勇闯「AI 创业激战区」，Medeo 在想什么？｜和晨然聊 AI 视频产品、年轻人的机会

上周，AI 视频生成工具 Medeo[1] 发布，用户输入文字描述，它会自动完成拆分镜头、生成脚本、添加音乐和生成视频等一系列操作，当天在我们的朋友圈里引发了小型「刷屏」。

这个产品来自 ONE2X，由前月之暗面大模型产品负责人王冠于 2024 年年初创办，创业方向为 AI 视频。本期播客，我们邀请 Medeo 的产品负责人晨然，和我们分享做 Medeo 的过程，他对 Agent + 视频，以及目前一些行业共识的思考。

在我们的聊天中，晨然频频提起 Cursor，除了讲述 Cursor 给他带来的产品启发，我们也就此和他聊了聊对当下 AI 产品的感受、以及他自己会不停的做 demo 去感受最新的模型或者最新的 AI 应用的故事。让我们很有感触的是，晨然说，做这些 demo 的过程中，他没有什么目的，只是为了好玩。

「好玩」，给了他很多积极的正反馈。正如他所说，「好玩」在这个时代是一个很稀有、很珍贵的品质。我们相信，还有许多像晨然一样的年轻人，也将会有越来越多的这样的年轻人，也通过这期播客说一声：enjoy it.

微信收听播客：

小宇宙收听播客：

👦🏻 Koji

本周《十字路口》的嘉宾是晨然。他所在的团队叫 One2X，最近刚发布了一款 AI 视频编辑产品——Medeo。这款产品由小型刷屏收获了不少好评。我认识晨然已有一年多，从一开始手搓 demo 的产品经理，到现在可以独立主导一个高复杂度的 AI 项目。我从他身上看到了竹笋般的生长的速度和生命力，也体现出十字路口所倡导的“AI 时代的积极行动者”精神。他是这个理念的典型代表。

本期播客我们会和晨然聊两个方面：一是 Medeo 如何在竞争激烈的 AI 视频赛道中突围；二是他的个人成长——这一代年轻人如何把握 AI 带来的机会。我们先来进行一下快问快答的环节。

Medeo 产品负责人晨然快问快答

👦🏻 Koji

首先请问晨然的年龄？

👦🏻 晨然

25。

👦🏻 Koji

毕业院校？

👦🏻 晨然

本科在复旦读计算机，研究生在康奈尔继续学计算机。

👦🏻 Koji

在 Medeo 之前你做过一些什么？

👦🏻 晨然

毕业后我在大厂呆了不到 9 个月，我们就加入了 One2X。之前做过不少全栈项目，比如和新世相合作的 「AI 遗嘱」项目，也自己尝试过一些 Agent 方向的小项目。

👦🏻 Koji

对，👦🏻 晨然和我一起做过一个叫做「AI 遗嘱」的项目，等下我们会聊到。

👦🏻 Koji

MBTI 和星座是？

👦🏻 晨然

ENFP，双子座。

👦🏻 Koji

如果用一句话安利 Medeo，你会怎么说？

👦🏻 晨然：它是一款能让小白和专业用户都用一句话生成专业视频的 AI 工作室。

Medeo 发布后在朋友圈小型刷屏感受

👦🏻 Koji

目前 Medeo 生成的视频里，你目前看到最大的一个爆款是什么？

👦🏻 晨然

没有什么爆款，但有一个我非常喜欢：有人把我在 Twitter 上发的文字故事用 Medeo 转成了视频，还 @了我。我觉得还蛮有意思的，我完全没想到他会把我的故事转成一个视频。

「Medeo视频示例」[2]

👦🏻 Koji

我们上次见是在 AI Hacker House，那时 Flowith 在发布新产品 Neo，而你们也刚发布 Medeo，结果服务器被冲爆了，好像你们还通宵修复。但你还是决定来 AI Hacker House, 想来看一看 Agent Neo 的那一场发布会。那你这一周收到的用户反馈和整体感受如何？

👦🏻 晨然

其实这次发布没有让我产生特别强的实感。虽然是我们正式上线，但整个流程规划了很久，像是完成了一个阶段性的任务。但是比较令我欣喜的是，有用户反馈说我们的功能和区域划分做得很清晰，说明这几个月的努力没有白费。

👦🏻 Koji

这个反馈和用户传播效果和你的预期相比如何？

👦🏻 晨然

其实我们没有设定明确的传播目标，这次发布算是一个雏形阶段的尝试。选择在这个时间点上线，是希望跟上节奏。没想到还有一些公众号和 KOL 自发转发，算是超出预期了，蛮欣慰的。

一场发布会 + 邀请码 + KOL造势 = AI 产品发布模版？

👦🏻 Koji

现在很多 AI 产品发布都讲究“发布会 + 邀请码 + KOL 造势”，但看起来 Medeo 并没有走这个路径，没有当作发布 campaign来做，是出于什么考虑？

👦🏻 晨然

主要有两个原因。一是 AI 工具型产品本就需要较长时间打磨，我们到现在为止也没有做特别久。我认为工具产品本身需要以年为单位去打磨产品细节。现在 Medeo还在早期阶段，还称不上是“完成度很高”的产品。二是我们团队的风格不是为了流量去做噱头式发布，更希望沉下心来慢慢打磨产品，通过积累用户口碑，而不是过早聚焦 DAU 这类指标。

为什么选择做 Medeo？

👦🏻 Koji

那你当初为什么选择做 Medeo？

👦🏻 晨然

我先说说我是怎么加入 One2X 的。最初团队由王冠、遥行和另一位技术联合创始人组建。王冠之前是 Kimi 的产品负责人，主导模型训练效果的。他当时很想往应用层探索，就和我聊到了 AI 视频。

我本身背景比较交叉，既是程序员，也做过导演、内容创作等。AI 视频这个方向，刚好可以把我的两个特长（内容创作、技术开发）发挥到最大，融合起来，做出一款属于自己的工具产品。

至于为什么是现在做 Medeo，一方面是视频生成越来越成熟。虽然去年我们判断自动生成视频仍受限于成本和稳定性，但今年我们看到不少新玩法，说明市场的时机差不多到了。其实 Medeo 最初的定位是做视频剪辑，现在依然是，只不过我们强调的是端到端生成可交付的视频，同时还可以拿到工程文件进行后期修改。它不是简单的“剪辑”或“生成”，我们两个方向都会继续探索。

