孙宇晨说他的公司每天上百万美元的决策 100% 交给 AI,个人生活用 Oura Ring + Claude Code 全盘托管。我把这个主张当成 ground truth,倒推一个个人 APP 应该怎么设计。结论:它不是工具集合,也不是 dashboard,而是一个每天主动找你跑闭环的 AI 副驾驶。
心智模型:先想清楚它不是什么
先划掉三个最容易做错的方向:
| 它不是什么 | 为什么不能做 |
|---|---|
| 又一个 AI chatbot | 问一句答一句,用户不会主动喂数据,3 天就丢 |
| 又一个数据 dashboard | 看一眼就关,没有行动指令,跟 Things/Notion 没区别 |
| 又一个 todo list | 没有 AI 复盘,跟 Todoist 没区别,也用不到大模型 |
那它到底是什么?一句话:把企业里那套 OKR → 日报 → 周报 → 复盘的管理动作,压缩到个人身上,并用 AI 把中间所有”人要主动做”的环节自动化掉。
根本约束:“全盘 AI 化”的瓶颈不是接更多工具,而是 AI 不了解你。 任何不能解决”AI 为什么比你自己更懂你今天该干什么”的设计,都是壳子。
信息架构:五大人生域,不是五大功能
孙宇晨那套话拆开,本质是五个生活域。APP 的一级导航就按这五个域分,不按功能(笔记/日历/任务)分——因为用户的真实焦虑是”今天我身体/工作/学习/财务/状态怎么样”,不是”我该打开哪个模块”。
Personal AI OS
├── 🏋️ 健康域(薄肌)
│ ├── 睡眠(Oura / Apple Health 被动同步)
│ ├── 训练日志(语音口述,AI 自动结构化)
│ ├── 饮食/卡路里(拍照识别 + 手动补录)
│ └── AI 教练:根据睡眠+训练+饮食,明早推送"今天该不该练腿"
│
├── 💼 工作域
│ ├── 今日作战地图(AI 早 8 点推送)
│ ├── 决策日志(这个决定 AI 当时怎么建议的)
│ ├── 沟通摘要(邮件/会议/聊天每日合并)
│ └── 失约复盘(晚上问:今天三件事做到了几件)
│
├── 📚 学习域(孙学)
│ ├── 知识输入(RSS/论文/播客被动聚合)
│ ├── 闪卡/笔记(AI 根据你工作里卡壳的点自动生成)
│ └── AI 学伴:根据本周工作任务反推知识缺口
│
├── 💰 财务域
│ ├── 收支流水(银行/信用卡账单被动同步)
│ ├── 投资决策记录(AI 不替你决定,但记录并季度复盘)
│ └── 异常告警(这周餐饮比上周高 40%,为什么)
│
└── 🪞 认知域(黄毛)
├── 每日三句话日记(AI 引导式提问,不是空白框)
├── 决策复盘(上周那个决定现在看对了吗)
└── AI 镜子:每周一份"你的思维模式有没有变"
为什么按人生域分而不是按功能分:功能分法的潜台词是”用户知道自己要用什么工具”。但”全盘 AI 化”的目标用户恰恰是不知道从哪下手的人——他打开 APP 不应该看到”笔记/日历/任务”三个空模块,而应该看到”今天身体分数 72,比昨天低,因为深睡少了 40 分钟”。
核心链路:PDCA 闭环,不是 dashboard
这是这个 APP 真正的产品核心。所有信息架构都为这条链路服务:
flowchart LR
A[被动采集<br/>健康/邮件/账单/日历] --> B[AI 每日晨报<br/>早 8 点主动推送]
B --> C[今日三件事<br/>AI 给动作指令]
C --> D[你执行<br/>被动追踪完成度]
D --> E[晚 9 点 AI 复盘<br/>问:今天做到了吗]
E --> F[反馈进第二天<br/>调整明天建议]
四个关键设计决策,每个都对应一个反直觉:
1. 采集是被动的,不是让用户手动记。 孙宇晨用 Oura Ring 是因为它戴在手上自动记。如果 APP 让用户手动填”今天睡了几小时”,第 3 天就没人填了。被动采集的覆盖率决定了这个 APP 的死活——手动补录只在数据缺失时做兜底。
2. AI 主动找你,不是你打开 APP 找 AI。 晨报是推送,不是首页。用户一天打开 APP 的次数可能只有 1-2 次,但推送可以主动触达 3-5 次(晨报、午间提醒、晚复盘、周复盘)。这是它和 chatbot 的本质区别:chatbot 等你问,这个 APP 按节奏找你。
3. 每天只给三件事,不给 30 件。 晨报不是”你有 47 条未读邮件、12 个会议、3 个账单待付”。那是 Notion。晨报应该是:“今天最重要的三件事:① 完成 Veral 路由灰度方案 ② 晚上 8 点健身 ③ 给 SCB 回那封邮件。其他都是噪音。”
4. 晚上必须有复盘,而且是 AI 问,不是你写。 复盘框如果是空白的”今天怎么样”,90% 的人不会写。改成 AI 问三个选择题:
- “今天三件事,你完成了几件?“(1/2/3)
- “哪件事比预期耗时最长?为什么?“(语音口述)
- “明天要不要调整优先级?”
