本期邀请到了@莱纳德陈，一名在外资银行工作的产品经理。

他在纽约大学读完商业数据硕士，曾经做过说唱、打过橄榄球，也运营过潮流媒体。最近，他又多了一个新的身份：AI Coding 创作者。

莱纳德用 AI 做出的第一款产品叫 TypeMeow，中文名是「太妙」。

这是一款运行在 Mac 上的语音输入工具。用户可以使用 AirPods 轻按耳机柄，就能完成录音、语音转文字、自动输入，以及确认或取消执行等操作。

从产生想法到跑通第一个 MVP，他只用了大约一个小时。

不过，这次经历真正带给他的，并不只是一个可以使用的小工具。

在做产品的过程中，他也逐渐意识到：AI 可以快速完成代码和功能，但无法替人发现问题、判断体验，更不能决定产品最终应该变成什么样子。

从每天使用的 AirPods 开始

TypeMeow 的想法，来自莱纳德在小红书上看到的一种工作方式。

当时，不少创作者开始使用大疆 Mic Mini，再搭配一个小键盘，通过口述的方式输入提示词。

麦克风负责录音，小键盘则用来开始、确认和取消操作。

莱纳德看到之后，马上联想到了自己每天都在使用的 AirPods。

AirPods 本身具备录音能力，耳机柄也支持手势操作。既然如此，为什么不能直接用它完成语音输入和操作确认？

这个想法并不宏大。

它只是来自一个非常具体的使用场景：人们正在越来越频繁地与 AI 对话，但每次仍然需要回到鼠标和键盘前完成操作，可是 Mac 电脑并不支持直接使用 AirPods 做为语音输入源。

莱纳德决定把这个想法做出来。

一个周末，他开始了 TypeMeow 的开发。

这也是他认为普通人寻找 AI Coding 项目的一种有效方式：

不用花时间去找到一个有大量用户的事情，也不用去刻意创造出从未存在过的需求。很多值得解决的问题，就藏在每天重复的动作里。

当一个人不断觉得某个过程麻烦，或者认为某件事本来可以更简单时，一个产品的起点可能就已经出现了。

一个小时，跑通第一个 MVP

TypeMeow 的第一个 MVP，大约只用了一个小时。

莱纳德将这种速度归因于两个点。

一是，现在的 AI Agent 已经具备了很强的执行能力。很多过去需要开发团队花时间理解、拆解和实现的需求，现在只要表达清楚，AI 就可以迅速开始工作。

二是，莱纳德在开始开发之前，就已经很清楚地知道了要解决的真实问题是什么。

而且第一个版本的核心非常简单：通过拿到使用耳机完成的录音，再将语音实时转换成文字，最后利用耳机手势完成确认和取消。

莱纳德在正式开发前，还使用了 Superpowers 这样的 Skill，帮助自己继续梳理和优化文档，以便能将想法清晰地转达给 AI 。当描述的足够明确时，AI 的执行效率非常高。

