为什么Todoist认为少用AI反而能带来更多价值
内容提要
Doist公司CTO Gonçalo Silva分享其AI策略：不预测AI方向，而是确立三大原则——AI功能要有目的性、隐私安全、随模型改进。公司测试Automations服务，用AI生成执行清单，但由普通代码执行，确保可预测且成本低。同时强调“减法优于加法”，谨慎添加功能，并坚持专家判断，确保产品质量。
延伸解读
AI执行路径的取舍
Doist在Automations中采用AI生成执行清单，但由普通代码执行，而非每次调用模型。这既保证了自动化任务的稳定性和可预测性，又大幅降低了推理成本。对于需要重复执行的任务，AI的不确定性反而成为负担，因此将AI限制在生成阶段，是控制成本与提升可靠性的务实选择。
减法优于加法
Doist强调“减法优于加法”，即使AI让功能开发更容易，也不意味着所有功能都值得上线。他们曾因Goals功能使用数据不佳而将其移除，尽管引发部分用户不满。这提醒我们，在AI时代，产品团队更需克制，避免因开发成本降低而堆砌功能，损害产品整体体验。
专家判断不可替代
Doist曾尝试让产品经理、设计师和工程师自由跨界，但最终发现专家判断仍不可或缺。例如，工程师能分辨代码的长期可维护性，而产品经理未必。AI工具虽能提升自主性，但最终的产品质量把关仍需依赖领域专家的“品味”和专业知识，不能因AI降低标准。
Q&A
Doist的CTO Gonçalo Silva认为AI的发展方向是什么？
Gonçalo Silva认为AI的发展方向充满不确定性，他无法预测哪个方向会胜出，因为变化太快，很难承诺单一的路线图、模型提供商或工作方式。
Doist在AI功能开发上遵循哪三大原则？
Doist在一年多前确立了三大原则：AI功能要有目的性、要保护隐私和安全、要能随着模型改进而提升。
Doist的Automations服务是如何工作的？为什么使用普通代码执行而不是AI？
Automations使用AI将用户的自然语言请求转化为执行清单（manifest），然后由普通代码在触发或定时时执行这些步骤。这样做是因为AI模型不可预测且不一致，不适合需要稳定运行的自动化任务，同时使用普通代码成本更低、速度更快。
Doist的“减法优于加法”产品哲学是什么？
“减法优于加法”意味着在添加新功能时要谨慎，避免因为AI让开发变得容易而随意添加功能。Doist会基于使用数据和体验标准，果断移除不符合标准的功能，比如退休了Goals测试版，以确保产品保持专注和高质量。
Doist在开发Ramble之前尝试了多少个AI想法？为什么最终只选择了Ramble？
在开发Ramble之前，一个小团队原型化了至少18个AI想法，包括项目总结，但几乎全部放弃了。原因是当时公司还没有准备好将AI投入生产，缺乏使用AI的真实项目经验。最终Ramble被选中，因为它能将语音转成结构化任务，符合用户需求。
Doist如何确保AI功能不依赖单一模型提供商？
Doist使用测试和评估来检查模型更换是否改变行为，例如Ramble的测试套件覆盖18种语言和多种场景。这样既能保持灵活性，也能通过测试较小、更便宜的模型来控制推理成本。
Doist在AI时代如何坚持专家判断？
Doist曾尝试让产品经理、设计师和工程师自由跨界工作，但发现这行不通。他们认识到专家的重要性：工程师能区分代码的可维护性，而产品经理可能无法。因此，尽管AI提供了自主性，但最终仍需专家把关，确保产品质量。
