一、为什么我还去线下分享会
做 AI 出海产品，每天泡在群聊、公众号、论文里，信息不算少。但我还是愿意跑线下分享会，原因很实在：
线上信息密度高但信噪比低，线下的价值是”有人替你把模糊的判断说清楚”。
一场好的分享会，不在于讲了多少新概念，而在于有没有人把「你大概知道但说不明白」的东西，当着你的面戳破。这一篇记三条我这次带走的。
注：下面不点名具体公司和嘉宾，只记对我自己有用的判断。现场细节我也会再核对，别当成定论。
二、三条带得走的
1. Agent 的落地，卡在”边界”不在”能力”
现在做 Agent 的工具，单步执行能力已经很强了——调 API、写脚本、翻文档，基本都能干。
但分享会上一个做企业落地的朋友说了一句我特别认同的话：Agent 项目死掉的，八成不是因为模型不够聪明，是因为没人把”它不能做什么”写清楚。
我自己的工作流也是。我把「市场调研、访谈整理、PRD 初稿」封装成 AI 执行的 SOP，第一步不是训练它更聪明，而是把每一步的输入格式、输出标准、例外怎么升级，写成白纸黑字。
对一个 PM 来说，Agent 落地的核心动作不是”提示词 engineering”，是”边界 design”。这跟做产品一模一样——你定义不清边界，用户就会用出事故。
2. RAG / 知识库，先做”干净”再做”多”
另一个高频话题是企业的知识库问答。现场有个踩坑案例：一家公司把十年文档全灌进去，问答准确率反而比只灌核心手册更低。
原因不意外：噪声会稀释信号。
这和我做增长时的体感一致——指标不是越多越好，是先有 3 个看透的指标，再考虑加。知识库也一样，先让”核心 200 篇”答得准，比让”两万篇”答得糊要值钱得多。
少即是准。无论是指标树还是知识库，“先收敛再扩张”几乎总是对的。
3. 衡量 AI 的价值，别只算”省了多少人力”
最后一个点最戳我，因为正好打在我弱项上——ROI 量化。
很多人算 AI 项目回报，只算「原来 3 个人干的活现在 1 个人干」。但分享会上有人提了个更全的口径：
- 效率层：省了多少人力 / 时间
- 质量层：输出的一致性和下限有没有抬升
- 机会层：腾出来的人，去做了什么原来做不了的事
第三层最难量化，但往往最值钱。我现在的 AI 工作流把 PRD 初稿从两周压到一周，这省的是效率层；真正该问的是：省下来那一周，我去做了什么过去没做的事？ 这个问题我现在答不好——而这正是我要补的 ROI 功课。
三、带不走的东西（也记一下）
分享会也有”听个热闹”的部分：
- 一些炫技 demo，脱离了 Speaker 自己的业务数据，换个场景就不成立；
- 几个”颠覆性”断言，回头看是旧酒装新瓶；
- 还有把”用了大模型”当”做对了产品”的叙事——这坑我见得多了。
线下会的纪律：每条”哇塞”回去都要过一遍”换我的业务还成立吗”。成立才留，不成立就当看了场演出。
四、回来我做了一件事
散会当晚，我把上面三条各写成了一条「下周可验证的动作」，贴在工位：
- 给 AI PRD SOP 补一节「明确不做什么 / 例外升级路径」；
- 把手头知识库先砍到核心文档，测准了再扩；
- 给 AI 工作流做一张「三层回报」表，逼自己填第三层。
分享会不改变人，把听来的东西变成下周的一个动作，才改变人。
你最近有去什么不错的 AI 分享会吗？哪条判断最戳你，欢迎留言，我也想去补我的地图。