AI 搜索已经是被市场验证的用户需求，甚至已经成为各类 chatbot 产品的标配功能。 一方面，很多 AI 产品，包括开源产品在接入搜索能力后，涌现出了一些意想不到的、让人惊喜的使用场景。但也有一些与过往搜索产品不同的问题出 现。 另一方面，对于很多用户来说，在各类 chatbot 产品都配备了搜索功能后，对于搜索的理解和使用也出现了一些新变化。 对于 AI 创业者来说，要不要接入搜索、如何更好地接入搜索，是一个在产品初期就要考虑的事情。 对这个问题，为 DeepSeek 联网功能提供搜索功能的博查搜索可能是最合适的回答者了。在国内市场占据了六成份额的博查搜索主要为 AI 提供搜索引擎 技术服务，知名的一些产品如 AiPPT、Dify 等都使用了博查的服务。 我们邀请到了博查搜索的联创兼 CTO 翁柔莹，Dify 联创延君晨以及 AiPPT 联创蒲世林，一起聊聊现在的 AI 产品都在 怎么用 搜索，以及有哪些真实好 玩的 case。 下周四（9 月 11 日），20 点 - 22 点，线上分享 。名额有限，欢迎扫描下方海报二维码报名。 AI 产品接入搜索，主要是为了解决哪些问题？ 企业自己想做一套好用的 A ...

文章核心观点 - Agent行业在2025年成为AI领域最热话题 但实际落地产品稀少 面临技术、商业化和交互设计等多重挑战 行业正从通用化转向垂直深耕 核心竞争壁垒将围绕环境理解、学习记忆和场景优化能力构建 [5][8][36] 技术实施挑战 - 新一代Agent Model的规划与工具调用能力提升 取代了大量基于规则的工作流编排等外围工程 导致早期工程化工作被大模型能力迭代淹没 [6][10] - 隐性知识获取是核心挑战 包括默会知识（如广告创意规则）、组织共识性知识（如字节各小组Golang使用差异）和企业自定义规则（如ACV计算标准） [11][12] - 环境构建成为实施重点 包含三要素：执行能力（Computer Use）、业务连接（企业系统工具化）和上下文载体（领域术语与企业知识） 其中Context质量决定实际落地效果 [13][14][15] 技术路线选择 - Workflow-based与Agentic技术路线将长期并行 Workflow适用于规则驱动型任务（如订单处理可节省10多人人力） Agentic更适合多步骤灵活任务（如数据分析） [16][17][19] - 企业过往积累的流程机器人和系统集成（如RPA资产）可转化为Agent工具 实现技术路线平滑过渡 [18] 商业化路径 - 大客户（KA）市场预算充足但实施成本高、决策链长 中小客户（SMB）市场呈现民主化机遇 AI将大组织专属运营能力标准化赋能中小企业 [21] - 分层并进策略：通过SMB市场验证产品价值和商业模式 用标准化案例撬动KA市场建立标杆 [21] - 巨头对AI推进持谨慎态度 因生产力提升难以量化 且更关注实际收入而非创新 [22] 产品战略方向 - 通用Agent留存率仅约10% 因场景深度不足（仅60分水平） 垂直Agent留存率可达20%以上 需从通用转向垂直深耕 [23][27] - PPT Agent案例显示 通过专用模型训练（内容检索与排版视觉）、工作流补齐（美化/按大纲制图）和企业知识库对接 可显著提升输出质量 [26][27] 人机交互设计 - GUI操作价值存在争议 但短期内难以绕过现有GUI应用体系 且GUI承载丰富上下文信息 若视觉理解能力提升可能重新凸显价值 [28][29] - 交互颗粒度设计需平衡用户偏好询问与自主推进 关键是通过学习机制记忆用户修正反馈（如LemonAI旅游规划案例） [30] - 借鉴管理学情境领导理论 需建立共享上下文机制使Agent理解权限边界和协作规则 最先进AI产品正尝试让Agent主动提出建议和请求协助 [31][32] 多Agent协作 - 多Agent落地核心矛盾在于上下文共享精度：共享过多退化为单体Agent 抽取不准导致交接失败 [33] - 有效路径采用任务分解加专家模型组合（类似MapReduce模式） 并引入异步协作机制平衡一致性、延迟和成本 [34] 模型能力演进 - Claude Code代表"模型即Agent"路径 Cursor代表"Agent下沉环境"路径 长期护城河在于环境操作、学习闭环、场景优化和多Agent协作标准 [36][37] - 需关注四大技术拐点：长期规划与连续行动能力（如Claude Code）、多模态深度融合、界面自动生成、Context Engineering与记忆机制 [38][39] - 多模型分工比单一超级模型更务实 各模型能力侧重不同：ChatGPT强于战略思考 Gemini覆盖面广 Claude规划与代码能力最强 [40][41][43] 学习记忆机制 - 学习能力是核心挑战 需从认知科学角度构建三类记忆：Semantic Memory（概念记忆）、Episodic Memory（情景记忆）和Procedural Memory（程序记忆） [42][44][45] - 当前AI缺乏Episodic Memory 因企业过程数据稀缺 需通过过程数据收集、人机协作轨迹学习和场景化学习机制建立情景记忆 [44][46] - 前沿探索包括LemonAI通过记录用户修改反馈改进推荐算法 实现从结果导向到过程导向的转变 [47]

