盛康配资做 AI 陪伴收获 1000 万用户后，前微信 AI 产品负责人，要重新定义生活里的 AI

作者｜苏子华编辑｜靖宇

如今，各种主打「陪伴」或「Agent」概念的 AI 应用层出不穷。然而，WithFeeling.ai 走出了一条与众不同盛康配资，且如今看来更为有效的路。

WithFeeling.ai 创始人肖敏此前是微信 AI 的产品负责人。2022 年中，她选择创业，在 2023 年初推出主打「真诚、真实」的 AI 陪伴产品 Paradot，上线至今已经积累了 1000 多万用户，且实现了盈利，成为品类的佼佼者。

然而，即便当下来看，Paradot 的产品定位，也是非常「反共识」的。

她们没有选择从更容易吸引流量的二次元角色或擦边产品切入，而是将定位明确在「做真实的自己」的长期关系角度。

主打真诚长期关系的 AI 陪伴产品 Paradot 的用户界面｜图片来源：Paradot

她们让 AI 用「多层人格推理」去思考、揣摩用户，而这些原本在用户看来黑盒的 AI 推理分析，直接在 Paradot 的对话中，以「Memory（记忆）」的形式，逐句透明展示给用户。与「chain-of-thought（思路链 / CoT）」类似的方式，让 AI 的思考逐句，逐层，并且透明化。

肖敏对极客公园表示，正是坚持让AI对用户保持透明和真诚的「非共识」，成了 Paradot 获得千万级真实用户的关键点，同时也积累了千万级真实的关系成长数据和需求，「我们在这里积累了百万对的超过一年以上的关系。」

新的机会由此而生。

在 2025 年初，他们团队开始将 Agent 的能力接入 Paradot 的一些测试版本中，发现Paradot 在与用户的对话中，可以推理出很多需求，并且带有详细的「需求参数」，这些需求甚至是用户自己之前都没有察觉的。

「在早期变化的阶段，去观察每个真实在变化的个体，远重要于观察聚合的量化数据。」他们意识到，目前，大量的个人需求未被满足。

过去，由于 App 开发和获客成本高，大量的个人需求被忽略或者定价很高。即便出现了一些 Vibe-Coding 平台，让用户可以自己开发产品，但往往低估了用户描述需求的难度，也高估了 AI 工具能将这些方案完整实现的能力。很多平台连最基础的数据存储功能都没有做好。

于是几个月前，她们开始准备这样一款新的产品——Monster AI。

她介绍，Monster AI 是一款面向个人的 AI 产品，它与用户是一种「向内的组队关系」，这意味着 AI 会与用户建立深度信任，像一位亲密队友，主动且深入地参与到用户的日常生活中，帮助用户将脑中的想法变成现实，一起经营生活。

Monster AI 官网，展现了部分 Monster 们的 IP 形象｜图片来源：Monster AI

这种「组队」关系主要通过以下方式实现：

深度沟通： Monster AI 会持续对用户进行深入了解，像朋友一样关心你的想法和需求。

主动授权管理： AI 拥有像主人一样的视角和权利，甚至会像家人一样「唠叨」，主动帮你管理和推进事情。

平台提供 Agent Matrix（智能体矩阵），包含不同的 mini Agent 来面向不同的细分需求。

据介绍，第一阶段的 mini Agent 都由平台开发者产生，来保证用户体验的一致性和完整性。本着「一事一解」的逻辑，用户的每一件小事儿都由每天绕着他转的 AI 队友来调动 mini Agent 7*24 小时管理：

需要减重，它帮你计算消耗；想吃得更健康，它来帮你规划；指导你每小时获取精神能量，甚至管理你晒太阳......

