Get 筆記的斷舍離清單：我們拒絕過的那些“高級” AI 功能

演講嘉賓｜楊超

編輯｜Kitty

策劃｜QCon 全球軟件開發大會

AI 的價值不在于能做什么，而在于在真實場景中解決了什么問題。本文整理自得到 AI 產品負責人楊超在 2025 年 QCon 全球軟件開發大會（上海站） 的演講分享。

AI 正在改變人們使用產品的方式。 用戶不再面對復雜的界面和無數選擇，而是開始把“理解、規劃與執行”交給 AI。將于 4 月 16 - 18 召開的 QCon 北京站設計了「AI 時代的用戶界面之爭」專題，本專題將從產品與用戶體驗的戰略視角出發，探討產品如何在新的入口體系中建立不可替代的價值。敬請關注。

以下是演講實錄（經 InfoQ 進行不改變原意的編輯整理）。

1 AI 產品的“炫技陷阱”

我叫楊超，來自得到 APP。去年歲末，我們推出了一款名為「Get 筆記」的小工具，迄今已悄然運轉近一年。今天的話題“從 AI 炫技到實用”，恰好與我們的經歷同頻，因此想借這段分享，說說那些被我們強行按下的“炫技沖動”。

讓我先講一段印象極深的故事。數月前，我在 Reddit 讀到一位獨立開發者的帖子：他辭職后花了十個月，打造了一款 AI 輔助的產品設計工具，初衷源于自己對現有工具的不滿。然而，產品上線后收入為零、用戶為零。他復盤時坦承，整個過程幾乎完全圍繞個人痛點展開，既未與潛在用戶交流，也未驗證需求；同時，AI 技術日新月異，他不斷把最新、最酷的能力疊進產品，最終卻無人買單。這不也是我們曾差點踏上的歧路嗎？

去年開始做 Get 筆記時，我們團隊最初只有兩三個人，如今也不過十三人。半年里，產品收獲了百萬注冊，幾乎沒有投放，全靠用戶自發傳播。表面看成績尚可，但內部我們常被一種焦慮追趕：大模型每兩周就更新一次，新能力層出不窮，仿佛兩個月的變化抵得上過去二十年。我們像追劇一樣追發布會，模型一升級就開會討論“要不要立刻上線”。可選項太多、節奏太快，反而讓我們意識到：能做的很多，真正重要的是選擇不做什么。

2 斷舍離清單：那些被我們拒絕的“高級”功能

今天我想分享幾個我們“沒做”的功能，以及當時怎么想的，也許大家也有類似經歷，希望能提醒到你。

砍掉 50+ 會議模板的決策

第一個沒做的，是“會議模板”。Get 筆記的核心能力之一是線下會議錄音，不管是幾個人小范圍聊，還是像今天這樣的公開分享，我們都把錄音自動轉文字、自動整理。市面上做同類功能的產品幾乎都在“模板”上堆量：一個會議場景能拆出幾十種模板，看起來特別專業。我們一開始也被帶跑了，高管開會要不要單獨模板？業主大會要不要再來一個？越想越覺得必須做。

直到設計師把第一版頁面交上來：兩列密密麻麻的方塊，像一排排腹肌。我們當時的第一反應是“太丑了”，根本不想拿給用戶看�？衫潇o下來才意識到，真正的問題不是丑，而是“讓人選”這件事本身就很尷尬。就像女朋友拿五條裙子問你哪條好看，大部分男生是答不出來的；同理，讓用戶在十幾種會議模板里挑“今天這場該用哪個”，他也懵。于是我們干脆把模板砍到只剩三四個最通用的，用戶錄音結束點“完成”時，后臺用 AI 直接匹配一個最合適的，用戶無感，反而用得更順。

回頭再看，這次“被設計稿丑到”算是個意外，但也提醒我們：每當你想炫耀功能多、覆蓋廣時，先想想用戶能不能一眼看懂、一秒選對。如果他自己都挑不明白，那再多模板也只是添堵。

叫停 50% 進度功能的勇氣

第二個被叫停的功能，我們其實已經寫了一半代碼。提出它的是我們前端技術負責人。事情源于一次季度復盤會，他當天請假，就拜托大家把會議討論的內容錄下來，會后發給他。那會兒 Get 筆記還沒有分享功能，想把一條會議記錄完整發給別人，只能先復制粘貼到文檔，再傳過去，非常麻煩。于是他說：能不能在會前就約好日程，等會議結束，系統自動把錄音和紀要推給他，就像線下版的飛書會議？我們一聽都覺得挺酷，立刻開工。

