1、请先介绍下你自己，以及目前在做的产品「Ai好记」。这款产品的主要功能和定位是怎样的？
我是宇宙大烧卖，清华大学毕业后在大厂做了五年算法工程师，最近辞职出来创业，做了这款「Ai好记」。
一开始它只是我为了解决自己痛点做的一个小工具——我平时要参加很多视频会议，也会看大量行业分享、技术讲座来追踪前沿。这类视频动辄一小时起步，三四个小时也很常见，完全看完去“扒信息”非常低效，而我自己更习惯用文字快速学习和做笔记。
「Ai好记」的定位是：个人多模态知识库，帮助用户更高效地处理各种模态的信息输入。现在我们重点打磨的是「音视频内容的知识管理」，后续会逐步扩展到文档、网页等更多信息来源。
目前的核心能力，可以简单理解为三件事：
-
高精度转录： 把音视频快速转成图文稿，包括比较准确的讲话内容 + 关键画面截图（比如 PPT 页）。
-
结构化输出（思维导图）： 自动生成思维导图，用户可以点击导图节点在内容间快速跳转，用“立体式”的方式学习一段长视频。
-
智能总结 + 深度对话： 提炼核心内容，也可以基于音视频内容继续和 AI 对话、追问、延展。
现在已经有很多老师、学生、医生、企业高管在用。简单说，只要你需要高质量信息输入，只要你逃不过“看一堆行业视频”，那「Ai好记」就能替你省掉很多时间。
观猹产品：https://watcha.cn/products/ai-hao-ji
2、「Ai好记」这个产品的最初灵感来源是什么？为什么选择从「音视频转录 + 总结 + 导图」这个方向切入，而不是做更常见的 AI 笔记或写作类产品？
灵感其实非常直接：信息焦虑。
我每天都会接触大量视频和播客，但时间又非常有限。会有一种很典型的状态： ——收藏了无数内容，但真正点开看的只有少数； ——好不容易花一个小时看完一个视频，过两天又忘了 80%。
市面上的 AI 笔记 / 写作工具很多，它们大多解决的是“文本→文本”的问题。但我观察下来，当代人获取信息最大的瓶颈，其实在于 非结构化媒体。
音视频是 信息密度非常高 的媒介，但同时也是 检索效率、消化效率最低 的。
我们选这个方向，就是想攻这块“硬骨头”： 如何高效啃完一段长视频，并真正把内容变成自己的知识？
在这个链条里：
- 转录成图文，是基础；
- 做总结，是提效；
- 做导图和结构化输出，才是把信息真正内化成知识结构的关键一步。
3、目前团队的构成是怎样的？在早期阶段，遇到过哪些资源瓶颈？你们是怎么突破的？
我们现在是一支小而精的敏捷团队，主要由：
- 产研团队（产品 + 技术）
- 运营团队
- 服务 B 端客户的销售和支持团队
我作为创始人，会深入参与产品和技术的核心决策。
早期比较大的三个瓶颈：
① 冷启动用户 没有用户，就不知道该往哪儿优化。我们没有选择“广撒网”，而是做了一个相对“笨”的决定——深耕垂直圈层： 先从自己熟悉、也真正存在痛点的一些社区切入，比如开发者社区、产品经理社区等。靠售卖性价比非常高的终身会员，聚集了第一批愿意一起“共创”的种子用户。 他们的需求、吐槽和正向反馈，基本决定了产品最早期的路线。
② 国内业务合规与各类审核 在国内上线一个网页应用或 App，要过很多关： 域名备案、公安备案、软著申请、支付开通…… 早期预算有限，又没法全外包，只能自己一点点啃。最大的感受是： 很多事情要 提前做——比如软著，如果等到 App 要上架才想起来，就会被时间卡得很被动。
③ 用户增长 团队的基因是偏产品和技术，对“增长怎么做”一开始其实没太多经验。后面是通过和 AiPPT 团队合作（后续也被他们收购），一起做了矩阵产品，做用户导流，再配合达人营销，慢慢把用户池做大。
4、从最初版本到现在，哪些功能是最早上线的？后续又新增了哪些？有没有曾经尝试但最终放弃的功能？
