先判断产品位置
它是工具、平台、通用助手，还是正在走向 Agent？先定位置，后看功能。
Loading...
Loading...
产品经理思维学习深化｜AI Product Analysis Framework
一套可反复使用的产品判断方法
这页现在被整理成方法手册：先看阅读路线，再按需展开 11 个分析维度、核心场景、概念对照、提问清单和代表产品。知识点保留完整，但阅读压力更低。
Reading Path
以后打开这页，不需要从头读到尾。先按这四步建立拆解节奏，再展开需要的模块。
它是工具、平台、通用助手，还是正在走向 Agent？先定位置，后看功能。
不要只看它能做什么，要看谁在什么场景下被它节省了时间、判断成本或创造成本。
至少记录一个真实操作细节：输入了什么、系统怎么回应、哪里顺畅、哪里卡住。
拆解报告的结尾必须有自己的产品判断，而不是把模板填完整就结束。
Why It Matters
AI 产品拆解不能停留在“好不好用”或“功能多不多”。真正的产品经理思维，是把产品放回用户任务和商业系统里判断。
从工具体验到产品判断
不只是评价一个工具强不强，而是判断它为谁、在什么场景下、解决了什么真实问题。
从功能罗列到工作流理解
功能只是模块，场景才是用户完成任务的真实路径。拆解要看 AI 改变了哪一步。
从完整模板到个人洞察
结构完整只是起点，更重要的是提炼出可迁移到我自己项目里的判断。
11 Dimensions
每个维度都折叠成一张方法卡。需要时展开，不需要时只看标题和核心问题。
01｜Framework Dimension
该产品处于 AI 生态的哪个位置？它是面向所有人提供泛化能力，还是针对特定任务或行业？
拆解时怎么用
先判断产品面向任务的广度与深度，再看是否内置领域知识、工作流、插件或 API 平台。
通用助手型
提供广泛的自然语言交互和生成能力，适合作为入口级助手。
垂直工具型
面向特定行业或专业场景，内置领域知识和工作流。
工作流平台型
通过可视化或脚本化编排，串联多个工具和服务完成多步流程。
内容生成型
主打文本、图像、视频等内容创作，常服务创作者和营销场景。
开发者工具型
集成在开发环境中，帮助编写、解释、调试和部署代码。
企业服务型
嵌入办公、知识库或企业系统，强调权限、安全和协作。
自动化 Agent 型
能根据目标拆解任务、调用工具、执行步骤并反馈结果。
判断标准
从任务宽度、领域专业度、工具集成度和自动化程度判断。
典型产品
ChatGPT、Claude、Gemini、Perplexity、Cursor、Replit、Notion AI、Microsoft Copilot、Zapier AI、Make、Midjourney、Runway、Lindy。
初学者误判
把简单 API wrapper 当成 Agent；或把所有聊天界面都当成通用助手，忽略背后的垂直工作流。
02｜Framework Dimension
产品主要为谁服务？这些人有什么特征、目标和痛点？
拆解时怎么用
通过公开定位、价格方案、产品功能和真实使用场景识别目标用户，分析用户愿意为什么价值付费。
普通消费者
需要日常问答、写作辅助、娱乐创作和生活效率提升的人。
学生/学习者
需要概念解释、学习总结、练习反馈和个性化辅导的人。
内容创作者
作家、营销人员、媒体从业者、视频创作者等。
产品经理/运营人员
需要市场调研、竞品分析、文档撰写和信息整合的人。
程序员/技术人员
需要代码生成、调试、解释、部署和代码库理解的人。
设计师/艺术家
使用生成式工具做海报、插画、UI、视觉概念和创意探索的人。
企业员工
在办公软件中做会议纪要、邮件、数据分析、汇报和协同的人。
管理者/创业者
需要战略判断、商业分析、流程自动化和团队效率提升的人。
判断标准
结合职业角色、任务强度、知识深度、效率需求、安全需求和定价策略判断。
典型产品
ChatGPT Edu、Khanmigo、Jasper、Notion AI、Cursor、GitHub Copilot、Microsoft Copilot、Zapier AI、Lindy。
初学者误判
把免费用户和付费专业用户混为一谈；只写泛泛的“学生、职场人、所有用户”。
