借 AI 编程练产品直觉

AI product sense 的定义：能正确预判"什么对用户真正有影响"且"AI 技术上可行"的能力。具体表现如：看到"AI 忘事"的客服工单能识别出这是 context rot；看用户卡在某工作流里，能判断 agent memory 可以解决并知道如何重构体验。

核心主张：建立这种直觉最快的习惯，是把日常非技术工作（策略、优先级、决策、数据分析、写作）从消费级 UI（ChatGPT、Granola、Lovable）搬进 AI coding agent（Cursor、Claude Code）。原因：coding agent 透明地展示工作过程——你能读到 AI 的推理、检查每个 tool call、看着 context window 被填满。你会撞上工程师构建 AI 应用时遇到的同样的墙，自然长出自己的解法，进而能预判技术趋势而不是追赶它。

配套认知：

• Cursor 祛魅：Cursor = ChatGPT + 文本编辑器 + 文件管理器三合一，即"能碰你电脑上任何文件的 AI"。
• 与 ChatGPT Projects 的两个关键形态差异：(1) 每次会话拖入特定文件/文件夹（选择性上下文）；(2) AI 直接编辑你的文件（知识可被修改）。结果是产出沉淀在文档里、聊天线程变成一次性消耗品，知识库因每天被使用而持续更新；而 ChatGPT Projects 的产出留在长对话里，要手动搬回项目知识。
• 练习路径：在 Cursor 里搭一个极简 personal OS（Knowledge/ 笔记 + Tasks/ 任务 + GOALS.md + AGENTS.md 指令），当自己这个"AI 产品"的 PM，在日常使用中亲身体验 RAG、memory、context engineering。
• 分解习惯：任何惊艳的 AI 产品（自动打 75 分钟桌游的 agent、个性化年度总结、全权控制电脑的机器人）都可以问"我如何在 Cursor 里复现它？如果要在我电脑上 Wizard of Oz 式模拟，需要拼装哪些熟悉的零件？"——任何 AI 产品都能分解为"文本 + 工具 + 结果回流成更多文本"。
• 模型直觉：frontier LLM 只有少数几个，且对所有产品团队开放，创新在于怎么应用它们。养成对在乎的任务换模型重跑的习惯（包括偶尔用 Haiku/Flash/mini 级小模型感受速度、tool-calling 能力与个性），比看 benchmark 更能建立模型取舍直觉。