做到一半，我們先上線了“筆記分享”：生成一條鏈接，直接發給別人就能看。功能一上線，那位技術負責人自己先問：既然能一鍵分享，我會后只要跟你要個鏈接就行，為什么還要提前預約、自動同步？可代碼都寫了 50%，放棄總覺得可惜。我和聯合創始人“刀哥”商量，他拋出一個問題：如果這個功能標價 200 美元，你們愿不愿意掏錢？我們幾乎同時搖頭——不愿意。那就別做了。一句話，大家順勢下坡，把沉沒成本留在原地。

事后回想，這給了團隊一個簡單判斷：當多數人心里打鼓，卻礙于面子或成本下不了決心時，不妨問一句“用戶肯不肯為它付高價”。在 AI 時代，好功能總有人愿意買單；若連我們自己都不肯，那它大概率不值得繼續做。

不做 AI PPT 和可視化網頁的思考

第三個被用戶高頻提到、但我們最終沒做的功能，是“把文章或文檔直接生成腦圖、PPT”。很多人問：我扔進來一篇好文章，你們能不能一鍵給我出張腦圖或一套幻燈片，我拿去就能用？我們分兩條線想，用戶到底給誰用，無非就是給自己或者給別人。

先說“給自己用”。我們做的是 AI 筆記工具，核心是“記”。如果我只是把你傳的內容轉成一張腦圖或幾頁 PPT，你可以想象一下：我把一頁 PPT 甩給你，讓你猜我想講什么，其實根本猜不到。PPT 上的文字可能連 10% 的信息都不到，剩下的全靠講者補充。得到聽書也有腦圖，但我們不會只給一張腦圖就當產品，因為信息量太低。再者，AI 時代上下文越短，效果越差。你把一篇長文壓成十幾行節點，AI 再回答問題時缺東少西，體驗打折。所以“給自己記”這條路走不通。

再說“給別人用”。有人想：我開完會，把錄音直接變成腦圖或 PPT，丟給沒來的同事，多省事。我們試過一次，把一場會的腦圖直接發過去，對方反饋幾乎沒用。他真正想要的是會議核心結論，以及能隨時點回原文。所有會議記錄，原文才是根本。Get 筆記里，不管錄音、圖片還是文章鏈接，我們都保留原文，總結只是輔助，AI 提問時也能把完整上下文帶進去。

因此，腦圖和 PPT 對信息的壓縮太狠，而我們做的是記錄工具，缺了原文，信息就不可用。同時市面上已有專門做這一塊的成熟產品，我們干脆推薦用戶去用它們，省得重復造輪子。

第四個功能，發生在今年年初。那時大模型剛升級，可以直接生成帶簡單交互的網頁，結構化信息也能一鍵呈現。我們一看，覺得太厲害了：以后做網頁是不是都不用寫代碼了？于是趕緊抽了一兩天時間，把“會議內容轉可視化網頁”做了出來。

內部測試時，我們把一場會的錄音轉成網頁，發給幾位做內容的編輯同事。結果他們的反饋讓我們意外：“這頁面怎么這么丑？到底想表達什么？”我第一反應是“丑嗎？多酷啊，AI 直接生成了網頁，還能點！”可他們平時做活動頁，看慣了精致設計，突然拿到一張灰底黑字、排版凌亂的頁面，第一反應就是“不好看”。那一刻我才意識到，我們又掉進了“追新”的陷阱。只有極少數像我們這樣天天盯大模型更新的人，才會覺得“能生成網頁”本身就牛；對普通用戶來說，頁面丑就是原罪。功能雖然上線了，但只對內開放。既然大多數用戶覺得不好看，我們也就沒再對外推，讓它靜靜躺在那里，當作一次提醒：你以為的酷炫，未必是用戶需要的。

其他被拒絕的“偽需求”

還有不少類似的聲音。有人問我：“你們不是 AI 產品嗎？能不能讓我自己切模型？我想用哪個就用哪個�！币灿腥讼胱远x提示詞，說默認助手不好用，要換成自己的。這些需求聽起來合理，但背后有一個共同點：它們都來自極少數重度用戶。我們建了幾百人的私域反饋群，最活躍的就是那批天天追 AI 更新的人。他們提的需求，其實和我們自己的視角差不多：看見新模型就想切，看見新玩法就想試�？梢坏┌褬颖痉糯�，就會發現大多數用戶根本沒這個概念。