文章转载自「Z计划」 超 12000 人的「AI 产品市集」社群！不错过每一款有价值的 AI 应用。 邀请从业者、开发人员和创业者，飞书扫码加群： 进群后，你有机会得到： 01 智能体时代的新物种：24个AI项目， 8 月 31 日，星连资本（Z基金）、智谱Z计划主办的 Z DemoDay 在海淀中关村举办，24 个早期 AI 项目亮相。 赛道包括 Agent、多模态、AI 陪伴、生产力工具、AI4S、 具身智能 等领域，详细介绍参见下文。 从"智能体"到"用户体验"的深度打磨 路演之外，Z计划精心打造的 【Z Next AI 产品创造营】 为创业者提供了沉浸式的"价值创造场"。在资深产品专家的引 导下，参与者围绕"如何设计真正解决用户痛点的AI产品"、"如何构建智能体的可信度与可控性"、"如何平衡技术前沿性 与用户接受度"等核心议题，进行了深度研讨与实战演练。 定义"AI Native"创业新范式 当星连资本（Z基金）主管合伙人张鸣晨在开场致辞中抛出"AI创业已从'工具革命'进入'智能体革命'"的判断时，现场450 位投资人的终端设备已同步接入项目数据库——这不是一场普通路演，而是 一场AI创业新物种的"基 ...

出海增长的话题，大体上有三个主要问题： 然后还有巨多细节到具体执行过程中的小问题。 所有这些，这些问题的出现，大势所趋，是共性的。 面对共性的问题，我们准备了一个解决方案，Founder Park 的 出海增长研坊 。 我们邀请到行业里最优秀的一线操盘导师，一起打磨了这次的分享内容。几位增长专家不仅有操盘过明 星项目的经验，还都曾深度陪伴创始团队，从 0 到 1 打磨产品并实现商业化。他们懂产品，也懂商业， 知道怎么真正帮助到你。 参加 Founder Park 出海增长研坊具体会有哪些帮助？ 超 12000 人的「AI 产品市集」社群！不错过每一款有价值的 AI 应用。 邀请从业者、开发人员和创业者，飞书扫码加群： 搜索优化（以及时下流行的 GEO） 网红 influencer 营销 社区运营 进群后，你有机会得到： 01 理论废话太多， 不如直接拆真实案例 本次邀请的五位增长专家，都服务过大量出海企业，操盘过明星项目，从 0 到 1 的坑，该踩的都踩过， 实时 realtime 还在踩着。 相比过往的公开分享，这次的闭门交流会更聚焦在大家真正在意的痛点：SEO/GEO 实战、红人营销、 还有 Discor ...

