“Chatbot（聊天機器人）式AI將成為歷史。”

在半年前，如果一個來自國內的團隊敢這樣宣傳自己的產品，必然會招來嘲諷和質疑。

而在1月16日， flowith 2.0版本上線時，倪正民（DerekNee）赫然把這句話打在了flowith 2.0產品發布視頻的標題中。

他等來的網友評論是：“我真的很難想象國人能開發這玩意。”

這“玩意”是什么？

“flowith是一款畫布式的AI創作工具。”flowith聯合創始人兼CEO倪正民告訴「甲子光年」。

設想這樣的場景：你是一個初創公司的創始人，明天要見一位知名投資人，不同的投資人會有不同的風格和偏好，你如何更有策略地準備和他的見面？

可能你會打開一個AI chatbot，比如ChatGPT，在對話框里輸入prompt“我是XX公司的創始人，我要和XX投資人見面，請幫我準備30秒的pitch，讓XX感興趣。”

接下來，AI chatbot會生成一段“貌似可用”文字，但ChatGPT并不知道你的這家公司的具體情況，也不知道這位投資人喜好。你不可能拿著這段文字去準備和投資人的面談，最后還是得自己找資料準備。

類似的情況還有針對某個特定公司面試場景和某個學校的論文答辯場景。

你可能會想到檢索增強生成（RAG），但是這對于普通C端用戶來說，存在一定技術門檻。

flowith 2.0版本就可以解決這個問題，用戶可以從flowith的知識庫市場里導入這位投資人的知識庫，知識庫里有這位投資人過往的文章、視頻等；而知識庫里沒有的內容，比如某家初創公司的介紹、個人簡歷，都支持用戶自己導入。

倪正民把這個功能命名為知識花園（Knowledge Garden），在這個基礎上，用戶這樣再去接入其他模型的API，就可以獲得更準確、更個性化的內容，還可以進一步交互詢問更多問題，甚至開始模擬交談或面試。

而這些知識庫來自flowith用戶的整理，并可進行交易，這也給了用戶通過flowith知識庫市場變現的能力。

他說：“它將重新定義人類的創作方式以及知識的分享和變現模式。”

這種重新定義從flowith創辦之初就開始了。2024年4月18日，flowith悄然開始公測，它不同于以往“線性”交互的方式，而選擇通過畫布式、多節點的交互方式進行呈現：通過創建多個節點、每個節點代表一個獨立問題或主題的方式，用戶可以圍繞每個節點探索相關的信息和知識，在多個問題或主題之間自由切換的過程就像人類思維發散的過程。

2024年8月，flowith正式上線后又推出了智能體功能Oracle，可以“讓數百個AI Agents同時工作，無需手動搭建工作流”，這也讓flowith奪得了科技產品發現平臺Product Hunt產品榜的桂冠。

這次的flowith 2.0的則是帶來了知識花園（Knowledge Garden） 、多線程畫布（Canvas）、編輯器（Composer）等功能。1月23日，flowith又更新到了2.0.5版本，包括升級Oracle、新增跨項目拖拽以及接入國產當紅模型DeepSeek R1。

AI推理模型能力雖強，但flowith想讓它們跳出傳統chatbot式交互的囚籠，釋放出更強的能力。

“大模型本質是并發的信息處理器，卻被塞進單線程的聊天框里。”倪正民告訴「甲子光年」。

flowith背后的團隊十分年輕，CEO倪正民是一位堅定的技術樂觀主義者和連續創業者。他全額獎學金畢業于美國著名文理學院 Lafayette College （拉斐特學院），先后參與創立了創新教育平臺X ACADEMY未來學院、社交App Realm等項目，高中時還曾以最年輕的講師身份參與清華XLP項目（“跨學科系統集成設計挑戰”課程）的籌備和授課工作。