03｜Framework Dimension
用户在什么情境下使用产品？想完成什么任务？
拆解时怎么用
画出用户任务流，标注 AI 替代或增强了哪一步：检索、生成、分析、编辑、执行还是反馈。
对话与问答
快速获取答案、解释概念、头脑风暴和初步思考。
信息检索与 AI 搜索
查找最新、专业或多来源信息，并获得引用。
深度研究与分析
阅读大量资料、抽取观点、组织逻辑并生成研究报告。
写作与创作
生成、改写、润色、翻译文本，获得结构和灵感。
编程与开发
生成代码、调试、解释、搭建项目和 Vibe Coding。
设计与多媒体生成
生成或修改图片、视频、音频和设计稿。
办公协作与生产力
会议总结、工作汇报、日程、邮件和协作流程。
数据分析与可视化
用自然语言查询数据、生成图表、解释统计结果。
知识管理与记忆
整理资料、建立知识库、语义检索和长期记忆。
自动化执行
跨应用完成重复任务、多步骤流程和目标驱动执行。
学习辅导与教练
个性化讲解、练习、反馈和职业技能训练。
判断标准
看用户打开产品的具体时刻、任务目标、过去做法、AI 介入位置和最终产出。
典型产品
Perplexity、NotebookLM、Jasper、Cursor、Midjourney、Microsoft Copilot、Zapier AI、Khanmigo。
初学者误判
把功能当场景，比如把“支持图片上传”当成核心场景；忽略用户完整任务链。
04｜Framework Dimension
用户在完成任务或使用产品时遇到的核心困难是什么？
拆解时怎么用
通过用户访谈、观察工作流和对比现有方案，区分表层抱怨和深层需求。
效率低
手工搜索、抄写、整理、重复劳动耗时。
信息过载/无序
无法从大量资料中快速找到可信、关键的信息。
专业门槛高
写作、编程、设计、研究等能力需要长期训练。
创造力瓶颈
缺少灵感、多角度思考和快速试错能力。
错误率高
手工操作、人工分析和复杂决策容易出错。
成本高
外包、聘请专业人员或购买服务成本高。
隐私与安全担忧
敏感数据不能直接交给公开大模型处理。
判断标准
分析旧流程里最耗时、费力、费钱、容易出错或需要专业判断的环节。
典型产品
Perplexity 缓解信息过载；GitHub Copilot 降低编程门槛；Notion AI 提升写作效率；Lindy 减少重复流程。
初学者误判
把“用户想要一个按钮”当痛点；真正的痛点通常在按钮背后的任务压力里。
05｜Framework Dimension
产品采用哪些技术和方法来解决用户痛点？
拆解时怎么用
识别技术组合，评估方案对痛点的覆盖程度，并记录哪些步骤仍需人判断。
自然语言理解与生成
通过 LLM 理解意图并生成文本、代码或结构化结果。
检索增强生成（RAG）
结合外部知识库或实时搜索，提高回答准确性与可验证性。
多模态生成
支持图像、视频、音频的生成和理解。
工具调用与插件
通过 API 或插件访问外部服务，完成搜索、代码执行或企业系统调用。
工作流编排与多智能体协作
定义步骤、分配任务、调用不同 Agent 并监控执行。
个性化与长时记忆
基于历史、文档和偏好提供个性化回答。
强化学习与反馈优化
通过用户反馈和评估数据持续优化模型表现。
判断标准
看产品是否只是生成内容，还是能结合外部知识、工具和工作流解决完整问题。
典型产品
Perplexity 的搜索/RAG；Runway 与 Pika 的多模态；Zapier AI 的工具调用；Notion AI 的知识库；Khanmigo 的个性化辅导。
初学者误判
把插件市场当成工作流系统；把检索当深度研究；忽略安全和合规设计。
06｜Framework Dimension
产品有哪些关键功能支撑解决方案？
拆解时怎么用
列出所有功能，再按核心场景筛选关键功能，判断每个功能的实现质量。
对话接口
自然语言交互、长上下文、引用链接和消息记录。
搜索/检索接口
实时搜索、引用来源、多模态检索。
生成与编辑模块
写作、改写、翻译、代码生成、图像/视频生成。
工作流编辑器
可视化或脚本化编排任务步骤。
插件与集成中心
支持第三方扩展、自建插件和企业系统集成。
知识库与记忆管理
文档上传、向量检索、长期记忆和知识问答。
协作与共享功能
