你居然拿着锤子找钉子！？

在 1997 年苹果全球开发者大会上，有程序员当众质疑乔布斯“不懂技术”，要求他解释 Java 或 OpenDoc 相关问题，并批评他“很多时候根本不知道自己在说什么”。

乔布斯当时喝了口水，沉思几秒，然后做出了非常经典的回复：“不能从技术出发，寻求将技术卖给用户，而应该从用户体验倒推需要什么技术”。

I’ve often found that you have to start with the customer experience and work backwards to the technology. You can’t start with the technology and try to figure out how to sell it.

I’ve made tons of the wrong mistakes doing it that way. And it’s brutal.

So when we think about Apple’s strategy and vision, we think about what incredible benefits we bring to the customer. What can we give the customer? Not: let’s sit down with a bunch of engineers and figure out what great technology we have, then how do we sell it.

很多人经常会拿着乔布斯的这段经典语录论证技术不是最重要的，进而批判拿着锤子找钉子的现象。然而，这种理解往往有些片面。

拿着锤子找钉子一定都是要被批判的吗？

当出现一把很强大很通用很灵活的锤子的时候，不去找钉子就是最大的浪费。你不去找，自然有人去找；你不去深入理解锤子，自然有人摸透这把锤子；你不去用，自然有人会用这把锤子跟你竞争。

在我看来，乔布斯并非贬低技术的重要性，而是强调技术应该服务于用户需求和使用场景，解决实际问题。苹果正是因为对技术的深度理解，将当世最好的软硬件技术整合起来，加上优秀的审美与品味，才创造出那些改变世界的创新产品。

乔布斯反对的是为了技术而技术，即先发明一项技术，再绞尽脑汁寻找其用途和潜在用户。这种模式下，技术脱离了实际需求，难以找到真正的市场痛点。这种做法本末倒置，将技术视为目的，而将用户需求当作手段。技术应该是实现用户价值的工具箱，而非最终目的。

但我们学工程的认为¹，技术是手段、是工具，核心是看你解决什么问题。所以我们首先要搞清楚问题是什么、要达到什么样的效果，然后去找工具。一个人对技术的理解越广，解题工具箱的工具越多，你就更能把它组装起来。这个过程还要理解好每个工具的边界，什么可以做到、什么不可能做到，一步步把不同能力组合起来。

而 AI 就是那个强大的工具箱，甚至超越工具，AI 会成为你的实习生、个人助手和工作伙伴，你不是在使用工具，而是在委托任务，并对 AI 交付的结果进行验收。

深度学习高歌猛进的这十几年，如果还认为现在的大语言模型只是一把 fancy 的锤子🔨，心态不够开放，因为技术还不够成熟而不去用这把锤子，不去实践与产品结合，那落后是迟早的事。

极左与极右都不可取。过度固守用户现有需求，忽视新技术带来的颠覆性可能，还有纯粹的技术驱动，不顾实际用户场景和痛点，盲目追求技术炫技都不可取。

当 LLM 这种技术出现后，很多已有的产品形态并不能很好的适配语言模型这种范式，那这时候怎么以用户体验为中心去倒推技术？其实用户自己也不知道要什么，很多人除了 chat 之外，也不知道该让用户体验什么。

乔布斯说过：“用户不知道自己想要什么，直到你拿出来给他们看。”

People don’t know what they want until you show it to them.

LLM 带来的很多体验是用户从未接触过的。

比如在汽车出现之前，人们只想着如何围绕马匹改进马鞍、优化马蹄铁，培育更快更有耐力的马，而无法想象把马拿掉换成内燃机。

诺基亚太成功了。在 iPhone 这样的全面屏加上 App 的新物种出现后，诺基亚的管理层还在认为手机只是通讯工具，而没意识到手机其实是个移动的微型电脑，能做的不仅仅是打电话，软件层面 iOS 加上 App Store 可以覆盖到娱乐、办公、社交、学习、支付等几乎所有生活与工作的数字场景。

新范式带来的新体验席卷一切之前用户可能根本不知道他们可以体验什么，因为这种体验是前所未有的。

LLM 的情况更加复杂，因为它直接涉及人类最核心的能力——语言和思维。这意味着它的潜在应用场景几乎是无限的，但同时也意味着现有的产品形态确实难以完全适配这种新范式。

现阶段的"拿着 LLM 找钉子"实际上是一个必需的探索过程。关键不在于一味地批判这种现象，嘲讽 LLM 太笨，而在于踊跃尝试，实践是检验真理的唯一标准，要在实践中思考范式的转变会带来什么，技术与社会的发展方向是什么。

这需要我们培养一种新的产品思维：既要保持对技术能力的敏感度，也要对用户的潜在需求保持开放态度。更重要的是，要认识到用户的需求本身也在技术的影响下发生变化。

真正成功的 LLM 应用往往不是简单地在现有产品上加一个 AI 功能，而是重新定义了交互方式和工作流程。

Andrej Karpathy 的帖子强调了软件设计的转变，他认为随着人工智能与人类的协作日益增强，拥有复杂且无法脚本化的用户界面（例如 Adobe 产品、CAD 工具）的软件面临过时的风险。

