AI产品开发策略 - AI产品面临的挑战分为"过渡性问题"和"永恒性难题"，前者会随技术迭代自动解决，后者持续存在[5] - Granola案例显示，团队选择忽略模型token限制（4000 tokens→30分钟录制），专注提升笔记质量，GPT-4发布后上下文窗口扩展至32K tokens使原问题自然消失[5] - 资源应投向持久价值点而非将被技术抹平的问题，该策略使Granola建立用户口碑[5][6] 行业决策框架 - 有效资源分配需三种大局观：空间维度（系统定位）、时间维度（演变轨迹）、概率维度（消失可能性）[11] - 早期电动车续航焦虑属于技术可解问题，能源密度物理极限则是结构性难题[11] - AI时代"问题自动消失"频率急剧上升，识别可弃问题成为关键元技能[12] 商业实践启示 - 教育焦虑中"萝卜雕花"式投入（如3岁报精细动作班）实则为时间可解问题[7] - 职场优化PPT美感或部门政治可能因战略重组失效，属"版本迭代"型过渡问题[9] - "60分哲学"适用于通识课低空飞过、创业快速迭代等场景，聚焦核心价值领域[9] 方法论工具 - "三步筛选法"：将问题按消失概率分类（技术解决/时间解决/需主动解决），80%资源投入C类问题[14][15] - 定期复盘已消失问题可训练决策直觉，每季度回顾验证判断[15] - 思想实验建议量化问题"消失概率"与"消失时间"，实证约30%问题6个月内自愈[13][14]