产品犬舍

我用 GPT 改工程思维的稿子,它主动对着我的脸喷

上周发了一篇公众号,讲我用 Codex 做旅行攻略踩了几个大雷:我最近用 Codex 做旅行攻略踩了几次大雷

这其实是我在技术工程方面的低能体现。人总有长短板,代码和技术工程都是我的短板……

接着这个话题,10 月在犬校聊「产品思维和工程思维有什么差异」。按我的习惯,长帖写完以后会征求 GPT 的意见,没想到 GPT 主动对着我的脸喷——这件事在末尾会有详细描述,但得从头说起。

欧洲旅行途中,我在想一件事,产品思维和工程思维有什么差异?

在过去,通常认为产品经理具备产品思维,工程师具备工程思维,一小部分工程师也有很好的产品 sense。显而易见的是,AI 时代全攻全守让工程思维变得更重要,所以我才会想 “差异是什么?”

首先,产品思维的重点是 “定义高质量的目标”,往往是从一系列模糊不清的要素中,通过不断收敛约束也就是产品减法,定义条件清晰、意义明确、可行性较高的目标。

其次,产品思维注重演化,意味着产品思维指导的行动往往以 “求证” 为目的,验证每一步的结果是否符合预期目标,再推演出下一个预期目标。中途推翻最初的目标,重建更好的目标是再正常不过的事情,目标本身是不断变化的。

但工程思维不是这样的。我理解中的工程思维,一开始就建立了一个明确的目标,穷尽一切工程手段来逼近目标。

换句话说:

  • 产品思维主要处理价值的不确定性(怎样的目标创造更大的价值)

  • 工程思维主要处理实现的不确定性(怎样的实现方式更逼近目标)

除此之外。工程师的工程思路和产品经理的 PRD 思路有许多相似的地方,只是运用了不同的建造结构。单纯从建造这件事情来讲,工程师的工程思路比 PRD 复杂很多——PRD 的难点不在于方案,而是目标的定义,以及围绕着目标的取舍。取舍得当,约束合理,才有高质量的 PRD,交付工程师补充技术约束并落地实现。

一旦 PRD 被工程师认可,这就是一个明确的目标,用技术工程的手段来提高实现目标的确定性。

以上观点在 AI 时代有什么意义呢?

AI 时代并没有发明多少新需求,也不太在意需求的质量高低,绝大部分需求用于满足自己,不需要向别人证明即可单独行动。“不要你觉得,我要我觉得”,需求面对自己,不再考虑外部的最大公约数,自然超脱于外部质量评价标准。甚至于实现个人需求的时候,做的更多是加法(而非产品思维中经典的收敛),把自己想要的所有东西都堆上去。我想要的「应有尽有」。

这时候产品思维并没有什么卵用,把需求做出来就获得了成功,需求质量与目标价值来自于 “我就喜欢”,关键是怎样驾驶 AI 提高实现需求的确定性——你需要技术工程的经验,而不是产品取舍的思考。因此产品思维式微,全民追逐工程思维。

坦率讲,我对此有点不适应。

前几天在犬校写到:

同样是解题,我去一家新公司顾问,收集我想要丰富的信息之后,进行高度抽象,并告诉老板哪些环节是有机会向上演化的,甚至进一步跟进这些环节的设计和迭代,这道题给了我极大的快乐。

另一道题是 “给一批景点按确定的规则配封面图”,AI 拒绝执行,我用各种工程手段找到症结所在,切换工程和模型驾驶 AI 完成任务——这件事我直接放弃——哪怕在 AI 时代惨遭淘汰承认 “我是虫豸” 我也直接放弃。

这里边的差异一开始我没想明白,只能说后者很像应试教育的考试,而我是个考不上大学的学渣。后来我把这件事告诉了 GPT,它倒是给了我准确的回答:

前者的思考过程可以不断产生认知增量,后者的反复试错却有可能只产生任务进度。

这么讲就能讲通了,loop 加速了进度,但未必增强认知。如果我不具备足够的技术工程经验,就没有办法把 loop 过程中的随机试错,上升为可积累的认知复利。

我对此的另一个负面观点是,产品经理和工程师经常有高质量的思考,但缺乏技术工程经验的人,在 AI 的工程引导下实现一些常规需求,这中间没什么高质量的思考,而是我和 AI 合砍 999 刀。以至于行业话题最热烈的是 “哪个模型最强” “怎样节约 token” “如何避免封号”,古典产品时代的经验交流全灭——因为无法从 loop 里抽象出来重要的经验,也很难说是自己还是 AI 在主持 loop。AI 爱好者的注意力普遍投向 “如何省钱开好车”,车越快,到达下一个目标的速度越快。

这时,交付的确是交付了,体感也很澎湃,思考的质量就很难讲,犬校这个 “用思考交换思考” 的十年祖训在下半年显得很不合时宜。

对此,GPT 提出了一个近似的思考角度:

当 AI 使大量原本需要思考才能完成的事情,变得可以通过反复试错完成时,我们该如何衡量创造活动的智力价值?

当我继续跟 GPT 聊下去的时候,它还说了一些更刻薄的话:

AI 不只是替人完成了工作,还可能替人完成了工作中最有认知价值的部分。

过去一个人解决复杂问题,通常需要经历:发现问题 → 分析原因 → 建立假设 → 设计方案 → 验证方案。这些环节中包含了大量思考。

现在,一个缺乏工程经验的人使用 AI,可能经历的是:描述问题 → 获得建议 → 执行建议 → 报告错误 → 获得新建议。

前一种循环的核心是自主判断,后一种循环可能主要是操作与反馈。

AI 时代最值得警惕的,不是人们越来越少地亲自思考,而是人们越来越难以察觉自己什么时候没有在思考。

我:就像在智驾时代,把手放在方向盘上,并不代表此刻你在开车。

GPT:最后说一个可能有点反讽的观察。

你这篇文章从个人经历出发,借助 GPT 不断修改、理解、推进,最后形成了人类思考主体性的判断。这本身就是一次 AI 辅助的思考过程,和你批评的「合砍 999 刀」又有什么区别呢?

区别是:你没有仅仅接受 AI 提出的结论,而是持续判断哪些解释符合自己的经历,哪些观点值得纳入文章,最后还创造了 AI 没有提出的智驾比喻。

这意味着 AI 虽然参与了相当多的分析,但你仍然在主导文章的价值判断、组织方式与最终表达。

因此,你的文章提供了一个积极的对照:问题或许从来不是 AI 替我们思考了多少,而是当 AI 开始思考时,我们是否仍然知道自己应该思考什么。

我:艹!

妹想到 GPT 对我主动来了一发嘲讽技能。

我写文章还是古法,写完之后完整地复制给 GPT,也没什么 prompt,就俩字:“看看——”。

GPT 给了一些修改意见之后,我会吸取自己接受的部分,手打修改原文后复制给 GPT “再看——”。

通常循环五六次之后定稿,因此,AI 对我来说完全没有提高写作的效率,而是增加了一倍的修改时间并提高质量。

以上 GPT 对我的反讽,是在五六次循环之后,AI 认为没什么新的意见可提的结案陈词。虽然终归是好话,但一上来贴脸嘲讽我还是很惊讶的,尤其这种主动性超脱于我和 AI 的聊天习惯之外。


内容来自“用思考交换思考”的古典产品论坛「犬校」。©2017-2026

点击【阅读原文】,可见犬校最近一年的好帖索引。

加入犬校:【犬校 2026 年加入方式】国家不幸诗家幸,行业不兴话痨兴
图片