夜雨聆风AI 产品经理手册 · 第零章
— 第三节 —
产品 Agent 化：软件形态正在发生什么变化
从 GUI 到 LUI，从功能响应到主动服务
「从人类掌握电力到电力转化为巨大的生产力，与之配套的基础设施和人类的认知，经历了远比技术本身更漫长的适应周期。」
前两节，我们分别从宏观信息革命的历史坐标与产品经理的角色演进两个维度，探讨了生成式 AI 所引发的结构性变革。如果将视线进一步拉近，聚焦到具体的产品形态本身——这场深刻的生产方式变革，究竟在产品层面催生出了怎样的新范式？
需要说明的是：我们仍然处于 AI 产品发展的早期阶段，任何试图总结"终局形态"的论断都过于武断。以下所呈现的，是对当下这一历史节点的阶段性观察与思考框架，而非最终答案。
1 从业务实践出发：AI+ 与 +AI 的两条路径
1.1 两个方向的起点
2022 年底，我负责 QQ 的 AI 业务，这个命题第一次真实地摆在我面前。我翻遍了市面上所有的 AI 产品，彼时的 LLM 应用还主要以对话（Chat）与 AIGC 内容生成为主，大致形成了两个相对热门的赛道：
- 效率工具导向，以 Notion AI、ChatPDF、Jasper.ai 等为代表；
- AI 虚拟社交，以 Character.ai、Glow（MiniMax 早期产品）、小侃星球（百度）、Replika 等为代表。
综合调研结论与实际业务需求，我们最终确认了两个核心方向——AI+QQ 与 QQ+AI。
第一个方向：AI+QQ（AI Native 方向）。
这是一条完全 AI Native 的路径。我们希望通过引入 AI 角色、形象与能力，帮助 QQ 用户建立一个全新的社交关系网络。具体来说，我们希望通过 AI 创建三类核心数字人形态——情感陪伴、游戏互动、助手工具：口语外教、码云（编程助手）、心情树洞、成语接龙，以及沈思前这样的 IP 形象陪伴。为了快速上线并评测这些数字人，我们专门搭建了 Agent 平台——女娲。
第二个方向：QQ+AI（Copilot 方向）。
这是一条在原有场景内用 AI 提效的路径，目标是提升转化与留存。其中最重要的是小 Q 助手——可以跨场景帮用户完成各种 QQ 内的任务（QQ 也是国内主流 IM 工具中第一个支持流式输出的产品）。
举其中另一个重要场景为例：对话表达有三道真实的门槛——不知道怎么破冰，不知道怎么接话，不知道自己这样说是否得当。借助用户的历史对话风格与期望的表达形式，我们设计了 AI 聊天助手，帮助用户在具体对话场景中更顺畅地表达与沟通。
可以看到，其中一部分是全新的 AI 场景——这便是 AI+：AI 作为服务的核心，原有产品只是提供流量与入口；另一部分则是原有场景的 AI 增强——这便是 +AI：原有服务依然是核心，AI 是其中的效率增强工具。
AI 时代的产品命题，不是「要不要做 AI」，而是如何找到 AI 能力与业务价值之间的最优耦合点。
AI+ 与 +AI 并非对立，而是在产品不同阶段、不同场景下，各有其适用的生命周期与战略逻辑。真正的陷阱，是将 AI 视为万能钥匙，而非将其视为一种需要被精心匹配的能力资源。
2 AI Agent 产品的三种形态
当下所有 AI Agent 产品，本质上都可以归为三种相互递进的产品形态：
- 范式一：LUI 分发产品
——以自然语言为新的分发管道，分发的依然是原有的服务供给； - 范式二：Copilot 内容生成与操作执行
——在原有业务场景中，用 AI 实时生成内容或执行操作，替代既有的规则体系； - 范式三：AI Native 产品
——人类不再是生产的主角，AI 主导生产，人类只出现在意图发起与结果验收的两端。
| AI 主导，人类在末端 | |||
3 范式一：LUI 分发产品
3.1 GUI 到 LUI：交互介质的根本转变
Windows 时代的伟大发明之一，是鼠标与 GUI（图形用户界面）。GUI 将人机交互带入了全新的高度——用户通过点选、拖拽、双击等操作，以视觉空间为隐喻，触发计算机完成各类任务。
