本文来自 Kuse CPO Adrian 的分享，他从产品设计角度认为，互联网产品是报纸，AI 产品是一间办公室。我之前详细介绍过 Kuse《》。
引言：
在设计 AI 产品时，产品经理首先要面对的，往往不是具体场景、模型能力或交互形式，而是一个更基础的问题：设计对象已经发生了变化。
在互联网时代，产品的设计对象是信息。产品所要解决的，是信息如何被生产、组织、分发与消费，因此产品形态最终收敛为各类信息容器。
而在 AI 时代，产品开始直接承载生产力。问题不再是“信息如何呈现”，而是AI 的生产能力如何被组织、被调用、被持续地使用。
当设计对象发生变化，原有的产品方法论与结构假设，也随之开始失效。如果用一个直观的类比来概括这种转变：互联网产品像一份报纸，AI 产品更像一间办公室。这是设计对象、产品结构与价值闭环的整体转移。
互联网产品的设计对象是信息
互联网解决的是信息问题：信息如何被生产、组织、分发与消费。
因此，互联网产品的设计对象一开始就很明确——信息。
产品经理的工作，本质是在设计贴合场景的信息容器：信息放在哪儿，如何被组织、分发，又如何被用户持续地消费。
信息容器经历了清晰的三个阶段：
换言之，设计互联网产品，本质上始终是在设计一张报纸。 报纸的形态在变化，但设计对象始终是信息，设计范式也始终围绕信息容器展开。
AI 产品的设计对象是生产力
AI 的出现，并不只是让内容生成得更快，而是把一股可被调用的生产力，直接嵌入产品内部——参与拆任务、选择路径、推进执行、检查结果。在这样的前提下，产品经理开始面对一个全新问题：
如何设计一个能够承载、调度并约束这股生产力的工作容器。
这，正是 AI 产品与互联网产品之间最根本的差异。类似的，工作容器也经历了阶段性演进：
分水岭不在于“有没有 AI”，而在于容器是否为 AI 生产力而设计。那么,什么样的容器才能真正承载 AI 的生产力？要回答这个问题,需要分别理解人类的工作方式和 AI 的工作方式，以及两者如何在同一结构中协作。
文件系统，一种人和 AI 双向奔赴的工作容器
为什么文件系统适合人类工作
人类工作的本质并不是产出一次性结果，而是将事物从历史状态推进到目标状态的连续过程。每一次推进，都发生在约束之下：既要向目标靠近，也要付出真实的成本。
1. 状态的时空结构
任何一个工作状态，都同时存在于时间和空间两个维度中。
在时间维度上，它继承历史、处在当下，并指向下一步；
在空间维度上，它作用于具体对象，存在明确的范围、粒度与成本。
因此，如果工作要能够被持续推进，状态就必须被稳定地表达、获取与操作。
2. 文件：状态的最小表达
文件承担的不仅是“内容存储”，也是状态表达。
- 历史文档，表达已经发生的状态；
- 当前产出文件，表达正在推进的状态；
- 目标或策略文档，表达期望抵达的状态。
文件让状态变得可见、可继承、可操作。
3. 文件夹：状态的管理与推进容器
文件夹不只是为了整理文件，更重要的是为了管理一次工作的完整上下文。
一个文件夹中并列的历史、当前与目标文件，共同定义了一项工作的范围、来源与下一步。
它们不再是孤立内容，而是一项工作的连续状态。
这并不意味着文件系统是状态推进的唯一方式，但在长期实践中，它以一种极其稳定的形式，成为了自计算机诞生以来，人类组织与推进工作的通用选择之一。
为什么文件系统适合 AI 工作
在理解了人类工作的状态结构后，再来看 AI 的工作方式，会发现一个相似但更受约束的逻辑。
1. AI 的工作方式：token 与上下文
从底层看，无论是生成文本、编写代码，还是制定计划， 模型所做的事情始终一致：
在给定的上下文中，根据已有的 token，预测并生成下一个 token。
所谓“产出”，本质上是一组 预测 token 的组合。因此，产出是否符合预期，并不只取决于模型是否足够“聪明”，更取决于——在生成之前，模型已经被哪些 token 所约束。
这些上下文 token，决定了三件关键的事情：
目标是否明确，粒度是否受控，范围是否清晰。
2. 上下文的结构限制：一次性窗口
然而，上下文本身存在一个根本限制。它并不是一个持续存在的工作空间，而是一次性的计算窗口。