拥有大量滑块、开关、菜单等复杂图形界面的产品，如果没有脚本支持，且其内部使用不透明的自定义二进制格式构建，那么在人类与 AI 深度协作的时代，它们将“ngmi”（not gonna make it，撑不下去）。

根据文本/脚本集成程度，可以对软件的风险进行分类，集成开发环境（如 VS Code，Figma，Obsidian 和 Jupyter）因完全兼容文本而蓬勃发展，而依赖二进制的工具（如 Blender）则落后。

这挑战了传统用户界面依赖的现状。呼吁产品设计者不要只等 AI 学会点按钮、拖滑块，而应主动提供脚本接口、开放格式，让 AI 现在就能帮得上忙。

如果理解目前的 LLM 技术，就会知道基于文本，文件格式开放的产品会很容易接入 LLM。虽然 AI 的 UI/UX 操作能力（如 Operator 类项目）会越来越强，但如果有些产品只是坐等这个未来、而不愿意主动向当前的 AI 技术靠拢，那么它们的前景堪忧。

理解技术是为了更好地服务用户，解决问题，而不是为了炫耀技术。在 AI 产品开发中，这种区别变得更加重要，因为 LLM 的行为特性与传统软件有根本性差异。

传统软件的行为是确定性的：给定相同的输入，它总是产生相同的输出。这种可预测性让产品经理可以相对容易地设计用户体验，因为他们知道系统会如何响应。

但 LLM 引入了根本性的不确定性。同样的问题可能得到不同的回答，模型可能会产生看似合理但实际错误的内容，它的能力边界是模糊的。如果产品设计不深入理解这些特性，就很容易设计出让用户感到困惑或失望的体验。

阿曼·汗认为²，传统的产品是 “火车行驶在轨道上”，而 AI 产品是 “汽车行驶在开放道路中”，他把评估比作给 AI 产品 “考” 驾照，关键在于：

• 能否正确解读信号（用户需求），并对变化的环境做出适当反应？
• 在无法预测的情况下，是否可靠地给出正确答案？
• 能否始终遵循用户的要求，到达预定目的地，而不会偏离路线？

这里有一个关键的认知转变：在 AI 产品中，技术特性本身就是用户体验的重要组成部分。用户不仅要学会如何使用产品，还要学会如何与一个不确定性的智能体协作。这意味着产品设计师必须将技术的行为模式作为设计考量的核心要素。

可以通过几个具体例子来理解这一点。

当设计一个基于 LLM 的写作助手时，如果设计师不了解模型的输出不确定性，他们可能会设计一个简单的"生成内容"按钮。但了解技术特性的设计师会意识到，用户需要的不是一次性的内容生成，而是一个迭代改进的过程。因此，他们会设计多轮对话、内容调整、风格控制等功能。

不仅仅只有写作助手是这种思路，图片编辑和视频剪辑等内容媒介的创作一样如此。产品的设计应该考虑 “Human In the Loop”，即让用户处于工作流之中，对创作过程具有一定的控制力。

再比如，如果不了解 LLM 可能产生幻觉内容的特性，设计师可能会将 AI 助手定位为"权威信息源"。但深入理解技术的设计师会将其定位为"思维伙伴"或"创意协作者"，并在界面设计中融入验证机制和不确定性提示。

乔布斯时代的技术相对来说是"透明"的——用户不需要了解硬盘如何运转就能存储文件。但 AI 技术具有一种"半透明"的特性：用户不需要理解神经网络的数学原理，但需要理解 AI 的行为模式才能有效使用它。

这种变化要求产品设计师承担一种新的责任：不仅要隐藏技术复杂性，还要恰当地暴露技术特性。这是一个微妙的平衡。过度隐藏会让用户对 AI 的能力产生错误期待，过度暴露又会让产品变得难以使用。

很多时候不是锤子不行，而是没理解好锤子。

现在的锤子已经不是简单的聊天机器人了，当前我们处于下述 LLM 发展的 3.5 阶段，最终当 AI 这把锤子能交付价值的时候，如果你的理解还处于 1 跟 2 的话，那可能会有点麻烦。

拿着锤子找钉子的过程中，我们该如何平衡技术驱动与用户体验？

• 小步快跑，快速迭代，从最小可行产品（MVP）开始；
• 教育用户，引导用户；
• 从“痒点”开始，慢慢直击“痛点”；
• 从增强现有工作流开始，逐步走向创造全新工作流；
• 关注人机协作的范式，以及 LLM 前沿即使的发展方向。

如何用好这个新锤子进行快速构建？推荐吴恩达老师以下 3 封来信：

• https://mp.weixin.qq.com/s/BKpD3YkEzV2-N_C_tZkouQ
• https://mp.weixin.qq.com/s/h6gmoESOuy0EPx0fI9t1yA
• https://mp.weixin.qq.com/s/UACE1ws1QNrmB5Qjjw2B6A

欢迎关注微信公众号👏

欢迎微信扫码加入我的付费知识星球👏