Agent 元年第 500 天，9 条给 AI PM 的提醒
模型能力已经进入 Agent 时代，产品却经常还停留在 App 时代。真正要消失的未必是 GUI，而是”人必须站在流程中间，充当信息搬运工和应用传送带”的默认前提。
基本信息
- 来源类型：文章（人人都是产品经理 / woshipm.com）
- 原文位置：
raw/articles/2026-07-13-woshipm-agent-500-days-9-reminders-ai-pm.md（完整正文；早期 stub：raw/articles/2026-07-16-agent-500-days-9-ai-pm-reminders.md） - 原文 URL：https://www.woshipm.com/ai/6428033.html
- 作者：刘晓燕（YF拾光机）
- 日期：2026-07-13
- 消化日期：2026-07-16（2026-07-17 对齐完整 raw）
- 类型：深度行业分析/访谈笔记
- 核心主线：通过投资人与开发者的深度对谈，揭示 AI 能力爆发与产品体验滞后之间的根本矛盾，提出 9 条重塑 Agent 产品思维的实战洞察
核心观点
-
模型进步超过预期，产品化低于预期——问题卡在”最后一公里”：模型能力发展超过预期，但绝大多数产品仍要求人不断把注意力灌进去。真正的产品完成度应该看用户为了得到结果还需要做多少工作，而非 Agent”会多少功能”。四个评估问题：任务是否需要用户反复解释背景？过程中需要多少次人工接力？结果是否自动进入下一步？失败后是否能恢复？
-
GUI 不会死亡，它从”操作台”变成”信任界面”：当 Agent 成为任务的主要执行者，为人类注意力缺陷设计的操作流程不再是生产系统的核心。GUI 的角色从操作台迁移为仪表盘、审批台和信任界面。合理设计分三层：用户用自然语言表达目标 → Agent 在无界面层执行 → 系统用适合人理解的方式展示计划/风险/结果。
-
AI PM 最重要的能力是重新定义问题，而不是画出新界面：进入 Agent 时代，如果仍然从”这块界面怎么画”开始，团队只是在给旧流程加一层 AI 外皮。应先把流程写成”目标—判断—动作—结果”而非页面流程图，逐项标记哪部分需要人的价值判断、哪部分是信息搬运。未来稀缺的 PM 是敢于删掉旧问题、重新定义任务边界的人。
-
CLI 的复兴不是极客文化回潮，而是软件开始为机器提供入口：大模型解决了 CLI 最大的障碍——人不用再背命令。CLI 从人类难以使用的旧入口变成了 Agent 天然适配的工具协议（纯文本、可组合、可执行、可审计）。当软件开放 CLI/API/MCP 后，可能失去对用户入口的独占，却有机会成为更多 Agent 默认调用的基础能力。
-
Skill 的真正价值是把个人品味从”感觉”变成可复用资产：Skill 不只是提示词文件——它是把一个人过去反复做对的事情压缩成可再次执行的上下文。构建闭环四步：从历史行为发现重复模式 → 生成可读可编辑的规则 → 通过真实任务验证 → 根据修改继续更新。未来个人最值得积累的，不只是文档和作品，而是”我如何稳定做出这些作品”的可执行版本。
-
Skill 商业化的难点不在供给，而在信任、分发和结果验证：C 端用户已经为模型 Token 付过钱，很难接受再为文本形式的 Skill 付费。壁垒未必是文件本身，而是品牌、评测、分发、兼容性和持续更新。优先基础设施：统一效果评测、可复现示例任务、权限披露、版本依赖管理、跨模型兼容测试、信誉系统。
-
用户最终不会关心 CLI、MCP 和 Skill，只会记住”谁把事情做成了”：产品架构可以复杂，用户承诺必须简单。垂直 Agent 的专业性应体现在结果和异常处理上——知道何时必须向人确认、哪些数据不能越权、何时应该拒绝给出确定结论。
-
OpenClaw 留下的最大遗产不是热度，而是”持续关系”比会话窗口更重要：虽然 OpenClaw 热度迅速消退，但它粗暴地完成了共识教育——让更多人意识到新一代 Agent 与问答产品不是同一种东西。真正的 Agent 体验更接近一段持续关系：它知道你的项目、记得上次停在哪、能在条件满足时主动回来找你。
-
AI 创业最先被改写的是生产函数，而非产品形态：过去资金主要用来招聘和设备，现在部分资金会直接转化成模型推理与 Agent 工作时长。Token 不只是云服务账单，它越来越接近数字劳动力的原材料。判断机会的标准：AI 是否把某项服务的单位成本打下来了？过去只有大客户买得起的能否提供给个人？
实操内容保留
（本文为行业分析访谈笔记，无实操代码/模板/步骤。但以下框架和清单可直接作为 AI PM 的工作工具使用：）