当第一个版本跑通后，使用的体验令他觉得这款产品是可以继续做下去的。

他说，对于第一次尝试 AI Coding 的人来说，这种早期的成功反馈尤其重要。

一个产品不需要从完整的账号体系、复杂的界面和商业模式开始。先让最核心的流程真正运行起来，哪怕界面很粗糙，哪怕暂时只有自己使用，一个模糊的想法也会立刻变得具体。

AI 很能干，也很不靠谱

在开发 TypeMeow 的过程中，AI 最让莱纳德惊讶的地方和最让他头疼的地方，都出现在界面与交互上。

AI 很能干的一面，是迅速实现了流式语音识别。

所谓流式识别，就是用户一边说话，文字一边实时出现在屏幕上，而不是等整段话说完之后，再一次 性返回结果。

为了实现这个功能，莱纳德只向 AI 提出了「流式识别」的概念，AI 就很快完成了后续的技术实现。

过去，产品经理提出一个概念后，通常还需要解释需求、确认技术方案，再等待开发和测试。现在，AI 已经可以直接理解很多产品和技术概念，并快速把它变成可以运行的功能。

但到了审美和体验判断上，AI 的表现就没有这么稳定了。

TypeMeow 的主体形象是一只像素小猫。

在空闲、录音和语音转文字三种状态下，小猫会展示不同的动画。

这个看起来并不复杂的细节，却耗费了莱纳德很长时间。

AI 可以按照要求生成图片和动画，却很难判断什么样的形象是自然的，什么样的动作是好看的，以及不同状态之间是否具有统一的视觉语言。

为了做好这几套动画，莱纳德进行了大量调试，也使用了不少 AI 之外的资源，才得到了一版满意的方案。

一句「喵喵喵」，让产品变得可爱

TypeMeow 里，莱纳德最满意的细节，是结束录音的方式。

人在口述一段内容时，经常会突然停顿，或者说到一半需要重新组织语言。

如果这时必须重新操作鼠标或键盘，整个口述过程就会被打断。

既然输入是通过语音完成的，那么结束录音，最好也可以通过语音完成。

但暂停、结束、停止录音、这样的口令，听起来又过于机械。

因为产品的主体形象是一只小猫，莱纳德最后将结束口令设计成了：喵喵喵。

当用户说出这三个字时，录音会自动停止，并把「喵」字之前的内容填入当前输入框。

用户也可以将这个结束口令修改成其他自己喜欢的短语。

这个功能并不复杂，却让产品的形象、功能和交互建立了完整的联系。

TypeMeow 不再只是一个完成语音输入的效率工具，也开始拥有自己的性格。

这种细节，仍然是来自莱纳德自己的观察和审美。

AI 不会主动发现用户真正的问题

在开发过程中，莱纳德还遇到了一个 AI 不会主动提出的问题：

当 AirPods 正在被 TypeMeow 用来输入文字时，用户原本正在播放的音乐应该放在哪里？

AirPods 最常见的用途之一就是听音乐。

如果一款新工具占用了耳机，却完全忽略了用户原来的使用习惯，那么即使核心功能可以运行，产品体验也可能是不完整的。

最后，莱纳德在 TypeMeow 的顶部操作区域里增加了一个媒体控制组件。

当鼠标移动到 Mac 顶部时，用户可以唤起操作界面，控制 Apple Music、Spotify 等主流音乐软件。

组件的背景颜色，还会跟随当前播放的音乐发生变化。

这个功能让莱纳德清楚地意识到：

产品之所以存在，不是因为 AI 主动发现了需求，而是因为人观察到了问题，并设计出解决的方式，产品的第一责任人仍然是自己。

用户在什么场景下使用产品，功能之间会不会发生冲突，什么样的体验才算自然，这些问题仍然需要自己来回答。

AI 写出来的功能，也可能应该被删掉

AI 生成的代码能够运行，并不意味着功能真的好用。

TypeMeow 曾经出现过录音过早结束的问题。

为了解决这个问题，AI 对录音触发和结束的检测阈值进行了一系列修改。

从代码逻辑和解释上看，这些修改似乎都很合理。但放进真实的使用环境后，产品的稳定性反而变得更差。

莱纳德最后只能重新站在用户角度排查问题，并把检测阈值固定在一个更加合理的数值。

这是 AI Coding 中很容易被忽略的问题。

AI 不仅能快速生成方案，还能给出一套听起来非常完整的解释，让人误以为问题已经得到解决。

但真是的产品并不运行在 AI 给出的解释里面。

只要真实的体验变差了，不管代码写得多漂亮、逻辑听起来多合理，都应该重新修改，甚至直接删除。

普通人做 AI 产品，先解决自己的问题

对于想要尝试 AI Coding 的普通人，莱纳德的建议非常直接：

先解决自己的问题，不要去做一个连自己都没有需要的功能。

当真正解决了自己的问题，即使产品最终没有获得大量用户，它依然可以创造出价值。

它可能节省了时间，减少了重复操作，或者让某个原本麻烦的过程变得更加简单。

哪怕只有创造者自己在使用，这款产品也真实地改善了他的工作和生活。

自己的问题，往往也是自己最了解的问题。

创作者知道问题发生在什么场景，也知道过去的方法为什么不好用，更知道什么样的结果才算真正解决。

这些来自真实生活的经验，恰恰是 AI 所无法触及的部分。

过去，一个人可能会因为不会编程、找不到开发人员，或者认为开发成本太高，只能放弃这些小想法。

现在，AI Coding 正在降低把想法变成产品的门槛。

普通人不需要先掌握完整的编程知识，也不需要一开始就设计一个庞大的商业项目。

可以先观察自己的生活，找到其中一个足够具体的问题，再让 AI 帮助自己做出第一个版本。

TypeMeow 的起点，只是一个很小的困惑，每天都在佩戴的 AirPods，为什么就不能拿来解决输入的问题？

很多产品的开始，可能都是这样一个不起眼的问题。

AI Coding 真正改变的，是普通人终于能够有机会亲手把想要的给做出来。

🔚

如果你对AI Coding感兴趣，可以扫下面二维码可以加我好友，一起交流。