01
Product Strategy & Discovery
找到值得构建的产品
研究目标客户、核心任务和商业假设，明确用户价值、竞争差异与 MVP 边界。
用户与场景 / 产品定义 / 验证计划把 AI 创意，
做成真正
可以销售的产品。
An idea is a start.
A product is what comes next.
从产品发现、PoC 和 MVP，到多租户、订阅计费与 AI 生产运营。将 Agent、行业知识和数据，转化为客户愿意持续使用的软件服务。
AI-Native SaaS Product StudioAI 原生 SaaS 产品全生命周期开发
YOUR NEXT PRODUCTCONCEPT / 001
FieldnoteAI
PRO2,480Credits
S
STUDIO WORKSPACE产品界面示意
下一个研究问题是什么？
梳理东南亚 AI 基础设施市场，
比较潜在客户、应用场景与进入路径。
Market Research Agent创建研究任务 ↗
Agent 工作记录示例任务
- ✓整理研究范围将目标拆解为市场、客户与竞争维度
- ✓关联示例资料保留引用来源与证据链
- 准备可复核的报告草稿由用户确认后使用
市场研究报告示例草稿 · 尚未发布
↗Workspace / Studio权限、数据与用量属于当前工作空间
PRODUCT READINESS
产品体验+SaaS 基础+AI 运行
01Validate验证核心价值
02Build构建可用产品
03Commercialize建立商业闭环
04Operate可靠地运行
05Scale持续迭代增长
BUILD A PRODUCT TO SELL
交付一款产品，
从用户要完成的工作开始。
客户订阅的，是研究、分析、协作或处理任务的能力。AI 应成为产品交付核心价值的方式，并与可靠的软件逻辑共同工作。
行业知识+用户任务+AI 能力→可重复交付的价值
我们同时验证两件事：用户是否需要这个结果，AI 是否能在可接受的质量、时延与成本下稳定完成任务。
SIX DISCIPLINES. ONE PRODUCT.
让想法进入市场，
需要完整的产品工程。
连接产品策略、软件工程与 AI 运行能力，从核心假设一直负责到生产与演进。
02
AI Product Engineering
把 AI 变成核心能力
组合 Agent、RAG、检索、文档理解与适用模型，围绕真实任务评估效果和失败边界。
AI PoC / 任务编排 / 数据与知识
03
SaaS Engineering
为多个客户可靠交付
构建工作空间、身份、权限、租户数据边界、后台、API 与集成能力。
Multi-Tenant / SSO / RBAC / API
04
AI Experience
让智能体验可理解、可控
设计任务输入、进度反馈、证据引用、结果编辑和人工确认，让用户知道正在发生什么。
任务式 UX / Copilot / 人工复核
05
Commercialization
把收费方式设计进产品
建立套餐、试用、用量计量、额度、订阅账单与客户自助服务，核对使用价值与成本。
Subscription / Usage / Credits
06
LLMOps & Evaluation
让 AI 持续可靠地运行
建设评测、版本管理、监控与反馈机制，跟踪质量、成本和时延，支持灰度与回退。
Evaluation / Observability / Cost01AI Agent SaaS把一个目标变成多步任务
把一个目标变成多步任务
研究、销售、客户支持等面向目标的产品。让 Agent 使用获准的工具处理任务，并提供过程记录、结果复核与异常退出。
Research / Sales / Support Agents验证这个产品方向02AI Copilot把行业知识带到工作现场
把行业知识带到工作现场
围绕专业工作设计辅助体验，连接上下文、知识与业务数据，帮助用户理解、草拟、比较并确认结果。
专业助手 / 证据引用 / 协作编辑验证这个产品方向03AI Knowledge & Search让专业知识可以直接使用
让专业知识可以直接使用
连接文档、网站、数据库与第三方资料，支持权限内检索、比较和总结，呈现来源与知识更新时间。
RAG / 智能搜索 / 知识管理验证这个产品方向04Intelligent Document SaaS把文件处理变成服务
把文件处理变成服务
提供合同、发票、报告等文件的接收、分类、提取与分析，结合字段校验和人工复核形成可靠产品。
文档理解 / 结构化提取 / 复核验证这个产品方向05AI Analytics SaaS帮助客户理解自己的业务