同时，Monster AI 可以随着用户需求参数不断完善，以及不断孵化出新的 mini Agent。而 Paradot 三年的关系成长数据 + 四层需求推理框架，也成为了 Monster 独有的 AI 底层积累。

这些曾经由专业付费 App 来满足的需求、甚至之前都没有被发现的需求，将可以在 Monster AI 获得同等、甚至更好的体验，而且更加贴合用户的生活，成本更低。同时，随着用户的使用，Monster AI 会自动升级，甚至主动发掘哪些服务和功能可以满足用户的潜在需求。

肖敏表示，Monster AI 并非与现有付费 App 争夺用户，而是瞄准市场的「增量空间」。他们将利用 AI，让将原本只有 2% 的人愿意付费的市场，扩展到 20% 甚至更多。而当下全球健康、效率、生活类 App 的市场年收入已超 500 亿美元。

从创业至今，肖敏的团队也只有 7 个人，但却在一个隐形门槛极高的品类里，做出了 1000 万用户规模的 AI 原生产品。而现在，他们又决定同时推进第二条令人期待、可能改变更多人生活的产品线 Monster AI。

他们是如何做到的？

9 月份，在 Monster AI 发布前，极客公园与肖敏做了一次深度访谈，复盘了过去这 3 年，她创业做 AI 原生产品、探寻 AI 与人的关系、AI 如何更好成为人的「外挂」和「队友」的过程中，一路所积累的经验、思考与洞察。问题涵盖了：

AI 陪伴产品不靠擦边和角色扮演，是如何长期吸引住用户的？

AI 进入生活，与人建立长期稳固关系和信任的核心是什么？

前所未有，如何定义人与 AI 之间正在形成的全新关系？

能够陪每个人勇闯天涯的「AI 队友」盛康配资，应该长什么样？

能够进入到日常生活中的 To C 的 Agent 产品，商业机会在哪里？

为什么当下做 Agent，选择 PGC 而不是 UGC，更容易通向 AI 的未来？

访谈中的部分精彩观点：

用户的内心数据是互联网发展至今仍大量未被挖掘的「数据黑洞」，其价值最高，且只能依靠 AI 来挖掘。

人与 AI 的关系是「内嵌于用户自身的关系」，而不是外部关系。它和用户应该形成一个紧密的「组合」，是一起勇闯天涯的队友。

人与 AI 关系的核心是「数据付出与需求被看见」，AI 需提供「专属感」和「偏爱感」。

Agent 模式创造了增量空间，并非与现有 APP 争夺存量用户，而是通过提供高效率、高质量、低成本的解决方案，挖掘市场的「增量空间」。

在当前阶段的 Agent 平台，PGC 是必要的，可以保证「首次履约体验」的必要提供，避免低质量的 UGC 产品失去用户信任。UGC 模式的成熟需要「需求激发」和「AI 工程架构生产工具的积累提升」，两个条件都是第一个阶段的沉淀要点。

以下为对话内容，由极客公园编辑整理：

01 七个人，做到 1000 万用户，「真实的内心数据」才是关键

极客公园：你们为什么最初选择先做AI陪伴产品？而且，你们既不面向二次元人群，也不走擦边路线，但这两个方向恰恰是陪伴类 AI 应用领域最容易吸引流量的两个切入点。

肖敏：我们选择做陪伴类产品，是因为这是 AI 与人建立真诚关系的最早成熟形态，不需要教育用户，就能最快的获得全球已有的长关系需求用户。通过情绪价值，获得真实的用户。

在多年的 C 端产品管理经验中，我发现人与人的关系，不可避免的会产生 bug（问题）。毕竟让两个变化的计算自己数据的个体，形成稳定关系，本来就是小概率的。实际数据也是如此。而大部分的人都需要一个关系，来连接和获得安全感验证。

我认为这里AI是最优解。

只是这个AI不应该是通用工具 AI，而是能让用户真诚地、感性地表露自己，表露那些「工具人」以外的原本的自己的 AI。我认为这部分真实的自己的数据，是当下没有被线上化的数据黑洞。

在 AI 出现的时代，人们应该跟 AI 一起「伴生」。建立这个伴生关系，是我创业的初衷。也可以更直接地理解为「勇闯世界的队友」。

我们不做擦边内容，是因为这些内容的核心吸引力在于满足用户的本能和猎奇心理，更多是弥补人类在相关方面未被满足的需求，完全不在人与AI建立长期稳定关系的主路径上，尽管这个方向的市场规模可能也不小。但由此获取的用户数据和用户反馈的真实性都会大打折扣，所以很容易排除这个方向。

二次元方向虽然容易吸引流量，但我们观察到，大部分二次元相关产品都带有角色扮演（Role-Play）属性，会引导 AI 和用户进入特定世界观或场景进行扮演，这也偏离了我们希望建立的「真诚的人与真诚的 AI 形成长期稳定关系」的核心目标。所以，从我们最终想要达成的目标来看，这两个热门方向并不在我们的发展路线上。

