AIGC新知
绛烨 · 本期观察
遇到新问题，和绛烨一起解。
热点这么多，
到底哪些值得写？
信息刷不完，选题难判断；
同行都写过，还能怎么写？
这次聊聊：需求访谈 · 选题判断 · 研发落地
hi，大家好，我是绛烨。
前面我已经拿豆包工作写过两个行业的应用。
一次是律师的工作，一次是我自己每天都在干的自媒体。
这次我想再往前走一步，直接让它做产品，看它到底能扛到哪一步。
巧了，我们公司真有这么个需求。我们不是做 AI 科技媒体嘛，每天要面对大量信息。
新模型发布了。Agent 又更新了。GitHub 突然冒出来一个爆火项目。海外刚刚有一款产品上线。
一家公司融资了。一篇论文突然刷屏……
信息越来越多，越刷越看不完。对我们来说，麻烦的根本不是去哪找新闻。
而是怎么第一时间发现真正重要的热点？哪些热点适合我们的账号？同行都在写，我还能从什么角度写？
怎么让内容不只是追热点，还能有自己的观点，写到别人没写的角度？
所以这一次，我给豆包工作的任务是帮我们做一个 AI 热点选题库。
顺便看看，它能不能从需求开始，一路做到最后的产品。
我们判断一个选题值不值得写，一般会看几件事。
首先是够不够新。AI 行业变化太快，时效性本身就很重要。
其次是跟我们的内容方向匹不匹配。就拿 AIGC新知来说，我们长期盯着大模型、Agent、AI Coding、AI 产品、AI 办公、AIGC、开源项目这些方向。
再一个是大家到底关不关心。讨论度、传播度怎么样，是不是已经形成了明显的话题。
还有一个越来越重要的问题，别人都写过以后，我们还能写什么？
所以我们真正缺的，不是又一个新闻聚合器，而是一套懂我们怎么做内容的热点选题系统。
于是这一次，我把这个真实需求直接交给了豆包工作。
顺便看看：它能不能从一句业务需求开始，一路把产品做出来。
01
PART
感谢卡神的开源项目
OPEN SOURCE
国庆节前，卡神把 AIHOT 开源了，真的是活菩萨。
这个项目本身已经做得很完整。
它可以自动采集不同信源，做去重和预筛选，再对内容进行评分，把不同媒体对同一件事情的报道聚合到一起，根据独立信源计算热度，最后还能生成日报。
我看完第一反应就是，这个东西如果按照我们自己的内容标准改一遍，不就是我们一直想要的热点库吗？
所以这次我没有让豆包工作从零开始写。
我直接把现成的 GitHub 项目交给它，再告诉它：
我们是一家 AI 科技媒体公司，希望基于这个项目做一个自己的 AI 热点选题系统。
至于接下来怎么做，我先不说，就想看看它自己会往哪走。
先别写 PRD，先把需求问清楚
第一步，我连完整需求都没给。
只说了个大概，然后让豆包工作反过来访谈我。
这里用到的是：需求访谈引导 Skill
实测 Prompt：
先别写 PRD，先把需求问清楚
请使用「需求访谈引导」相关 Skill，和我一起梳理一个真实的内部产品需求。
背景： 我们是一家 AI 科技媒体公司，运营 AIGC新知等科技内容账号。现在每天需要从大量 AI 行业信息中发现热点、判断选题，并决定哪些内容值得跟进。
目前我们主要通过同行公众号，以及国内外公司官方信息源发现热点。
我希望做一个公司内部使用的 AI 热点选题库。 但现在先不要写 PRD，也不要开始开发。 请站在资深产品经理的角度对我进行需求访谈。
重点问清楚： 我们目前是怎么发现热点和确定选题的 当前流程里最耗时间的地方是什么， 什么样的新闻我们会认为值得写 ，不同账号的内容调性有什么区别， 同行已经写过之后，我们如何寻找新的角度 。
我希望系统最终帮助编辑完成什么工作， 哪些判断可以交给 AI 哪些决策必须由编辑完成 ，产品第一版最重要的能力是什么， 哪些功能暂时不需要做， 每次不要一次性问太多问题。 根据我的回答继续追问，直到你认为已经足够理解这个业务，再整理需求。
整个过程挺像真产品经理来跟我聊需求。
它不会一上来就给我写一个看起来很完整的 PRD，而是继续追问：
你们现在怎么找选题？什么情况下会放弃一个热点？同行已经写了，你们为什么还会继续写？
跟豆包工作来回拉扯了几轮，需求总算聊明白了。
这一步看起来没写一行代码，但我反而觉得挺重要。
公司内部很多产品最后做不好，问题可能根本不在代码，而是一开始就没把需求问明白。
把我们做内容几年的经验，变成产品需求
需求聊清楚以后，我还是没让它开发。
下一步先让它理解我们的业务。
