经验固化

→ 右侧：BRD Skill 实物片段 · 3 小时 > 3 个月 · 写代码前先验证市场

我自己的实践 · 100 Bad Ideas

踩过的坑：很多很酷的 idea，用户需求并不强烈或场景不通—— e.g. MemoryX 这款 Chrome 扩展

现在的做法：维护一个 100 Bad Ideas 仓库， 一切 idea 默认是 "bad"，先找反例 → 再决定 埋葬 / 孵化 / 继续观察。

Speed-to-MRR 优先 资本密集 → NO-GO 先找反例 公开即过滤

github.com/bryant24hao/100-bad-ideas · 未对外开放，仅现场演示

现场 demo：怎么验证一个 idea

先让 agent 跑 BRD，再用客观信号交叉检验。

3.2 产品定义 → 设计原型

启动前，不要急着画 wireframe —— 先用 4 个问题逼自己说清楚。

如何做出好设计

先给 agent 一个 design brief，再让它产出界面。

设计风格不是术语表，是给 agent 的坐标系

把“我想要什么感觉”翻译成 agent 能执行的约束：秩序、质感、人群。

一些风格举例 six common registers

把风格词写进 prompt，要像写产品需求

现场可以这样演示：同一个产品，三种风格

设计资源只分三类：生成、参考、沉淀

给学生的动作：先收藏，不要现场抄链接

3.3 AI Coding 入门 + 实操

叫法在变 (Vibe Coding → Agentic Engineering → ...) ，核心不变 —— 人利用 AI 做出可用产品的一种方法

如何入门

不要先学概念，先把一个真实页面做出来。

现场 demo：5 分钟跑通第一个 AI Coding 任务

现场我会真的打开 Claude Code，用一个北大学生场景跑这三步。

> 我想做一个北大食堂"今天该吃什么"小工具，
  随机抽一个菜 + 一句吐槽。先给我 5 步实现计划
  和验收标准，不要写代码。

> 同意，按这个计划写出来。布局参考下面的 ascii：
  ┌──── 今天该吃 ────┐
  │   〔随机抽签按钮〕  │
  │   →  菜名 · 吐槽   │
  └──────────────┘

> 跑起来后，按钮没居中，菜名重复了。
  修这两点，并加一个"再来一次"按钮。

3.4 Eval & Ship

AI 负责放大产能，人负责最后一公里的判断。

什么是 Build in Public？

把产品从“闭门造车”变成“公开迭代”。

为什么要 Build in Public

别只发一条动态，要搭一条增长链路

每一步都有自己的产物，产品页是中枢——前面把人引来，后面把内容沉淀回去。

→ 关键不是渠道有多少，而是四种节奏都要有：日常曝光 + 单点爆发 + 中枢承接 + 长尾复利。

如何做好 Build in Public

四条原则有先后：前提 → 内容 → 频率 → 受众，缺前一条做后一条都白做。

工具变化太快——用判断力代替被动选择

现在听到的工具名，半年后可能已经过期。不要背工具清单，要建立自己的判断标准——下面三条原则比任何工具列表都活得久。

把工具放进任务地图，而不是收藏夹

主线讲"我现在要完成什么任务"；下一页给完整清单作为参考。

2026-05 工具清单 snapshot · for reference

这页是给课后参考的快照——下面每条都标了发布时间，方便你判断哪条信息已经过期。

不要选产品，要选判断力

操作建议：每 2 个月做一次 AI / Agent 盘点

给在座同学的两句话

一些心得：去年 → 今年的迁移

Play Your Game · 你在为谁吸引注意力？

同样一份精力做产品，受众选择不同，决定的事完全不一样。

如何应对快速变化

两件事：身心是底层燃料，方向是节奏感。

Q&A

谢谢大家

扫码加我微信 WeChat · Bryant Chen

小红书 @ 噗大可 Xiaohongshu · 634901668

附 D · 来源清单（一）—— 模型与产品时间线

附 D · 来源清单（二）—— 关键论断 / Build in Public / 生态资源