一定是做视频：模态升维带来更高经济效益

👩🏻 Ronghui

是在很多方向中选了这个，还是一开始就很明确要做视频？

👦🏻 晨然

一开始就很明确，一定要做视频。我们判断，只要模态升维——把文字或语音这些信息转成视频形式，它就能带来更高的经济效益，能更快拿到一个经济结果。而且现在大家看视频的习惯越来越强，其实一篇公众号文章，如果它有视频版本，很多人更愿意看视频。所以我们一开始就有这个非常直觉的判断。

定了做视频之后，视频其实范围很大嘛，我们最早就选了“自动剪辑”这个赛道，就是做“URL 转视频”：一篇文章，它有图文，我们把它转成一个自动剪辑的视频。

后来我们看到视频生成技术越来越成熟，就决定把“一键生成视频”作为主打功能。但其实我觉得这两个方向不冲突，我们都希望在视频制作上有技术探索。无论是生成的、剪辑的，还是检索的，只要观众愿意看，是一个好的视频，那怎么制作就是 Medeo 背后的 AI 去解决的，用户不用太在意。

👩🏻 Ronghui

你刚刚说到“经济效益”这个判断，可以展开说说吗？有没有一些具体的测算或评估？

👦🏻 晨然

我们当时确实做了些实验，比如把文章转成视频，我们发现这样的视频确实有人看。哪怕原来的文章只有几百的阅读量，但转成视频后，播放量可能会更高。而且我们还观察到一个点：视频的信息密度其实没有文章高，但传播速度更快、观众更愿意看。

所以我们一直有个理念，就是把高信息密度的文字做一次升维，转成视频。我们还做了一个小型 MVP，验证这件事是有价值的。我们自己还做了一个新闻类账号，专门讲 AI 新闻。虽然不方便说是哪个号，但它是面向普通用户的，大家可能看了会觉得挺傻的，但数据反馈还不错。

其实很难有一个非常精准的数据支撑，更多是体感。现在十字路口也在做视频了，大家都愿意看视频。我的感觉是，模态升维是一个“碾压性”的经济提升，比如一段文字它传递的转成视频之后，它的“单价”可能是原来的十倍，当然这是我猜的，不能精确验证。

有了 AI，文章就能轻易的被转成视频吗？No

👩🏻 Ronghui

那你们在早期测试“文章转视频”时有没有遇到什么挑战？因为写过脚本的人都知道，脚本和文章其实差别挺大的。可以讲讲你们在 MVP 中有学到什么比较有价值的东西吗？

👦🏻 晨然

你观察得很敏锐。我做这个的过程中，因为我自己也有一些做导演的经验，虽然不是短视频，我非常清晰地感受到：逐字稿的脚本跟视频语法完全不同，它不需要和文章强关联。

视频有自己的语言体系，比如 hook 怎么写，结尾怎么收，中间如何提供情绪价值、让人看下去……这些都是视频在意的，而不是文章里那些最强调的信息密度。比如数据、表格这些，在视频里反而是“扣分项”——你一念，观众就跑了。但如果你能给出“干货感”，比干货本身更有用。观众需要的是“我看了觉得收获了”，而不是一堆冷冰冰的数字。

👦🏻 Koji

那遇到有表格的文章你们怎么处理？

👦🏻 晨然

最理想的情况就是表格本身是图片，我们可以直接插到视频里，或者我们也在尝试更可视化的方式，让表格动起来，展示得更有趣。

暂时没有给模型设计视频模版，没有精力，也相信要放权给模型

👩🏻 Ronghui

那是不是要拆成不同脚本模板？

👦🏻 晨然

我们现在还没那么精细地做，还是比较草台班子，没有针对不同品类写模板。虽然我也认同，不同类型应该有不同 SOP，但我们还没做过。

👦🏻 Koji

这是精力不够，还是有意不做？会不会你们相信模型之后可以自己搞定，不用现在就上模板和 workflow？

👦🏻 晨然

一个是最大的原因是精力确实有限，没那么多时间去搞太细的东西。另一方面，我确实相信模型升级之后，它在这些写稿、视频类任务上，可以做到不依赖太多结构化的指导。

我觉得，「less structure 是关键」。一开始就上重模板，反而限制模型发挥。放权给模型，效果可能更好——我们自己就是有这个深切的体会。

做 Medeo 精力投入：刷视频，理解制作流程，模仿

👦🏻 Koji

你刚刚说精力不够，那你大部分时间花在哪里？

👦🏻 晨然

虽然我对外说我是 Medeo 的产品负责人，其实我主要是负责视频效果的优化。我的核心工作是调研视频方向，预判未来可能的玩法，比如 AI 一键生成视频、AI 自动剪辑这些技术路径。我会思考什么是“新的视频品类”，定义这个视频品类怎么通过 AI 做出来。然后我可能会手动剪几个 demo，再去开发自动化版本。还有一部分是做 Prompt 工程、Workflow 或 Agent 的搭建，这套视频生成的算法框架，基本是我搭的。

我花最多时间的其实是：刷视频。我会沉浸在抖音、小红书、YouTube Shorts，各种视频里。只有你刷得多了，沉在 vibe 里，才能真的 get 到视频里的情绪是怎么传递出来的。接着我会手动模仿他们剪视频，分析他们怎么做，最后沉淀成代码。因为我是全栈工程师，内容理解完我就能开发出来。

所以我一半做内容，一半写代码——内容是感性的，代码是理性的。我要梳理结构，拆解它应该是怎么样的；也要刷出感觉，看这些视频怎么传第一个观点，节奏感是什么样的。这两个都是必须的。

👩🏻 Ronghui

你说你刷了很多短视频，感受那种讲故事、传情绪的方式。你主要刷什么类型？视频有多短？你总结出来他们的套路了吗？

👦🏻 晨然

我没有特别定向刷，基本什么都刷，但确实有一些感受。

比如抖音的视频节奏感特别一致，因为能在这种上滑下滑的流里活下来的，基本调性都差不多。我一直在想，这种调性能不能结构化表达，或者其实不该用结构化的方式去表达，这个我还不能很好感受，但它确实有一种共通的情绪传达。我现在会有一种感性判断：这个视频能不能在抖音活下来——这种判断是刷出来的。