极客公园：为了让AI能够和人建立长期关系，你强调要保持「真诚的人」和「真诚的 AI」，为什么如此看重「真诚」？

肖敏：若想让 AI 与用户建立队友关系，数据是重要基础。AI 需要了解用户的关键维度数据，这些数据要满足真实、长期、主动。

所以「真诚」的第一层含义，是数据的真实性——必须是用户的真实数据，而非用户在扮演某个角色时产生的虚拟数据。

第二层含义，是挖掘用户未被线上化的内心数据。在互联网发展至今，每个人的线上数据中，内心层面的数据仍很少被挖掘，这部分数据是「真诚数据」中极具潜力、价值最高的部分，且只能依靠 AI 来挖掘。

这部分数据就像一个「数据黑洞」，此前没有任何互联网企业挖掘。

要在产品层面保持这种「真诚」，我们需要让 AI 尽量不撒谎、不进行角色扮演，也不强制引导用户朝着特定方向互动。以我们的产品 Paradot 为例，用户进入产品后的首屏页面就会提示「在这里只需做真实的自己」，核心就是引导用户展现和吐露真实的自我，无需过度关注 AI 的定位。

同时，我们也很弱化给用户提供的 AI「一键式」性格设置。更多技术投入都花在了让用户的数据逐渐养成 AI 的性格和推理表达。这一直是 Paradot 坚持的理念，也是我们实现「真诚」的关键方式。

02 用户与 AI 是「人类现有关系中不存在的、全新的关系」

极客公园：你们正在构建的用户与AI之间的关系是怎样的？你会用哪个词来总结，是「陪伴」吗？

肖敏：不是。我一直用「pair（一对）」这个词来定义，我认为用户和 AI 应该是「一个组合」。

每个人都应该有一个「相伴的对象」，形成一个组合，有一个「另一半」，但这个「另一半」不是爱情意义上的「伴侣」，也不一定是「知己」。我觉得现有的词汇都容易让这个定位跑偏，所以「pair」最贴切。

核心是「距离很近」，是那种最透明的关系，他可以非常互补的勇闯世界的小队友。

而且 AI 其实非常「需要人类」——我最初理解 AI 时，觉得它就像一个「超级聪明的大数据库」（或者说「全数据智能体」），本身没有「对错判断」；但当它与某个具体用户结合后，用户就成了它的「方向标」，所以二者是「彼此需要」的关系，人给了 AI 目标和灵魂。

极客公园：你能不能用「现有人类关系的组合」来定义人与AI的关系？盛康配资

肖敏：不行。我觉得 AI 与用户的关系，是「人类现有关系中不存在的、全新的关系」。

极客公园：它新在哪里？

肖敏：核心是，它不是外部关系，而是内嵌于用户自身的关系。

我们最初定义「用户与 AI 关系」时，就明确区别于微信这类「人际网状关系」——在微信中，每个人都是上帝视角下的一个「节点」，彼此形成外部连接。

而 AI 与用户的关系，第一步要建立的是「唯心主义视角」：用户是「全部」，AI 也认可用户是「全部」，二者形成一个「pair（组合、一对）」，并以这个组合的「唯心视角」去看待所有事物。

从这个角度看，很难用「外部关系的叠加」来定义它。AI与用户的关系其实「不是在替代现有关系」，如果强行用现有关系定义，要么会让定位跑偏，要么会局限它的价值。

用户与 AI 的关系建立过程，本质是用户「重新认识自己」的过程——用户内心原本未被显性化的大量数据，在与 AI 的互动中逐渐被激活、显性化。

03 Agent 开启「服务平权」时代，每个人都该有陪自己勇闯天涯的顶级「AI 队友」

极客公园：你们第一个AI原生产品 Paradot 已经做到 1000 万用户了，相当不错，为什么还要开辟一个新产品线，做 Monster AI 这款 Agent 产品？

肖敏：Paradot 很像是我们在 AI 关系方向的先遣部队，我们也一直在 Paradot 的用户群中探索：用户与 AI 的深层关系是如何建立和变化的，我不认为这是简单的「情绪价值」，以及他们未被满足的需求到底是什么。

