第07篇：产品思维——「想清楚做什么」
核心主张：动手前先想清楚，普通人做 AI 产品有两个心法和一套五步流程。
两个心法
心法一：别凭空想，去你天天用的 App 里找没被满足的痛点。你是重度用户，需求是真实的。
心法二：小众赛道 + AI Native。AI Native 是指把 AI 砍掉产品就不存在，而非锦上添花。
五步产品流程
需求挖掘：列高频 App 的不爽点、找重复劳动、回忆骂娘时刻——只做痛点不碰痒点
竞品调研：最大竞品是你现在用的那个，搜负面词比正面词信息量大十倍
机会缺口：场景/人群/体验/AI Native 缺口，用一句话锁死定位
MVP 定义：MVP 是滑板车不是半辆车，最重要的格子是「不做什么」
最小验证：自用产品就看自己用14天会不会扔
产出物：一页纸 MVP 定义（用户/问题/输入/处理/输出/不做什么）
第08篇：架构思维——「想清楚东西怎么走」
核心主张：有了 MVP 定义还不能动手，得先理清数据流动的路径，给 AI 一份看得懂的架构文档。
核心框架：进、存、取三问
进：东西从哪来、怎么触发、什么格式
存：分几层、每层放什么（不涉及具体技术）
取：谁来取、什么时候、什么形式——要先倒推这步，再往前设计
fuxi 架构示范：外部链接+个人想法两路「进」→ 原料/笔记/编译/选题四层「存」（编译层是灵魂，把多篇聊同一件事的笔记合并成结论页）→ 问答/选题/周报三条「取」的流，核心是「往回织」回环（每入库一条新内容，AI 回头更新所有相关结论页）
四个坑：先想功能后想流 / 只想进不想取 / 层级混乱把工具和数据混画 / 追求一次完美的架构
进阶原则：功能做 MVP，架构算两条——能长大（留扩展口）+ 不会塌（数据分层保险、错了能回退）
产出物：一份给 AI 看的架构 Markdown 文档
第09篇：技术思维——「用什么工具走」
核心主张：技术选型是整个实战篇最不烧脑的一步。你的角色不是造工具的工程师，而是挑工具的采购员。
总纲：优先走轻量方案——能不上的组件不上，能用文件不上数据库，能本地跑不上云。
选型四原则
选 AI 训练数据最多的语言：Python > TypeScript > 其他
选纯本地能跑的方案，零服务器零运维
选零运维的存储：文件 > SQLite > 数据库
选社区大的工具：star 多 + 更新近 + 维护者活跃
判断开源项目三个信号：star 1k+ 算起步、半年内有更新算活的、维护者近一个月有回复
fuxi 真实选型：抓取层按渠道各用专用工具（WebFetch/Jina/gh CLI/yt-dlp）、纯 Markdown 文件存储零数据库、几个 AI 写的 Python 小脚本做索引和关联、Claude 做语义判断——零向量库、零服务器
最有意思的反共识：不上向量库也能找到关联。AI 在入库时打标签（已携带语义）→ 脚本算标签+标题关键词重叠打分 → 双向写入 frontmatter 的 related 字段。比 RAG 更准、更可解释、零运维。
产出物：一份选型清单 TECH-STACK.md
三篇的递进逻辑
这三篇对应着动手做一个产品前必须依次回答的三个问题：
Code
07 是起点，解决方向和范围的问题。没有07，你可能做一个根本不需要的东西，或者做到一半发现边界不清。
08 是中间层，解决「功能列表」和「真正能跑的系统」之间的鸿沟——作者本人踩坑发现，光想清楚输入不想取，存了几十条素材写文章时发现根本找不到。
09 是落地层，但它刻意降低了技术的门槛感：前两篇都是「烧脑的思考活」，09 反复强调这是整个系列最不难的一步，用来消解读者可能在这里放弃的心理。
三篇的共同底层逻辑是：把一件看起来复杂的事，还原成普通人能操作的最小动作——产品五步法、进存取三问、选型四原则，每一篇都有一套可直接套用的框架，每一篇都有以 fuxi 知识库为案例的实际走一遍，理论和案例并行。