另一个是我定向刷 YouTube Shorts 上的科普视频或者新闻视频，比如那种主播对着白板讲宇宙、讲概念那种。他们几乎风格一致，虽然有自己的语速和口音，但既然风格统一，就说明它是可以结构化的。他们的视频让我感受到：「情绪价值比知识信息更重要。」看到后面，我越发觉得，视频不是在传递“知识密度”，而是在传递“情绪体验”。看完觉得舒服，才是关键。

👦🏻 Koji

我们今天想和 Medeo 的团队聊聊。One2X 有两位联合创始人，王冠和遥行，我们也都认识，也都很喜欢他们，是非常特别的创业者。但这次 Medeo 发布之后，我和 Ronghui 反而最想邀请的是晨然。一方面我们之间更熟，每个月几乎都会见面；另一方面，其实我们播客邀请了很多创始人，但一线做产品、搞设计、做研发的人比较少。今天也想和你聊聊一线的实战感受。刚才你也提到，你一方面做内容，一方面做研发。我挺好奇，你在团队里是怎么定义自己的角色？又是怎么和其他人配合的？因为听起来你好像一个人就是一个小团队，什么都能做。

👦🏻 晨然

确实，我大部分时间都在做预研和调研的工作，基本上是一个人完成的。团队是我坚实的后盾，他们负责工程化、产品落地等部分。我一般会把工作推进到 demo 阶段，然后交接出去。我的角色更像“预言家”——我喜欢玩各种 AI 工具，新出的生成式视频工具我都会试一遍。比如昨天刚发布了 Claude 4.0，我守着直播，一出来就开始测试，测完之后觉得“果然牛逼”。

我会花大量时间做 demo，因为只有把东西跑通了，做出第一个视频、十个视频、一百个视频之后，才能真的体会这个东西是什么。这个过程对我来说像在“画画”，很有创造力，也很好玩。

👦🏻 Koji

之前我和晨然合作过一个叫“AI 遗嘱[3]”的项目，我们鼓励每个年轻人花 10 分钟写一份 AI 引导下的遗嘱，思考人生中真正重要的东西。晨然当时不仅做了研发，还负责产品和设计，那张非常有美感的海报就是他做的。看到那张海报后我就意识到，在 AI 时代，审美依然非常关键。我们都知道怎么用 AI 生图，但 prompt 怎么写，生成后怎么选择才好看，这些最终决定了产品的感觉。

说回来，你们团队是远程办公的，王冠和姚勤也都在北京，但不是天天见面。这个组织形态很特别，能不能讲讲你们的团队结构？你和他们之间的配合是怎样的？

👦🏻 晨然

我们是全员远程办公。我之前在美国 TikTok 实习时就经历过远程，所以对我来说不是新鲜事。但这是我第一次体验所有人都远程办公的组织状态。

首先，会议效率提升了。我们会刻意控制时间，比如日会控制在 30 分钟内，全员会一小时内解决。更多时间大家是在独立思考和解决问题。这对主动性要求很高，但我们团队磨合得非常好。我们有了自主选择权去分配时间之后，每个人其实更能够专心的把这事干好。我们不设 KPI，关键是招到对的人，给他一个创新友好的环境，他就能做出好东西。这也是 One2X 的一个文化基因。

至于我和王冠、遥行的配合，其实不算特别多。我大部分时间在写代码、调模型、调研工具，和他们更多是战略上的沟通，比如决定什么时候做什么，看到新论文时的方向判断。有时候一篇论文会让我们验证之前的技术假设，从而确定产品方向。但执行层面上的细节工作，我自己就能处理掉。

👦🏻 Koji

你刚才提到，会根据一些新论文来判断技术方向。能不能举个例子，比如最近一次是怎样一个论文出来之后，你们觉得“对了”，技术方向得到了验证？

👦🏻 晨然

我们去年一直在关注强化学习，相信这条路会有重大突破。直到 DeepSeek 出现那个关键节点之后，我们特别兴奋，觉得压对了方向。我们很多产品假设其实就是基于这个技术假设去做的。

遥行每周例会上都会总结最近的论文进展。他用 O3 帮忙读论文，把这周整个 AI 圈的新论文都过一遍，再筛出最重要的技术路径。我们也一直在关注谷歌的“统一多模态”路线，这太强了。去年我们就在压这个方向，最近谷歌又发布了新成果，这也进一步验证了我们的判断。Medeo 本身的技术路径也是基于这些判断来的。

Medeo 的愿景：让没有经过训练的人也可以用工具做自己想要表达的内容

👦🏻 Koji

在你看来，你们最大的竞品是哪些？你怎么看外界说 Medeo 是在做 Veed.io、Invideo 一年前就能做的事？这些同质化的声音怎么看？或者有没有什么差异化大家没有看到，才会出现这样的负面声音？

👦🏻 晨然

这种声音肯定有的。我们做这个方向时就已经看到这些比较头部的竞品了，但我们公司成立的使命不是往这个方向去走。初期产品形态确实相似。AI 视频剪辑产品的基础功能是趋同的，无法脱离掉视频表达本身所需要的产品的功能。做编辑器长得也差不多，这些有 SOP。在这种前提下，产品应该做的是去找那种 3% 的创新。我们更关注的，是如何用更智慧的方式提供更高质量的信息商品。我们希望模型能表达出更强的“放话性”，用更少的 token 产出更高价值的视频。这意味着更好的视觉效果和内容质量。我们的目标不是再做一个剪映或 Invideo，而是做一个让“不会表达”的人也能通过视频表达的人。

在这一段时间看起来很像也是很正常的，未来的迭代就会很不一样了。

👦🏻 Koji

刚才其实你有提到，你虽然和他们很像，但是其实使命不一样。那在你看来，你们的使命是什么？他们的使命是什么？

👦🏻 晨然

我刚才可能没表达清楚，我的意思是：人是经过语言训练的，大家熟悉语言的语法规则，毕竟都学过语文；但人没有天然接受过视频语法的训练。你去用视频剪辑工具剪一个视频，不仅要学会工具本身，更重要的是你不知道怎么用“视频语言”去表达一件事。比如你拍 Vlog，要怎么讲故事，怎么叙事、怎么安排剪辑顺序，这些其实是没有经过训练的人不会的。

