它好像隐含着一种价值倾向，仿佛 AI 是某种神奇的佐料，一个产品有了 AI 它就变得高级了。于是大家都一股脑儿的往产品里加 AI，尤其是 DeepSeek 火了之后，笔记软件里有了 AI，电子表格里有了 AI，网盘里有了 AI，冰箱里也有了 AI，哪儿哪儿都有 AI。
AI Native 在这个价值向量所指的方向上更进了一步，它说，AI Native 产品不是简单的集成了 AI 的产品，AI 必须是产品的核心，没了 AI 这个产品应该就不成立。这也是一个接受度比较高的定义。然而这个解释给我的感觉就好像是在讨论猫狗牛马是不是纯种的一样，血统纯正的更高贵。
以上两种思想倾向都直接跳过了一个最基本的问题，就是你的产品为啥非得用 AI？我认为这是 AI FOMO 情绪所导致的思维短路。
AI Native 或许还有其他新的解释，不过需要我们切换一下视角，进入新的语境——AI Native 不被用来定性某一类产品，而是用来描述环境。
在这个语境下，AI Native 又可以有两种不同的解读。区分方式是对这个问题的回答：谁的环境？
AI Native 可以指 AI 的环境。这一代 AI 有个特性是，如果环境不合适，它就很难工作起来。所以为 AI 打造适宜它发挥作用的环境变成了一个极其重要的设计问题。有一些失败的尝试，比如在大模型的工具使用能力还很脆弱的情况下，设计几百个 API 供它调用。也有成功的尝试，比如 Claude Code，把命令行工具和文件系统交给大模型使用，实现了出色的上下文管理，支撑着 Claude Code 完成复杂的代码编写任务。也有前途未卜的，比如 Computer Use 和 Browser Use，企图让大模型模拟人类跟计算机软件的交互方式来完成任务。
什么样的环境适宜 AI 工作？这是一条给 AI 产品设计者的很有意思的提示词。
AI Native 当然也可以指人的工作环境。不管以何种方式实现，未来人所处的数字环境（甚至物理环境）中一定会弥漫着各种形态的 AI，不管是 Chatbots，还是 Agents，还是其他什么形态——它会变得越来越 AI Native。
AI Native 的这一重含义少有人提及，仿佛在未来的世界中，人消失了，AI 成了世界的中心。
你会发现，此前的三种思维模型里都有一个很大的问题，就是里面没有用户，就好像最终做出来的产品不需要给人用一样。我不知道其他角色这么思考产品有没有问题，但如果一个产品设计者或者产品经理，整天 AI 来 AI 去，把用户抛诸脑后，我觉得多少有点毛病：这就是一种由 AI Hype 情绪所导致的老花眼——表面上的远视，实际上根本看不清眼前重要的东西。
一个完整的思维模型至少也要包含三个要素：人、AI 和环境。从这个思维模型中可以衍生出很多有意思的提示词：
人要如何与 AI 交流？如何与环境交互？ AI 如何与环境互动？如何与人互动？ 人需要什么样的工作环境？AI 需要什么样的工作环境？
AI 产品设计者需要去回答和解决这些问题。如果你能带着这样的 AI Native 的思维模型去思考 AI 产品，说不定会获得完全不同的视野。就像 Alan Kay 所讲：Perspective is worth 80 IQ points。
介绍一下 Rem
Rem 的小目标是：做人与 AI 沟通的媒介。
Rem 的初始形态是一个提示词助手。此前我积累了一些常用的提示词，没地方放，我把它们暂存在 Notion 里。但这样做的问题是，每次去笔记 App 里找提示词我都要被迫跳出当前的工作流：从 AI 聊天窗切换到笔记 App，搜索提示词，复制，然后回到原来的 AI 聊天窗，把提示词粘贴到输入框。流程繁琐倒不是根本问题，让我难受的是上下文切换带来了额外的认知负荷，它打断了我原来的工作流。
Rem 是为了解决这个问题而设计的。
Rem 目前只有两个功能：一、提供一个地方，让你可以集中存放提示词；二、提供一个交互界面，让你在任何需要输入提示词的地方快速调取出需要的提示词。
如果你跟我有一样的痛点，欢迎到官网下载使用（在电脑浏览器打开这个链接）：
https://rem.so/
当前版本的功能都是免费的，仅支持 macOS。
如果你是抱着其他一些期待，那么 Rem 很可能与你的期待并不相符，我不建议你花费时间去体验。下面的一些设计考量可以帮助你做判断。
Rem 的设计考量
一、 Rem 没有一个公共提示词库
Rem 不是一个提示词库，它需要你把你自己制作的、常用的提示词放进来。Rem 只是提供了一种便捷使用方式，减少你的行动阻力和认知负荷。
