AI开发神器让领域专家也能轻松“手搓”产品，但AI的无所不能可能掩盖方案缺陷。本文以营养记录工具为例，揭示从“智能冰箱”到“饮食记录”的两次关键转向，探讨如何避免功能堆砌、回归用户本质需求，为AI产品开发提供清醒思路。

自从Vibe coding的概念风靡以来，我们身边很多优秀的领域专家，都开始兴致勃勃地开始下场“手搓”自己的AI产品，但AI越能实现，我们越需要警惕：它同样可以把一个没有想清楚的方案，做得非常完整、非常像真的。

这是我们“用AI做App之前”系列的上篇。我们先从一个饮食记录的工具说起，聊聊在让AI动手前，如何判断什么值得做，以及哪些看似强大的功能反而应该放弃。

一、让AI实现想法，看似很“完美”

如果你是某个行业或者某个领域的专业人士，也许你已经在平时的工作中、生活中积累了很多想法。

你可能比较了解某个领域的问题，也知道能做什么工具能够带来改变。以前“想法”只是“想法”，但是现在有了AI，你可以让它去帮你做研究、生成页面、甚至做出一个可点击、可交互的页面。

原本就优秀又有想法的你，可不得兴奋得大干一场。

但是要注意的是，AI 可能会把你自己一个“自嗨”的方案，也能够“像模像样”地做出来。

这篇文章，就想和你聊一聊，当有了AI这样的开发神器时，到底如何找出“值得做”的产品方向。

我们就以自己开发“营养记录工具” 来举例，，大家可以下载体验。这是一款用于帮助人们培养饮食多样性习惯的AI工具。但是，它的灵感来源，其实并不是一日三餐的记录。

二、起初，我们以为自己需要的是一个更聪明的冰箱

这个想法最初来自一个很普通的生活场景。

我们发现在整理冰箱时，看似塞得满满当当，但买来买去总是相似的几种菜，不仅仅经常发愁“怎么吃来吃去都只是这些菜”，其实也不利于自己和家人在饮食方面的多样性。

和其他朋友唠嗑时，发现也有类似的烦恼，大家都需要考虑一大家子的饮食，但是平时工作很忙，每周就周末那点时间匆匆忙忙地进行家庭采购，哪有这闲工夫去回顾这一周买的食物到底符不符合营养均衡的要求。

聊罢，我们一群35-45岁的牛马齐声叹息：怎么人到中年，连养生这点事，都变得有心无力了呢。

然后，我们一拍脑袋，突然有了灵感：我们虽然忙，但是可以让AI帮忙呀。可以用AI做一个工具，帮我记住冰箱里有什么，再根据膳食要求，告诉我下一次还需要买什么。

现在AI既能做到图片识别，也能有营养学的领域知识，帮我们把冰箱管理做得更智能，应该不在话下吧。

说干就干，我们开始着手去做类似“智能冰箱管家”的产品了。

三、别让AI的“无所不能”影响你对产品的判断

但是最终我们的产品和冰箱管理毫无关联。原因无他，我们在设计过程中有两次重要的转向。

我们最初设想的产品流程是这样的：买菜时扫描商品，系统自动完成入库；做饭或吃完后，再从库存里扣除。积累一段时间后，系统就能分析这一周消耗了哪些食物、哪些品类还没有购买，并据此生成下一次的采购建议。

这个思路听起来相当完美，AI也让所有想法变得可行：它可以识别商品、整理食材、分析品类、推荐菜谱，还能生成一份看起来很专业的营养报告。

但是在推演Demo的过程中，我们就发现了两个问题：

第一，“入库”的工作量还好，可以通过扫码或者拍照识别；但是“消耗”，也就是消耗食物的记录实在是太考验使用者的意志力了。

每次拿库存都要再次做记录，比如吃了多少肉、多少蔬菜等，这让每天本不富裕的做饭时间就更加雪上加霜，实在很难坚持。

第二，更致命的问题来了。我们发现，仅做冰箱记录并不能满足我们对饮食营养记录的需求。是啊，谁家每周不点几次外卖或者外出就餐呢。因此，我们发现，单靠冰箱记录，压根就不完整。