最早上线的功能 很纯粹： ——只做了一件事：B 站视频的图文转录 + 总结。 可以说就是一个非常典型的 MVP。
之后的所有功能，基本都来源于用户反馈。 我们现在有几百个用户群，我几乎每天都会和不少用户聊天，要么帮他们解决问题，要么收集需求建议 —— 需求池里已经躺着几百条来自用户的诉求了。
后续陆续加上的功能包括：
-
多平台链接解析： 不止 B 站，支持小红书、抖音、小宇宙、百度网盘、阿里云盘等，是呼声最高的需求之一。
-
批量解析 / 批量上传： 很多课程是几十个小节视频，如果只能一个一个传，用户体验会很崩溃，所以我们加了批量上传与批量解析。
-
基础的笔记管理与阅读体验优化： 比如批量移动 / 删除 / 改名、阅读界面的排版等。看似是“小事”，但对每天用的人来说就是“呼吸感受”。
-
分享功能： 允许用户把总结后的笔记或导图分享出去，这一块我们也把它当成天然的传播与种草环节。
-
交互式思维导图： 不只想做一个“好看的静态导图”，而是希望用户可以点击导图节点，视频就自动跳到对应时间点播放，让导图成为真正的“内容地图”。
-
以及像 AI 播客、翻译 等功能，也在根据用户需求陆续迭代。
因为大部分功能都来自真实场景和刚需，真正“做了又砍掉”的功能反而不算多，更多是一些交互和细节层面的调整与重构。
5、在 AI 总结过程中，你们是如何减少“幻觉”或错误理解的？对于技术类或学术类视频，是否做过专门的算法或语料优化？
我们最在乎的一点其实是：转录要尽可能准。
很多用户处理的是工作内容、专业课程、重要会议，一旦转写不准，后面总结再“看上去很聪明”，也只是错上加错。
我们主要做了三层处理：
① 语音识别算法的稳定性 研发同学在这块确实花了大量时间： 针对不同口音、语速、噪音环境做了很多测试和调参。现在整体识别准确率在用户反馈里是“肉眼可见”的提升，我们也会持续打磨。
② 专业领域语料优化 像医学、金融、工程等垂直行业，我们有专门构建语料库和术语词典，让模型更懂这些行业的专业语言。 同时，我们也开放了自定义专业术语功能——用户可以预先录入常用术语，识别准确率会大幅提升。
③ 原文版 + AI 润色版双通道 我们提供两种文字稿：
- 原文版：尽量忠实保留现场说话内容；
- AI 润色版：在原文基础上做错别字修正、口癖清理（比如“嗯啊就是那个”）、段落排版和重点加粗，让可读性更好。
在此基础上，AI 总结和 AI 问答都是基于实际内容来“发挥”，大部分信息都能在原视频中找到出处，这样可以最大程度减少“凭空瞎编”的幻觉。
6、在你看来，结构化输出（比如导图、大纲、多层笔记）对 AI 工具有什么意义？为什么你们如此重视这部分的呈现与设计？
我一直有个观点：结构化，是把信息变成知识的关键一步。
很多 AI 工具生成的内容，看上去“字很多、很用力”，但如果只是长段落流水账，用户很难真的消化进去。
只有当信息被组织成 清晰的层级和框架 时，用户才有机会真正看懂、记住、用得上。
我们之所以特别重视结构化输出，大概有这么几个原因：
① 学得更快
一堂两小时的课程，如果没有结构化，你往往要从头看到尾才能摸清主线。 有了导图 / 大纲，你可以：
- 一眼看到全文结构；
- 快速判断“这课值不值得认真看”；
- 想看哪一段，直接跳过去。
② 更方便整理与复习
每个人习惯不同，有人喜欢导图式的“全景鸟瞰”，有人习惯大纲 + 文字稿。 我们希望通过导图 + 大纲 + 文稿这套组合，让大家可以按自己的方式去整理，把内容从“看完就忘”变成“随时能复盘”。
总之，结构化输出带来的，是 10 倍级别的学习效率提升，这件事我们会一直死磕下去。
7、用户上传的音视频等内容，会如何被加密保护？是否会被用于模型训练？在数据隐私与合规方面，你们采取了哪些安全措施？