我们过去写过什么、什么样的选题会跟、平时重点关注什么，这些资料本来就在飞书知识库里。
所以这一轮，我直接让豆包工作去读企业知识库。
这里用到：用户研究和需求洞察 / 产品分析报告 Skill
实测 Prompt
把我们做内容几年的经验，变成产品需求
基于刚才的需求访谈结果，继续使用「用户研究和需求洞察」「产品分析报告」相关 Skill。 同时读取飞书中与我们旗下账号相关的资料，包括： 账号定位、历史文章、历史选题、内容规划、重点关注领域、代表性文章 如果可以获取，也分析已有的选题库和内容数据
请不要急着设计产品。先研究我们的内容业务，并回答几个问题： 长期稳定关注哪些领域 我们过去更倾向于选择什么类型的新闻 哪些热点适合做产品实测 哪些适合做行业观察 哪些只适合做快讯 哪些看起来很热，但并不适合我们 我们判断“值得写”的隐性标准是什么 当同行已经大量报道时，我们通常还有哪些差异化空间 哪些判断可以沉淀成系统规则 哪些判断仍然应该留给编辑
最后请输出一份《普罗米修斯热点选题需求洞察报告》。 重要： 不要为了输出报告而编造我们的内容偏好。 能够从飞书历史资料中得到的结论，请给出对应依据；无法确定的地方直接列为“待人工确认”。
这一轮结束以后，我们真正要做的产品才慢慢清楚。
因为我要的不是“今天有什么 AI 新闻”——这些我们自己会看。
我要的是：今天有什么值得我们写的 AI 新闻。
这里重点看选题偏好——后面系统推给我们的信息，都是从这个视角出发的。
后面我们又加了关注领域，等于每个账号底下都挂了对应的标签。这两个东西差别挺大。
02
PART
真正值钱的是编辑部的 KnowHow
EDITORIAL KNOW-HOW
比如今天 Claude Code 发布了一个新功能，普通热点网站可能会告诉我热度：89。
但这远远不够，我希望自己的系统继续往下判断：
这件事跟 我们的账号匹不匹配？有没有实测价值？大众讨论度怎么样？同行有没有跟？同行都从什么角度写？
还有什么角度没人写？如果我们写，最适合做什么？
所以我希望未来热点库里的一条信息，大概长这样：
热点选题信息示例
Claude Code 发布 XXX
热度：96
AIGC新知选题价值：92
所属分类：AI Coding / Agent
是否值得实测：是
一手信源：Anthropic 官方
同行跟进：
A 媒体：产品功能介绍
B 媒体：更新汇总
C 媒体：新闻快讯
目前缺少的角度：
真实复杂任务测试 / 企业研发场景 / 与同类产品横向对比
推荐内容形式：
深度实测
推荐切入：
把 XXX 放进一个完整产品研发流程，看它能不能从需求一路做到测试。
建议标题：
《XXXX》
到这里，这个系统才真正有价值。
因为我们放进去的不只是 AI 能力，还有我们做内容这几年攒下来的判断经验。
接下来才让“产品经理”正式上场
需求和业务研究都结束以后，我才让它正式出产品方案。
这里用到的 Skill：产品经理 / 产品分析报告
实测 Prompt
接下来才让“产品经理”正式上场
现在请使用「产品经理」「产品分析报告」相关 Skill。 结合前面的需求访谈，普罗米修斯业务研究结果，飞书中的历史内容和选题资料 设计「普罗米修斯 AI 热点选题库」第一版产品方案。
产品目标不是做一个普通 AI 新闻聚合网站。它需要帮助编辑回答： 今天 AI 行业真正重要的事情是什么；哪些热点适合写 为什么值得写；同行有没有写；同行主要写了什么；还有哪些角度没有被充分覆盖；有没有产品实测价值 推荐采用什么内容形式；可以从什么角度切入 首页优先考虑：「今日 AI 热点 TOP 20」 同时支持： 大模型 / Agent / AI Coding / AI产品 / AI办公 / AIGC / 开源项目等分类。
每条热点至少考虑以下信息：热度、摘要、发布时间、一手信源、所属分类、讨论度、选题价值、是否值得实测、同行是否已经报道、同行主要角度、尚未充分覆盖的角度、推荐内容形式、推荐选题角度、建议标题
请输出： 产品定位、目标用户、核心问题、MVP 功能、首页信息架构、热点详情页、编辑工作流、AI 判断逻辑、人工确认节点、暂不进入 MVP 的功能 产品验收标准 优先把第一版做小，不要为了“完整”堆功能。
到这里，我做第一次人工接管，这个方案是不是我们想要的。
代码库理解
用到的 Skill：代码库理解与架构梳理 / GitHub
这一阶段，我把 AIHOT 整个 GitHub 仓库正式交给它。
