为什么“building public”很重要？如何选择适合自己做的产品？

最近我在做一个产品时意识到一个问题：built in public 非常重要。为什么这么说呢？因为我作为构建者、研发工程师，每天都在和 token、AI 交流，其实缺少了很多现实世界的反馈。现在执行层面的问题逐渐被 agent orchestration 解决之后，现实世界里的用户反馈以及一些 bug report 也就变得尤为重要了。

我举个例子：最近我在做一个 App，类似 Screen Studio。其实这个软件非常复杂，edge case 非常多。给大家最常见的一个例子就是：在 Mac 上，虽然是苹果垄断的硬件，但 codec，也就是视频编码非常多，组合也非常多。视频和音频的编码如果使用最好的 AI，多次 review 也还是容易出现一些解决不了的 edge case。这时候就需要现实世界中用户的反馈。很有意思的是，我还遇到过黑苹果的用户，也是在尝试修复他的问题。

所以我觉得反馈很重要。然后最重要的是，我们需要建立一个属于自己的强化学习回路，或者说，是你的 AI 强化学习回路。所以传统的大团队对那种瀑布流的开发方式，排期之类的，我觉得肯定会很快很快地被 move fast and ship fast 取代。因此我个人觉得，在大公司里工作未来可能会变成黑客帝国里的那种人肉电池。很抱歉这么悲观地想，但是我现在看到 Meta 在做 token maxing，就已经是这个样子了。虽然我不认为 token maxing 是一条让大公司获得最佳绩效的好路。
正如我上一条帖子说的，真正的好工作还是自己喜欢的工作，而不是被别人逼着去做的工作。在 AI 时代尤其如此。

那下一个问题来了：如果一旦 build in public，其实自己的 idea 就不值钱了。还有一个很常见的问题就是：万一我的 idea 被别人偷走了，怎么办？对吧，我担心这一点。
其实我觉得这个问题在绝大多数情况下都不是问题。我个人遇到用 AI 很强的朋友，大部分都是 business owner。他们有很强的内在驱动力去解决自己的问题。比如说我前两天跟一个朋友教他使用了 codex，我跟他说：“马上你就可能睡不着觉了。”结果没过一天之后他就睡不着觉了，因为太兴奋了，能做的事情太多了。

所以自己用 AI/LLM 构建一切的事情，一定要自己能够解决、自己想解决，并且自己了解的问题，这样才会比别人解决得更好。有时候真的需要思量，不是 token 烧得多、代码写得多就可以解决任何问题。

现在，小团队竞争大团队，个人愚见，依旧是过去的玩法，还是可以四两拨千斤。