帮助客户理解自己的业务
接入客户授权的数据源，统一分析口径，以自然语言查询、智能报表和预测支持业务判断。
Ask Data / BI / Prediction验证这个产品方向06Agentic Workflow SaaS让客户配置自己的智能流程
让客户配置自己的智能流程
构建由 Agent、工作流、工具和人员参与的流程产品，提供运行记录、重试、配额与审批节点。
Workflow / Tools / Human Review验证这个产品方向07Vertical AI SaaS让行业积累成为产品差异
让行业积累成为产品差异
将专业数据、知识与工作流程产品化，面向制造、物流、零售、营销或其他垂直场景形成专属体验。
行业任务 / 专业知识 / 场景集成验证这个产品方向FROM WORKING DEMO TO SELLABLE PRODUCT
一个用户的好结果，
如何服务更多客户？
每个客户都有自己的成员、数据、权限和用量。SaaS 基础让核心 AI 能力成为可重复交付、可以运营的软件服务。
组织与工作空间
租户数据隔离
身份 / SSO / RBAC
API / Webhook
试用 / 套餐 / 额度
订阅 / 计量 / 账单
PRODUCT RULES / LOCAL DEMO
体验一条产品规则。
同一个示例研究任务消耗 20 Credits。先检查角色和额度，再生成本地报告草稿。
仅演示界面规则；真实租户隔离、权限与计费必须由服务端执行。无模型调用、无真实账单。
Research WorkspacePRO
CURRENT WORKSPACE
Studio
可用 Credits240
RESEARCH TASK / EXAMPLE
梳理一份产品机会简报
Studio 工作空间：针对示例行业资料整理产品机会与待验证假设。
固定示例 · 20 Credits等待创建
创建后可查看本地草稿及用量记录。
产品机会简报 · 示例草稿
演示套餐初始额度
Studio / PRO 240 Credits
Pilot / TRIAL 10 Credits
每个空间独立记录状态；重复创建同一示例任务不重复扣减。DESIGN THE SYSTEM AROUND THE TASK
让软件保持确定，
让 AI 处理复杂。
身份、权限、计费与交易使用确定性逻辑。理解、检索、生成与推理由适合的 AI 能力完成，关键动作保留人工确认。
模型可以演进，产品核心不应被单一供应商锁定。通过统一接入、评测和路由，选择满足质量、时延与成本要求的方案。
EXPERIENCE
产品界面 · API · 客户工作空间
任务输入 / 进度反馈 / 引用 / 编辑 / 人工确认
SAAS CORE
确定性软件
身份与权限
套餐与计费
业务规则与数据
AI CORE
智能任务
RAG 与检索
模型与 Agent
工具与工作流
AI GATEWAY评测 · 路由 · 缓存 · 回退 · 成本
托管模型
开源模型
专属模型
根据任务与数据约束选型，支持替换和持续评估。
AI QUALITY IS A PRODUCT FEATURE
从第一次可用，
到每一次都值得信赖。
生产 AI 需要独立的质量与运行体系。把评测、可观测性与成本管理纳入产品交付，而不止监控传统服务器指标。
RELEASE READINESS / EXAMPLE
先验证，
再面向真实用户。
- 01代表性任务评测
- 02权限与租户边界检查
- 03时延、额度与成本核对
- 04灰度发布与回退准备
发布标准由产品与工程共同定义。
Evaluation
每次更新，都能比较效果
定义任务成功标准，维护代表性评测集，评估答案质量、检索相关性、工具使用与业务完成情况。
Observability
看到结果，也看到执行过程
追踪 Prompt、检索、模型、工具和 Agent 任务；按租户与功能观察时延、错误和质量变化。
Model & Prompt Lifecycle
让版本演进有据可查
管理模型、提示词、知识与配置版本，发布前验证，灰度观察并保留回退路径。
Cost Intelligence
知道成本产生在哪里
按客户、功能与任务记录模型与基础设施消耗，设置额度和预算，对异常用量进行提示。
Feedback Loop
把真实使用转化为改进
将用户反馈整理为可评估的问题，在授权和数据规则下改进产品与评测集，而非未经审核自动训练。
Governance
让能力始终在边界内运行
管理敏感数据、模型访问和工具权限，对高影响操作设置确认，保留审计与异常处理机制。
START SMALL. LEARN SOMETHING REAL.
