AI 让信息越来越便宜，但做判断越来越难了。读完 Claude Code 产品负责人的 AI PM 方法论之后的一些思考。

Vibe coding 让我上瘾的方式跟当年玩《文明》简直一回事——每个 prompt 就是一个回合，每个回合都在勾着我打下一个。而且比《文明》更狠的是，玩游戏好歹知道自己在玩，vibe coding 的时候是真心觉得自己在干活。

AI 产品的复杂度远超想象——看似简单的功能背后是多个环节串联的复杂流程。本文揭示为什么评估能力将成为 AI 产品时代的核心竞争力。从确定性到概率性的转变要求我们重新思考产品开发方式，而系统性评估是唯一能确保产品持续优秀的手段。

探索大型语言模型(LLM)的上下文窗口局限性及解决方案，详解全上下文 vs 检索增强生成(RAG)的权衡，分析 OpenAI Deep Research 等产品的混合策略实现，设计更智能、响应更快的AI产品，有效平衡准确性与计算成本。

本文探讨了提示词工程的真实定位，指出提示词仅是整体工程的一个环节，而非决定性因素，揭示将提示词神话化的误区，强调更多关注工程实现对产品体验的关键影响。

PoweReader 是一款新的 RSS 阅读器，集成了 AI 摘要、翻译和可视化等功能。通过内置翻译、AI 摘要、每日精选等特性，让 RSS 阅读体验更加高效流畅。现在 App 已经上线 Product Hunt，欢迎体验和支持。

从个人角度探讨 AI 原生应用的概念、特征及其面临的挑战

目前和 LLMs 的交互基本都是这样的：人类输入 Prompt→LLMs 计算响应。每次如果想要新的响应都需要重新输入 Prompt，而这一步骤必须依靠人类主动触发。 AI agents 则可以理解成一种不同的工作方式，它们可以自我提问、自行解决问题、举一反三以及自主行动，之后还可以自行确定行动的结果，作为人类，我们只需要一开始给定一个目标即可——比如说告诉它研究特定内容。

Huginn 是一个开源的自动化工具，允许用户自定义流程以完成特定任务，市面上也有很多类似的产品，比如说国外的 Zapier、n8n 和 IFTTT，以及国内的腾讯轻联，不同于它们，Huginn 的系统设计比较特殊，它主要依赖于一个名为 "Agent" 的概念来构建流程

大型语言模型（LLMs）是目前最热门的人工智能领域。在这个领域中，已经逐渐形成了一个初具规模的生态系统。本文希望说清楚 AI 构建一个应用背后的逻辑，以此希望对后续产品思考和设计有所帮助，

ChatGPT 的面世给互联网和相关的科技行业带来了新的可能性和机遇，而其背后的 LLMs 也开始展现其革命性的潜力，这确实让人很兴奋。而对于产品来说，目前 LLMs 的出现意味着需要思考产品的设计。因此我从个人角度列举了一些产品方向和对于这些方向与 LLMs 结合的看法……