这一点我们态度非常明确：
- 用户上传的音视频，在处理完成之后会从我们的处理链路中删除；
- 传输过程采用加密通道，防止中途泄露；
- 不会把用户的原始数据拿来训练模型或做其他用途。
在招聘、医疗、企业内部培训等场景下，大家对隐私的敏感度都很高，我们也希望做到“让用户敢放心把最重要的内容扔进来处理”。
8、接下来几个月，Ai好记有哪些计划中的更新或迭代方向？今年年底前，你们希望上线的重点功能或改版目标是什么？
如果用一句话概括：现在的 Ai 好记，还只是我们理想形态的一半。
今年年底前，我们主要会围绕三个方向发力：
① 支持更多模态输入
从“音视频整理工具”升级为真正的 AI 多模态知识库。 除了音视频，我们会支持：
- 文档 / PDF
- 网页内容
- 其他文本输入……
用户扔进来任何一种内容，都能得到统一的：图文稿 + 总结 + 导图。
② 知识库联动与复习能力
我们希望打通不同笔记之间的壁垒，让用户可以：
- 跨视频 / 文档进行主题检索和问答；
- 按“主题”关联内容，而不是按“文件名”找内容；
- 逐步构建属于自己的一个“知识图谱”。
③ 移动端体验的全面升级
我们会重点打磨 App 端体验，让用户 在手机上也能完成完整流程： 从导入内容，到阅读笔记、看导图、碎片时间复习，不再受限于 PC。
此外，我们也在筹备海外站的上线，计划支持更多国际主流平台。并探索与部分硬件厂商合作，让「Ai好记」出现在更多实际学习和办公场景中。
9、10 分满分的话，你愿意给你的产品打几分？理由是？
我会给它 7.5 分。
这个分数背后其实是两点：
- 一方面，它确实已经解决了很多用户的真实痛点，这是值得肯定的；
- 另一方面，离我们心目中的“终极形态”还有很长一段路，我对它的期待会更高。
我希望有一天，它是那种你一接触到新知识、下意识就会打开的工具。 现在我们还在这条路上，边走边打磨。
10、除了自己的产品，你平时还有在用哪些 App 或网站？有没有哪些工具或设计，曾启发你在产品上的创新？
我经常用的有：
- Obsidian（知识整理 / 双向链接）
- 微信读书、语雀（阅读与笔记）
- Cursor、Claude Code（写代码提效）
Obsidian 对我们的启发很大——它让我更直观地看到“知识节点互联、形成网络”的价值。 我们现在已经打通了 Obsidian，用户可以直接把 Ai 好记里的笔记导出到 Obsidian，在自己熟悉的体系里进行二次整理。
未来在 Ai 好记内部，我们也会往“知识库之间互相关联”的方向走，让笔记和音视频内容能互相“串起来”，形成更清晰的知识网络。
语雀、微信读书 的阅读与整理体验，也影响了我们对“沉浸式阅读”和“笔记管理”的设计。我们希望用户转换后的图文笔记，是那种你可以安心把它当“书”来看的，而不仅仅是“扫描一下总结就走人”。
至于 Cursor、Claude Code，对程序员来说已经是“标配”了。它们提升了我写代码的效率，也从侧面不断提醒我： ——真正提效的工具，就是最打动我的工具。 这其实也是我做 Ai 好记的一个底层动力。
11、平时生活中你都有哪些工作或生活习惯？
我做事有个比较典型的方式：自上而下（Top-down）的拆解习惯。
简单说就是：
- 先确定一个清晰的目标；
- 再逐层拆解任务，直到拆成“最小可执行单元”；
- 每个小任务都要能够被评估结果、估算时间。
这样做的好处是： 事情的进度、完成度都是可量化、可感知的，不容易陷入那种“忙了很久，但不知道自己在忙什么”的状态。
在团队协作上，我也会尽量要求大家这么做： 每做一个需求前，都要先拆清楚任务，而不是一头埋进实现里。
12、请用一句话打动用户并让她使用你的产品
在信息过载的当下，用 Ai 好记，高效沉淀你自己的高质量知识库。