「甲子光年」注意到，flowith 2.0新增的功能，正是在模仿人的思維從發散到收斂的過程，構建一個“輸入-處理-輸出”的認知閉環。

我們對這個年輕人和他做的AI應用產品充滿好奇。

在flowith 2.0發布后，「甲子光年」和倪正民聊了聊flowith的緣起、特點、版本迭代，以及他的AI產品觀。

1.談緣起：畫布式工具帶來創作效率提升

甲子光年：最近不少人安利flowith 2.0，我想知道你對flowith的定義是？

倪正民：flowith是一款畫布式的AI創作工具。

甲子光年：為什么要做flowith？

倪正民：最初flowith的設定更加垂直，是一個AI生成工具。

生成和創作是有比較大區別的，生成只是創作的一個環節，更強調用完就走，而創作則包含了更多前置和后置過程。

最開始做這樣一個AI生成工具的契機，源自我自己使用ChatGPT等AI產品時的體驗：當強度使用AI生成內容時，我們往往需要訪問不同的平臺、調用不同的模型，并打開多個窗口與AI在不同提示詞（prompt）下進行交互。此外還得手動切換窗口對比效果，然后再將有用的內容反反復復粘貼，這個過程非常繁瑣。

我們曾將prompt和生成內容放在Figma上進行并列對比，以觀察哪個prompt效果最佳，這個過程讓我們想到：為什么不把這個流程做成一個產品，讓用戶能更高效地生成、對比和再生成內容呢？

人的思維本身就是多線程、天生發散的，那為什么我們要被使用的工具限制在一個單線程的聊天里呢？因此我們就在思考：chatbot式的對話，對于創作者來說是使用LLM的最佳選擇嗎？

基于第一性原理（First Principles），可從創作行為的本質需求拆解問題，于是我們得出了一個公式：

創作效率 = （生成質量X信息密度）/操作成本

甲子光年：這個公式挺有意思，畫布式工具如何帶來創作效率的提升？

倪正民：在傳統的對話模式下，Chat工具采用線性生成方式，這會讓用戶被時間維度限制住：對話必須按照時間順序依次進行。但創作的本質是非線性探索，用戶需要在不同節點間自由跳躍。

傳統對話有一個問題，就是每次都需要重新梳理上下文，增加了認知負擔。相比之下，畫布式交互利用空間記憶，降低了認知負擔。

這里暫不展開討論理論細節，但我們在搭建MVP（最小可行產品）后，測試了多線程和畫布式交互，發現畫布式交互可以極大降低用戶操作成本、并提高信息密度和質量。換句話說，傳統Chat工具的操作成本會隨著復雜度的增加呈指數增長，而畫布工具的增長只會是線性的。

這種改變的核心在于用空間復雜度替代時間復雜度：當創作流程變得足夠復雜，畫布結構的信息熵優勢將呈指數級顯現。

同時，我們自己在第一次體驗了產品MVP出來，雖然當時UI很粗糙，但還是給了我們非常不一樣的感受，有種進入心流的感覺，這也是我們給產品起名為flowith的原因，希望它可以幫助用戶flowithAI、flowithLLMs、flowithLove.

甲子光年：從創立之初到現在，你們的產品路線有什么變化嗎？

倪正民：我們第一次面向公眾是在去年4月份，當時對flowith的定義是“更高效的AI內容生成工具”，或者說“畫布式AI生成工具”。8月份發布的1.0版本，我們根據市場反饋和用戶最多的使用場景，把它更聚焦到“AI for Deep Work ”，即深度工作提供的 AI 內容生成工具。

我們的產品路線也在向這一方向發展，希望在圍繞深度工作場景，專注于內容生成，通過多線程對話方式，幫助用戶更高效地與AI協作，獲取所需信息并生成內容。

2.談更新：“知識外掛”模式是一種顛覆

甲子光年：flowith 2.0新增了知識花園、多線程畫布和編輯器這三個功能。為什么會選擇新增這些功能？

倪正民：flowith 1.0的核心基因是畫布，它承載著用戶對自由思考與視覺化表達的底層需求。

而flowith 2.0新增的知識花園、多線程畫布、編輯器，本質上是在重構數字時代的創作范式：將傳統線性流程升級為知識循環系統。

三個功能構成三欄架構，如同“廚房的冰箱（知識存儲）→ 案板（思維加工）→ 爐灶（內容輸出）”生態鏈。

知識花園解決的是創作者最根本的“認知饑餓”：AI工具如果只關注最終產出，就會類似強迫廚師憑空烹飪。通過結構化知識沉淀與市場交換，flowith將創作從“空中樓閣”轉化到根系扎實的認知生態。

多線程畫布則是應對現代創作的超文本性：人的思維本就不是單線推進，而是多維度并發的。我們通過畫布式多線程生成，將人類與AI在創作過程中“思維發散-收斂”的過程具象化為可操作的視覺工作流，這也是flowith被評“創作加速器”背后的核心邏輯。

