做 AI 产品，先让一个小场景跑通

优秀的 AI 团队，很容易让人产生一种冲动：把他们的工作台、Agent、Skill 和流程搬过来，自己的产品应该也能提升不少。

但成熟系统最难复制的，恰恰是它形成的过程。那些规则为什么存在，哪些功能解决过真实问题，又依赖什么业务和团队条件，光看最终形态很难知道。

Gall 定律提供了一个解释角度：能正常运行的复杂系统，往往是从能正常运行的简单系统逐步演化而来的。

放到 AI 产品上，我觉得这个提醒很重要。一开始就设计好多个 Agent、知识库、记忆和自动化，看起来很完整，但如果连一个具体任务都没有稳定跑通，加上去的东西就很难判断有没有用。出了问题，也不容易知道卡在哪一步。

比如一个内容生成产品，可以先让用户从输入需求到拿到一份可用结果，完整走通一次。反复出现术语错误，再补术语规则；任务确实需要不同能力协作，再考虑拆分 Agent。每增加一层，都应该能说清它解决了什么问题。

所以，研究优秀产品时，我更想追问：它最开始解决的是哪个小问题？后来遇到了什么，才多出现在这些功能？

成熟系统依然值得借鉴，但借鉴时也要理解它成立的条件。对自己的产品，先把一个真实场景做扎实，再根据使用中的反馈决定下一步。规划可以有方向，复杂度则需要有依据。