实测 Prompt：
代码库理解
产品方案已经确认。 现在请使用「代码库理解与架构梳理」以及 GitHub 相关能力，完整研究 AIHOT 当前代码库。
重点阅读：与采集、筛选、评分、事件聚类、日报相关的核心实现 现在不要修改代码。 请把刚才确认的《普罗米修斯 AI 热点选题库》产品方案，与 AIHOT 当前能力逐项对照。
输出：
一、AIHOT 已经具备的能力，哪些可以直接复用。
二、可以通过配置或 Prompt 完成的能力，尽量指出对应文件。
三、确实需要新增开发的能力，解释为什么现有架构无法满足。
四、不建议修改的部分，说明原因，避免为了实现需求进行不必要的重构。
五、最小改造路径，按优先级给出需要修改的文件和模块。
六、风险 包括：数据源稳定性、一手信源识别、同行内容采集、重复新闻、AI 评分漂移、时效性、内容版权、API 成本、数据库和部署 原则： 优先复用现有项目架构。
能通过 industry 配置解决的问题，不修改核心代码。 能通过 Prompt 和规则解决的问题，不额外增加复杂模块。 完成分析后等待我确认，不要开始开发。
然后它看完以后，有意思的事发生了。
我原本列出来的一大堆功能，AIHOT 已经做掉了大半。
而且 AIHOT 把行业定制相关的部分都集中到了一起，我们要补的东西，比想象中少很多。
连第一版 MVP 做成什么样、包含哪些功能，它都列得清清楚楚。
豆包工作还给了首页示意图。
整个工作流也画得明明白白。
所以它给出的核心建议反而是：别急着重构。
这也是我这次挺喜欢的一个地方。
好的 AI Coding 不应该只告诉我“代码应该怎么写”，它还应该先告诉我：哪些东西根本不用写。
开始干活
到这里，我做第二次人工接管，确认技术方案，然后继续：
用到的 Skill：前端开发 / 后端开发 / 应用生成 / GitHub
实测 Prompt 如下：
开始干活
方案确认。 现在开始开发「普罗米修斯 AI 热点选题库」MVP。 请使用前端开发、后端开发、应用生成、GitHub 等适合当前任务的能力自行完成开发。
遵循以下原则： 优先复用 AIHOT 现有架构，优先修改 industry 层 不进行与当前需求无关的重构，不删除现有稳定能力 每次重要修改说明原因遇到需要业务判断的问题再询问我，普通工程问题自行判断和解决第一版重点完成：
A. 内容分类 至少包括：大模型、Agent、AI Coding、AI产品、AI办公、AIGC创作、开源项目、智能体工作流、行业动态
B. 热点判断 每条内容输出：热度、中文摘要、一手信源、分类、匹配度、选题价值、是否值得实测、推荐内容形式、推荐角度
C. 首页 以「今日 AI 热点 TOP 20」作为主要入口。 需要快速回答：今天最值得关注的是什么？为什么值得关注？我们应该怎么跟？
D. 详情页 尽量展示：原始信源、相关报道、热点摘要、热度依据、选题价值、推荐角度、实测建议
E. 同行分析 如果当前数据源支持，则增加： 哪些同行已经报道 主要采用什么角度 哪些信息已经高度重复 还有哪些角度值得进一步研究 如果现有数据不足以可靠支持，请不要伪造结果，把它标记为后续待接入能力。
开发过程中自行完成必要的代码检查。 完成后不要立即结束任务，继续进入 Code Review 和 QA。
从这里开始，我基本不管它先改哪个文件、前端怎么写、后端怎么接了。
后面的事情，让不同 Skill 自己往下接。
我给它的是一个工作，不是一串操作步骤。
我只在需要业务判断的时候回来。
这也是我这次最想测的一件事：我给它的是一个工作，它能不能自己把中间那些步骤补上。
03
PART
黑盒测试
BUSINESS TESTING
代码跑起来以后，我没打算只看页面有没有报错。
这个产品的核心不在页面，而在它到底会不会选题。
所以我准备专门拿几类新闻来测它。
第一类：全网都在讨论的重大模型发布。看它能不能识别真正的大热点。
第二类：同行已经写烂的新闻。看看它是不是只会说“很热，建议跟进”，还是能继续找到新的角度。
第三类：绝对热度没那么高，但是非常适合 AIGC新知实测的产品。看它到底懂不懂我们的账号。
第四类：讨论度很高，但跟我们内容方向关系不大的新闻。看它会不会盲目追热点。
第五类：官方刚发布、同行还没来得及跟进的新消息。看它有没有前沿嗅觉。
我甚至希望它第一版会做错；因为做错了，才真正进入研发。