編輯器的突破在于終結“工具跳轉損耗”。傳統創作中內容打磨需要切換5～7個工具，我們通過內嵌智能編輯的Composer，在創作過程中兼顧流暢性和精度控制。就像米其林廚師不會離開自己的廚房去切配菜，真正的創作應該發生在統一的認知場域里。

三個功能的協同，本質上是在構建“輸入-處理-輸出”的認知閉環。當知識能夠被積累、思考可以被延展和內容能夠不斷迭代時，創作就從偶然的靈感變成一種可持續的認知進化過程——這也是flowith 2.0想要帶來的變革。

甲子光年：知識花園的功能很有意思，這和檢索增強生成（RAG）有什么不同嗎？

倪正民：知識花園功能主要基于人類的認知管理+大語言模型的RAG技術特點，和RAG類似，但有所升級。

和RAG不同的是，使用者能看到flowith的AI具體分塊、引用的過程，并通過動態知識網絡實現知識的有機生長。每個知識種子（Seed）不再是靜態的文本塊，而是具備上下文關聯能力的智能單元。

傳統RAG是單向的知識調用，為了彌補這點，我們通過用戶對生成結果的反饋（如修正、擴展或修改來源），反向優化了知識種子的結構和關聯權重。雙向互動也讓系統越用越貼合用戶思維模式，并形成可解釋、可干預的知識協作系統。

甲子光年：flowith 2.0增加了社區功能，邀請了大V和博主入駐，知識庫也可以交易，這意味著你們切入知識付費賽道了？

倪正民：我們的AI知識庫和過去的知識付費并不是一個賽道的。

傳統知識付費是給人類學習使用的，而我們的知識庫是為AI服務的；傳統知識付費是單向輸出，而AI知識庫社區是動態演化的有機體：當用戶分享財富管理知識庫時，它不僅是靜態數據包，還能是其他用戶生成理財方案時的“思維腳手架”。

社區功能更深層的價值在于解決AI時代的“數據冷啟動”困境。大V們帶來的垂直領域知識庫，本質上是在幫普通用戶突破專業壁壘。就像Steve Jobs' Mind、PG Essays這些AI知識庫案例，普通人需要多年閱讀才能掌握其認知，而用AI調用知識庫即可快速獲得精準決策支持。

這種“知識外掛”模式，能讓每個人都能低成本擁有領域專家的AI協作者，我認為是社區真正的顛覆性所在。

甲子光年：你為什么認為用戶會愿意付費使用AI知識庫？

倪正民：在回答為什么用戶愿意付費之前，要先明確知識庫（Context）對大模型（LLM）回復質量的影響。

在我們測試中，不同的知識庫能讓GPT-3.5這類基礎模型的輸出效果提升數倍以上——當LLM擁有專屬領域的結構化知識圖譜和上下文時，它不再是從通用語料中拼湊答案，而是像專業顧問般進行推理。 

付費的核心邏輯在于知識庫創造了三層不可替代的價值： 

1. 認知杠桿：用戶積累的獨特認知、行業術語、案例模板、方法論框架，通過AI轉化為精準的生產力工具。比如廣告創作者上傳歷年campaign資料后，AI能自動生成符合品牌調性的腳本結構，這是通用模型永遠無法實現的顆粒度。 

2. 知識資產化：我們觀察到2.0內測用戶中，42%是內容創作者——他們通過知識市場將沉淀的行業洞察封裝成可售賣的 “思維模組”，這種從消耗時間到出售認知資產的轉變，重構了知識工作者的商業模式。 

3. 人機協同進化：flowith知識花園本質上構建了RAG技術的雙向訓練場—— AI在為人類整理知識卡片的過程，也在為 AI 建立帶語義標注的向量索引；而AI在回答問題時引用的知識片段，又會通過用戶反饋自動優化關聯權重。這種Human-in-the-loop RAG機制，讓知識管理系統成為培育專屬AI助手的土壤。

我們是想讓flowith 2.0解決一個悖論：AI時代的信息過載反而讓深度思考變得更稀缺。我們不是用技術替代人類創作，而是通過結構化知識流（輸入-重構-輸出）重建創作的心智秩序——當用戶為知識庫付費時，本質是在購買一個持續進化的認知協作伙伴。