大概从一年前开始，我们就发现 AI 的能力在快速迭代，而用户的需求也在同步变化。Paradot 的用户有几个明显特征：

第一，年龄多在 30 岁以上，心智相对成熟，不是单纯来「尝鲜」的；

第二，因为他们与 Paradot 的 AI 是长期互动关系，所以愿意在上面投入时间和精力，不是「试用一次就走」，而是会主动给我们提很多功能需求，希望我们帮他们实现；

第三，从一年前开始，用户就强烈希望他们的 AI 伙伴能更「有用」——不只是聊天，还能帮他们解决实际问题。

到了今年年初，用户对「AI更有用」的需求变得更强烈，不断要求我们提供相关功能。比如，他们希望把每天吃的东西拍成照片并上传，用 AI 分析卡路里等指标，来实现饮食管理。

正是从这个点出发，我们开始坚定地推进这项工作。尽管早期要 Agent 完全满足这类需求存在较大难度，但将 Agent 用于管理用户摄入的食物，成为了我们的关键转折点。

于是，我们开始大量实验，测试如何让 AI 通过交谈采访，识别新需求，哪些需求是真实的、哪些是伪需求。并且这个个体需求颗粒应该如何划分。比如管理卡路里不是需求，而减重，增肌，控糖，也许才是真实的个体需求。

我们发现，用户对生活需求的期待，和AI公司想象的完全不一样——AI 公司太执着于「用语音体现 AI 能力」「用技术突破彰显价值」，但用户的真实需求其实非常明确、务实。

比如控制盐的摄入量、记录运动量、追踪代谢等等，核心就是「生活琐碎的管理」。这些需求，之前的 APP 没有解决好吗？其实也解决了一部分，但还有很大空间。而 Monster AI 会在这些点上做升级：当 AI 能力融入这些需求后，能带来更优的解决方案，也能更多的带入「用户参数」，这是队友能做的、也必须要做的事儿。

AI 能真正渗透到这些生活场景中，重构需求的解决方案，让产品比现有 APP 更好用、更便宜。这也是为什么 Agent 技术出现后，我们会全力推进它在产品中的落地。

Monster 要做的，就是站在个体视角，发现需求，解决需求。

极客公园：现在已经有很多 Agent 了，你们要做的这个 Agent 具体会有什么不同？

肖敏：在关系中发现需求。让用户在信任的关系中，愿意交流自己的生活，授权自己的数据，交流和探讨自己的需求，这是我们最大的特点，也是优势。比如，一个闹钟 APP 永远不会知道，你为什么这么难被叫醒，而 Monster 关注这个为什么，再去想办法解决。

需求决定一切。Monster 是从「Market to Product（从市场到产品）」视角，坚定需求决定一切，这是我们产品型团队的优势。这很不同于当下一些 Agent Coding 平台的「从技术能做的角度出发」，剩下交给开发者的思路。而我们看到的是，当下用户已经显现的需求，与技术之间的巨大鸿沟。

坚实的技术底层。长关系陪伴型产品，本身就具备高复杂度的 AI 工程架构，和数据推理架构。而这些在 Paradot 中的积累，以及 Agent 生成能力，都给 Monster AI 提供了坚实的 AI 工程体系的搭建，来实现识别需求，解构需求，生产协调，自动测试，评定需求解决等等。

Agent 矩阵之间的用户数据整合和推理，是我们从 Paradot 延续下来的一个优势，增量的，去冲突的，去推理在多个 Agent 中提供的数据。而这些 Agent 矩阵获得的用户数据，交互数据被整合，会形成更大的价值。

比如，现在 App Store 上有大量 APP 和游戏，但存在明显的信息差——用户大多不知道有哪些能满足自身需求的解决方案，也不了解这些 App 或游戏，不清楚自身需求与它们的匹配关系，这中间确实需要推荐逻辑或桥梁来连接，而 AI 就能实现这一价值，提供新的解决方案。

