类人推理LLM

方法：遇到 AI 产品设计难题时，问"一个处在同样情境的人会怎么做？"用它获得直觉和不同视角（Kevin 强调：不是说答案永远照抄人类行为，而是用等价人类做参照系）。

实战案例：

1. 推理模型的等待 UI：o 系列首次引入"模型要思考 20 秒"的范式。类比人：被问难题的人不会静音死机 20 秒（所以不能只挂个 spinner——annoying），也不会把每个念头都念出来（所以不该裸露全部 chain of thought），而是说"好问题……"然后边想边给简短更新——这正是最终 shipped 的方案。附带发现：deep research（25 分钟）反而好设计，用户会去干别的再回来；10-25 秒才是尴尬区间（等着嫌长、走开嫌短）
2. DeepSeek 对照迭代：最初只显示思考子标题；DeepSeek 展示全部思考过程后引发新鲜感，但他们判断在 4 亿用户规模下没人想看模型碎碎念 → 折中为每步 1-2 句有信息量的摘要
3. Ensemble = 头脑风暴：多个模型各自攻同一问题 + 一个模型整合所有输出再给最终答案，效果更好——正如人进会议室 brainstorm，因为别人想得和你不一样
4. 公司即 ensemble：一家公司本质上是一群"按大学所学和职业经历 fine-tune 过的模型"，按不同配置组合，整体输出优于任何个体
5. Prompt 的人类对应：角色框定有效（"你是世界最强品牌营销人，现在回答这个命名问题"）——正如给人设置框架/心态，答案会完全不同