所以我們把這類需求打了個引號，叫“偽需求”。不是說它不存在，而是它只存在于一小撮人里。Get 筆記的核心用戶畫像，是 35 到 45 歲、遍布一二三四線城市、平時并不關心 AI 的人。我們服務的不是“已經會玩 AI”的人，而是“還沒碰過 AI ”的人。像 Cursor 那種面向開發者的工具，當然可以開放模型切換；但對我們而言，把復雜選項藏起來，反而更貼合真實場景。

3 決策框架：從“能做"到"該做”

前面只說了我們拒絕了哪些，但真正想留下的，是幾條通用、好落地的判斷方法，幫我們在“AI 時代什么都能做”的洪流里，攔一刀，把“能做”變成“該做”。

我們自己會付 200 美金嗎？”——內部驗證法則

第一條內部標準很簡單：做完這個功能，愿不愿意為它付 200 美元？數字可以隨團隊自己定，關鍵是問用戶會不會興奮，而不是我們自己興奮。

舉個例子。我們做過“智能拍書”：看到紙質書的好段落，拍一張照片，系統自動提取原文、生成筆記，還能識別是哪本書的哪一頁。這背后用了得到電子書積累的全文檢索能力，投入不小。拍板前我們也猶豫：紙質書讀者真的會為此買單嗎？上線后，這批用戶的反饋出奇地好，甚至最近被其他產品“致敬”。但對我們來說，核心只有一點：用戶確實愿意為這條功能買單，這才是把它留下來的理由。

“家人能學會嗎”——門檻測試標準

另一條標準，我們把它放在最前面：家里老人能不能用？門檻夠不夠低？我幫母親調微信視頻時，她卡在一個極小的點，她不會切換攝像頭。微信已是國民級應用，可老人依舊覺得難。教長輩用手機和輔導孩子寫作業一樣，讓人又急又無力。

AI 產品更是如此�，F在對著豆包或 ChatGPT 說一句話就能出答案、出圖、出視頻，用戶的耐心被抬得極高。只要第一步、第二步卡住，立刻放棄，幾乎無法挽回。我們有過一次深刻體會。得到 App 曾和文石合作推出一款墨水屏閱讀器，有用戶反饋：“都什么年代了，怎么還是黑白屏？”我們解釋這是墨水屏，他反問：“墨水也有藍墨水和紅墨水�！蹦且豢涛覀円庾R到，真實用戶的理解常常超出預期。傳統產品尚且如此，AI 產品更要把門檻降到最低。

“用戶在哪里用”——場景優先原則

產品有沒有真實的使用場景。我挺喜歡的一款產品叫 Dot。ChatGPT 剛火的時候，它就發了一支預告片，界面極好看、交互極順滑，出自前蘋果設計師之手，媒體一度把它捧成“第一個真正 AI Native 的應用”�？山衲� 9 月，它宣布關停�？吹竭@個消息，我很意外：這么有設計品位、交互流暢的產品，怎么就關了？翻用戶評論時，有一條說到了我心坎里：Dot 像個“熱情的陌生人”，總問“今天感覺怎么樣”“今天做了什么”，但其實并不真懂用戶。它把自己定位成陪伴或助理，可用戶打開它時，卻說不清“我來干嘛”。反觀陪伴賽道本身仍在增長，預測從幾百億到幾千億，也有估值過億的頭部產品。這說明需求存在，但 Dot 沒找到具體場景。哪怕視覺、交互做到頂，也立不住。

4 真場景 vs 偽需求：AI 產品的價值判斷

說完“從能做到該做”，還得再問一句：真做了，值不值？這里分享我們最常被用戶追問的經驗。

記錄 vs 表演：用戶要的是什么

排前三的提問里，一定有“Get 筆記為什么不做標簽管理”。用過 Flomo、Notion 的人都知道，標簽幾乎是筆記工具的標配，小紅書上還有一堆教程教人用 PARA、卡片盒、康奈爾法。我也試過 PARA：把筆記按項目、領域、資源、歸檔四類分好，開頭確實清爽，可記著記著就堅持不下去。每次新建一條筆記，都得想“該貼哪個標簽、貼幾個”，結果記筆記的一半時間花在糾結標簽上。后來聽播客，有人棄用 Flomo，原因也是標簽越打越亂，干脆換工具重開，但大概率還是會再亂一次。