我们想解决的问题，就是让这个表达的过程没那么痛苦，让没有训练的小白，甚至有经验的专业用户，也能快速通过工具去表达他们的想法——无论是新闻、科普、故事还是广告。其实我们现在还没明确定义 Medeo 要服务哪一类品类视频，这也取决于市场反馈和技术的方向。One2X 相信视频会像文字一样，成为重要的信息表达方式，而我们希望 Medeo 能让每个人都能用视频充分表达自己。

我们也相信 One2X 是在帮助大家表达信息。我们最认同的一句话是“一份信息，多种表达”。因为在 AI 加工方式的支持下，人们未来可能不会在意中间的剪辑和生成过程，更关注的是结果——而这个结果可以有多种表达方式。比如相同的一份信息，你可能想分别给老人、小孩、年轻人或不同思潮的人看，那表达方式肯定不同。但本质上它还是“一份信息的多种表达”。我们想做的，就是尽可能降低从一份信息到多份表达的中间痛苦。而视频，是我们选的第一个表达媒介。

👦🏻 Koji

我听完还是有些困惑。你刚才提到产品虽然看起来一样，但使命不同，所以你们不担心同质化。但你说的这个使命，Veed.io、Invideo 也可能认可。他们可能一年前就做了你们现在做的事，那这个竞争怎么理解？

👦🏻 晨然

这是个合理的质疑。我认为视频是一个非常宽广的赛道，它的语言表达体系很复杂。比如营销视频和播客视频的剪辑，所需的工具完全不同。播客可能更依赖语音和文字信息，而营销视频更依赖情绪、音效、转场和商品展示，因此做出来的工具也会完全不同。

我们目前选择的品类是新闻、科普、知识类或故事类视频，它们不同于带人像上字幕的短视频。视频剪辑工具的发展方向取决于你想服务的品类，方向定了，工具就会差异化。最开始大家都像一个通用的剪辑工具，但我们不会做另一个剪映。剪映像是一个可以完成各种代码的 IDE，但它什么都可以做，也有垂类的场景等着去探索。但现在为时尚早，我们很难固化我们一定往哪个方向走。

👦🏻 Koji

所以你们还没固化方向，这也是为什么现在产品看起来都差不多。但像 Veed.io、Invideo 这些团队做了很久，也没走向某个明确方向，是不是也可能最终不会垂直，而是赢家通吃？

👦🏻 晨然

我不太认为视频这个赛道会被一个工具通吃。就像你说 Veed.io 没有固化方向，我觉得它已经固化了。你看它所有的宣传点，基本都围绕“口播视频加字幕”，解决的是带人像视频加字幕的问题，而且做得很好，特效字幕也出圈了。我觉得每个团队最终都会选择自己擅长的表达领域。

视频表达本身就足够复杂：你可以在字幕上做到极致，也可以在音效或生成上深挖。但你想要样样精通是不可能的，除非是像剪映这样的大玩家。但即便是剪映、PR 这样的头部视频剪辑工具，也可能因为臃肿而让人更想用一个轻量化工具来专注做某一类剪辑。

比如专为播客打造的剪辑工具，只需要加字幕，没必要上那么重的系统。垂类工具反而能做出极致体验，比如训一个模型做特定任务、优化每一个细节，这种产品用户是愿意买单的。

至于 Agent，现在也有很多做 Agent 的团队说他们也能做视频，那用户一定会问你们有什么不同。我觉得区别还是存在的——比如用户想改字幕的时候，还是需要一个编辑器，一个 GUI，因为剪辑产品有一些基本细节是绕不过去的。而 Agent 虽然能生成内容，但很难改。这也是它的弊端。

最后的产品可能长得像，但用户使用路径会非常不同，而且用户去完成一个产品的生产过程的路径也会很不一样。

「我更相信视频领域应该是 80% workflow 和 20% 的 agentic」

👦🏻 Koji

LoveArt 作为一个 Design Agent 已经可以生成视频了，虽然目前没法编辑，但之后可能会加上。你怎么看如今大家都在做 AI Agent 这件事？你们的想法有什么不同？

👦🏻 晨然

我们内部也讨论过 Agent 和 Workflow 的优缺点。什么时候用 Agent ? 什么时候用 Workflow ? 至少在 Medeo 这个产品中，剪辑领域本身是有 SOP 的。比如导演或剪辑师工作时，通常会先整理素材、理解素材、构思脚本，再粗剪、精剪、最后加字幕和包装。这是一个流程化的过程。

既然人的思维方式已经流程化了，那我觉得 Agent 在这个场景下可能就没有那么适合。我更愿意提的另外一个词叫 Agentic。Agent 更像是一个实体，一个打工人。Agentic 是一种技术方式。如果你想要解决的问题是开放的，你不知道用户会干什么，那可能 Agentic 是更适合的，因为开放的问题需要用开放的解法去回答。但视频创作 SOP 已经非常成熟了，所以我们认为这更适合用 Workflow 去解决，Agentic 只是个辅助技术方式。「我们更相信视频领域是 80% Workflow、20% Agentic」，只有这样，结果才能稳定交付。

对 MCP 持谨慎态度，它是协议，但不解决实际落地中的问题

👦🏻 Koji

那你有没有最近在 AI 圈子里看到哪些大家热捧的共识，但你特别不认可的？

👦🏻 晨然

我对 MCP 持谨慎态度。它本质是个协议，解决的是生态问题，便携性的问题，它并没有带来一个非常跨时代的技术。比如模型和工具的互通性，和技术突破没太大关系。它归根结底还是一种提示词管理方式，但提示词也可以有很多别的管理方式，你可以自己决定你如何管理这种上下文，如何处理模型的输出结果、如何结构化、如何省你的成本。

目前市场对 MCP 讨论很热，媒体宣传也多，但在我们做垂类场景时，其实没那么需要生态扩展，所以 MCP 对我们帮助不是特别大。当然，如果你是做平台的，比如 Coze，还有 Agent，那用 MCP 打通插件是有价值的。但如果你要做一个垂类的产品，可以不用优先考虑 MCP 因为它又给你代码工程上带来一个复杂度，但它也没有解决你的技术实际问题。

