有了 AI,还有什么值得做?我从三十多个产品里找到的新需求

有了 AI 之后，新产品出现的速度快得惊人。

据应用数据公司 Appfigures 统计，2026 年第一季度，苹果 App Store 和 Google Play 新上架的应用比去年同期多了 60%，只看 App Store 多了 80%。

报道这组数据的 TechCrunch 推测，Claude Code、Replit 这类 AI 编程工具让更多人能自己做出应用。

产品这么多，很多人可能觉得已经没什么可做了。我的看法正好相反：值得做的新生意一直都有，而且有很多正是因为 AI 的介入才出现的。

最近一周，我读了三十多个 AI 产品的拆解，发现这些新生意大多来自三个变化。

第一，不会写代码的人也能自己做产品了，把这群人服务好，本身就能带来新生意。

第二，AI 让建造变快了，建造变快又带出了一批新需求。

第三，做产品的从人变成了 AI，用产品的也从人变成了 AI，围绕这些 AI 用户，又出现了一批新生意。

下面拆一下，出现了哪些新需求，已有的产品又该怎么适应。

01｜拆解Agent的干活过程 ，成了一门生意

大部分人用 Agent（能自己调用工具、一步步把事办完的 AI 助手），先看结果有没有办成。

等产品上线、用的人多了，过程就和结果一样重要：调了哪些工具、调了几次，有没有原地打转，一次任务花了多少钱，这些直接决定稳不稳、赚不赚钱。大公司有专门团队管这些；更多产品出自小团队，甚至是不懂技术的人，过程和成本往往没人管。所以有人专门做这部分生意。

把过程从黑盒变成白盒，代表产品是 Raindrop。

它 2025 年 12 月拿到 Lightspeed 领投的 1500 万美元种子轮，今年 9 月又完成 A 轮，累计融资 5000 万美元，客户包括 Replit、Vercel 和 Clay。

它给已经把 Agent 上线的团队用。Agent 出错很多时候没有报错，用户也不一定反馈，团队很难发现问题。Raindrop 把每一轮对话、每一次工具调用都记下来，出了问题能看到错在哪一步；在大量记录里自动找规律，把反复出现的失败归成一个问题提醒团队；团队改了 Agent，上线前它先用真实线上流量回放一遍，看这次改动会不会带来新问题。

它按 Agent 处理的消息量收费，客户用得越多，它收得越多。

另一类是管成本的 Navige。它帮已经上线的 Agent 省模型费用。

联合创始人举过一个例子：一个 AI 产品每月收用户 30 美元，这个用户烧掉的模型钱可能比 30 美元还多，而且往往要等账单来了才知道。

Navige 处在 Agent 和大模型中间那一层。简单请求交给便宜的小模型，重复读过的内容直接复用，工具返回的大段结果先压缩再送给模型，还能设预算、拦住原地打转。

真正开始省钱以后，从实测省下的钱里抽 20%，每月最低 9 美元。这个定价是他们挨个问潜在客户问出来的，每次都是”按省下的钱收”胜出。

我觉得这种抽成好卖：先看到能省多少，省下了钱才付钱，付的还是省下来的一部分。

02｜文档和上下文跟不上，也成了生意

AI 介入以后，产品迭代快了很多。同一份东西一天能改好几轮，围绕它的其他环节未必跟得上。

文档是一个。代码改了，说明还停在上个版本。版本管理也是一个。Anthropic 内部每天合并的代码改动，从 5 月约 2500 个涨到 9 月的 3 万多个，原来的 git（程序员管理代码版本的工具）撑不住了，他们只好按”来提交代码的大多是 Agent”重新做了一套版本管理系统。

还有大家的上下文：你用 AI，我也用 AI，需求、反馈散在 Slack、工单和各个群里，各自的 AI 就按各自的理解去干活，甚至按过时的信息做错事。迭代越快，这些环节落下得越多，帮团队把它们补上，就成了新生意。

做产品文档的 Mintlify 是这类代表。它今年 4 月完成 4500 万美元 B 轮，估值 5 亿美元，超过 2 万家公司在用。按它自己的调查，只有 24% 的团队能在产品改动当天把文档也改好，22% 要等一个月甚至更久。读文档的除了客户，还有替客户干活的 AI，文档过时了，AI 就会很自信地做错事。