先验证一个假设，
再投入完整开发。
AI SaaS Product Discovery Sprint
产品验证，从最关键的风险开始。
明确目标用户、核心任务和付费动机，检验 AI 能力与数据条件，再决定 MVP 范围和后续投入。
开始产品验证产品与用户定义
竞品与差异分析
AI 核心任务
数据与技术可行性
交互原型
可运行 AI PoC
SaaS + AI 架构
初步成本模型
MVP 范围
开发路线图
GO证据支持，进入 MVP
PIVOT调整范围或价值假设
NO-GO暂不进入完整开发
结论来自用户与技术验证，不由表单自动判断。
THE FULL PRODUCT JOURNEY
从创意到商业化，
每个阶段有明确产出。
验证贯穿交付，商业化和运行约束从第一天参与设计；根据阶段证据调整投入。
Discover
定义产品
目标用户、核心任务与价值假设。
Validate
验证 AI
数据可用性、模型效果与成本边界。
Design
设计体验与架构
UX、租户架构、AI 系统和商业模式。
Build
交付 MVP
围绕核心任务进入真实用户验证。
Commercialize
建立商业闭环
工作空间、套餐、计量与客户管理。
Operationalize
建立运行体系
评测、监控、模型版本与成本控制。
Launch
面向真实客户
部署、迁移、发布与异常响应准备。
Grow
持续迭代
结合使用、留存与 AI 质量优化产品。
MEASURE WHAT MAKES A PRODUCT WORK
用户愿意使用。
商业上能够持续。
核心任务成功率
Time to Value
重复使用与留存
Trial → Paid 转化
功能采用率
AI 单次任务成本
BEFORE WE BUILD
先把重要的问题，
讨论清楚。
我只有一个 AI 产品想法，可以开始吗？
可以先做产品发现与小范围 PoC。明确谁需要什么结果、需要哪些数据、AI 能否完成，以及如何验证付费意愿，再决定是否进入 MVP。
已有 SaaS，能逐步升级为 AI 原生体验吗？
可以从一个高价值用户任务开始，复用已有身份、数据与计费系统，逐步改造交互和任务流程。范围取决于现有架构、数据权限与用户迁移成本。
会不会被某一个模型或供应商锁定？
通过适当的接口抽象、模型路由与评测降低迁移成本。不同模型的能力和行为并不完全相同，替换前仍需验证质量、工具调用、数据要求与运行成本。
多租户如何避免数据串用？
在身份、查询、存储、缓存、检索和工具执行各层强制租户上下文，并设计跨租户访问测试与审计。具体隔离方案依据数据敏感性、部署方式和成本确定。
怎么确定套餐、额度与 AI 成本？
从客户获得的价值、使用方式和任务成本出发，用代表性工作负载验证。明确试用、额度、超额处理、失败计费与退款规则，再实现用量计量与账单核对。
完成 MVP 是否就代表可以规模化？
MVP 用于验证核心假设。扩大规模前还需验证质量、租户边界、负载、成本、客户支持和留存等指标，并补齐生产运行能力。
交付范围包括哪些资产？
可包含产品定义、原型、代码、架构、AI 评测集、部署配置与运行文档。代码和数据权属、第三方许可、账号与交接安排在合作范围中明确。