毕竟，抽丝剥茧看本质：当代中年牛马真正关心的其实是“我吃了什么”，而不是“冰箱里有什么”。

最终，改为记录一日三餐的饮食摄入。这也就是目前你能看到的我们产品的雏形。

在这个过程中，我们扪心自问，我们也不是第一天做产品的小白了，为什么会一开始会拍脑袋出来“购买输入 – 库存消耗 – 消耗计算 – 营养建议”如此复杂的流程。

反思之后，我们发现，恰恰是因为我们对于AI认知潜移默化地影响了判断，因为我们知道AI拓宽了功能实现的边界，它显得如此无所不能，既能识别、又能记录；既能计算，又能分析。

我们下意识地想把这些功能一股脑儿地“打包”进产品。

这个恰恰是AI产品开发的大忌。

AI现在的功能固然能满足你大包大揽的需求，但是，产品设计时，还是要抓住核心关键问题，不要把功能弄得过于复杂，而是要思考，现在的功能、流程是否能解决你产品所需要解决的关键问题。

四、更“专业”还是更“实用”，这是个问题

冰箱记录的想法中道崩殂，于是我们回归核心：改为记录一日三餐吃了啥。

不过我们又碰到了第二个争议，就是：我们要让用户输入/AI识别每一种食物摄入的份量吗？

例如，用户这一顿吃了三文鱼，如果没有记录克数，那只能记录他一周吃过一次深海鱼，后续无法给出更专业的营养分析（比如：热量摄入、营养素的摄入等）。

如果记录克数，那就要涉及到如何估算了。我们尝试过让不同的AI模型识别食物并估算分量，只有部分模型可以给出看起来不错的结果；如果AI判断不准，只能要求用户称重、估算、确认或者手动修改。这样一个原本就是期待减轻记录的工具，又开始要求用户完成越来越多的工作。

所以，我们必须在两个方向之间作出选择。

一个方向，是做专业营养诊断工具。它需要更加精确的食物和分量的数据，当然他也能提供更全面的营养分析，比如热量、蛋白质、碳水、微量元素等等。

另一个方向，是做轻量的饮食习惯工具。它不试图告诉用户身体缺少哪一种营养素，只帮助用户看见：这一周吃过哪些食物，哪些类别出现得比较少，下一顿饭可以有意识地补充什么。

我们选择了后者。

并不是因为专业分析不重要，而是回到我们最初的目标：“想让自己在饮食上吃得更多元”，那么精确分量带来的增量价值，并不足以抵消它增加的记录和纠错成本。

这一点也是在做AI产品中要注意的另一个问题：不要因为自己的专业知识，而把问题搞得复杂化。

我们看到很多目前在做AI产品的伙伴，都是各领域的精英，因此大家对于产品的专业性往往都是高标准、严要求。但是，高要求的专业性往往会带来使用和理解上的复杂性，反而会让用户无所适从。

因此，我们需要注意到“专业人士”的视角偏差，还是回到本质：我们的用户是谁？他们到底需要什么？

如无需要，勿增实体。

五、我们真正需要的是一个记录和提醒的工具

经过两次方向调整，我们产品的定位才逐渐清楚。

它服务的不是需要疾病管理或严格控制热量的人，而是那些能够自主决定大部分饮食、开始关注健康的忙碌成年人。

用户吃过一种食物，就做一次轻量记录。系统将食物归入不同类别，并以一周为周期呈现品类覆盖和出现频次。

到了周中，用户可以看看前几天很少吃什么。接下来买菜或点外卖时，不必再次面对“世界上所有可以吃的东西”，只需要从尚未充分覆盖的类别中选择。

到了周末，再回顾这一周的饮食，为下一周提供参考。

它能够快速帮助我们做出“下一顿吃什么”的决策，不需要我们花时间在努力回忆“最近吃了啥，还有什么没吃”，就已经达到目标了。

结语：AI产品的第一步，在AI之外

回头看这个营养记录工具的变化，我们先后做了两次减法：

• 从记录冰箱库存，转向记录用户实际吃了什么；
• 从追求精确的营养诊断，转向低负担的记录和提醒。

但方向收窄之后，一个更具体的问题随之出现：

我们说要帮助用户“吃得更丰富”，那么“丰富”究竟应该怎样定义？

所以，我们没有马上进入正式开发。

这一次，我们让AI先停下来，不要做页面、写代码，而是先去研究。

在下篇中，我们会继续分享：如何让AI帮我们把产品内的专业问题定义得更清楚。