团队编辑、评论、分配任务、权限管理和导出。
执行和自动化入口
运行脚本、一键总结、调用 API 或后台自动执行。
判断标准
功能是否是完成核心任务所必需；深度是否足够；使用是否顺手。
典型产品
ChatGPT 的对话与工具；Perplexity 的搜索与引用；Cursor 的 IDE 集成；Zapier AI 的工作流编辑器；Notion AI 的文档与知识库。
初学者误判
把“支持图片上传”等亮点当核心功能，没有看它是否支撑核心场景。
07｜Framework Dimension
用户如何使用产品完成任务？路径是否顺畅？
拆解时怎么用
亲自体验或观看演示，绘制流程图，标注关键节点、卡点和可优化位置。
发现与注册
用户如何知道产品、创建账户、开始免费试用。
需求输入
通过文本、语音、文件、模板或场景选择提出需求。
生成/搜索/处理
产品如何响应输入，是否允许用户控制过程。
编辑与迭代
用户如何修改、补充、追问、保存版本。
协作与分享
是否支持多人协作、导出和分享成果。
执行与集成
结果如何触发自动化或进入其他系统。
反馈与学习
产品是否收集反馈、引导用户提升使用水平。
判断标准
看路径是否贴合任务，是否存在不必要步骤、学习曲线或关键阻塞点。
典型产品
Notion AI：打开文档→选择 AI→输入需求→生成→编辑→保存/分享。Zapier AI：创建工作流→选择触发器→添加操作→测试→运行。
初学者误判
把产品演示当真实用户路径；忽略上手难度和跨场景切换成本。
08｜Framework Dimension
产品有哪些令人印象深刻的优势或创新？
拆解时怎么用
列出亮点，与痛点和竞品对照，判断它是短期卖点还是长期壁垒。
多模态能力
支持文本、图片、音频、视频等多种输入和输出。
引用与可信度
提供来源、引用和证据，降低验证成本。
深度集成
嵌入 Office、IDE、文档、企业系统等现有工具。
个性化与定制化
支持私有知识库、定制助手、企业权限和个人偏好。
生态开放性
提供插件、API、SDK 或第三方市场。
安全与合规
强调隐私、数据隔离、企业级控制和监管适配。
自动化与代理能力
根据目标自主规划和执行，减少人工介入。
判断标准
亮点是否真正解决痛点，是否重要，是否难以被竞争对手快速复制。
典型产品
Perplexity 的引用；Gemini 的多模态；Microsoft Copilot 的 Office 集成；Zapier AI 的自动化；Lindy 的代理能力。
初学者误判
被炫目功能吸引，忽略它是否构成核心价值或长期壁垒。
09｜Framework Dimension
产品当前有哪些限制、风险或推广障碍？
拆解时怎么用
记录实际使用中的问题，对比竞品是否也有类似限制，判断是否影响核心价值。
幻觉与错误
大模型可能生成不准确或虚构的信息。
隐私与合规风险
敏感数据处理需要权限、隔离和监管适配。
成本与速度
大模型调用昂贵，长上下文和大文件处理可能慢。
功能有限
某些工具只适合特定任务，缺乏扩展性。
依赖网络和生态
依赖第三方服务、插件生态或稳定网络。
缺乏情感理解或专业判断
高风险场景仍需要人类监督。
语言与文化局限
多语言、方言和文化内容可能存在偏差。
判断标准
评估限制对核心场景价值的影响，以及它是技术瓶颈、体验问题还是商业策略问题。
典型产品
ChatGPT 可能幻觉；Perplexity 免费版有次数限制；Midjourney 对某些风格和精确控制有限；Copilot 依赖 Microsoft 生态。
初学者误判
只看强大演示，忽略错误概率、成本、速度和真实使用稳定性。
10｜Framework Dimension
产品如何盈利？收入来源是否可持续？
拆解时怎么用
分析免费/付费边界、主要收入来源、客户生命周期价值和平台生态收益。
价值定价
根据产品为客户创造的价值定价。
使用量定价
按 API 调用、数据处理、任务次数或计算时间付费。
订阅模式
按月或年订阅，提供不同功能层级。
免费增值
基础功能免费，高级功能或额度收费。
许可费模式
企业级或行业深度集成常用授权收费。
广告与引流
通过免费工具获取流量，再用广告或关联业务变现。
生态/平台收费
向第三方开发者、插件或市场交易抽成。
