问题识别与结构化判断
找到真实摩擦,拆清业务约束、使用习惯、成本与责任边界,再决定什么先做、什么不做。证据锚点:实体经营现场、野有风的产品边界与上架关卡
判断我把现实商业输入、结构化判断、AI 执行和证据沉淀连成一个系统。工具会变化,这套从现场到复用的循环会持续积累。
找到真实摩擦,拆清业务约束、使用习惯、成本与责任边界,再决定什么先做、什么不做。证据锚点:实体经营现场、野有风的产品边界与上架关卡
判断把模型、Agent 和工作流的复杂性留在内部,只把清楚的入口、反馈和下一步交给用户。证据锚点:BuzzTrans、TextOrbit、野有风
产品关注用户如何开始、如何理解、如何恢复,以及产品在真实设备和异常情况下是否仍然成立;也会主动判断哪些功能现在不该进入产品。证据锚点:首次引导、失败恢复、跨端 QA 与匿名测试
UX项目完成后,继续把验证过的方法整理成模板、Skill、Workflow 或开源资产,让下一次更快进入有效工作。证据锚点:Su MIT Index、Skill 与内容生产工作流
复利学习跟着目标发生。
外部变化出现 → 快速理解局势 → 调动能力解决问题 → 稳定后动力回落。
发现值得做的东西 → 为结果学习 → 做出真实版本 → 接受反馈 → 留下可复用资产。
这里同时展示可直接体验的产品、仍在验证的商业项目和可复用的开源资产;状态会明确标出,不把候选版写成已经上线。
一款解释 AI 行业术语的 macOS 小工具。内置 200 条常见词条,可离线使用;目前为 Beta,App Store 版本仍在准备中。
一款用于保存和快速取用常用文本的 macOS 工具。内容保存在本地,目前提供 Apple 芯片与 Intel 芯片内测版。
面向民宿和文旅商家,把店里的空房、活动和新鲜事整理成小红书文案。候选版已完成一轮实现与回归,当前等待企业小程序认证与真实环境闭环。
收录 6 个 MIT 开源项目,涵盖 AI 协作档案、Skill 管理和内容生产工作流,均可安装、复用或继续开发。
我通常从一条具体摩擦开始:谁被什么卡住、现在怎么处理、反复发生时成本有多高。看清之后,再决定它适合一段 Prompt、一条工作流、一个小工具,还是更完整的产品。
让现有产品进入更多真实使用场景,通过使用与反馈检验需求、体验和分发。发行与增长仍在积累,尚未形成稳定结果。
谁在什么时刻被卡住?现在怎么处理?反复发生时,成本有多高?
需要人判断的部分留给人,稳定、重复的部分再考虑自动化。
用户无需先懂模型或工作流,也能知道从哪里开始、下一步做什么。
原型只是开始,还要经过真实设备、现场试用和发行环节。
真实使用 → 失败样本 → 产品修正 → 方法沉淀 → 下一次更快、更准。
如果你正在做 AI 产品、梳理一条工作流程,或手上有一个已经做出来却不够好用的工具,可以把场景和卡点直接发给我。