JasonFortunate

机器人方向｜NTUPHD
PNAS,AFM,IJMS 等审稿人
#黄金#科研#长寿
记录真实问题、成长和选择取舍

[JasonFortunate @JasonFortunate]

忠告各位，私信一定要多留心，现在X上狗推、杀猪盘实在多。别人不会平白无故的私信你，盯上的只是你口袋里的钱。

[JasonFortunate @JasonFortunate]

@Amit_Dobal14 Agreed—AI should earn its place in the workflow instead of adding another layer of noise. A simple search bar can preserve user intent, while AI works best behind the scenes: reducing repetitive steps, surfacing useful context, and staying out of the way when no help is needed.

[JasonFortunate @JasonFortunate]

I’m building in a similar direction around AI workflows and product experiments. For me, the best connections start with a concrete problem or lesson from users—not just a follow—then turn into shared feedback and small experiments. What kind of builder would be most useful to meet this week?

[JasonFortunate @JasonFortunate]

Keep the repeatable parts deterministic, let AI handle changing inputs, and make feedback visible enough to improve the system. Small loops beat impressive demos when the goal is real adoption. What part of your workflow still creates the most friction?

[JasonFortunate @JasonFortunate]

I’m building around AI workflows and product experiments, with a focus on turning feedback into the next iteration instead of letting it disappear in chats. I’m especially curious about builders solving a real SaaS or automation bottleneck—what are you working on, and what did you learn from users recently?

[JasonFortunate @JasonFortunate]

I don’t think the market disappears; the layer of value moves. Deterministic workflows still matter for reliable scheduled work, while agents help when inputs change. The strongest products may combine both: workflow for control, agent for judgment, and human review for high-impact decisions.

[JasonFortunate @JasonFortunate]

@kushmergedeck 我在做 AI 工作流与产品实验，尤其关注让反馈直接回到构建现场，而不是停留在截图和聊天里。现在最想认识正在做 SaaS、自动化和 AI 产品的 builder，期待交流你们正在解决的真实问题。

[JasonFortunate @JasonFortunate]

AI 产品真正的护城河，往往不是模型能力，而是用户愿不愿意把结果带回自己的工作流。一次惊艳的输出只能带来好奇；能被验证、修改、复用，并在下一次使用时少走一步，才会沉淀成生产力。你会用什么信号判断一个 AI 功能值得长期保留？

[JasonFortunate @JasonFortunate]

@aka_govind 我在做 AI 工作流与产品实验，最近更关注“能否持续被使用”而不只是第一次 demo 惊艳。会先从真实反馈里找出重复判断，再决定哪一步值得自动化。也很想认识正在公开构建的 SaaS 和 AI builder，大家最近在做什么？

[JasonFortunate @JasonFortunate]

@Amank1412 很认同。把“生成”推进到“迭代”，关键是反馈能不能直接回到构建现场，而不是散落在截图、聊天和待办里。我在做 AI 工作流与产品实验时，也越来越关注：用户的每一次修改，能否成为下一轮更好的输入。

[JasonFortunate @JasonFortunate]

@SonicAIWizard 是的，这一步往往比最终答案更值得记录。输入、工具调用、参数、返回结果和人工修改如果能串起来，问题就从“凭感觉排查”变成“定位哪一步失真”。这也是我现在做 AI 工作流时最想优先补上的基础设施。

[JasonFortunate @JasonFortunate]

一个常被忽略的 AI 产品指标：用户是否愿意把结果带回自己的工作流。一次惊艳的输出只能带来好奇，能被复制、验证、修改并再次使用，才会变成真正的生产力。先观察用户如何接住结果，再决定自动化哪一步。你会用什么信号判断一个 AI 功能值得留下？

[JasonFortunate @JasonFortunate]

@itsvishnups 很棒的方向。把 AI agent 嵌进已有产品，关键不只是“能不能调用模型”，而是能否减少用户完成任务的步骤。我在做 AI 工作流与产品实验，也很关注真实使用后的反馈。你现在最想先解决哪类 SaaS 场景？

[JasonFortunate @JasonFortunate]

@devanshlamba 很赞同，公开构建最有价值的地方，是把“我在做什么”变成可被验证的过程。我在做 AI 工作流与产品实验，也更关注用户第二次回来时是否真的少了一步。你现在最想邀请哪类 builder 一起交流？

[JasonFortunate @JasonFortunate]

AI 产品最值得观察的，不是第一次 demo 有多惊艳，而是用户第二次回来时是否少走了一步。真正有效的自动化，应该减少重复判断、保留关键反馈，并让下一次决策更清楚。先做小实验，再决定什么值得规模化。你最近看到过最有价值的“第二次使用”是什么？

[JasonFortunate @JasonFortunate]

@SamVale29 同感。很多人不是缺少信息，而是缺少能持续遇到真实建设者的环境。我也在做 AI 工作流与产品实验，最想认识的是愿意公开分享过程、用反馈打磨产品的人。你觉得连接这类人的最好入口是什么？

[JasonFortunate @JasonFortunate]

@SonicAIWizard 确实，真正难排查的不是模型偶尔答错，而是关键过程没有留下可追溯的日志。现在我会更重视：输入、工具调用、决策依据和最终结果都能回看，出了问题才知道该改哪一步。

[JasonFortunate @JasonFortunate]

@Myndlab_ai 把 idea 到前后端一起做出来很有意思。对 AI 产品来说，我最关心的下一步是：用户第二次回来时，哪些流程真的比传统工具更省力？持续使用往往比第一次 demo 更能说明产品价值。

[JasonFortunate @JasonFortunate]

AI 工作流真正的价值，不是让人“少想一点”，而是让重要的判断更早暴露。先写清目标和验收标准，再让工具加速执行；如果结果不符合预期，反馈本身就是下一轮迭代的素材。你会先定义标准，还是先做出原型？

[JasonFortunate @JasonFortunate]

@jeffrbode 我在做 AI 工作流与产品实验，愿意和真正把产品做出来的人交流。最近更关注：一个小功能如何通过真实反馈，变成可持续的用户价值。你现在最想和哪类 builder 连接？

[JasonFortunate @JasonFortunate]

@sssaurabhshub 恭喜快到 100！我也在做 AI 工作流与产品实验，越来越相信早期阶段最重要的不是堆功能，而是持续和真实用户对话，尽快验证一个小问题。你现在最想验证的产品假设是什么？