Mintlify 10 月上线的 Autopilot 读公司的代码，也读 Slack、项目管理工具、客服工单。发现有东西变了，就起草一份文档修改，交给团队审核，合并以后才上线。团队合了哪些、关了哪些，它都记着，慢慢学会这个团队的语气和更新习惯。

当然mitlify本身是个成熟的文档公司，如果在国内想要复制这个需求，可能很快就被飞书这类大巨头的一次迭代覆盖了。

它是订阅制，AI 功能按用量扣点数；自动更新按次计费，检查一遍发现没什么要改，就不收钱。

03｜帮 Agent 管账号和钱包

以前人用一个新工具，自己注册、自己授权、自己绑卡。现在越来越多工具是 Agent 替人在用，一次任务可能要登录好几个软件、多个信用卡调用好几个付费服务。账号谁来开，权限给多大，钱从哪里扣，这些事以前人顺手就处理了，现在需要专门的产品替 Agent 管起来。

Composio 是这类代表。它 2025 年 7 月完成 Lightspeed 领投的 2500 万美元 A 轮，累计融资 2900 万美元，有超过 10 万名开发者在用。

它的用户是做 Agent 的开发者和团队。Agent 要用 Gmail、Slack、GitHub，每接一个都要单独处理登录和授权；要用搜网页、抓网页这类付费工具，又得先注册、拿 API key（证明有权使用的一串密钥）、绑信用卡。创始人在 Product Hunt 评论区说，接上五到十个工具，就乱成一团。

Composio 替开发者把这些事接了过来。Agent 调用别家软件时，登录和授权由它处理，官方说已经接了 1000 多个工具。10 月新出的 Instant 还给 Agent 配了一个钱包：往里充钱，搜网页、抓网页、转文字直接就能用，不用你先去各家注册，每一笔花销都记在日志里。Instant 按调用次数从钱包里扣钱，团队说每次只要几分之一美分。

有人问，好几个工具都能做同一件事，Agent 会用哪个。团队的回答是，挑最便宜、最可靠的那个。

我觉得 Instant 有意思的地方在于付钱的人变了。以前是人给工具买会员，现在开始由 Agent 按次付钱，钱和权限管在一处，人才更敢放手。

04｜已有产品也要适配 AI 用户

用产品的，也不全是人了，更可能是某个ai。做产品数据分析的 PostHog 两边都做了：产品里有内置 AI 助手，也做了 MCP，让用户手上的 Claude、Cursor 能直接调用它。结果每天通过 MCP 来用的人，是用内置助手的 5 倍；AI 创建的看板里，大约 34% 是走 MCP 完成的。

先让外面的 AI 能调用你。 PostHog 的结论很直接：先让用户已经在用的 AI 能用上你，直接在用户的已有入口调用，往往比自己再做一套助手更好做，也好维护。

说明书写给 AI 看。 读安装说明的越来越多是 AI，步骤和边界都要写明。开源工具 shim-cli 在产品页上放了一段给 AI 看的安装说明，用户贴给自己的 AI 助手，它就会照着装，并要求每条命令先给用户看、等用户点头。

按办成的事收费。 Agent 用得越多，模型费用越高，按月固定收费很难算清。客服工具 Gleap 的 Kai Resolve 按”查一次问题”收费，平均每次约 0.49 美元；按它自己的数据，能自动解决 75% 的工单。前面 Navige 按省下的钱抽成，也是同一个思路。

让 AI 找得到你。 开发者 Patrick Woods 让 AI 编程助手给网站加搜索框，没说用哪家，15 次里有 14 次选了不需要 API key 的服务。能被 AI 读到、上手不用配置，就多了一次被选中的机会。Lovable 在帮用户做这件事：今年 5 月起，用它做的应用都能被搜索引擎和 AI 工具读取。

写在最后

AI 每往前走一步，就会留下一批新的问题。Agent 的花费没人算，文档跟不上代码，AI 花钱需要有人授权。这些问题在 AI 出现之前都不存在。

所以这是个gap，也许只是个短暂的gap，但也值得抓住。

所以我觉得更值得想的是：AI 进到一个场景以后，哪些事变得没人管了，哪些人开始需要帮忙。新需求往往就在这里。