短期内，Rem 也不会提供公共提示词库。常用提示词一般有两种来源，一种方式是从网上找别人的提示词。网上有大量的提示词模板，甚至提示词库都有很多，你需要什么提示词应该都可以搜到。但是找到提示词模板只是第一步，别人的提示词一般需要按照自己的需求做调整，才能适配自己的工作流，不能拿来就用。
提示词还有一种来源，那就是从你自己的工作流中提炼出来。我认为这是一种更加有效的 AI 使用方式：将工作流中的某些环节提取出来，交由 AI 去自动或半自动地完成。从这个角度看，提示词本质上是一种用于描述任务和工作流的媒介。
Rem 未来会把重点放在第二种场景。
二、提示词会不会消失？
提示词不会消失。
我相信没有人会认为你输入一句废话，AI 就能够给你吐出什么深刻的洞见，或者相信你输入一句话，AI 就能完美的理解你的意图，按照你想象的那样完成复杂的任务。AI 需要提示词的「刺激」和「引导」，才能激活与任务相关的神经元和线路。AI 输出的内容的质量和完成任务的表现，极大程度上是由输入的质量决定的。垃圾进，垃圾出，至今仍是生成式 AI 的铁律。
很多人觉得提示词会消失，是考虑到大模型具备了长思考能力后，你只需要告诉它任务是什么、有什么要求，大模型可以自主规划出合适的步骤，执行计划，并且它还能够根据反馈动态调整既有计划。我们在 Claude Code 中可以见识到这个能力的强大，但这种交互方式不能覆盖所有场景，不然也不会有 Slash Commands 和 Agent Skills 这些东西了。
另一种解释是，提示词只是会从某一部分人的视野中消失。这部分人指的是终端用户，最小白的 AI 产品的用户。对于这部分人来讲，提示词也不是消失了，它只是隐藏在了交互界面之下。对于这个解释，我部分认同。
在一般的软件产品中，代码是完全隐藏在用户界面之下的。提示词跟代码类似，它应该也是一个终端用户完全不需要关心的东西。这么讲有一些道理，但是提示词还不能等同于代码，它是以自然语言为媒介，不是天书。提示词与你为沉淀程序性知识而用自然语言撰写的笔记或者文档并无根本差异。有能力用自然语言撰写内容的人可能是少数，但数量规模不小。
提示词真的应该完全隐藏于界面之下吗？我看到的现实是，flomo 的用户会嚷嚷着要开发者开放自定义提示词入口。我也很难想象，任何一个号称 AI Native 的产品会不支持用户定制提示词。
也许「提示词会不会消失」压根并不是一条有价值的提示词，我们应该问的是：什么样的交互界面才能更好地促进人与 AI 的交流？如何帮用户准确地传达意图？如何帮用户与 AI 对齐上下文？这些问题的解决方案最终都会落到输入给大模型的提示词上。提示词是人与 AI 交流最重要的媒介，即使它不以原始形态出现，它也必然会以某种形式出现。
三、轻管理 & 用为先
提示词不是新东西了，你在网上应该能找到好多提示词管理工具。如果你的目的是管理提示词，你甚至都不需要一个提示词管理工具，笔记软件就可以满足需求了。提示词管理不是重点，我前面讲了，我的痛点是在使用上。所以 Rem 不是一个提示词管理工具，它是一个提示词使用工具。
目前 Rem 只提供了一种管理手段，就是标签。标签很自由。如果你想给提示词起个名字，名字就可以写在标签里。如果你想给提示词分大类和子类，可以使用多级标签实现。标签是提示词的索引，你可以在标签里写下任何能帮你快速找到提示词的文本。
Rem 未来也不会做很重的管理功能，至少不会做传统的管理功能，比如目录或者分组。一方面是因为树状结构和目录结构是一种很糟糕的组织信息的方式，另一方面是因为 AI 的出现，让这些落后的信息组织方式变得越来越没有必要。
提示词提炼、制作和优化会是 Rem 的重点。但 Rem 不会延续传统的文本编辑交互模式，具体讲，你不会见到复杂的 Markdown 编辑器。如果你体验过氛围编程或者氛围写作，应该明白传统的文本编辑交互正在被取代。如果你用 Claude 写过提示词，你会知道 AI 写提示词的水平已经超过一般的水准了。
提示词不需要人「亲自」写，人需要关注的是自己的工作流和工具使用。
特别致谢
我此前发布内测招募的时候，有好多朋友是单纯因为 Rem 的「颜值」就想要参与测试。体验过的朋友，也有很多对 Rem 的 UI 风格颇为赞赏。
这里要特别感谢设计师 Alan Yin 为 Rem 做的品牌视觉和 UI 设计。如果需要建联，可以去她的公众号打招呼哈：
我个人也很喜欢这套视觉。我此前做后端开发比较多，较少搞前端。如果 UI 无法让人愉悦，我也很难有动力和耐心去挨个调字号、色值、间距……
很可惜，现在的 AI 用来构建 Demo 很麻溜，但要推出可用的产品，依然需要人类的审美、洞察和判断，依然需要人类来打磨细节。