所以用戶催我們加標簽管理時，我們的回答很直接：大概率不會讓用戶親手打標簽。聽完我剛才的描述，你可能會問：我到底是在記錄，還是在表演一套工整的結構？多數人其實只想“先記下來”，并不想把時間花在表演上。

我們不是不做標簽，而是讓 AI 做。設想一個還沒上線的場景：所有筆記先丟進一個“知識庫”，不預設分類，但系統會默默給每條內容打上標簽。哪天你想按康奈爾法整理，AI 就按康奈爾法重新歸類；想換 PARA，AI 再換 PARA。原來花在復雜整理上的時間，現在交給 AI，人只做兩件事：一是決定哪些內容值得進筆記，二是告訴 AI“我想怎么看這些筆記”。在 AI 時代，能把人從繁瑣里解放出來的能力，才值得做。

功能 vs 負擔：每個選擇都是門檻

再談一條“值得做”的標準：能不能把用戶的操作負擔壓到最低。

我們現在的筆記添加方式就是一個反面教材。界面里擺著“鏈接、拍照、上傳圖片、線下會議錄音、導入音視頻、手機內錄”……光圖片就拆成“拍照”和“上傳”兩項，錄音更是分了四種：個人錄音、線下會議錄音、導入音視頻、手機內錄。別說普通用戶，就連天天泡產品的我們，第一眼也發懵。新用戶最常問：“個人錄音和線下會議錄音到底有什么區別？為什么一個限 10 分鐘，一個能錄一小時？”每次都得解釋，確實是我們沒做好。

AI 時代，用戶的耐心越來越薄，選項越多，流失越快。所以我們正在想：能不能把能力全包起來，只給用戶一個按鈕？看到圖片，拍一張扔進來就好；要開會，一鍵開啟會議，后臺自動判斷該用哪種錄音方式。目前還沒找到完美方案，但方向已經明確——把復雜留給自己，把簡單留給用戶。

技術 vs 場景：誰服務誰

最后說一條可能反常識、但對 AI 從業者特別重要的體會：AI 真正能解決的事，其實很少。MIT 有一份報告，他們跟蹤了 300 多個企業級 AI 項目，企業總共砸了幾百億美元，最后真正產生價值的只有 5% 左右。也就是說，我們今天看到的所有“很�！钡� AI，能在真實業務里落地的極少。

那到底該把 AI 用在哪？我畫了一個簡單的四象限：橫軸是“人對 AI 犯錯的容忍度”，縱軸是“業務本身的復雜度”。右上角是“復雜度高 + 容錯率低”，比如臨床疑難雜癥的診斷，這種場景 AI 基本碰不得；左下角是“復雜度低 + 容錯率高”，也沒必要用 AI。真正值得做的，是“復雜度高、但容錯率相對高”或者“復雜度中等、容錯率中等”的區域。把這條線想清楚，就能少做很多無用功。

5 從炫技到實用：AI 產品的初期生存方式

小公司的生存智慧

前面講的是具體案例和心得，這部分想回答一個被問得最多的問題：市場上做筆記的已經那么多，如果大廠也做同樣的事，會不會把我們“干死”？我們把這些擔心拆成一句話：底氣 = 垂直場景深度 + 專屬數據資產 + 自帶傳播效應 + 組織速度。

先說垂直場景。我們服務的不是“所有記筆記的人”，而是“讀紙質書卻不知道怎么把劃線搬上手機”的那群人。全國讀紙質書的大概有一億多，但這么多年沒人認真解決“拍照—識別—歸檔—與電子書筆記合并”這一整條鏈路。我們因為做了十年圖書和電子書，用戶早就抱怨“紙質書里的筆記和電子書對不上”，于是順著這條縫往下鉆，把場景做深。

再看數據資產。Get 筆記里直接接入了得到十年的全部課程、聽書、電子書�，F在問助手一個問題，背后其實是三個專屬庫在跑，這些數據別人拿不走，也抄不了。

自帶傳播效應有點意外。Get 筆記最早只是一個飛書機器人，扔鏈接、扔圖片就能存，后來才做成小程序、App。小程序階段，用戶對某個小功能特別喜歡，自己就把鏈接甩到群里，增長曲線陡然拉升。所以我們在產品里提前做了些能讓用戶順手分享的小設計，讓它自己傳開。