进入 AI 时代，这一范式正在被根本性地替换。人机交互的核心介质，从 GUI 转向了 LUI（Language User Interface，语言用户界面）。
3.2 LUI 的本质：不是对话，而是新的分发管道
理解 LUI 的关键，在于不要将其窄化为「聊天窗口」或「对话机器人」。LUI 的本质，是人类未来获取信息与服务的新通道：以自然语言作为原始输入协议，以生成内容作为输出协议，以消息流替代过去的信息流。
换句话说，今天市面上绝大多数 chatbot 类产品，其真正的产品命题并不是"让 AI 写出更好的文字"，而是：用自然语言这个新的统一入口，对原本散落在各处的服务做意图理解、编排与重新分发——这才是 LUI 之所以是分发管道的真正含义。
LUI 的分发效率，真的优于既有的搜推体系吗？
除知识问答场景外，LUI 无法凭空创造业务供给——它的分发效率，仍然依赖于现有供给的质量与丰富度。这正是大量企业做了 Chatbot 却未能获得实质业务收益的根本原因。
3.3 LUI 的场景价值判断
LUI 入口，应在 GUI 触达不到的场景中自然生长，而非作为流量漏斗的顶层被强制推广。
判断 LUI 价值的核心标准，始终是：它是否真正解决了 GUI 难以解决的问题？
4 范式二：Copilot 内容生成与操作执行
Copilot 模式的本质，是在原有的业务场景中，用 AI 实时生成内容、或代用户执行操作——通过这两种能力替代过去基于规则的体系，将服务的个性化深度和场景渗透度同步拓宽。
Copilot 包含两种相互支撑的能力形式：
以 Keep App 为例：当用户进行跑步训练时，AI 陪跑教练能够基于实时运动数据生成个性化语音指导；当用户打开一节课程时，AI 教练可根据用户的身体状态和历史训练数据，对动作要领和课程难度进行实时微调。
Copilot 模式与既有业务的结合，本质上是一次产品能力密度的提升，而非产品形态的颠覆。它也因此成为当下 AI 落地最广泛的范式——改造成本相对可控，用户心智迁移成本低，业务收益可快速量化。
5 范式三：AI Native 产品
代码，不是一种技术，而是人类与机器对话的语言协议。
理解了这一点，才能理解 AI Native 产品两大核心特征的真正含义。
AI Native 的根本判别标准，可以归结为一句话：在生产链路中，人类不再是生产的主角，AI 才是。人类只出现在链路的末端——发起意图、验收结果——中间所有的生产、执行、决策由 AI 主导。
7×24h 主动服务 模型永远在线，持续监听与思考。不再依赖人类输入触发——靠自己的理解，提前预知并主动满足人类需求。 | 输出主体为代码 通过机器语言（代码）操作物联网设备与各类硬件。不再只是人类电脑、手机里的玩具。 |
⟹ AI 主导生产，人类仅出现在末端——真正的 AI Native
不满足上述两大特征的产品，本质上仍是前两种范式的变形——即便它们也由大模型驱动。换句话说，今天的大多数所谓"AI 产品"，都尚未真正进入 AI Native 的边界。
6 三种范式的演进关系
理解这三种范式的关键，在于认识到它们并非相互替代的竞争关系，而是技术成熟度与产品形态递进的三个发展阶段：
AI 作为入口 LUI 分发 当前主流落地形态 | AI 作为工具 Copilot 生成 场景增强首选路径 | AI 作为主体 AI Native 终极形态的雏形 |
我们仍处于 AI 产品形态演进的早期。历史告诉我们：从电力的发明到电力真正重塑生产方式，中间经历了数十年基础设施与认知范式的协同演进。
技术突破只是起点，真正的变革将在产品范式、组织结构与用户认知的共同迁移中完成。产品经理的任务，是在这场迁移中找到当下最值得押注的那个点。
思考题
亲身体验 Multica（https://multica.ai/）：
当产品形态发生根本变革，AI 时代的组织分工将如何演化？
第零章 · 第四节
AI PM 的能力模型：一个有战斗力的 AI PM 长什么样
理解了产品形态的根本变革，下一步要回答的问题是：在这个新的产品范式下，什么样的产品经理才真正具备战斗力？
— 第零章第三节 完 —
AI 产品经理手册 · 2026