增值服务
定制训练、私有部署、技术支持和咨询服务。
判断标准
看价格是否匹配目标用户、使用频率、模型成本和竞争格局。
典型产品
ChatGPT Plus/Team；Perplexity Pro；Zapier AI 分层订阅；Midjourney 订阅；Lindy 按代理消耗计费；企业版 Copilot 按许可证收费。
初学者误判
忽略模型运行成本和免费用户转化；混淆订阅、授权和使用量计费。
11｜Framework Dimension
如何用一句话概括产品定位、目标用户和价值？
拆解时怎么用
每拆解一个产品都写一句话总结，并用它检查后续功能分析是否偏离定位。
价值主张句
这是一个针对 ___ 用户，在 ___ 场景下，帮助他们解决 ___ 的 AI 工具。
电梯陈述
强调产品的独特优势、差异化和核心价值。
判断标准
是否包含目标用户、任务场景、痛点或价值；是否具体、精炼、不空泛。
典型产品
ChatGPT 是面向需要信息获取和创作的人，在聊天界面中提供综合问答、写作和生成能力的通用 AI 助手。Cursor 是面向程序员和学习者，在 IDE 环境中提供代码生成、解释和调试功能的 AI 编程助手。
初学者误判
用营销口号替代真实描述；只写“一个强大的 AI 工具”。
Core Scenarios
这里按照用户任务和工作流位置划分，不按工具名称划分。每个场景都要看 AI 介入前后发生了什么变化。
01｜Core Scenario
需要快速获取信息、解释概念、闲聊或初步思考时。
任务目标
获得答案、解释和建议，进行头脑风暴，解决日常问题。
AI介入前
搜索网页、读书、问朋友或专家，过程慢且依赖检索能力。
AI介入后
通用助手能即时回答、总结文章，并根据上下文调整回答。
典型产品
ChatGPT、Claude、Gemini、Perplexity Chat
核心价值
提升信息获取效率，提供个性化解答，降低学习门槛。
产品机会
垂直领域可信问答、个人数据结合、企业知识库和情感陪伴。
学习价值
训练提问能力、理解复杂概念、快速查缺补漏。
02｜Core Scenario
需要查找最新或专业信息，比如市场数据、新闻、论文、产品文档。
任务目标
得到综合、多来源、可引用的答案。
AI介入前
使用搜索引擎浏览多个网页，自行筛选和整理。
AI介入后
AI 搜索边检索边生成摘要，并附上引用链接。
典型产品
Perplexity Search、You.com Research、Gemini Advanced Search
核心价值
提高检索效率和可验证性。
产品机会
结合学术数据库、公司内网和行业资料库，成为专业知识入口。
学习价值
培养信息检索、来源验证和批判性阅读能力。
03｜Core Scenario
需要写论文、市场分析、法律研究、数据研究等复杂任务时。
任务目标
阅读大量资料，抽取关键观点，组织逻辑框架并输出报告。
AI介入前
人工收集资料、阅读、做笔记，效率低且容易遗漏。
AI介入后
AI 快速扫描文档、提取信息、跨文档关联并生成草案。
典型产品
Perplexity Research、NotebookLM、SciSpace Copilot
核心价值
节省文献阅读时间，提升结构化分析效率。
产品机会
企业情报分析、跨文档知识图谱、多模态资料分析和质量评估。
学习价值
训练资料整理、证据判断和系统研究能力。
04｜Core Scenario
需要写文章、报告、邮件、营销文案、剧本或论文时。
任务目标
生成初稿、改写润色、翻译、提供结构和灵感。
AI介入前
依靠个人写作能力或外包，时间和成本较高。
AI介入后
AI 根据大纲快速出稿，并支持风格调整和反复迭代。
典型产品
ChatGPT、Claude、Jasper、Notion AI、Wordtune、Grammarly Go
核心价值
提高创作速度，降低写作门槛，支持多语言和多风格。
产品机会
品牌风格写作、法律合同、技术文档、营销自动化和协作写作。
学习价值
学习文体结构、表达优化和如何指导 AI 写作。
05｜Core Scenario
开发者写代码、调试、解释代码，或非技术人员希望用自然语言做原型。
任务目标
生成代码、解释 bug、搭建项目框架、把需求转成程序。
