你好，我是穆伽罗 Nick，Product Maker。
我的经历很杂，本硕分别学过信息管理、金融与人机交互；也在实战中做过市场营销、产品管理与用户体验相关的工作。这些广泛的尝试，让我逐渐形成了一种更复合的工作方式：站在 PM、UX、Design Engineer 与 GTM 的交界处，把问题从用户、商业、设计与技术几个角度同时看清楚。
我不太执着于单一的岗位标签，而是更关注两个全局目标：
- 如何借助 AI，减少市场、产品、设计和工程之间的转译损耗，让一个好想法更快进入可感知、可测试、可迭代的状态。
- 如何重新理解 AI Native 产品：当 Agent 成为体验的一部分，而不只是被嵌入界面的功能时，我们应该如何设计新的交互、工作流和产品判断方式。
如果你也在思考 AI 新的产品形态，通过 Agent 工作流如何提升传统团队效率，亦或是对我的经历背景感兴趣，都欢迎联系我：[email protected]，小红书，LinkedIn，X.com。
AI 时代的 Product Maker
企业存在的一个重要原因，是为了降低外部交易成本：当外部协作的交易成本过高时，企业会把这些协作内化到组织内部（Ronald Coase, “The Nature of the Firm,” 1937）。但在传统软件工程里，组织内部同样会产生新的成本：沟通、协作、交接、排期和反复对齐。团队越大，这些摩擦往往越明显。《人月神话》讨论的也是类似的问题：真正拖慢事情的，很多时候不是技术本身，而是组织内部不断累积的协调成本。
AI 真正改变的，不只是生产效率，而是角色之间的边界以及团队概念的重新定义。过去需要 PM、设计、GTM 等角色反复流转的事情，在很多早期探索和原型阶段，已经可以收敛到更小更快的个人回路中。
这是我把自己定位为 Product Maker 的原因。相比于单纯做市场调研、产品设计、UX 原型或需求文档，我更在意“解决问题”本身：能不能减少转译损耗，把市场洞察、用户需求、产品设计和原型实验压缩在同一条低摩擦链路中；能不能用 AI、设计和代码，把一个模糊想法更快推到可感知、可测试、可讨论的状态。
Product Maker 的价值，不只是更快完成任务，而是更快形成判断，并更快把判断转化为可验证的价值。我把这种角色变化理解为：原本分散在多个岗位之间的判断、设计与实现，正在被重新压缩进更小的个人闭环中。
图示参考 @goocarlos 的观点
新的 Benchmark
在 AI 时代，单一任务的成本正在快速下降。真正稀缺的，不再只是“会不会做”，而是“能不能更快发现值得做的事，并把它验证出来”。我更看重的是从观察、理解和实验到形成判断的速度，以及把判断推进为真实价值并持续验证的速度。
来源 designcouncil
设计和研究的价值，不只是产出方案或报告，而是帮助我们更快抽象需求、形成判断，并把这些判断推进到可验证的产品演化中。用户反馈、市场信号、实验结果和技术约束都很重要，但它们最好能在同一个高密度的认知闭环中被快速吸收、重组和验证，而不是在过长的协作链路里逐层损耗。
两个实践方向
1. 优化现有工作流
我关注如何减少产品、设计、开发和 GTM 之间反复转译的损耗。一个想法往往会经历多次格式转换：用户反馈被整理成需求，需求变成设计稿，设计稿变成代码，反馈再回到文档和会议。通过更紧密的协作、快速原型和真实使用反馈，可以让这些环节更早地对齐，也让判断更快得到验证。
2. 探索 AI Native 产品
我也在探索那些不是“给旧产品加一个 AI 功能”，而是从模型能力、Agent 行为和人机协作关系出发重新生成的产品形态。通过快速原型和实验，我尝试理解 AI Native 产品的边界、交互模式和真实价值。
Taste is a subtle art.
当 AI 大幅降低执行成本，当 efficiency 变成 baseline，真正稀缺的反而变成了判断与品味。因为当大多数人都能更快地产出界面、文案、代码和方案时，差异不再只来自“能不能做”，而来自“知道什么值得做、做到什么程度、以什么质感呈现”。
我理解的 craftsmanship，不只是视觉上的精致，而是对信息密度、交互节奏、状态反馈、边界处理和整体气质的持续打磨。AI 可以放大产能，但产品最终是否值得被使用，仍然取决于这些细微但关键的判断。
欢迎联系
如果你正在思考 AI 产品、Agent 工作流，或者对这些问题有相似兴趣，欢迎和我交流。