QA 不只测页面
用到的 Skill：QA 系统测试 / 产品分析
实测 Prompt
QA 不只测页面
现在进入 QA 和业务验收阶段。 请不要只测试页面、接口和代码是否正常。 这个产品最核心的能力是：「能否从大量 AI 信息中，找出真正值得 跟进的选题。」
请使用QA 系统测试 / 产品分析 skill为热点选题系统设计一套业务测试集。
比如第一版跑出来，有一条新闻系统给了很高的选题分。
但我一看——这个我们根本不会写。那我也不会自己去改 Prompt。
让它自己找问题，到底是数据有问题，还是 Prompt 写歪了，或者评分标准本身就不合理。
改完，再把之前的测试集重新跑一遍，这也是这种产品跟普通网站很不一样的地方。
按钮点不了当然是 Bug。
但如果页面一点问题都没有，每天却给我推荐 20 条没法写的新闻，这个 Bug 可能更大。
把产品重新接回我们的工作流
热点库能用了以后，还有最后一个问题，我不想让团队以后每天早上再多开一个网站。
所以还是得把它接回我们原来的工作流。
这里用到：飞书 Connector / 产品经理 / 工作流相关能力
实测 Prompt：
把产品重新接回我们的工作流
现在热点选题库 MVP 已经完成。 请继续设计它与我们现有飞书内容工作流的连接方案，增加一些rss。
目标：每天自动将最值得 AIGC新知关注的热点进入飞书选题库。 不要把所有新闻都同步进去。
优先同步「今日 TOP 20」或达到选题价值阈值的内容。 先输出工作流设计和字段方案，等待人工确认后再执行实际连接。
这样一来，每天抓到的几百条 AI 信息先在后台自己跑。
采集、去重、聚类、筛选，最后真正值得看的 Top 20 再进飞书。
我打开选题库的时候，不用再挨个点几十个链接。
一手信源、热度、选题价值、同行写了什么、还有什么角度能做，基本都在里面。
编辑最后只做一个决定：跟进，还是不跟进。
决定跟以后，后面的 VOC 调研、资料搜集、竞品分析、文章大纲，甚至初稿，还可以继续交给豆包工作。
于是整条线就变成了：热点发现 → 选题 → 调研 → 创作 → 发布
绕了一圈还挺有意思。
04
PART
当 Skill 开始接力，产品研发也变短了
SKILLS IN ACTION
跑完整个项目，我才真正理解豆包工作这些 Skill 应该怎么用。
需求访谈、用户研究、产品经理、代码库理解、前后端开发、GitHub、QA……
单独看，每一个都像一个 AI 工具。
但这次真正有意思的是，这些 Skill 开始围绕同一个目标接起来。
从头到尾，我说的其实只有一件事：帮我们把这个产品做出来。
需求没搞清楚，先访谈；业务理解完，整理产品方案；方案确定，再理解代码、开始开发；开发完成进入 QA，发现问题再回去调整，最后把产品接回飞书。
我真正需要介入的，主要是几个关键决策：
需求对不对、方案要不要这么做、结果符不符合业务判断、最后能不能上线。
这也减少了以前产品研发里很麻烦的一件事：交接。
过去业务、产品、研发、测试之间每换一个环节，都要重新传递一次上下文。
但这次，从需求访谈到产品方案，再到开发和 QA，很多上下文一直留在同一个任务里。
所以 Agent 帮我省下来的，不只是某一个环节的时间。
它开始压缩整条研发流程里反复交接的成本。
这也是我觉得 Skill 更值得关注的地方：
代码只是其中一环，它开始接的是整个产品研发流程。
∞
PART
写在最后
FINAL THOUGHTS
企业真正有价值的东西，很多时候并不在代码里。
可能是过去几年积累的业务资料，还有大量没有被写成规则的 KnowHow。
这次做热点库，我真正想放进去的，就是这几年攒下来的判断——以前它们更多装在人的脑子里。
现在，它们开始有机会跟 Agent、Skill 和产品研发流程连接起来。
所以跑完这一轮，我对 AI Coding 的理解也变了：
以前 AI Coding 优化的是写代码。
现在，Agent 开始压缩整条产品研发流程。
当这条研发流程再跟企业自己的业务、数据和 KnowHow 接起来，AI 做出来的东西，才真正算企业自己的产品。
这可能才是我觉得豆包工作更值得关注的地方。
一个企业真正需要的，从来不只是更多 Skill。
而是这些 Skill 能不能围绕一个真实业务目标，自己串起来，把事情做完。
网页搜索「豆包工作」下载电脑端，限时免费领取30天订阅权益，之前领过的到期后可再领一次