AI介入前
手动查资料、写代码、调试，初学者门槛高。
AI介入后
AI 在 IDE 或对话界面中生成、解释、重构甚至运行代码。
典型产品
Cursor、Replit AI、GitHub Copilot、Gemini Code Assist、Codeium
核心价值
提升开发效率，降低学习门槛，减少重复劳动。
产品机会
从需求到部署的全栈开发工作流，企业代码库理解，Vibe Coding 工具。
学习价值
理解编程逻辑、训练调试能力、降低从想法到 Demo 的距离。
06｜Core Scenario
需要设计海报、插画、视频、音频、特效或视觉概念时。
任务目标
生成或修改图像、视频、音频，快速迭代创意方案。
AI介入前
依赖专业软件和人工创意，周期长、成本高。
AI介入后
用户用自然语言生成视觉内容，并快速修改风格、颜色和布局。
典型产品
Midjourney、Stable Diffusion、Canva AI、Adobe Firefly、Runway、Pika
核心价值
降低创作成本，让非专业人士获得设计能力。
产品机会
品牌资产一致性、实时视频编辑、三维建模、版权管理。
学习价值
理解设计原则，把抽象描述转化成可视化作品。
07｜Core Scenario
会议、汇报、邮件、项目管理、日程和团队协作中。
任务目标
记录会议、生成总结、整理待办、写报告、分析数据。
AI介入前
人工记录、整理和汇报，多工具重复劳动。
AI介入后
AI 自动转录、总结、生成待办，并嵌入办公软件。
典型产品
Microsoft Copilot、Notion AI、Google Gemini for Workspace、Fireflies
核心价值
提升团队沟通效率，降低信息遗漏和决策时间。
产品机会
企业数据权限、跨应用协作、自动审批和执行。
学习价值
学习职场效率、信息整理和沟通表达。
08｜Core Scenario
需要从业务、科研或个人数据中获得洞察和决策依据时。
任务目标
自然语言查询数据、生成报告、预测趋势、创建图表。
AI介入前
手写 SQL、使用统计软件或依赖专业数据分析师。
AI介入后
用户直接用自然语言问数据，AI 解释结果并生成可视化。
典型产品
OpenAI Data Analyst、Power BI Copilot、ThoughtSpot AI、Numbers Copilot
核心价值
降低数据分析门槛，提高决策效率。
产品机会
企业数据库安全分析、多模态数据输入、自动化数据清洗。
学习价值
学习数据分析思维和可视化表达。
09｜Core Scenario
需要整理大量资料、建立个人或企业知识库时。
任务目标
上传文件、标注、建立索引、自然语言查询、维护知识更新。
AI介入前
传统文档管理、手工归档和关键词搜索，关联度弱。
AI介入后
RAG 知识库根据语义检索相关文档并生成答案。
典型产品
Notion AI Q&A、Gemini Workspace Knowledge Base、LlamaIndex 应用
核心价值
提升知识管理效率，把文档和生成式回答结合。
产品机会
企业权限控制、数据合规、知识库与 Agent 联动。
学习价值
学习如何构建个人知识体系，理解 RAG 应用逻辑。
10｜Core Scenario
需要跨系统完成重复任务或复杂流程时。
任务目标
调用多个应用完成预约、文件处理、邮件、支付、汇报等任务。
AI介入前
使用脚本、RPA 或手工配置流程，缺乏智能规划。
AI介入后
Agent 根据目标拆解任务，选择工具，监控执行并汇报结果。
典型产品
Zapier AI、Make.com AI、Lindy、Bolt、Gorilla Agent、Manus Plan
核心价值
释放人力，跨应用协调，降低复杂流程门槛。
产品机会
企业系统深度集成、权限监控、多智能体协作。
学习价值
理解任务拆解、工作流设计和人机协作边界。
11｜Core Scenario
学生、专业人士和终身学习者需要个性化辅导时。
任务目标
获得解释、习题、测验、语言学习、职业培训和即时反馈。
AI介入前
依赖老师、一对一辅导或标准化课程，个性化有限。
AI介入后