3.談商業：真正高頻剛需的場景必然走向訂閱

甲子光年：問一個大家關心的問題，目前flowith有多少用戶？日活、月活數據是多少？

倪正民：具體數據還不方便透露，但我們已經通過產品訂閱達到了盈虧平衡。最近幾個月的收入增長曲線也是呈現的指數形態，預計2025年可達到百萬用戶的規模。

甲子光年：你們如何商業化？你更看好訂閱制、廣告，還是按使用付費模式？

倪正民：當然是訂閱制。訂閱制的核心不在于穩定現金流，而是倒逼產品必須成為用戶的“數字器官”，即用戶離開它會產生真實的效能痛感。

我們觀察到，真正的生產力工具會經歷三個階段：工具層（解決具體問題）→ 習慣層（嵌入工作流）→ 神經層（決策系統不可分割）。

只有當產品進化到第三層時，訂閱才不是消費而是投資。廣告模式本質是注意力稅（如社交產品），與深度生產力場景存在根本性沖突——當用戶進入心流狀態時，任何信息干擾都會摧毀工具價值。

而按使用付費模式看似靈活，實則暴露了產品價值錨點的模糊：真正高頻剛需的場景必然走向訂閱，低頻長尾場景則可能被生態級應用吞噬。

甲子光年：剛才我們聊到了AI知識庫交易，從你們最新發布的“Knowledge Market（知識市場）”來看，你們似乎不局限于要做一個知識管理產品，而是要做一個知識資產交易平臺？

倪正民：Knowledge Marketplace是一個融合了AI知識庫市場與社區功能，可以讓能夠將建立優質AI知識庫分享至社區，幫助他人借助私有化知識顯著提升AI回答質量。

如果要回答這個問題，需要回歸知識工作者的核心場景分層。

第一層是私有心智基建。80%以上的用戶高頻操作集中在個人知識花園：上傳會議紀要時自動生成思維導圖，寫作時調用上周讀的論文觀點，這種基于個人認知指紋的即時調用才是創作剛需。本質上，人類需要先建立穩定的認知坐標系，才能有效吸收外部智慧。 

第二層才是知識市場的價值。當時我們發現用戶開始自發交易“小紅書爆款標題公式庫”“Steve Jobs's Mind”“Matt Levine's Money Stuff”這類垂直知識模組時，意識到這本質是認知協作的溢出效應：某個咨詢顧問的行業洞察封裝成可交互的 AI 知識庫后，購買者不是獲得靜態文檔，而是一個能結合自身案例進行推理的“虛擬專家”。這比傳統知識付費的交付形態進化了三個代際。 

但大家也要清楚地知道，沒有第一層的個人知識管理系統，直接使用外部知識庫會產生嚴重的認知排異。就像廚師借用米其林菜譜前，必須先建立自己的味覺坐標系。所以flowith的底層設計始終以個人知識圖譜為錨點，市場中的知識庫更像可插拔的“認知增強模組”，在用戶需要突破思維盲區時提供臨時外援。 

甲子光年：我們了解到，有大廠和其他創企曾疑似“抄襲”你們的產品，作為創業公司，大廠和其他競對入局這個方向，你們的護城河在哪里？

倪正民：為了避免不必要的法務風險，我不會說具體的企業。但更重要的是，我不在乎他人的入局或抄襲。

我們注意到，有些產品直接復制了flowith的功能和宣傳文案。尤其是我個人發的小紅書文案，甚至被其中一家完全復制（僅更換名字）就發布了，這也讓我比較無奈。

我不反對學習和借鑒，但太過分地抄襲已觸及道德底線，難免令人不適。我希望大家都能以更健康的方式交流、學習，這樣才能共同發展和真正“走出去”。

當大廠帶著資本和流量入場時，我看到的是驗證了賽道價值，而非威脅——因為AI時代的護城河不在算力儲備，而在團隊認知、執行力、創新能力等一些較軟的東西，這些可能不能直接通過明確的數據進行對比，但我覺得這可能才是決定企業是否可以脫穎而出的關鍵。

4.談產品：用工程思維實現人性化體驗

甲子光年：你之前說過“當前90%的AI使用者對LLM的利用率不足20%”，這個洞察是怎么得出的？

倪正民：我們發現大多數用戶對AI的使用還停留在非常基礎的交互層面，比如簡單的問答、詢問天氣這樣的需求。通過分析我們的用戶行為數據，發現大量用戶并不了解如何給AI下達有效指令，也不清楚AI的能力邊界在哪里。