文章核心观点 - 谷歌官方发布了针对nano banana（Gemini 2.5 Flash Image）的6套Prompt模板，帮助用户快速生成高质量图像 [1][4] - 模板设计基于讲故事式场景描述，覆盖写实摄影、贴纸插图、文本渲染、商业摄影、极简留白和漫画分镜六大应用场景 [3][4] - 通过结构化Prompt模板（包含主体描述、环境设定、光线参数、镜头细节等要素），可显著提升图像生成质量 [8][10][19][29][39][48][56] 写实摄影模板 - 需模拟专业摄影师思维，明确机位、镜头类型、光线和细节要素 [6][7] - 标准模板结构：A photorealistic [shot type] of [subject], [action or expression], set in [environment]. The scene is illuminated by [lighting description], creating a [mood] atmosphere. Captured with a [camera/lens details], emphasizing [key textures and details]. The image should be in a [aspect ratio] format [10] - 示例生成日本陶艺家特写肖像：使用85mm人像镜头、黄金时刻光线、竖版构图 [12][13] 插图与贴纸模板 - 需明确声明风格类型、关键特征、配色方案及背景要求（如白底） [19][20] - 标准模板结构：A [style] sticker of a [subject], featuring [key characteristics] and a [color palette]. The design should have [line style] and [shading style]. The background must be white [20] - 示例生成小熊猫贴纸：采用kawaii风格、粗壮描边、赛璐璐上色和鲜艳配色 [22][23] 文本渲染模板 - nano banana在文本渲染任务表现突出，需明确文字内容、字体风格和整体设计 [28][29] - 标准模板结构：Create a [image type] for [brand/concept] with the text "[text to render]" in a [font style]. The design should be [style description], with a [color scheme] [30] - 示例生成咖啡店Logo：极简风格、无衬线字体、咖啡豆图标与文字融合的黑白配色方案 [32][33] 商业摄影模板 - 商业感图像需具备干净背景、可控布光和展示产品卖点的机位 [38] - 标准模板结构：A high-resolution, studio-lit product photograph of a [product description] on a [background surface/description]. The lighting is a [lighting setup] to [lighting purpose]. The camera angle is a [angle type] to showcase [specific feature]. Ultra-realistic, with sharp focus on [key detail]. [Aspect ratio] [39] - 示例生成陶瓷咖啡杯产品照：三点柔光箱布光、45度仰角拍摄、聚焦蒸汽细节的方形构图 [41][42] 极简主义与留白设计模板 - 适合创建背景图像以便叠加文字，需明确主体位置、背景色和光线方向 [47][48] - 标准模板结构：A minimalist composition featuring a single [subject] positioned in the [position] of the frame. The background is a vast, empty [color] canvas, creating significant negative space. Soft, subtle lighting. [Aspect ratio] [48] - 示例生成枫叶图像：右下角构图、米白色背景、左上方向柔光的方形画幅 [50][51] 漫画分镜模板 - 适用于视觉叙事创作，需明确艺术风格、场景分层、对话文本和氛围营造 [55][56] - 标准模板结构：A single comic book panel in a [art style] style. In the foreground, [character description and action]. In the background, [setting details]. The panel has a [dialogue/caption box] with the text "[Text]". The lighting creates a [mood] mood. [Aspect ratio] [56] - 示例生成黑色电影风格漫画：高反差黑白墨线、雨景环境、硬光氛围和横向画幅 [59][60] 技术实现方式 - 提供完整Python API调用代码示例，通过修改Prompt内容和文件名即可实现批量生成 [15][17][27][46][53][64] - 代码基于google.genai库开发，支持图像保存与后期处理 [16]

行业背景与痛点 - 传统AI语言学习产品存在内容僵化、反馈机械和场景缺失等问题 导致用户难以提升真实交流能力[2] - 教育行业核心困境在于学习效果难以标准化和交付 市场高度碎片化且缺乏规模效应[4] - 在线教育依赖人力密集型模式 通过助教团队提供个性化服务导致高昂成本[5] - 人力依赖引发三重经济惩罚：高信任与销售成本、高个性化服务成本和高组织协同成本[6] 市场机遇与技术突破 - 全球语言学习市场规模2023年达615亿美元 预计2032年突破2000亿美元 年复合增长率15-20%[9] - 大语言模型在沟通情商和应用层面表现完美 与语言学习需求高度匹配[10] - AI Agent对话成本比真人教师降低90%以上 同时覆盖80%口语对话需求[11] - 技术推动学习范式从"做题思维"转向"沟通思维" 通过模拟对话实现语言内化[12] 公司解决方案与优势 - Midoo.AI采用动态生成学习资源 根据用户兴趣和场景定制无限个性化内容[14] - 构建MultiAgent+Workflow系统 通过剧情主线、可互动物品和NPC角色创造沉浸式场景[17] - 提供学习建议、定制内容和情感支持 使Agent成为用户的学习伙伴[19] - 创始团队具备教育从业、Agent产品和大厂工程复合背景 已获种子轮投资[19] 战略定位与愿景 - 优先聚焦日韩和北美市场 逐步扩展全球服务[20] - 以近乎零边际成本替代传统数万人力实现的个性化服务[20] - 瞄准巨头因成本无法满足、小公司因技术门槛做不到的深度体验需求[20] - 愿景成为"每个人口袋里的AI语言导师" 使命是"释放语言 连接无限"[21][22]