另一个认知是：解决用户需求，不一定非得用最优技术。比如不一定要用最强的模型，很多 AI 产品现在都是通过多模型混合、系统组合来实现功能的。中间每个节点未必需要用最好的模型。我甚至发现，有时候从 3.5 Sonnet 切到 3.7 Sonnet，效果反而变差了。这种差异有时很微妙，比如不同模型在指令遵循、对齐上差异很大。Claude 系列在提升 coding 能力的同时，在其他任务上可能会出现一些奇怪的小 bug。

这些问题往往你不测就发现不了，新闻里也看不到，只有一线调 prompt 的人才能体会到。而这些认知一般都不会在市面上去流通，它可能会在某一个论坛的某一个小角落出现，但是这样的信息很难找到二次验证，只有自己去用自己的眼睛看到才知道。所以我的认知是：不要盲目信任所谓“最好的技术”，能解决问题的技术才是好技术。

使用最多的工具：Cursor

👦🏻 Koji

这里我想轻松聊个话题。我最近发现，大家用的模型五花八门，不光是编程，连日常问答用的模型选择也越来越分化，每个人的喜好都不太一样。比如我最近主要用 ChatGPT，一个原因是它加了 Memory 功能，另一个是我有个朋友在 OpenAI 工作，送了我免费的 Pro 会员。这两个叠加起来，我现在越来越被整个 ChatGPT 的生态系统“套住”了，基本每天都在和它聊天。晨然你最近用什么用的最多？

👦🏻 晨然

我大部分时间都在用 Cursor。Cursor 里能接入的模型我基本都会试一遍。如果是写代码，我最常用的是 Claude 系列，我最喜欢的就是 Gemini 和 Claude 这两个模型，因为它们各有性格。

我觉得 Gemini 的输出审美好一些，可能是因为它在多模态训练上更下功夫吧。但它的输出相对比较“克制”，不会太复杂。而 Claude 3.7，我一直说它像个多动症小孩。你已经完成一个任务了，它还会主动去帮你重构代码、优化逻辑、多加几个文件、多建几个函数，总是在“加戏”。尤其在 Cursor 里，它有时候显得过于主动。但 Claude 的指令跟随能力反而不如 Claude 3.5 好。两个模型我都经常用，用多了你真能感觉到它们“性格”的不同。

相比之下，我现在用 OpenAI 的模型反而少了，只会在图像处理时用一下。OpenAI 给我的感觉是很“严肃”、很“数学”。它输出内容特别结构化，经常给我整张表格出来，我其实不太喜欢表格。但像我朋友遥行就非常喜欢 OpenAI 的模型，他重度使用 GPT，因为它输出干货、不啰嗦，非常规整——就像是标准的 J 人。而我可能偏 P 人，更需要一点情绪价值。

👦🏻 Koji

对，我也一样。有些人就是看到表格就高兴，觉得这混乱的信息能被它梳理出一个清晰的结构，世界顿时明朗了。

👦🏻 晨然

但我看到表格就头晕，我非常讨厌表格。所以我对 OpenAI 模型的偏好就没那么强。最近 Grok 也挺多人在用，我在小红书上刷到很多用户在试它的文字模型。感觉大家都有自己的偏好，特别是在日常问答的场景下，其实现在各家模型表现差距也不大。

做产品经常思考的问题

👩🏻 Ronghui

那晨然你作为一个 PM，在做 Medeo 的过程中，思考最多、或者你认为最重要的问题是什么？

👦🏻 晨然

我在做 Medeo 的时候，其实一直在看另一个我很喜欢的产品——Cursor，我们也提了很多次。相信大家在做 AI 产品时都会受到 Cursor 的启发。Cursor 解决了“三端关系”的问题。以前我们做产品时，考虑的是传统工具本体和用户之间的交互，这属于“两端一边”的关系。产品的用户路径，在用户进入产品之前基本是可以完整梳理出来的，是非常确定性的，有分支、有决策树。

但在 AI 加持下，产品的结构变成了“人、AI、工具”三个顶点，形成三条边的结构。例如我们做 AI 剪辑产品，首先得有一个剪辑软件，然后考虑“人”如何与这个软件交互，这部分相对容易。真正复杂的是，AI 在其中要“干什么”、怎么介入人的创造过程，以及如何让人指挥 AI 干活、再去修改。

现在几乎所有 AI 产品都是在处理这三端的关系。Cursor 做得好的地方在于，它对 AI 的角色划分非常明确。它设置了不同层级的功能：从最底层的 inline hint，再往上是 edit 模式，再是 chat 模式，最后是 agent 模式。每一层的能力和触发逻辑都非常清晰，整个交互路径也很明确。它很好地解决了三端之间的关系。

我在 Medeo 最常思考的就是这个问题：这个三端关系到底怎么处理？传统剪辑软件和人的交互逻辑比较清晰，但 AI 要在这个软件里做什么，是很难界定的。因为你相当于把原本属于用户的创造过程嵌入到了工具中——这是以前传统产品不需要考虑的。你不会考虑用户来之前，工具就要先产出点什么。但 AI 产品往往就是你得先“成为创作者”，让 AI 先产出一个初始内容，然后再等用户来修改。这种模式下，产品路径就不再是确定的了，因为 AI 的产出具备无限可能性，所以这个三端关系的构建是我觉得最难的部分。

另一个我经常思考的问题是关于 AI 创造力的。我发现 AI 很难生成超越人类想象的内容。比如它写的稿子、分镜，我测试多了以后，大概能猜到它会输出什么，能带来“aha moment”（灵光一现）的情况其实很少。所以我才会持续关注新的模型，想知道它们有没有带来新的“aha moment”。

但总体来看，我觉得 AI 更适合承担“带有理解能力的执行角色”，而不是替代人类创意的角色。

像是有 SOP 的重复性任务最适合交给 AI，比如：

• 批量写提示词；

• 抽卡（素材推荐或自动选片段）；

• 优化 prompt；

• 写已有结构下的分镜描述；

• 24 小时自动化执行流程等。

这些都是 AI 擅长的事情：它既有理解能力，也有强大的算力和时间优势。这些能力应该被最大化地使用。

但如果你期待它给出非常惊艳的创意，往往会碰壁。所以，我经常思考的问题之一就是：如何构建适合 AI 执行的 SOP，让它在可控的流程中展现优势，而不是把它推向一个它无法胜任的创意角色。