舉個例子，我們看到有用戶會問“幫我寫個商業計劃書”這樣籠統的需求，但真正會寫出“幫我針對早教行業，寫一份包含市場分析和財務預測的創業計劃書，重點關注XX”這樣具體指令的用戶，可能只有一小部分。

因此flowith推出了提示詞增強模式、知識庫功能等，就是希望通過產品來降低他們的學習和使用門檻。

甲子光年：從我們的角度看，flowith革新了AI產品的交互方式，你是怎么看待人機交互的？

倪正民：我觀察到一個矛盾：大模型本質是并發的信息處理器，卻被塞進單線程的聊天框里。就像要求建筑師只能用粉筆在走廊墻面作設計圖。交互設計不僅是界面問題，更是思維模式的外化。在flowith的節點式畫布里，用戶會自然地進行多任務切換、對比生成結果和建立思維分支，這正是人類面對復雜問題時的真實思考方式。 

未來交互設計不會有“標準答案”，而是像水一樣適配不同思維形態，我們在實驗的下一代交互是能讓人像指揮交響樂般協調多個AI能力模塊，我認為這也是大模型釋放潛力的關鍵。

甲子光年：交互方式只有GUI（圖形界面）和CUI（對話界面）兩種方式嗎？節點式交互方式，相較于線性交互方式的優點在哪里？

倪正民：交互方式遠不止GUI和CUI兩種。

節點式交互是我們在探索人機協作時提出的結構性創新。相較于傳統線性交互（如ChatGPT的聊天列表），節點式交互優勢有兩點：

1. 多線程與空間自由：線性交互強制用戶按時間順序回溯信息，而節點式允許在畫布上同時展開多個任務分支（例如同時測試不同Prompt的效果、并行調用多個模型），并自由拖拽、縮放、關聯節點。這種設計更貼近人類思維的發散性，就像在白板上寫草稿，能隨時跳轉層級、橫向拓展思路。 

2. 工作流顯性化：節點將思考過程可視化，每個生成結果、修改記錄、對比選擇都保留在畫布上，形成可復用的邏輯鏈條。操作時先讓AI生成5個創業點子，再針對某個點子分支出市場分析、競品調研、原型設計等多個并行任務，最終整合成完整方案。這種結構天然適配深度創作場景，能避免了線性對話中信息碎片化的問題。

簡單來說，節點式交互不是要取代現有模式，而是為需要反復生成、對比、迭代的任務提供更高效的載體。就像使用Figma取代單張PSD文件，它讓創作過程從“流水線”變成了“可組裝的積木”。

甲子光年：有博主測評表示，flowith可以在對話交互中保留主線程并多開子線程，但對于線程之間的切換是否流暢存疑。針對這一點，flowith目前的線程切換功能是怎么樣的？你如何看待Cursor在交互和LLM上下文管理方面的表現？

倪正民：flowith的線程是可以隨意切換的。

Cursor是一個偉大的產品。我是它的深度用戶，也在我們的開發團隊中強力推過它以及一些它的特別功能。我覺得Cursor做得最好的就是通過交互實現了LLM更好的context管理，同時配合能力足夠的LLM模型（Claude 3.5 Sonnet）因此給用戶提供了超凡的體驗，并獲得了大量的市場反饋。

甲子光年：你做產品的方法論從何而來？

倪正民：我的產品方法論主要源于直接的實踐。其實最早我也沒有太多產品的概念，因為我接觸計算機比較早，一直是”先做后說，邊學邊做“的狀態。

在小學到高中。我做了很多小產品和作品，也拿了一些獎項。高中時我成了一個線上設計工作室然后課余時間接項目，主要做網站制作和設計，這也成為我賺到第一桶金的來源，累計約20萬元人民幣。

這些看似零散的實踐讓我意識到，人們不只為技術買單，但會為體驗背后的情緒共鳴付費。

真正讓我從技術向產品的轉折是在開發社交產品時，讀到張小龍說“產品經理是站在上帝身邊的人”時，我突然意識到，自己在那些商業項目中積累的設計經驗和用戶行為觀察，實際上是一種解構人性的原始方法論。

