好的产品带着制作者的经验、在意的事与判断，即使不知是谁，也能在产品中感到其视角。行业常把软件说得像工厂产出，收集需求、做功能并验证，如今还想用智能体自动化。但即便客户与技术相似，团队做出的东西可能不同，差别在理解与构建风格，也受创始人背景与公司 DNA 影响。在 Linear，我们更看重直觉而非流程或数据，它来自经历、与用户交流和犯错。

我认为，好的产品会带着创造者的某些东西：他们的经验、他们在意的事，以及他们认为事情应该如何运作。你可能不认识这些人，却能在产品里感受到他们的视角。

业界常把软件说得像是从工厂里生产出来的：收集需求、开发功能、衡量是否有用。只要遵循流程，就应该得到好结果。如今我们甚至在谈论用 agent 把整条流水线自动化。

但两个团队可以面对相似的客户、使用相同的技术，却做出截然不同的东西。差别来自他们如何理解自己所看到的东西，以及他们构建产品时的风格。创始人的背景或公司 DNA 也极大地塑造了这一点。

在 Linear，我们一直把直觉放在流程或数据之上。有些人也许把这理解成凭个人喜好做决定，没什么思考或依据。我们真正的意思是，直觉来自经验和理解：你做一件事，和客户交流，犯错，然后学会该关注什么。直觉是你对某件事的观点，它迫使你动用判断，而不是躲在毫无面孔的数据后面。

在 Linear 发布之前，我们和不同公司、不同岗位的人聊过他们如何工作。我们自己对这类软件本就有不满，但这些对话让我们看到，除了自身经验之外，还有哪些事是重要的。这些对话之后，我们的视角变得更完善。

所以，产品最终会形成一种性格：经由制作者关注什么、决定不做什么，以及它在技术上已经可用之后仍继续打磨什么。我有时把这称为产品的灵魂。你能感觉到，有人在意整体如何组合在一起。

一个功能单独运行得再好，也可能让整个产品变得更糟。要认识到这一点，需要对产品应该是什么样有某种信念。必须有人做决定，然后离客户足够近，去验证自己是否正确。

最近，很多产品让我觉得越来越混乱，包括一些非常成功公司的产品。大家似乎更关心技术能做什么、还能加什么，而不是产品该呈现为什么形态。产品的改动主要是做加法，而不是改进核心问题。

我认为原因在于，增加新能力比重新思考现有能力要容易得多。于是每个产品都变成一堆能力的集合，却没有真正统一的观点。

我也在想，部分原因是否来自工作的组织方式。个人借助 agent 独立产出改动，每个人都在运作一个小型软件工厂。每个改动单独看或许合理，但合在一起，它们开始像 Frankenstein 的怪物，而不是精心雕琢的雕塑。

如果没有共享的视角、灵魂或思考，产品就会变成所有这些产出的平均值。曾经赋予它性格的那些选择，正一天天被稀释。能用的东西越来越多，却越来越难感觉到背后有人，甚至有某种东西。

做软件正在变得越来越容易。我希望这能给人们更多空间去形成自己的视角，并顺着它走得更远：深入理解一个问题，不断打磨答案，直到各个部分真正属于彼此。

我想感受到软件背后的创造者，而不是工厂。

讨论整体带着对“有观点、有手感”的软件逐渐消失的惋惜：多数人认为 AI 与“软件工厂”让产品变成拼凑式的弗兰肯斯坦，缺少制作者的品味、意图和统一愿景，只能交付“技术完成”。但也有不少声音反驳说，这种混乱其实是长期存在的组织失责、产品激励与大公司病，AI 并非根因，而且市场往往只奖励“够用就好”。

认为好软件承载制作者的品味、经验与统一愿景，而 AI 难以提供这种东西

• 好产品会带上制作者的经历、关心之事和对“事情应该如何运作”的判断；用户使用时其实是在与制作者的头脑互动（较多人）
• AI 没有价值观、意图和品味，最多学会训练数据里的共性，复杂产品仍需人把它放进更大的愿景里修正和掌舵（较多人）
• AI 更倾向于交付“技术上完成”，而不是给另一端的人创造持久价值；需求越复杂，品味和意图的差异越明显（较多人）
• 像 Linear 这种仍带消费者式设计关怀的企业软件很稀有，因为清单式企业产品往往由经济买家主导，而不是使用者心态（少数人） > 好软件能让人感到其中的意图，因为制作者把自己的观点和使用者的目标结合在了一起，而目前的代理式编码还做不到这点（@allenu）

认为混乱的根源是没人真正对产品整体负责，而不是 AI 软件工厂

• 很多公司的组织图里要么根本没人负责，要么各部门占山头争夺预算和人手，罕见有一个人或委员会对产品外观、目标和架构承担共同愿景（较多人）
• 独立开发者或小而负责的团队今天可能更有机会做出有品味、有观点的软件（少数人）
• 真正的困难是创新者的窘境：加功能容易，重构或删功能总会触动既有用户并引发流失；好的产品领导要敢于重整产品并判断哪种“打扰”是对的，这与 AI 无关（少数人）
• 分组对照测试把“某人”换成模糊的大众吸引力或失控的优化力量，也会让产品失去观点（少数人） > 现在很少有一个人或委员会真正对产品整体负责，并就产品应该长什么样、完成什么、如何架构形成共同认可的愿景（@mschuster91）

认为市场与用户并不真的奖励这种手工式理想，够用往往就够了

• 有清晰观点的最佳作品不一定最卖钱，JIRA 也许客观上很糟却仍在赚钱（较多人）
• 很难相信多数人真的想要这种软件，很多场景里“勉强能用”已经足够（少数人）
• 老的软件也并非都更好，GTK/QT 等工具链和文档早就一团糟，不能把问题都推给 AI（少数人） > 最好的东西不一定最商业成功，因为产品只是公司成功的一小部分，像 JIRA 这种客观上糟糕的工具照样能赚钱（@iamcalledrob）

质疑品味、直觉和工艺无法在大规模团队中衡量、协作或持续

• 凭直觉的做法没法比较两个人的直觉，小团队还行，50 人规模时根本无法权衡各自的直觉（少数人）
• 深度工艺要求人投入工作之外的基本职业素养，靠文化和反馈传承，在很多环境里并不健康或可持续（少数人）
• 已有管理者在团队里不断提高交付标准，认为未来工程师不能因 AI 省力就降低质量，而应交付更多、更高质并连接全局（少数人） > 凭直觉的问题在于你无法把两个人的直觉放在一起衡量；小组织还行，但到了 50 人规模就没法权衡这么多人的直觉（@dozerly）

有价值的补充

• 多萝西·塞耶斯提出、并被弗雷德·布鲁克斯在《人月神话》中引用的观点：创造性活动分为观念、实现与交互；用户运行程序时是在与制作者的头脑相遇（@ajrouvoet）
• Peter Naur 在 Programming as Theory Building 中把编程看作建立关于问题与解的理论，而不是生成源码；程序生命周期在开发团队解散或知识传递失败时就结束，若把工作交给 AI，理论就不再属于人（@jdw64）
• Zawinski 定律正在被放大：现在几乎每个产品都想变成包办一切的超级产品，于是成为一堆能力的集合而没有统一观点（@jakub_g）
• 社区里也有人用“完全手工打造、每一行代码和视觉设计都由真人用世代相传的工艺精心制成”来调侃这种对手工软件的怀念（@Ozzie_osman）