AI 产品完成度评估四问框架（Section 1）：
- 任务是否需要用户反复解释背景？
- 过程中需要多少次人工接力？
- 结果是否自动进入下一步？
- 失败后是否能恢复，而不是让用户从头再来？
AI 交互三层设计模型（Section 2）：
- 表达层：用户用自然语言或结构化表单表达目标
- 执行层：Agent 在无界面或弱界面的执行层调用工具
- 验收层：系统用适合人理解的方式展示计划、关键决策、风险、结果
“目标—判断—动作—结果”流程分析法（Section 3）：
- 在设计任何 AI 功能前，先把流程写成这四个节点，而非页面流程图
- 逐项标记：哪部分需要人的价值判断、哪部分只是信息搬运、哪部分是工具调用、哪部分是验收
- 页面应该在这个分析之后出现，而不是之前
Skill 构建闭环四步（Section 5）：
- 从历史行为中发现重复模式
- 生成可读、可编辑的规则
- 让用户通过真实任务验证
- 根据修改和结果继续更新
AI PM 五条工作方法（Section 10）：
- 从用户想要的结果出发，不要从要画什么页面出发
- 把流程中的”人肉搬运”单独标出来，能删除就不要优化
- 让执行层对 Agent 友好，让监督层对人友好
- 把权限、记忆、失败恢复和结果验证当成核心产品，而不是工程补丁
- 不用新概念包装旧问题，优先寻找被模型能力重新打开的任务边界
关键概念
- GUI 信任界面 — “操作台 → 仪表盘/审批台/信任界面”的角色迁移
- CLI 复兴 — CLI 从人类难用的旧入口变成 Agent 天然适配的工具协议
- Skill — Skill 把个人品味变成可复用资产，闭环四步构建流程
- OpenClaw — 完成了 Agent 共识教育，“持续关系”比会话窗口更重要
- 持续关系 — Agent 产品从一次性对话升级为跨会话延续的长期协作关系
- 生产函数变化 — AI 改写了创业的生产函数，Token 变成数字劳动力的原材料
- 问题定义能力 — AI PM 核心能力从画界面转入重新定义问题；“目标—判断—动作—结果”流程分析
- 可托付任务 — 产品完成度四问：背景解释、人工接力、结果自动进入下一步、失败恢复
- AI评估计分板 — 测模型完成任务的上限，也要测用户为完成付出的注意力
- Agent SaaS — 未来垂直 Agent 仍需流程知识、质量标准、责任边界
与其他素材的关联
- 与 2026-05-09-pm-ai-playbook 共享”AI 处理 80% 事务，人做 20% 判断”的命题，本文进一步细化到”删除人肉搬运，不要只是优化它”
- 与 2026-07-16-woshipm-one-person-company-ai-era 共享”执行越便宜，判断越昂贵”的判断，本文从投资人和开发者双视角提供互补论证
- 与 2026-06-18-ai-product-trust-design-patterns 共享 GUI 角色从操作台到信任界面的迁移，本文从 Agent 原生视角而非交互设计视角切入
- 与 Agentic Workflow 中的”人机传送带”批判同源，本文将这个概念升级为”人肉传送带正在退场”的完整观察
- 与 Skill 共享 Skill 定义和商业化探讨，本文补充了 Skill 商业化难点（信任/分发/验证）和”品味→可复用资产”的转化机制
- 与 AI创业 共享生产函数变化的观察，本文补充了 Token 作为数字劳动力原材料的视角
- 与 OpenClaw 共享 OpenClaw 遗产评估，本文重点挖掘”持续关系 > 会话窗口”的产品洞察
原文精彩摘录
“Agent 元年第 500 天，真正诞生的不是一个确定的新界面，而是一种新的产品责任：用户不再满足于’工具已经提供给你’，而会要求系统对结果承担更多责任。”
“一个 Agent 能生成会议纪要，却要求用户手动上传录音、选择模板、校对人名、复制结果、打开 Notion、找到正确页面再粘贴进去，它只是把某个步骤变快了。如果它能判断会议类型，调用对应模板，总结内容并放进固定位置，才开始接近完整产品。”
“传统路径分析关注’用户在哪一步流失’，Agent 路径还要追问’这一步为什么需要用户出现’。”
“Skill 改变了个人能力的复利方式。过去，一个人的审美和经验主要随本人流动；现在，它可以被封装、安装、传播，甚至跨 Agent 运行。一个开发者未必能做出统治级 Agent，却可能做出被多个 Agent 安装的统治级 Skill。”
“所以，当你下一次准备给产品增加一个 AI 入口时，不妨先停一下。你是在给旧软件多加一个聊天框，还是终于准备把用户从那些本不该由他完成的步骤里解放出来？“