我一直在想 Meta，以及他们这些年来有多狠：只要某种机制在别处跑通，他们就会把它拿过来，变成自己的东西。
Stories 有效，他们就把 Stories 放得到处都是。短视频有效，他们就猛推 Reels。公开文本有效，他们就做了 Threads。类似例子还有很多。
人们通常会说，Meta 抄起来毫不害臊。这么说也没错。但我觉得，在他们一直做的事情里，藏着一个有用得多的教训。
Meta 是一家消费公司。他们的业务依赖于理解什么会让人创作、分享、连接、消费、回来，并且总体上花更多时间在他们的产品里。
当别人花了好几年和一大笔钱，发现了一种人们显然喜欢的新行为，Meta 为什么不把它研究透？
昂贵的发现工作，别人已经替他们做了很多。
从某种奇怪的角度看，Meta 一直把消费互联网的其他部分当成一个巨大的外部产品实验室。
我觉得，每一家软件公司都需要更擅长做某种版本的这件事。
软件正在变得太容易构建了，产品开发如果还按过去的方式运转，会越来越不够用。
过去，稀缺主要卡在实现上。你可以有十个听起来不错的想法，但工程能力也许只够认真推进其中两个。构建成本会迫使你做很多优先级取舍，不管你愿不愿意。
这件事正在快速变化。
Agent 已经可以构建原型、埋点、测试实现、审查代码、修复问题，并承担越来越多围绕软件生产的工作。我预计这会继续快速推进。
最终，对很多软件来说，“我们能不能做出来？”会变成一个相当无聊的问题。
然后留下来的，是那个本来就更难的问题。
我们该不该做？
我觉得，事情真正有意思的地方就在这里。
每天都有成千上万家软件公司在替我们做产品实验。
它们花自己的时间和钱，摸索更好的办法：让人完成上手、养成习惯、协作、审查工作、建立信任、分享东西、发现东西、验证东西、委派工作、建立声誉、搭建交易平台、个性化体验、给出反馈、让某件事变成多人参与，以及几乎所有你能想象的软件内行为。
我们可以观察这一切。
我的意思不是做一张竞品功能表，然后开始克隆任何看起来很酷的东西。那大概是把一个好产品变成一堆垃圾最快的方法之一。
有意思的部分，是弄清楚功能下面的机制。
拿 pull request 来说。
表面上，它是一个开发者工具功能。往下看，是有人提出一项工作，这项工作对其他人可见，反馈直接附在上面，人们可以异步检查它，批准会改变它的状态，整个历史记录之后还会保留下来。
这种机制可以走出软件开发很远。
你可以把它的不同版本用到 AI 生成的工作、市场营销、财务、设计、法律、运营、研究，以及很多其他事情上。
Stories 是另一个明显的例子。
真正有意思的，从来不只是照片或视频会在 24 小时后消失。这个机制降低了创作压力，让人更愿意分享；然后又让消费这些更新变得极其容易，让创作者知道谁看过，给人一个轻松回复的方式，并创造出以后再次分享的另一个理由。
可见功能下面，有一整套行为系统。
一旦你开始这样看软件，类别就没那么有用了。
游戏可以教企业产品一些东西。GitHub 可以教 AI 公司一些东西。TikTok 可以教研究工具一些东西。交易平台可以教 agent 产品如何建立信任。消费社交产品大概也有很多东西，可以教 B2B 软件如何让人贡献更多，同时又不让这件事感觉像工作。
你基本上是在寻找那些已经证明自己能改变人类行为的机制。
然后判断这种机制能不能帮助你的产品创造某种重要行为。
这一点很重要，因为每家公司真正应该关心的东西都不一样。
Meta 花了很多时间关心注意力，因为注意力和他们的业务非常直接地绑在一起。
一个 AI 产品也许关心的是，人们是否足够信任一个 agent，把越来越重要的工作交给它。
一个交易平台也许关心的是，每一次成功交易是否会让下一次交易更容易被信任。
一个分析产品也许关心的是，如何把证据转成一个决定，再让这个决定变成一次改进。
一家为团队做软件的公司也许关心的是，工作是否会留下足够有用的上下文，让别人之后不用再开一次会，也能接着做下去。
不管是什么，先弄清楚行为。然后再去寻找可能帮助你创造更多这种行为的机制。
我可以想象，公司最终会拥有一整套这样的机制库。
这个机制能在不需要巨大回报的情况下增加贡献。
这个机制能减少分享未完成工作时的焦虑。
另一个机制会让验证更有可能发生。
有些机制会把声誉变成正常使用过程中的副产品。
另一些会让一个工作流变成多人参与。
少数机制只有在网络密度足够高之后才会起作用。
有些机制在游戏里效果极好，但一移到生产力软件里就完全失效。
随着时间推移，它可能会更像一张图，而不是一个库，尤其是因为 AI 可以帮我们观察比单个产品团队独自能观察到的多得多的软件世界。
一个 agent 可以观察产品发布、更新日志、截图、演示、评论、用户抱怨、开源项目、App Store 更新，以及任何我们能丢给它的东西。它可以开始发现模式，拆解机制，把它们和我们关心的行为连接起来，并最终建议这些机制可以如何用到我们自己的产品里。
然后另一个 agent 可以构建原型。
把这一整套写出来，听起来有点科幻。但我们已经足够接近其中一些部分了，所以我不觉得这个方向有多难看清。
有意思的是，所有这些反而让我觉得人的那一面更重要了。
当构建变便宜，判断力会变得更值钱。
当你几乎什么都能加进去，品味会更重要。
当你能优化一百种不同的行为，知道哪一种行为真正重要会更关键。
理解某个东西为什么在别处有效，比注意到它有效重要得多。
知道什么时候该放过这个该死的产品，也许会成为所有产品技能里最有价值的一项。
我还觉得，这意味着无情的优先级取舍会变得更重要。乍一听，这有点反直觉。
很长一段时间里，工程稀缺性把我们从自己手里救了出来。很多平庸的想法没有被做出来，只是因为根本没有时间。
我们正在失去这种保护。
我们很快就会变得极其擅长快速构建糟糕的想法。
这大概会制造出一整类臃肿产品：团队把“有能力做出某个东西”和“这个东西有理由存在”混为一谈。
我会押注的公司，是那些真正擅长学习循环的公司。
在世界某处看到有意思的东西。理解它下面实际发生了什么。形成一个假设：它为什么可能对你的用户重要。构建一个能测试它的最小东西。把它放到人们面前。衡量发生了什么变化。不管这个想法有没有奏效，都留下学到的东西。
然后再来一遍。
Meta 找到了这件事的一个版本，因为他们的业务迫使他们这么做。他们早年的 Little Red Book 里充满了无情的优先级取舍、持续发布、快者拥有世界、代码赢得争论、一切都可以讨论，以及很多其他想法。当我通过这个视角看它们时，这些想法对我来说有意义得多。
他们建起了一个组织，可以观察人类行为如何变化，在看到重要东西时迅速行动，并持续学习。
AI 会让这件事的某个版本，对几乎每一家软件公司都有用。
整个软件行业正在变成一个你可以从中学习的外部研发实验室。
其他所有人都可以帮你发现什么有效。
自己尝试它所需的代码，正在一天比一天便宜。
这意味着，知道什么东西值得存在，会重要得多。