01通用大模型助手
先理解入口
从 ChatGPT 开始，训练自己把模糊问题变清楚。
Loading...
Loading...
AI Product Map
这是我在 100 天 AI Product Builder 计划中建立的 AI 产品知识库， 用于记录我对 AI 产品生态的阶段性理解。
Why This Map
我不希望自己的 AI 学习停留在零散工具体验上，而是希望通过分类、拆解和持续更新，建立对 AI 产品生态的宏观理解。这个页面会记录不同类型 AI 产品的代表工具、核心能力、典型场景、学习优先级和我的当前判断。
我的地图使用原则
这张地图帮助我判断：每类 AI 产品在用户工作流里承担什么角色， 它改变了哪个任务环节，又有哪些能力值得迁移到自己的 Demo 和作品集中。
Reading Path
如果从零开始看这张地图，我建议按入口、研究、构建、系统能力的顺序理解。这样不会被工具数量淹没，也更贴近我当前的学习路线。
从 ChatGPT 开始，训练自己把模糊问题变清楚。
用 Perplexity 观察检索、引用、验证如何被重构。
用 Codex 复盘从自然语言需求到可运行网站的路径。
等有足够内容资产后，再做知识库、自动化和原型包装。
Product Categories
按能力、场景和学习优先级组织的产品知识地图。
代表产品
ChatGPT / Claude / Gemini / Kimi / 豆包
核心能力
对话、写作、分析、规划、创意生成
典型场景
学习辅助、内容创作、资料整理、复杂问题讨论
我的当前判断
通用助手是我进入 AI 产品世界的第一入口。它的价值不是替代思考，而是帮助我澄清问题、组织表达、生成初稿和获得反方视角。
代表产品
Perplexity / 秘塔 / Kimi搜索 / Gemini Deep Research
核心能力
联网搜索、信息整合、来源引用、研究辅助
典型场景
资料检索、趋势研究、行业分析、事实验证
我的当前判断
AI 搜索的价值不是替我判断真相，而是帮我更快找到线索、建立框架，并带着来源进入下一步验证。
代表产品
Codex / Cursor / Claude Code / GitHub Copilot / Bolt / Lovable / Replit
核心能力
代码生成、项目搭建、Debug、网页/App 原型构建
典型场景
个人网站、AI Demo、工具型产品、快速原型
我的当前判断
Vibe Coding 降低了从想法到 Demo 的门槛，但也放大了产品判断的重要性：能做出来不等于值得做。
代表产品
Dify / Coze / n8n / Zapier / Manus 类产品
核心能力
任务规划、工具调用、流程自动化、多步骤执行
典型场景
自动周报、客服助手、信息整理、业务流程自动化
我的当前判断
Agent 对我来说不是“更聪明的聊天”，而是把目标、工具、流程和人工确认连接起来的执行系统。现在先理解边界，后面再做半自动周报。
代表产品
NotebookLM / Dify知识库 / AnythingLLM / LlamaIndex类应用
核心能力
基于资料检索、文档问答、知识库问答、引用来源
典型场景
论文资料库、产品案例库、公司内部文档助手
我的当前判断
RAG 的核心不是让 AI 更会聊天，而是让回答回到资料和来源。我需要先积累足够多的拆解资料，才能做出有价值的知识库助手。
代表产品
Notion AI / Microsoft Copilot / 飞书AI / 钉钉AI
核心能力
文档生成、会议总结、表格分析、办公自动化
典型场景
会议纪要、工作汇报、项目管理、个人知识管理
我的当前判断
办公 AI 的竞争不只在模型能力，而在它是否嵌入真实工作流和组织权限。对我来说，它适合作为企业级 AI 产品观察样本。
代表产品
Canva AI / Figma AI / Framer AI
核心能力
视觉设计、页面原型、海报生成、产品展示
典型场景
网站视觉、产品原型、社交媒体图片、作品集包装
我的当前判断
AI 设计工具能提升表达和包装能力，但真正决定作品集质感的仍然是审美判断、信息层级和产品叙事。
代表产品
Midjourney / DALL·E / 即梦 / 可灵 / Runway / Pika
核心能力
图像生成、视频生成、风格迁移、视觉创意
典型场景
封面、短视频、产品宣传、视觉概念设计
我的当前判断
多模态生成会让内容表达更容易，但我当前不追求视觉炫技。后续重点看它如何服务产品展示、Demo 说明和传播效率。
代表产品
AI客服 / AI教育 / AI法律 / AI医疗 / AI销售 / AI数据分析
核心能力
行业流程重构、专业场景辅助、效率提升
典型场景
企业服务、教育辅导、销售支持、行业解决方案
我的当前判断
行业应用是最终落地点，但不能只看“AI + 行业”的包装。我要判断它是否进入真实业务流程、是否降低成本或提升结果质量。
Learning Priority
Phase 1 不追求一次学完所有工具，而是先建立主线，再逐步向自动化、知识库和行业应用展开。
先抓住最能支撑学习、研究和构建的三个入口，形成基础生产力。
进入 Demo 和系统化能力建设后，重点理解自动化、知识库和设计原型。
作为扩展视野和行业应用储备，持续观察但不在早期过度分散精力。
Analysis Plan
先用三个代表产品建立拆解手感：一个轻度拆解，一个标准拆解，一个真实使用复盘。
产品类型
通用大模型助手
核心问题
从常用工具转向产品视角，理解它如何成为通用AI入口。
产品类型
AI搜索与研究
核心问题
AI如何重构搜索体验？它和传统搜索的差异是什么？
产品类型
AI编程与 Vibe Coding
核心问题
非技术背景学习者如何借助 AI 编程 Agent 理解项目、表达需求并迭代网站？
Method Base
从产品定位、目标用户、核心场景、用户痛点、解决方案、核心功能、用户路径、产品亮点、限制和商业模式一路拆到一句话总结。
Five-Day Sprint
用五天完成从分类框架到三篇拆解，再到阶段复盘的闭环，让地图从第一版开始真正生长。
Day 1
目标
完成AI产品地图第一版结构。
产出
AI产品地图页面 v1。
Day 2
目标
理解AI应用系统、核心概念和AI产品生态。
产出
AI学习画册第一批卡片。
Day 3
目标
建立产品思维，从通用助手转向产品观察。
产出
《ChatGPT轻度拆解》+ 产品经理思维卡片。
Day 4
目标
理解 AI 搜索如何从返回链接变成带来源的综合答案。
产出
《Perplexity标准拆解》。
Day 5
目标
理解 AI 编程 Agent 如何帮助我从需求表达进入真实构建。
产出
《Codex使用复盘》+ Phase 1总结准备。
Acceptance Criteria
用三个层级检查自己是否只是看了工具，还是已经形成可以展示、可以解释、可以继续更新的产品认知。
保证 Phase 1 有清晰可见的基础成果。
从工具罗列进入产品理解，能解释分类和差异。
让地图具备长期更新价值，并呈现真实产品判断。