个人生活自动化
用 AI 把生活里一个反复消耗自己的小麻烦，做成只服务自己（或极少数人）的自动化工具——它没有需求文档、没有用户调研、没有版本排期，起点往往只是一句「有场子的时候，提醒我」。
简介
个人生活自动化指的是「需求方 = 使用方 = 唯一受益方」的自动化实践：作者因为自己被某件小事反复消耗，于是用 AI 把这件事交给程序。它的产物通常不叫产品，而是一个脚本、一个定时任务、一个推到 IM 的通知——它不需要被卖给任何人，只需要把自己的一个麻烦消灭掉。
它与 AI办公自动化 的分野在场景归属：办公自动化服务的是「工作产出」（文档、报表、会议、跨 SaaS 流程），衡量单位是效率与交付质量；个人生活自动化服务的是「个人时间与注意力」（少刷几十次小程序、少盯一次库存、少手动整理一次照片），衡量单位是我少做了几次这件烦事。它也与 MVP 不同：MVP 面向未知用户验证假设，个人生活自动化的用户是确定的（就是自己），所以它没有「假设验证」压力，只有「好不好用」的持续打磨。
这个概念的真正主张不是「自动化」本身，而是试的门槛变了。过去很多想法会停在「这也太麻烦了」这一步：为只服务自己的小需求专门找开发不现实，自己从头学技术又常常没学会就先放弃。AI 把实现成本压到「一个下午」量级后，个人开始具备为自己的一次性麻烦动手术的能力。
关键信息
- 类型：概念 / 方法论
- 领域：AI 应用 · 个人效率 · Agent 落地
- 需求起点：一句生活化的抱怨（「每次都要这样操作，也太麻烦了」）
- 典型产物：定时脚本 / 监控轮巡 / IM 通知机器人 / 本地小工具
- 判优标准：它让「我」少做了几次、少想了多少次——而不是日活、留存、转化
- 相关概念：AI Agent 智能体、AI 协作模式、飞书机器人、场景架构、场景化营销、MVP、普通人学AI
核心特性
1. 需求以「一句话」形态出现，规则在实际使用中才长出来
个人生活自动化的需求描述天然是目标而非方案：作者最初只说得出「有场子的时候，提醒我」，而真正可用的东西需要这些问题全部被回答——什么叫「有场子」（半小时单格算不算）、查哪些时间、通知发到哪、一天提醒几次、哪片场地该排除、云端调度失败怎么办。这些问题没有一个能在动手前想清楚，全部是跑起来之后被真实使用逼出来的。因此它的开发节奏不是「需求 → 设计 → 开发」，而是「跑起来 → 发现不好用 → 改」。
2. 成败往往取决于「数据入口的层级」，不取决于代码
同类工具最大的分水岭是从「模拟人看页面」升级为「直连结构化数据」：前者要一直开着微信小程序、依赖本机进程常驻，电脑一休眠就失效，本质上只是「找了个人坐在电脑前定时替我看一眼」；后者直连只读接口，读结构化字段做判断，才谈得上稳定和无人值守。寻找入口的过程往往很脏（网络调试工具、临时抓包、发现小程序不走系统代理、绕路寻找），但它才是真正的难点——AI 能把代码写出来，找不到入口则一切都无从谈起。
3. 安全边界默认是「只读」
个人自动化几乎没有运维预算，所以通行的边界是：只查询、只通知，不代替人做有后果的动作（不下单、不支付、不删改数据），凭证单独加密保存、不写进程序。这条边界不是道德要求，而是工程要求——无人值守的程序一旦持有可写、可支付的凭证，一次泄露或一次逻辑错误就会造成真实损失。
4. 「能跑」到「能用」之间隔着异常链路
作者列举的后续修正几乎全在异常侧：云端定时任务延迟/漏跑导致消息静默丢失（解法：错峰执行 + 本机兜底 + 去重）；本机兜底窗口闪动抢走工作焦点（解法：完全静默后台运行）；提醒频率策略与用户的补救窗口不匹配（解法：从「每天一次」改为「每次符合条件都提醒」）。结论：主链路的开发量很小，可用性几乎全部由异常处理决定。
5. 它是一个完整的产品实践，只是规模极小
哪怕最终只解决了自己一个小麻烦，这个过程也完整经历了发现问题 → 明确需求 → 设计方案 → 验证结果 → 持续迭代。对产品经理而言，这是成本最低的全链路训练场：没有排期压力、没有跨部门扯皮，但所有”真实世界会给你补课”的环节一个不少。
不同素材中的观点
- 2026-09-24-woshipm-ai-tennis-court-reminder：本篇是这个概念最完整的一次演示——从「一天盯几十次小程序」的抱怨出发，经第一版（定时看页面 + 飞书通知）→ 发现本机依赖 → 抓包找到无需登录的只读查询接口 → 迁云端定时 → 排查调度漏跑 → 加本机静默兜底 → 排除高价场地与调整提醒频率，最终收敛为一套只读、只提醒、不碰支付的个人监控。其核心判断有两层：① AI 更适合被当成持续协作的搭档而非一次性交作业的工具，「如果 AI 只是严格执行第一句话，我们最后得到的大概率只是一个『可以演示』的东西」；② 产品经理的创造力常常藏在「这也太麻烦了」里——AI 不替我们发现生活里的问题，但它把「试」的门槛降到了个人值得动手的程度，从而让想法离验证更近。
典型应用与常见误区
- 典型应用：票务/场地捡漏监控、库存或价格提醒、个人订阅与账单归集、例行信息推送（天气/通勤/日程摘要）、个人素材归档与整理。
- 常见误区一：把它当产品做。引入用户调研、版本规划、商业模式，反而让「只服务自己」的优势（可以极不通用）被抹掉。
- 常见误区二：用需要人盯着的渠道做提醒。在 AI 工具里提示、只写本地日志，等于没提醒——渠道必须选收件人不需要主动打开的那种（如 飞书机器人）。
- 常见误区三：只测主链路。不验证调度是否真的触发、失败时是否静默，就会像本篇那样「明明放出过场地，一条消息都没收到」。