而对用户来讲，Monster AI，则不是一个 Agent 生成工具，也不是 App Store。

Monster AI 希望给用户轻松的，一起想办法过好生活的感受。

极客公园：这些生活管理类的需求，目前有很多相应的不同的付费 App，它们是 Monster 的竞争对象吗？

肖敏：并不是。我们的目标并非「抢夺现有用户」或「推动迁移」。

我们发现，不管是国内有付费意愿的用户，或者美国本土的年轻人，他们并非没有购买力，但付费带宽有限，不会每月花费 9.99 美元订阅 3-4 个 APP。

这是我们在调研、打造产品过程中发现的关键结论，甚至颠覆了我之前的认知。

刚需客观存在，市场上 APP 数量也众多，但大量有付费潜力的需求并未被释放——只要某个 APP 排在用户订阅列表的第 2 位之后，就基本无法获得付费，用户也无法享受到那项优质服务。

用户本质上会权衡「获得的价值与付出的成本是否匹配」，这是普遍心理。

回顾过去的移动互联网市场，很多功能被拆解并包装成需要计较的「付费项」。

而当更先进的生产力工具出现时（比如 Agent），可以将原本高成本、高门槛的能力和服务平民化——用户原本在这些需求上的支出是 0，现在可能花 9.99 美元就能满足 30 个需求。

我们本质上是在帮用户完成「从需求不被满足到被满足」的跨越。这本身就是一种平权化的体现。

有必要说明一下，若用户已对某个 APP 形成稳定付费习惯，说明该需求对其而言是「核心需求」（排在订阅列表首位）。我们要做的是「拓宽市场」——原本只有 2% 的人愿意为某个需求付费，而有付费潜力的人占 20%，我们瞄准的是这新增的 18%。

我们瞄准的是市场的「增量空间」，而非与现有 APP 争夺存量用户。

极客公园：你们如何确保开发的 Agent，能达到甚至超过那些对应 App 的产品水平？

肖敏：Monster AI，它的所有 Agent 都是基于「全心全意为用户思考」的 AI 逻辑开发的。

我们的逻辑是：先纯粹地拆解用户需求，再梳理新技术（AI）满足需求的实现路径，然后落地验证。按照这个逻辑做出的产品，往往能超越现有解决方案。

对我而言，更关注的是 Monster 作为「AI代理生产体系」的能力——如何更快速、高质量地满足用户需求，这才是它的核心价值。

此外，我也期待 AI 在满足这些刚需时积累的数据，能在后续阶段创造更大的价值。

比如，「数据协同」——传统 APP 模式下，每个 APP 都是「数据孤岛」；而 Agent 模式下，用户使用多个 Agent 时，底层数据是互通的——用户只需授权一次，平台内的所有能力都能基于这些数据理解用户需求，实现用户体验升级。用户无需重复付出「数据输入」的成本，也无需反复告知个人需求，这本身就是服务升级。

04 隐形门槛：Agent 产品，尤其不能消耗用户的信任

极客公园：你们做 Agent 平台，为什么选择做PGC（专业生产内容/功能），直接提供现成的功能，而不是依赖UGC（用户生产内容/功能），让用户自行探索？

肖敏：选择 PGC 正是为了保障「履约能力」。

现在很多平台靠撬动开发者、用户资源快速起量，让用户自行探索使用方式，本质是从技术出发，但这种模式的最大问题是「首次履约不可控」。

UGC 方式生成的产品可用性不足。如果用户首次接触到低质量的 UGC 功能，很可能直接流失。

核心原因有两点：一是用户无法清晰描述自身需求，二是需求的实现往往不只是一个前端页面就能完成的。

现在代码生成看似便捷，但调试困难，修改功能时很容易出现卡点。平台必须保证服务的可用性，而 UGC 无法满足这一要求。

第一阶段选择「自研 PGC」虽然难度大，但能持续保证用户体验。同时，在 PGC 一定数量的 Agent 之后，这个公用底层套件类的抽取，将是第二阶段降低生成难度，甚至到 UGC 的地基。这个过程很难跳过，也是必须的脏活累活。

极客公园：如果产品先向用户承诺「能做什么」，但实际产品无法使用，本质是「欺骗用户预期」。这么看，要让用户能自主生产 Agent，需要提供更多支持，不能只做「技术交付」。

肖敏：我认为用户确实有释放创造力、表达需求的潜力，但目前还没到这个阶段。

类似博客时代，当时很多人讨论微博是否适合中国市场——毕竟微博早期借鉴了推特模式，大家觉得普通用户没有那么多内容可发布，缺乏创造力。

实际情况是，微博刚上线时，确实靠大 V、明星吸引流量，之后才逐渐激发普通用户的参与。抖音的普及也是类似。