这就是把企业 OKR 周会压缩成 60 秒语音。
内容设计:不是工具说明,是方法论
这个 APP 不能只做产品壳,还要做内容。因为目标用户不是”我已经知道怎么全盘 AI 化,缺个工具”,而是”我听说这个概念但不知道怎么开始”。
内容策略分三层:
| 层 | 形态 | 例子 |
|---|---|---|
| 入门引导 | 首次启动 15 分钟 onboarding | ”你现在只做三件事:接 Apple Health、授权日历、告诉 AI 你的本周目标” |
| 30 天计划 | 结构化旅程 | Day 1-7 只做健康域,Day 8-14 加工作域,Day 15 后逐步开财务和认知域 |
| 模板库 | 可复用的 AI prompt/工作流 | ”每周决策复盘 prompt”、“健身后语音记录模板”、“邮件摘要模板” |
为什么不能一上来把五个域全开:这是我自己做这类工具的一个反直觉判断(观点,不是数据)——认知带宽是稀缺资源。一个人同时接入五个域的被动数据,前两周会觉得新鲜,第三周开始疲劳,第四周全关通知。孙宇晨能跑通是因为他跑了好几年,不是第一天就全开。产品应该让用户一个域一个域地驯化 AI,而不是一上来就把仪表盘糊他脸上。
技术栈选择(这部分写给工程师看)
如果真要做,技术栈有几个关键决策:
1. 本地优先,隐私数据不出端。 健康数据、日记、财务流水都是高敏感。MVP 阶段应该本地 SQLite + 端上小模型做初步分类,只有需要复杂推理时才路由到云端大模型。
2. LLM 路由是核心,不是附属。 晨报生成、邮件摘要这种任务用小模型(7B 级别本地或便宜 API);周复盘、决策复盘这种复杂推理路由到大模型。这跟之前聊过的 LiteLLM 路由和 FrugalGPT 级联是同一个思路——不是所有任务都配 GPT-4,配错了成本和延迟都崩。
3. 可观测性必须从第一天就有。 每次 AI 给的建议、用户接不接受、事后看对不对,都要记录。否则三个月后你没法回答一个最关键的问题:“AI 给我的建议,命中率到底多少?” 这本质上就是把 Langfuse 那套追踪搬到个人场景。
4. 不做模型,做编排层。 这是最重要的一条。个人 APP 的护城河不是自己训模型,是用户的个人数据闭环——你用得越久,AI 越懂你,迁移成本越高。模型随时换,数据和工作流留下。
反事实崩点:这个 APP 最可能怎么死
按第一性原理倒推,三种死法:
- 采集覆盖率上不去:健康数据接了 Apple Health,但邮件要手动转发、账单要手动截图。一旦手动环节超过 20%,用户就开始漏记,AI 建议就开始飘,闭环就断了。
- AI 建议太泛:晨报如果永远是”今天注意休息、多喝水、保持运动”,用户第 5 天就不看了。建议必须落到具体动作:“今天深睡只有 1 小时 20 分,别练腿,改瑜伽 20 分钟”。
- 推送疲劳:一天推 5 次以上,用户会全关通知。要靠 A/B 找节奏——晨报必须推,午间提醒看场景,晚复盘必须推,周复盘一周一次。
速查卡
| 维度 | 设计决策 |
|---|---|
| 一级导航 | 五大人生域(健康/工作/学习/财务/认知),不按功能分 |
| 核心动作 | 被动采集 → 早 8 点晨报 → 今日三件事 → 晚 9 点复盘 |
| 用户每天操作时长 | < 5 分钟(全是选择题+语音口述) |
| AI 触达节奏 | 晨报必推、午间按需、晚复盘必推、周复盘一周一次 |
| 内容策略 | onboarding 15 分钟 + 30 天分阶段计划 + 模板库 |
| 技术核心 | 本地优先 + LLM 路由 + 可观测追踪 |
| 护城河 | 个人数据闭环,不是模型本身 |
| 最可能死法 | 手动采集 > 20% 就崩;建议太泛就没人看 |
一句话收口
孙宇晨说”全盘 AI 化”,听着像营销。但把它当产品需求拆到底,其实是一个非常朴素的东西:让 AI 像一个你雇了很多年的行政助理,每天早上主动给你一份今日作战地图,晚上追着你问三件事做完没,而不是等你想起来才打开聊天框。 工具谁都能做,难的是把”主动推送 + 被动采集 + 闭环复盘”这三件事做稳——这才是”100% 听 AI”真正需要的基础设施,而不是更聪明的模型。
下次看到”AI 副驾驶”类产品,问一句:它是等你问,还是每天主动找你?是让你手动记,还是被动采?是给你 30 件事,还是帮你砍到 3 件?这三个问题答得上来,才算真的在做”全盘 AI 化”。