最后也是最關鍵的，是組織速度。做得到 App 時一個月發一版，現在做 Get 筆記，一天就能發一版——不是大功能一天做完，而是點子驗證后立刻上線。團隊一直壓得很�。寒a品、設計、運營各一人，決策快、試錯快。上半年我還沒覺得速度最重要，下半年越來越體會到：在 AI 產品里，它可能是公式里權重最高的那一項。

可復制的斷舍離法則

如果手上有些需求拿不準，我給自己列了四句口訣。

• 沒真實場景，不做。比如拍書，要是連用戶怎么掏手機、怎么對準書頁都沒想清楚，就先別動手。

• 門檻高的，慎做。AI 時代用戶耐心越來越薄，繞一大圈才能完成一件事，基本就勸退了，除非是那種用戶非用不可的工具。

• 不掙錢的，想好再做。Get 筆記現在也不掙錢，還在跑量�？� AI 產品邊際成本不為零，人用越多，賬單越長，算是個“甜蜜的煩惱”。

• 沒底氣的，干脆別做。前兩天 OpenAI 發了個 AI 瀏覽器，直接覆蓋了一批小產品。如果手里沒有垂直深度、數據壁壘或組織速度，建議先別往里跳。

Get 筆記的未來思考

關于 Get 筆記接下來怎么走，我們想得并不復雜：先把“好記”做到底，再慢慢補“好找、好用”。眼下最要緊的，是讓用戶用最低成本把想記的東西先記下來，至于怎么整理、怎么調用，后面再一層層加。

我們給自己定了一條底線：AI 只能當輔助，不能搶人的方向盤。怎么理解？拿我們正在做的一款出海寫作工具舉例。團隊里一百多位編輯，最大的痛苦是“白紙恐懼癥”——打開 Word 不知道第一行怎么寫。最早我們設想的是：用戶給個主題，AI 直接吐一萬字完稿。但和編輯聊完后，方案被否了。他們舉了個很實在的例子：如果 AI 一口氣寫完一萬字，編輯光通讀就得五分鐘，讀完發現除了開頭，后面全要改，再逐段交代修改意見，時間比自己寫還長。于是我們把產品改成“陪你起步”：AI 只負責搭個架子、補點素材，節奏和方向仍由人把控。

回到 Get 筆記，思路也一樣。貼標簽、做歸類這些瑣碎事，人不愛干，就扔給 AI；但記什么、怎么記、最終怎么用，必須讓人說了算。AI 干臟活累活，人做決策，這就是我們未來繼續迭代的核心理念。

如果前面說的都忘了，就記住四句話，能少踩坑：

• AI 能做 100 件事，但用戶只需要 10 件；

• 技術團隊容易陷入“因為能做，所以要做”的思維慣性。這時就問一句：讓你先付兩百美金，你愿意嗎？

• 高級功能開發成本高，但可能使用頻率低；

• 邊緣場景投入大，但核心場景沒打不透。Get 筆記里那么多創建入口，結果 80% 的人只用 20% 的功能，二八定律很準。

團隊小、迭代快、要活命，就必須把所有力氣押在最核心的場景。對 Get 筆記來說，核心就是錄音——個人錄也好，會議錄也罷，至少七八成精力得砸在這兒，而不是分散去做那些自己覺得很炫的邊角功能。

演講嘉賓介紹

楊超，得到 APP Get 筆記產品負責人，擁有超過 10 年的互聯網產品經驗，熟悉互聯網行業的最新趨勢和技術，對 AI、電商、教育培訓領域有深刻理解；探索了多個不同方向的 AI 類產品，曾幫助多家企業成功落地 AI 應用場景。

會議推薦

QCon 全球軟件開發大會·2026 北京站將于 4 月 16 日 -18 日正式舉辦。本屆大會以“Agentic AI 時代的軟件工程重塑”為主題，聚焦 100+ 重磅議題，匯聚來自阿里、騰訊、字節跳動、小米、百度等一線科技企業與創新團隊的技術專家，圍繞 AI 工程化、系統架構與研發模式演進展開深入探討。更多詳情可掃碼或聯系票務經理 18514549229 進行咨詢。