AI行业活动概览 - 9月20-21日在北京海淀举办出海增长研坊 专为0→1和1-10阶段出海团队设计 提供可落地增长实操经验[4][6][7] - 活动包含实战小组作业 覆盖创始人、产品、增长、研发、设计、运营等核心成员[10] - 邀请美国10年全栈增长专家Julia Yin和Lucius AI CEO赵赫等嘉宾分享[6] 云栖大会AI专题 - 阿里云在9月24-26日杭州云栖大会设Z世代创新者展区 展示50位Z世代创新者AI作品[8][11] - 面向从0到1打造产品的AI创新应用者及传统行业颠覆者 预计吸引全球6万名参会者[8][11][14] - 展区报名截止9月5日18:00 采用群像墙形式呈现年轻创造力的生长图鉴[8][11] 科技巨头生态活动 - Google Cloud初创企业峰会9月12日在深圳举办 聚焦AI与云端生态赋能初创企业出海[12][16] - 包含AI技术趋势分享、创业领军者实战经验交流及Google创新生态系统展示[12][16] - NVIDIA于9月10日在北京举办创业企业展示 提供Omniverse和Cosmos物理AI体验[17][18] AI竞赛与资源支持 - 中国人工智能学会主办AI Agent 2025竞赛 提供300亿Tokens免费算力及5亿媒体曝光资源[18][19] - 特等奖团队可获200万-500万投资意向书 并与NVIDIA、百度等企业进行产业对接[19] - 活动在北京、长三角、川渝、粤港澳大湾区开展巡回赛 包含项目路演和投融资对接[18]

