AI产品效用三要素方程

Three Part AI Product Utility Equation · three-part-ai-product-utility-equation--mike-krieger

解决什么问题

判断一个 AI 产品为什么好用、或者哪里做得不够,容易只盯着"模型强不强"这一个维度。这个框架把 AI 产品的价值拆成三个独立变量,帮你定位真正的短板在哪一层。

核心内容

作者自称是"非研究员的土办法公式",但用来判断 AI 产品实用性很有效,分三部分,三者都要具备才能形成一个真正有用的产品:

模型智能(model intelligence):模型本身的推理/生成能力,这一层主要靠研究团队推进。
上下文与记忆(context and memory):模型能不能拿到"正确的信息"。作者举例:同样问"Anthropic 的产品策略是什么",如果只让模型上网搜,答案质量和"给它内部若干份文档,再用 MCP 连上 Slack 看正在发生的讨论,再去 Google Drive 翻具体文档"完全是两个量级——对不对上下文,是好答案和坏答案之间的全部差别。MCP 要解决的正是这一层。
应用与交互界面(applications and UI):上述能力能不能被发现、组合成可重复的工作流。这里仍需要设计介入,因为模型不一定有好的 UI 品味。

作者补充一个具体判断标准:"overhang"(能力与实际使用之间的落差)——他在一次金融服务客户演示中看到对方眼睛一亮的反应,意识到模型和产品能做的事,和客户日常真正用到的事之间存在巨大 gap,这正是"应用/UI"这一层没做够的信号。

适用边界

这个框架是定性诊断工具,不是量化模型;作者自己强调这是"fake equation"而非严谨的研究结论。
三层里"context and memory"这一层高度依赖 MCP 这类协议基础设施是否完善,在协议/生态不成熟的环境下,即便模型和 UI 都不错,产品体验仍可能受限。

关键引述 · 原话

Mike Krieger: "For utility of AI products, it's three part. One is model intelligence, the second part is context and memory, and the third part is applications and UI and you need all three of those to converge to actually be a useful product."

— Mike Krieger

关联卡片

MCP 互补品商品化战略

- 与 `mcp-commoditize-complements-strategy--mike-krieger` 直接相关:MCP 正是用来补齐"context and memory"这一层的具体协议方案。

出处：Mike Krieger (Anthropic CPO, Instagram 联合创始人) · 03-podcasts/mike-krieger.md
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast（2019–2026）。本站为个人学习用途的二次创作，与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2