一个 AI 产品的负责人如何度过自己的一天？

👩🏻 Ronghui

刚刚你提到了 Cursor，也说自己非常喜欢这个产品。那我们换个角度聊聊：在你日常做产品的过程中，有哪些你自己特别喜欢、常常使用的产品？除了 Cursor，还有哪些产品给你传达了特别好的用户感受？以及你现在的一天大概是怎么度过的？我们今天是周五录制，也想听听你最近试用的一些新模型或产品中，有没有特别想推荐给大家的。

👦🏻 晨然

先说我一天是怎么度过的吧。刚才聊了些我在工作中主要负责的内容，其实在休息时间，我反而会投入更多精力去“输入”。比如看电影、看剧、听歌、研究一些影视潮流和文化趋势，也会看书、做“拉片”（分析影片分镜结构等）。最近我在补一些编剧相关的知识，因为我没有在电影学院上过课，但觉得这些知识对我做产品很重要，所以正在补编剧原理这块。

我平时吃饭的时候也会看一些拉片内容，睡前也会读点书。总之我一直在探索如何成为一个创作者。我觉得在工作之外保留住“创作欲”是一件很难的事情——你们也在创作，我记得你们来之前就说过，不需要现在立刻去表达创作欲，它自然会流露。但这个“创作欲”真的非常脆弱，我现在也还在摸索，怎么样去最大化地保护和激发它。

再说你刚刚问的另一个问题：最近试用的产品。我还是想再提一次 Cursor。虽然它是去年发布的产品，但我仍然认为它是做得最好的 AI 产品之一。它真正做到了“落地生产”，解决了 AI 和人之间的交互问题，明确界定了 AI 的功能边界，同时也能在实际使用中稳定输出结果。现在很多 AI 产品还停留在概念或雏形阶段，包括我们自己的产品也算是雏形，要做到真正稳定交付其实很难。但 Cursor 做到了。它能做到，是因为它聚焦在“AI 写代码”这件事上，充分调动了模型当前最强的能力。这其实是一个反直觉的事情：「稳定落地本应是产品的基本要求，但在 AI 产品中反而是最难实现的事情。」

AI 产品本质上是在“随机性”中寻找“确定性”。而想要从高熵（不确定）状态中提取确定性，就需要付出巨大的系统性努力，这点真的非常难。最近我也在测试一些 Agent 产品，比如 Manus 和 LovArt，它们也给了我不少惊喜，相信大家也有看到过相关内容。

稳定交付，更多的是产品层面解决的问题，目前难以解决因为工程化很难

👩🏻 Ronghui

你刚才提到“稳定交付”这个关键词，我想追问一个问题。你觉得在短期，比如一年内，或是相对长期，两三年内，会发生什么变化，能让稳定交付这件事更普遍一些？

👦🏻 晨然

我认为稳定交付更多是产品层面要解决的问题，而不是一个必须依赖新技术才能解决的事。所谓稳定性，是指用户在进行相同操作时，希望能大致得到相同的结果。就算有随机性，那种随机性也应该是一种“可调参数”，就像 Midjourney 里有一个 Randomness 滑块，你滑得越高，预期的结果就越随机。

但现在的问题是，大部分产品还做不到这种“可控随机性”。比如说当前的 Agent 产品，你第一次用可能会非常惊艳，但你会希望下次还能复现同样的体验。但其实复现的可能性非常低。哪怕只是让它做个网页，下次它可能给你做的网页用的技术栈都完全不一样了。

用户的心理预期是“我想要稳定的结果”，但现在的产品很难满足。这并不是因为技术不够，而是因为“工程化”难度太大。所以我觉得不是等下一个技术突破，而是需要给产品时间去成熟。

👩🏻 Ronghui

确实，大家都知道“稳定”很重要，尤其是 PM。但正如你说的，这和用户的预期之间始终存在一个鸿沟。你觉得这个鸿沟是什么？

👦🏻 晨然

我相信所有 PM 都明白，稳定路径和可预测体验是用户需要的，而且最好还能“超出预期”。但 AI 产品难就难在这一点：你要在“随机性”中提炼“确定性”。过去做传统产品时，用户还没来你就能画好 roadmap。他第一步点了哪里，触发什么，下一步去哪，全都能设计得清清楚楚。但 AI 产品不同，它的每一步都有随机性，而且步骤很多。如果是一个包含 100 步的 AI 问答流程，那最后输出什么结果是人类完全无法掌控的。我们当然希望保留 AI 的“随机魅力”，但这个“随机”是否可控，就非常难。

我经常举塞尔达（《旷野之息》、《王国之泪》）的例子。他们做开放世界游戏，不是让你毫无限制地乱走，而是在限定范围内给予自由探索的体验。他们设定了大目标，比如塔，也设置了小奖励点，比如 呀哈哈。在你探索过程中，你会被这些点吸引，从而偏离直线、绕路前进，形成独特旅程。

AI 产品也是如此——我们希望每个用户的使用路径都独一无二，但这种“随机”要靠设计来引导，让人感到“值得”“惊喜”。这背后需要大量时间和打磨。行业还不够成熟，产品需要更多试错和积累，它需要一定的时间去孵化一个更好的产品。

👩🏻 Ronghui

换个角度来看，这是否也意味着有巨大的机会？

👦🏻 晨然

我觉得确实是。但这个机会也只能“等”——可能是我们做出来，也可能是别人做出来。

就像塞尔达发售的那一刻，大家看到它的“aha moment”了。同样地，某个 AI 产品未来也可能会给出那样的 aha moment。每个用户都能有独特的 use case，有自己开放世界的体验。AI 产品本质上就是一种开放世界，每个人的路径都不一样。但只有等那个产品真正出现时，我们才知道“就是它了”。大家都在往那个方向尝试，我们也是。

AI 打破的传统的学习路径，新时代大家都获得了更多机会

👩🏻 Ronghui

你有看到你身边的人也在积极抓住这种机会吗？

👦🏻 晨然

我身边基本都是做 AI 的创业者。比如你们播客请过的海辛、阿文，还有获得小红书独立开发者金奖的“倪豪”。他们都是非常强的超级个体，在审美和开发能力上都走出自己的独特路径。他们并不是靠学校里学到的知识，而是靠兴趣驱动，一步步钻研出来的。这也说明了 AI 时代打破了传统学习路径的限制。

