先发布后打磨

核心论断：AI 产品的属性是涌现的（emergent），发布前不可知——发布之前你不知道该打磨什么。传统产品发布时"你知道它能干什么，只是不知道人们喜不喜欢"；AI 产品连"它能干什么"都要靠发布后观察。因此：

1. 先发糙的，严格好于不拿反馈：model chooser（巨型下拉框，"任何传统好产品的反模式"）照发；Code Interpreter 未打磨就发布，靠真实用例才知道该往哪优化（后来成为 Data Analysis）。有大量流程/习得行为的公司会说"我们有质量门槛"；从第一性原理看，"发出去很丢人，但严格好于拿不到你要的反馈"。
2. 发布是通往卓越路上的一个点，不是终点："shipping is just one point on the journey towards awesomeness"——要刻意选择这个点，且必须 follow through：一旦知道人们在做什么，就没有借口不打磨（ChatGPT 后来专门整季度清理 UI）。
3. 无 waitlist 全量发布 = 公共共享发现：ChatGPT 不设 waitlist（因为怕系统撑不住而争论过）意外成为关键决策——所有人同时上手，用户互相围观用例（TikTok 爆款帖评论区有上千条用例，Nick 逐条读），产品在"产品外"完成了用例教育。横向产品因此跳过 empty box 问题：对比 Airtable 必须自建模板体系慢慢教育，ChatGPT 更像 Instant Pot——网上自发的菜谱生态替它完成了教育。
4. 规模化倾听的基础设施：早期 Nick 排满一周 15 分钟一场的用户访谈，但"能预测下一个人说什么就停"的老经验失效了——新东西源源不断；于是先建数据科学团队（早于产品团队），用对话分类器在不读原文的前提下看清用例分布。定性（共情）+定量（分类器）并用。