AI 根据学习者水平调整讲解、练习和反馈。
典型产品
Khanmigo、Socratic by Google、Duolingo Max、Ed GPT
核心价值
个性化学习路径、即时反馈和可扩展教育资源。
产品机会
结合教材、同步家长和教师、支持多语言和特殊教育。
学习价值
启发主动提问、自学能力和学习产品设计意识。
Concept Distinctions
很多 AI 产品判断错误，来自概念混用。把这些概念分清，拆解会更稳。
01
AI 搜索侧重快速检索和整合信息，提供引用和简要回答；深度研究强调系统阅读、信息抽取、分析和长报告生成。
Perplexity Search 更像快速入口；NotebookLM 或 Deep Research 类产品更适合资料组织和报告生成。
02
通用助手适合泛用问答、写作和翻译；工作流助手针对特定流程，支持多步任务、工具集成和执行。
通用助手宽但不一定深；Zapier AI、Make AI 更强调流程自动化。
03
写作工具主要生成和润色文本；内容生产系统覆盖规划、生成、审核、发布和团队协作。
Notion AI 偏写作助手，Jasper Workflows 更像营销内容生产链路。
04
AI 编程工具服务专业开发者，强调代码生成与解释；Vibe Coding 产品让非技术用户用自然语言描述需求并生成应用原型。
前者提高开发效率，后者降低从想法到 Demo 的门槛。
05
Agent 具有规划、决策和动态工具选择能力；自动化工具多基于固定触发逻辑，推理能力较弱。
Zapier 规则自动化是工具，Lindy 更接近能多步骤执行的 Agent。
06
RAG 知识库用向量检索和大模型生成答案；普通文档管理主要负责存储、分类和关键词搜索。
RAG 的重点是基于资料回答，而不是简单保存文件。
07
产品地图强调定位、用户、场景、痛点、价值和商业模式；工具大全只罗列名称和功能。
地图训练判断，工具大全帮助发现工具。两者价值不同。
08
核心功能是产品提供的能力模块；核心场景是用户在具体情境下完成的任务链。
功能是模块，场景是流程。拆解时要从场景反推功能。
09
痛点是用户在现有工作流中的具体困难；需求是用户希望达到的理想状态。
痛点是问题，需求是期望，解决方案要连接两者。
10
亮点是令人印象深刻的功能或特性；价值是产品真正解决用户痛点后带来的收益。
亮点不一定等于价值，必须回到用户和场景验证。
Checklist
以后拆解任何 AI 产品，都可以从这份问题清单开始。它能避免报告变成泛泛科普，也能逼迫自己回到真实体验和判断。
01
包含 2 个拆解问题
02
包含 2 个拆解问题
03
包含 5 个拆解问题
04
包含 3 个拆解问题
05
包含 2 个拆解问题
06
包含 2 个拆解问题
07
包含 3 个拆解问题
08
包含 2 个拆解问题
09
包含 3 个拆解问题
10
包含 3 个拆解问题
11
包含 3 个拆解问题
12
包含 2 个拆解问题
Product Validation
用同一套框架看不同产品：它们是单一工具、复合平台，还是正在走向 Agent？
01
通用助手；对话与写作工具｜复合场景
目标用户
普通消费者、学生、创作者
核心场景
对话问答、写作创作、编程辅助
产品定位
通用助手；对话与写作工具
平台/Agent 趋势
通过工具调用和插件逐步演化为平台，未来可能走向通用 Agent。
02
通用助手，强调安全和长文分析｜复合场景
目标用户
专业人士、企业用户
核心场景
对话问答、写作、分析
产品定位
通用助手，强调安全和长文分析
平台/Agent 趋势
以安全对齐和企业场景为亮点，向知识库和工作流平台扩展。
03
通用助手 + 多模态生成｜复合场景
目标用户
消费者、企业员工
核心场景
对话问答、信息检索、多模态写作、代码生成
产品定位
通用助手 + 多模态生成
平台/Agent 趋势
集成 Workspace 和 Extensions，向办公平台和工作流 Agent 演进。
04
AI 搜索 + 通用助手｜从单一检索向研究平台扩展
目标用户
研究者、学生、知识工作者
核心场景
信息检索、引用回答、深度研究
产品定位
AI 搜索 + 通用助手
平台/Agent 趋势