以前你要学前端，必须从 HTML、CSS、JavaScript 一步步学。但现在有了 AI，你可以选择自己想做的事情，再去找 AI 学相关技能。每个人都能根据兴趣构建属于自己的技术栈。我觉得这对年轻人是非常大的机会。比如我，99 年出生，没什么市场经验，也缺少商业 sense。但这并不重要，因为我们反而不容易被传统经验框住手脚。

AI 是一个全新的领域，很多有经验的人反而会被旧思维限制，而年轻人胆子大、敢试错，就能做出很多有趣的事。在大厂的时候我深刻体会到，大家都不懂，我反而成了最懂的那一个。「AI 这个新时代，确实是“众生平等”。」

👩🏻 Ronghui

这让我想到我们之前请的嘉宾童超，他说他最大的感受就是，在 AI 时代，没有谁的认知比谁更超前，大家拼的是“迭代速度”。

👦🏻 晨然

我也承认我是年轻人，所以会这样说。但确实，迭代快真的很重要，这是给我带来很大的机会。我也不敢说我的经验比别人更丰富，但是大家都在同一水平线去做这件事情的话，勇于去尝试做 demo 是一件非常重要的事情。我现在花大量时间在做 demo。甚至工作之外，我也在做各种小 demo、小玩具，去试验。我不一定非要追求产出结果，而是通过这些尝试获取“体感”。很多 demo 的作用就是找感觉，因为在 AI 产品真正做出来之前，你根本不知道那个“感觉”是什么。而认知就是靠一次次体感快速迭代出来的。

比如昨天 Claude 4.0 一发布，又会引发新的产品形态。再比如 GPT-4o 的 image-to-image 能力第一次实现了图片生成的一致性，因此 LoveArt 这类工具一下子爆火了。因为它中间用的基本就是 GPT-4o 来保证一致性。你只有在第一时间快速试用这些技术，才能第一时间建立新的感知认知。

很多事情是随机做的，只是为了好玩，好玩是一种非常稀有的品质

👩🏻 Ronghui

你前面说过，只有 demo 做出来，才能真正体会产品的“感觉”。那如果限定在最近一个月内，你大概做了多少个 demo？你觉得这些 demo 给你带来哪些比较实际的收获？或者说，“感觉”内化成了什么？

👦🏻 晨然

我在做 demo 或测工具时，基本没有明确的目的性。我是个典型的 P 人，很多事情都是随机发生的。我不会计划“这周必须做个 demo”，通常都是某天灵光一闪，就顺着那个想法做下去了。在这个过程中，我是在享受“做”的过程，而不是非要得到一个具体结果。

坦白讲，我做的大部分 demo 回头看都是没意义的。但这些经验会在某个时刻突然派上用场。当你回头正向推导“我做这个是为了将来用”，反而做不出来。还不如就是对什么感兴趣就去碰，比如我最近一直在测 Gemini 2.5 Pro 的自动剪辑功能。我是单纯觉得视频是 AI 应该接手的领域，我想看看它的能力上限。不是因为工作需要，而是出于热爱。

我对“好玩”这个事一直有很深的体会。最早是我还在美国读书，ChatGPT 刚上线那天我就开始用了。周围没有人讨论，但我立刻两眼放光。原来我学的 NLP 和计算机视觉也可以这么好玩！之前我一直觉得这个专业就是做人脸识别，挺无聊的。但 GPT 的对话让我一下被击中了。我开始熬夜玩它，跟它打辩论、玩海龟汤、做情感陪伴，各种玩法都试过。

那时候我没有意识到这是个“赛道”，只是觉得太好玩了。后来我意识到：如果你觉得一件事好玩，用户大概率也会觉得它好玩。一个真正能传递情绪的产品，背后一定是个情绪饱满、热爱其中的创作者。我一直希望自己保持这种情绪充沛的状态，随机去做一些情感饱满的探索。如果我能找到那个“aha moment”，我相信用户也一定能感受到。

不停做 Demo 的收获：感受到好玩，就是正反馈

👩🏻 Ronghui

我这个问题其实不是想问你是否有目的性，而是更想知道——在很多事做完之后，如果你停下来总结一下，这些 demo 有没有在潜移默化中变成你的某种习惯，或者是体会？就像我做这个播客，最初也不是为了提升表达力，但今年某个时候我忽然意识到：说话时不再像以前那样紧张了。

👦🏻 晨然

是的，我明白你想问的。我觉得最核心的收获还是“好玩”本身。因为我很多情绪上的正反馈，确实是来源于做出来一些好玩的 demo。做 demo 的过程对我来说很像拼乐高，是一种很纯粹的娱乐方式。

而且现在我们这群做 AI 创业的朋友之间也会分享自己的 demo，比如海辛发起的 demoInn，我们都会在群里互相展示自己最近“凭热爱”做出来的新东西。这个过程中没有什么特别大的技术提升，但它带来的是一种生活方式，是一种持续探索的状态。你会享受它，我也没有企图从当中获得些什么。

👦🏻 Koji

你这个让我想起 Paul Graham 那篇《How to Do Great Work[4]》。他说，要找到那些你做起来轻松、有乐趣、别人却觉得难的事。认真去做它，也许你就能获得很大的回报。可能你做的 demo 恰好碰上了最热的 AI 赛道，但换成别人，也许是钓鱼、观鸟，只要是那个你擅长、做起来很轻松的事，就会有成就感。找到这样的事情其实就是一个人非常大的幸运。

👦🏻 晨然

是的，说到底，我觉得“享受”这件事听起来很“小我”，但其实现在很难再去谈什么“超级英雄主义”了。我特别能体会到这代人面临的下行周期。找工作越来越难，很多人连情绪稳定都成了奢侈，更别说有什么远大的梦想了。

但我一直保留着梦想。哪怕经济不好，哪怕大家都只顾自己，我还是相信创作是有意义的。我现在做 Medeo，本质上就是我大学时的梦想。我大一开始自学拍视频、做导演，也没想到后来能和 AI 结合，把我的专业和兴趣连起来。现在我做的事，就是我曾经最想做的事。

只是现在这个时代，最难保留的，其实是“创作欲”和“激情”。在一个低迷的环境里，要维持创作的热情太难了。我和朋友聊自己的梦想时，他们最多只能说“挺好的”，但不会觉得跟自己有关系。现在就是这个状态。所以我觉得，保留那份激情和创造的冲动非常关键。我自己也在不断寻找新的创作欲。也许我阅历还不够，但至少我在这条路上，希望我的经历能给别人带来一点点启发。