AI产品经理角色转变 - AI产品经理需从功能搬运工转变为系统设计师 思考如何构建随时间复利的价值系统而非一次性功能[4][12] - 市场奖励的是构建能持续演进学习和优化的AI系统而非单纯增加功能[2][13] AI产品策略核心价值 - 掌握AI产品策略是当下产品经理的首要技能 涵盖从0构建部署到扩展的全流程经验[5] - AI产品策略并非简单了解ChatGPT功能或搭建原型 而是洞察AI定位改变单位经济效益构建价值复利闭环和抵御同质化冲击[13] 护城河设计 - AI领域存在三种核心护城河：数据护城河（产生独特结构化高质量数据）[25] 分发护城河（拥有难以复制的用户渠道和工作流）[30] 信任护城河（确保数据安全合规和输出可靠性）[38] - 数据护城河通过用户互动积累专属数据使产品更智能 如Duolingo拥有十年学习路径数据[26] - 分发护城河依赖现有用户基础实现即时推广 如Notion AI依托数千万日活用户[30] - 信任护城河通过透明度和治理机制建立用户信心 如Microsoft Copilot提供企业级支持Perplexity引用信息来源[38][39] 产品差异化策略 - 差异化需围绕工作流集成（嵌入现有习惯）用户体验框架（减少认知负荷）领域特定上下文（注入专业知识）和社区生态（构建网络效应）展开[47] - 成功案例包括Figma AI将能力植入设计流程[48] Jasper为营销人员提供模板和结构化工作流[51] Harvey基于判例法微调模型[54] Midjourney通过Discord社区沉淀文化护城河[55] 成本感知架构 - AI产品边际成本随用户交互同步增长 高参与度用户可能导致巨额成本 如Perplexity每月推理成本达80万美元[64][65] - 成本控制策略包括分级模型使用（小模型处理简单请求）缓存策略（避免重复付费）和精简提示词（节省30-40%成本）[70] 产品模式选择 - 主流AI产品模式分为Copilot模式（辅助用户工作 如GitHub Copilot）Agent模式（自主执行多步骤操作 如Lindy）和Augmentation模式（无感增强输出 如Grammarly）[72] - 设计需内置防护栏约束输出结构（表格/JSON）表面化不确定性（置信度分数）并构建评估框架（幻觉率/延迟/单位成本）[78] 部署扩展策略 - 扩展需平衡用户增长成本效率和护城河复利 避免因失控成本破产[82] - 有效策略包括从小规模试点开始[85] 控制用户采用曲线（如Canva通过免费点数限制使用）[87] 构建反馈循环（如Duolingo通过用户互动优化模型）[92] 组织领导力转型 - 产品经理需从功能交付者转变为AI系统设计师 推动AI融入公司DNA[96][103] - 赢得高管支持需聚焦ROI（如单位推理成本vs用户收入）商业成果（节省500万美元支持成本）和护城河价值（专有数据增强防御）[105] - 建立结构化实验文化（如两周AI冲刺）并配备专业角色（评估工程师/数据产品经理/AI伦理负责人）[106][109] 行业竞争态势 - 同质化风险极高：GPT-5发布后所有竞争者均可调用相同API 唯一优势在于护城河和差异化系统[42][60] - 缺乏战略的AI投入回报率为零 如MIT研究显示多数组织生成式AI投资零回报[9] 而单次失误可能导致千亿美元市值蒸发（如谷歌Bard幻觉事件）[10] 未来能力要求 - 不具备AI战略能力的产品经理将在5年内被淘汰 AI素养成为基本要求[124][130] - 成功产品经理需构建可持续的护城河驱动系统 而非仅贴AI标签的边缘实验[128][131]

活动主题 - Google Cloud AI专家分享AI智能体构建技巧 重点关注ADK A2A MCP和Agent Engine技术框架的应用[2] - 探讨如何利用Google最新AI技术打造协作性强 高效 可扩展的多智能体系统[2][6] - 探索智能体开发未来趋势 分析智能体对人机交互范式的重塑潜力[2][6] 目标受众 - AI初创企业及出海企业的业务负责人与技术负责人[6] - AI产品经理 解决方案架构师及AI工程师群体[6] - 开发者群体 活动需经审核且名额有限[3][6] 行业动态参考 - Intercom采用Founder Mode实现300%增长 体现按结果付费模式在AI转型中的成功应用[8] - 红杉美国重点关注五大AI赛道 反映资本对特定AI领域的战略布局[8] - a16z全球AI产品Top100显示DeepSeek增长放缓 中国开发者出海全球化成为新趋势[8]

你现在的竞争对手，是每天工作 12 小时、全年无休的 AI 创业公司，且部分业务已经由 AI 提效。 在 AI 时代，企业就没有「不转型」的选择。 这是在回顾 Intercom 从 SaaS 传统老牌公司到 AI-first 的转型过程中，其创始人 Eoghan McCabe 给出的 答案。 CRM 代表企业 Intercom 的 AI 转型故事堪称传奇。Intercom 的传统业务曾估值数十亿美元，年度经常性 收入（ARR）达数亿美元，但经历了净新增 ARR 连续五个季度下滑，净新增收入几乎为零的"灾难"时 期。 内部缺乏决策力，战略方向也显得漂移不定，整个组织陷入了一种"舒适"但危险的惯性之中 。 转型成为急迫但又棘手的事。在 Eoghan McCabe 重新接手后，迅速做出了一系列调整：裁员、砍掉其 余业务，聚焦客服领域，快速开发出客服 AI Agent 产品 Fin......曾经备受诟病的定价问题（过高且不透 明的定价），也大刀阔斧地调整为「按结果付费」，用 99 美分解决一个问题。Eoghan 认为，定价应该 基于「价值」而非「成本」 ，而成本是企业自己要解决的问题。 如今，Fin 已经逐步取代传 ...