这意味着每一次计算开始之前，系统都必须为 AI 重新构建一份合适的上下文。
3. 上下文的经济约束：token 成本
与此同时，上下文还是一项成本资源。上下文中的每一个 token，都会直接参与推理计算。token 数量越多，计算成本与延迟越高。因此，AI 产品设计的关键不在于“如何给模型更多信息”，
而在于：如何在有限的 token 预算内，为当前任务构建最小但充分的上下文。
4. 文件系统：上下文的外部状态空间
当工作状态被稳定地保存在外部系统中时，上下文便不再需要一次性完整加载。
系统可以围绕具体任务，从外部状态中按需选择、裁剪与组合相关信息，为 AI 构建恰好合适的上下文。
文件系统，正是这样一种外部状态空间。文件与文件夹并非零散信息的堆积，而是围绕具体工作逐步沉淀下来的状态表达。
它们具备明确的对象边界，界定清晰的工作范围，并允许历史状态与当前状态同时被读取。
5. 已被验证的结构：coding 产品
这种结构优势，在 coding 产品中已被验证。软件产品的推进是通过持续维护和演进一组明确的代码文件完成的。每一次修改都会被写入文件系统，下一次工作又从这些状态继续推进。
AI 能够在编程领域展现出持续、可控的生产力，并非因为它在这一领域更“智能”，而是因为代码天然存在于一个高度结构化、可演进的文件系统之中。
6. 文件系统如何放大 AI 生产力
回到 AI 的工作本质可以发现：文件系统并没有放大 AI 的智能。
它放大的，是——AI 交付物符合预期的概率，以及工作能够连续推进的可能性。
正因如此，这种设计并不会随着模型能力的提升而被“吃掉”。
模型负责变强，文件系统负责让这种强度持续、经济、并且稳定地落在正确的位置上。
当人和 AI 在同一文件系统中协作时
当文件系统同时满足了人类对工作状态的表达需求， 也满足了 AI 构建上下文、持续交付的结构与成本约束，人和 AI 的协作方式开始发生变化。
1. 从指令往返，到状态接力
协作不再主要发生在对话层，而是围绕工作状态本身展开。
文件成为人和 AI 的共同工作对象，文件夹界定双方共享的工作边界。
人通过调整目标与约束文件来改变方向，AI 则基于已有状态持续推进执行。
协作由此从“指令往返”，转变为一种围绕状态的接力：人负责判断与校验，AI 负责执行与推进。
2. 从一次性交付，到可演进的工作资产
当 AI 的产出被稳定地写入文件系统，结果的性质也随之发生改变。
产出不再是一次性的内容，而成为可以被继承、修改和再利用的工作状态。
历史文件记录已经完成的部分，当前文件承载正在推进的工作，目标文件指向期望抵达的方向。
工作由此形成连续轨迹，而不是零散结果的堆叠。
3. 从运转惯性到系统潜力
在这样的结构下，系统开始显现出一种运转惯性和潜力。工作不再完全依赖高频人工介入，而是在既定状态与约束下持续向前。
人定义目标、处理例外，AI 在范围内推进执行，文件系统沉淀过程与资产。就像“一间会自运转的办公室”，并不是因为 AI 取代了人，而是因为——工作被放置在了一个可以被人和 AI 共同推进的结构之中。
总结
从互联网到 AI，产品设计的核心正在从“信息如何呈现”，转向“生产力如何被组织”。当工作被理解为状态的持续推进，产品的关键不再是入口或交互，而是能否承载这种推进。
文件系统并非一种偏好，而是在当前技术与成本约束下，使人和 AI 协作成为可能的合理结构。它所描述的不是功能形态，而是AI 能否被组织吸收为生产力的一次设计判断。
End！
加入 MemoPro会员，获取更多趋势信号
Memo: Signal, not noise!
订阅 Memo Pro
Memo（vcsmemo.com）是一个基于付费订阅模式的创投内容平台，已得到大量 VC、企业 CEO 以及高管的支持，我们希望帮助你捕捉最具价值的行业信号、过滤噪音（Signal,Not Noise）。
订阅 Memo Pro
你将获得：
1.解锁未来一年以及之前的所有会员专属内容
2.邮件订阅功能：付费内容+最新行业快讯+...
3.优先体验 Memo 新产品和新功能
限时 799 元/年（原价 999 元/年），扫码立即订阅
1.
2.
3.
热门跟贴