读大学时以为专业没有用了，然后 ChatGPT 出现了

👩🏻 Ronghui

我特别能共情你说的“想保留创作欲”。因为现在的挑战真的挺大，一方面是很多事情 AI 都能替代了，另一方面是社交媒体上大家的表达越来越公式化、越来越“标准答案”——那些烂大街的表达你甚至不用想，就能自动背出来。 你刚刚提到一个点我特别想接着问，你说你在大学的时候其实一度觉得自己的专业没有用了，那时候是什么情况？比如当时整个行业氛围是怎么样的？然后你看到 ChatGPT 的第一感觉是什么？

👦🏻 晨然

我 2021 年本科毕业。其实那会儿整体看还算是互联网的高峰期，大家找工作也不难，工资也还不错。但现在回头看，那已经是顶点了，只是当时我们没意识到什么叫“经济周期”，什么叫“时代的尽头”。那个时候我最大的感受是：一切都太成熟了。各种应用、各种商业化路径都已经跑通。技术也没有什么特别大的突破。在这样一套既定秩序里，最吃香的反而是那些经验丰富的老手——他们熟悉规则，知道怎么优化。但对我们这些刚毕业的新人来说，一切都得从零开始，老老实实学，很难有什么创造力的空间。我当时真的觉得这个专业——计算机——对我来说只是个工具，就图个“能赚钱”。

然后，GPT 出现了。我第一眼就知道，它是完全不一样的东西。这玩意儿不是在优化现有的框架，而是创造了一个全新的框架。它的出现，直接把“我们专业能做到什么”这条线往外拉了一大截。它能对话、能生成文字，甚至可以模仿人的风格。我那时候就天天在玩它、hack 它。其实当时根本不知道什么叫“Prompt Engineer”，也没想过这些玩法将来会变成一个“赛道”。我就是单纯觉得：太有意思了。

Koji 做 AI Hacker House 的故事背后：「寻找同类」

👦🏻 Koji

我听你讲这个特别有共鸣。你说你那时候看到 ChatGPT 很兴奋，但周围人都不动声色。这个经历我也有。我前阵子搞了个 AI Hacker House，大家都在问我为什么要搞。其实一开始我也说不出个所以然，只是有个强烈的冲动，想做。

直到有一天我突然想明白了——我人生中最美好的阶段，是 2010 年前后，那是我的“五道口时代”。当时我刚毕业，同学们都往微软亚洲研究院、IBM 这种大厂跑，没人关心 Web 2.0。但我特别喜欢 Twitter、Facebook，觉得那种用户生成内容的东西太棒了。只是学校里没人玩，我一直挺孤独的。

但到了五道口之后，我立即遇到了同类——一群愿意从早十点干到晚十点、一周六天，把所有时间投入到自己真心喜欢的产品上的人。我们互相理解、互相鼓励，还能开眼界。

现在回头看，我做 AI Hacker House 也是为了给今天的年轻人、给像 2010 年的我和现在的你一样的人，创造一个“找到同类”的空间，不那么孤单。

👦🏻 晨然

挺类似的这种感觉。

👦🏻 Koji

好，又被我植入广告了。

👩🏻 Ronghui

晨然你给我的感觉就是特别的年轻意气风发。

👦🏻 晨然

有吗？我一直会担心，比如说很多嘉宾他们说的都比较言之有物。但说实话，去年我也是听播客才理解到创业者是在干嘛的。我就天天通过听播客给“反洗脑”自己，听一些创业者的故事，然后没想到我这个时候来上了一个播客。

保护创作欲：住在安静的地方，减少社交，戒电子设备，看书

👩🏻 Ronghui

你刚刚讲到“创作欲”，我特别好奇——你有刻意在做什么去保护它吗？比如说前面讲的多做 demo 可能是一种，那还有别的方式吗？

👦🏻 晨然

这个问题我真的思考了很久。可以说是这几年最反复思考的事。我创作欲最强的时候其实是在大学，当时拍片、写东西、折腾频道。但从毕业开始它就慢慢消失了，我不知道为什么，也一直没能找回来。明明知道自己还有表达的欲望，但就是差了一点力气、一个契机。

现在我开始用一些很物理的方式来“保护”它。比如我搬去了浦东，住得安静一点。不是不社交，但我觉得社交应该是“主动发生”的，不是“必须发生”。再比如我开始“戒设备”。我有个手机锁，会把手机真的锁起来。我刷视频刷到腻，甚至觉得抖音是毒瘤，我就不想再被它绑架了。取而代之，我开始读书。读书真的很管用，它会让你静下来，也能给你新的输入。

我是那种必须有很多输入，才能有输出的人。现在可能就是一个蓄能阶段。但说实话，我还没完全找到自己的那个“创作点”。我现在脑子里有很多 idea，但都只有三成模样，没法落地。我创作欲最强的时候，往往是情绪特别饱满的时候。尤其是痛苦。前几天我坐高铁的时候就突然情绪上来了，莫名其妙开始哭，一路都在哭。但那种哭特别舒服，就像终于找到自己的某个情感通道了。以前我拍片，也是因为某个阶段太痛了，我就想把那种痛传达出去。对我来说，那就是创作。

👩🏻 Ronghui

我觉得这完全不诡异。你看很多艺术家、电影人、作家，他们最巅峰的创作期，往往都不是最快乐的时候。

👦🏻 Koji

好呀，今天真的谢谢晨然。我们聊了 Medeo，也聊了你们团队那些“反主流”的做事方式。我自己也很受启发。后半段关于你自己的那部分，我觉得也能给不少人一些力量。我们说了创作、说了成长、说了生活状态。我相信这期播客，不光是好听，也会让很多人有所触动。我们谢谢你的时间，也期待你再来十字路口。拜拜。

👩🏻 Ronghui

拜拜。

👦🏻 晨然

拜拜。

参考资料

[1]Medeo: https://www.medeo.app/

[2]「Medeo视频示例」: https://x.com/huangyun_122/status/1924166263926132884

[3]AI 遗嘱: https://pagen.so/page/qnbud4m04yiwqj

[4]How to Do Great Work: https://paulgraham.com/greatwork.html

文章来自于“十字路口Crossing”，作者“十字路口”。