Plaud正在用一套软硬结合的思路，重新定义我们与大模型交互的方式。目标很明确：让AI真正理解你的意图，而不只是机械地执行指令。

这套方法的核心可以拆解为三个关键词：软硬结合，这是为大模型服务的核心理念；用户主动标注，用来实现精准的意图对齐；以及一个全新的LLM原生工作范式——获取-提取-使用。

先说说我们的基本判断：人与大模型结合的智能边界，需要通过软硬结合的方式去探索。可以肯定的是，未来一定会诞生新的LLM原生工作范式——注意，是“工作”，不是狭隘的“办公”。而“获取—提取—使用”这条路径，正是Plaud选择的方向。

1. 何为软硬结合？

硬件不是在为软件服务，软件也不是在为硬件服务——它们共同在为大模型服务。

那么，大模型究竟需要什么？

首先，大模型需要足够多的上下文信息。Plaud的定位，一方面是作为可穿戴设备（贴在手机背面也算是广义可穿戴），另一方面则是获取用户线下场景信息的传感器。但它与手机并非互相排斥的关系——手机的摄像头、屏幕输入能力，同样可以成为我们获取上下文的一部分。这也是为什么最新版本的Plaud支持图片、文字等不同模态的输入。

其次，大模型需要知道人的意图。开机、关机、点击标注重点——这些动作都是非常有价值的对齐信号。说实话，我并不太认同“24小时全天候录音”或“无规律间歇性录制”的方案。原因很简单：让用户主动表达意图，成本远低于大模型事后去猜测用户在想什么。一场对话中，大家低头记笔记，大部分时候是为了抓住那个瞬间的观点或灵感。这正是新版本中“press to highlight”功能的意义——录音时只需按一下按钮，Plaud就会自动记录高亮时刻，帮你总结成短句，并在最终的摘要中单独展开。

最后，大模型需要足够多的表达场景。一个全知全能的大模型，如果只能躲在角落里，等你点开它才开始对话，那是对它能力的极大限制。至于具体能做什么，这里先留个悬念——只能说，有意思的事情很多。

总的来说，硬件是使用大模型智能的钥匙，软件是使用大模型智能的介质，而大模型的智能本身，才是皇冠上的那颗明珠。

2. 把一切反过来想

我的头像写了几句话，一直很喜欢：

• Plaud不是帮你完成事情，而是帮你获取上下文信息。
• Plaud不是帮你工作得更好，而是帮你思考得更好。
• Plaud不是帮你生成漂亮的文件，而是帮你创造闪光的想法。

我们学习巨人的经验，但不模仿。没有人能通过模仿别人走向卓越。

市场上很多产品，用户问一个问题，大模型就生成一份很长的报告，帮用户查找公开信息，做各种研究——这是从少变多。而我们选择帮用户记录更多未公开、未结构化的私有信息，让大模型把它们变成足够短、足够精炼、足够有用的“智能”——这是从多变少。

别人做产品，让用户问大模型，大模型给答案。我们让大模型主动问人，主动给答案。

别人做产品，让大模型一步一步跟着用户走，对齐用户指令。我们反过来，让用户跟着大模型走，让大模型引导用户问出更好的问题。

总是用户提问、提要求，总是让模型去找更多信息——我们试图把这套逻辑翻转过来。

所有人都在服务那些“使用工具创造价值”的人——程序员、设计师、文档使用者。我们选择服务那些“用对话创造价值”的人——销售、顾问、非文档使用者。

不模仿，不抄袭，不妨反过来想。

3. 我们与大模型的关系

我的签名栏里写着一句话：不是整理和总结的价值，而是智识的价值。

毋庸置疑，大模型在很多方面（几乎是所有方面）已经远远超越了人类的能力。既然如此，我们使用模型的方式和与模型的关系，就应该反过来——让人去对齐模型。

大模型在超长文本处理上突破了人类的边界：一方面突破了记忆力的上限，另一方面突破了注意力带宽的上限。而模型还拥有全面的智慧和知识。综合这些优势，它完全有可能发现一些连我们自己也意想不到的角度和价值。

人总是很难跳出框架去想象自己做不到的事。小学生没法设想大学生在玩什么游戏，但这恰恰是产品经理的价值所在——想象，并交付超出预期的产品。

插上想象的翅膀，去寻找和使用智能的边界。

4. 到底什么是“格式”？信息与智能传递的本质

编程语言，本质上是人在学习机器说话，让机器听懂人的命令。而大模型的伟大之处在于，它让机器学会了人是怎么说话的，机器可以和人交流。

但我们总是沉迷于让大模型去做PPT、做网页、写文档。这些格式只是人与人交流的介质，所以我们一直在让大模型帮助人来和人交流。

有意思的是，我们还可以反过来想：是不是可以让人去帮助大模型来和大模型交流？如果LLM-A或者Agent-A的输出，就是LLM-B或Agent-B的输入，那PPT、Pages、PDF就都不重要了——甚至可以说是极度低效的。那么，它们应该用什么方式交流？人在里面扮演什么角色？

我们有答案，只是会通过一款产品把答案呈现出来。

写提示词、写代码、写文章，本质上是一回事。文字和语言是思想的承载器，而在这块，大模型参与的深度还远远不够。

思考大模型和智能体之间怎么交流，如何让人去帮助大模型思考和协作——这才是更有价值的命题。

5. capture - extract - utilize

对话即智能。但过去，对话中蕴含的智能很少被有效获取，更谈不上使用。Plaud的第一步“Capture”，就是尽可能全面地把我们的上下文信息记录下来。

到了“Extract”这一步，我其实不太喜欢“会议纪要”这个词。它天然给人一种“记录存档、查漏补缺”的感觉。但智能远远不止于此——它是多维的，有表象也有内在，它是生产资料。

所以我很喜欢一句话：摘要，是获取信息的终点，但它是工作发生的起点。为什么我总用“工作”而不是“办公”？这个只能意会不能言传。而衡量我们使用智能的结果，我倾向用“增强表现”和“提升生产力”这两个维度。

Plaud的理念，就是通过软硬结合的方式去追求人与大模型结合的智能边界。我们相信，新的LLM原生工作范式一定会诞生。虽然已经卖了100万台，发布了App 3.0和最新的Plaud Intelligence，但我们觉得，这一切才刚刚开始。

最后，作为产品经理，确实要非常感谢OpenAI和ChatGPT。是它们让我这种上一个时代移动互联网的产品经理，重新找到了激情和梦想。ChatGPT是这个时代做得最好、最伟大的产品，让我看到了硅谷的荣光。也要感谢Cursor和Dia——你们构建的那种环境，让人与LLM协作、让工作在环境中自然发生的产品设计，给了我很多灵感。

以我面试时总爱说的一句话结尾：我们这一代产品经理，是看着CS183A入行的，是听着YC的讲座学做产品的。那已经是十年前的事了。当时绝对没法想象，十年后的自己，能有这样一个机会去做全球产品，去和老师们站在同一个舞台。万万不能辜负这个伟大的时代——一切，只是为了做出伟大的产品。