引入文件上传、追问和研究能力，未来可结合 Agent 自动整理文献。
05
开发者工具，垂直代码助手｜编程主场景，包含多个任务
目标用户
程序员、编程学习者
核心场景
生成代码、解释代码、运行程序、知识检索
产品定位
开发者工具，垂直代码助手
平台/Agent 趋势
结合 IDE、团队协作和 Agent 能力，从工具走向开发平台。
06
开发者平台 + AI 编程｜复合场景
目标用户
程序员、新手、学习者
核心场景
在线 IDE、代码生成、部署、协作
产品定位
开发者平台 + AI 编程
平台/Agent 趋势
具备从需求到部署的平台雏形，可能成为编程 Agent 平台。
07
Vibe Coding 与应用生成｜复合场景
目标用户
产品经理、创业者、非技术构建者
核心场景
自然语言生成网页、应用原型和交互界面
产品定位
Vibe Coding 与应用生成
平台/Agent 趋势
如果连接设计、代码、部署和数据，将更接近应用构建平台。
08
AI 应用构建/自动化 Agent｜复合场景
目标用户
开发者、运营人员、产品构建者
核心场景
生成应用、执行工作流、快速原型
产品定位
AI 应用构建/自动化 Agent
平台/Agent 趋势
强化任务规划和执行能力后，可走向垂直构建 Agent。
09
企业服务 + 内容生成｜复合场景
目标用户
团队和个人知识工作者
核心场景
写作、总结、数据整理、知识管理
产品定位
企业服务 + 内容生成
平台/Agent 趋势
依托文档和数据库，向企业知识平台和协作 Agent 转型。
10
企业服务 + 自动化助手｜复合场景
目标用户
企业员工、管理者
核心场景
文档、邮件、数据分析、会议摘要
产品定位
企业服务 + 自动化助手
平台/Agent 趋势
深度嵌入 Microsoft 365，未来与系统级 Agent 联动。
11
内容生成与设计平台｜复合场景
目标用户
设计师、营销人员、学生
核心场景
图片、视频、演示文档生成
产品定位
内容生成与设计平台
平台/Agent 趋势
从设计工具走向多媒体创意平台，可能继续接入工作流。
12
垂直图像生成工具｜单一场景
目标用户
艺术家、设计师、创作者
核心场景
高品质图像创作
产品定位
垂直图像生成工具
平台/Agent 趋势
若开放 API 或脚本生成能力，可从创作工具扩展为平台。
13
多模态视频生成与编辑平台｜复合场景
目标用户
视频制作者、创作者
核心场景
视频生成、编辑、特效
产品定位
多模态视频生成与编辑平台
平台/Agent 趋势
已具备创意平台特征，加入脚本执行和代理能力后可成为视频制作 Agent。
14
工作流平台 + Agent｜复合场景
目标用户
企业员工、运营人员、开发者
核心场景
跨应用自动化执行
产品定位
工作流平台 + Agent
平台/Agent 趋势
从规则自动化工具走向可拆解任务并自动执行的 Agent 平台。
15
工作流平台 + 可视化编排｜复合场景
目标用户
产品经理、运营、非技术用户
核心场景
连接应用、自动化流程
产品定位
工作流平台 + 可视化编排
平台/Agent 趋势
通过 AI 生成流程，未来可能发展为多 Agent 协作平台。
16
自动化 Agent 产品｜自动助理场景扩展
目标用户
专业人士、企业用户
核心场景
日程安排、邮件回复、个人助理任务
产品定位
自动化 Agent 产品
平台/Agent 趋势
目标是成为个人代理平台，持续集成更多应用和知识库。
17
AI 知识库与研究助手｜知识管理与研究复合场景
目标用户
学生、研究者、知识工作者
核心场景
文档问答、资料整理、学习研究
产品定位
AI 知识库与研究助手
平台/Agent 趋势
从资料问答走向研究工作台，可能与写作和深度研究流程结合。
以后我拆解 AI 产品时，会先判断它属于工具、平台还是 Agent；再从用户、场景、痛点、解决方案、核心功能和商业模式逐步分析；最后必须写出一句话总结和可迁移启发。
Latest Product Analysis
Codex 使用复盘已经完成第一版。后续可以继续沿用 11 维框架：从非技术学习者的真实使用路径出发，判断 AI 编程工具的价值和边界。