這些認知后來都沉淀為flowith的底層設計原則：用工程思維實現人性化體驗。

甲子光年：什么樣的產品才是真正的AI原生產品？你最喜歡的AI產品是什么？

倪正民：哈哈，像flowith這樣的產品吧。除此之外，我的2024年度AI產品只有Cursor了。 

真正的AI原生產品必須滿足兩點：

一是交互形態由AI能力重新定義，而不只是把 AI 塞進傳統產品框架。比如Cursor用LLM重構了代碼編輯器的底層邏輯——它不再只是“寫代碼的工具”，而是通過實時分析、智能補全和對話式調試，讓編碼過程變成人與AI的共謀；

二是產品價值密度與AI特性深度綁定，如果抽離AI能力，產品核心功能會崩塌。比如flowith的節點式對話和畫布協作，本質是將AI的多線程、發散性思維外顯為空間化的信息結構，這和傳統聊天工具線性堆疊的對話框有本質區別。 

我最欣賞的是用AI重新發明輪子，而非給舊輪子貼金箔的產品。

5.談個人：科技樂觀主義者、黑客和設計師

甲子光年：之前我們了解到，你給自己的定義是techno-optimist（科技樂觀主義者）、hacker（黑客）和designer（設計師），為什么會這樣定義自己？為什么沒把自己定義為“產品經理”？

倪正民：我覺得產品經理更像職業，而“techno-optimist, hacker和designer”則將會成為我的墓志銘。換言之產品經理是我目前實現目的的手段，而后者是底層操作系統。

Techno-optimist需要像物理學家相信定律般篤定科技必然推動人類進步。Hacker的本質是用技術破壞舊范式來創造新可能，Designer則代表著人文藝術與創造的融合，同時保持對“美”的強迫癥。

我由衷的相信和希望人類的未來將會更美好，而并非變得更壞。產品經理這個角色對我來說就像腳手架，當建筑落成時自會拆除。真正不朽的是建筑本身承載的信念——用技術賦予創造者神之力，用設計讓每個像素傳遞詩意，這才是值得刻在石頭上的東西。

甲子光年：你是一個連續創業者，我很好奇你最癡迷的什么？

倪正民：過去我一直在嘗試“做東西”，雖然做的事物千奇百怪，從計算機渲染、到攝影、網站、iOS App、硬件產品、音樂、文章、AI、游戲……但本質都是一件事：在創作中追隨“美”。所以我最癡迷的，也是從各種媒介的創作中獲得美的體驗。

當你通過創造來找到美的那一刻，你的心靈及頭腦將獲得極大的快感。無論是經歷30小時計算后，在渲染器中看到第一束精確的物理級焦散光斑，或是費盡心思終于想出一個無比優雅的算法邏輯，抑或是在手機上劃動著由你一行行代碼寫出的絲滑UI，都會覺得之前成百上千個小時的工作是有意義的。

甲子光年：聊聊團隊吧，你會招怎樣的人加入？你最看重的個人能力是什么？

倪正民：我會尋找將工作視為創作而非職業的人。真正優秀的人才往往不是為了謀生而工作，而是把工作當作自我表達和實現的載體。雖然現在尋求就業機會的人才很多，但這樣的人依然還是少數，因此我們一直在持續尋找。

甲子光年：我看你經常發小紅書，甚至還通過小紅書招人。

倪正民：小紅書的算法推薦很不錯。

我們未來會繼續探索社交平臺招聘模式，但不會局限于單一渠道。關鍵不在于平臺，而在于建立人才與企業的雙向吸引：通過持續輸出產品理念、工作文化等原生內容，吸引真正認同我們愿景的人主動連接。這種基于價值觀和文化的招聘效率，遠高于傳統崗位描述的關鍵詞匹配。

甲子光年：你在去年11月時曾說：“對我來說，唯一重要的也是讓產品的飛輪轉起。每天似乎事情很雜亂，但最重要的，就是去需要找到更多優秀的人，拿到更好的錢，做出更卓越的產品，并讓這一切加速。”現在兩個月過去了，你的狀態有變化嗎？

倪正民：狀態沒變，但飛輪轉得更快了！

我們相比兩個月前，有了更好的產品，也迎來了多個超棒的同事，還有多家美元VC在給我們 TS，更棒的是飛輪各環節開始互相驅動了。

比如剛加入的交互設計師優化了我們多線程對話，讓用戶留存直接漲了10%，這數據又帶來了更多好的市場反饋，成為了投資機構加注的依據。這里的飛輪就像滑雪沖下陡坡，初期最費力，一旦過了某個臨界點，重力自然會帶著你加速。我們現在要做的，就是保持平衡，別讓飛輪偏離軌道。

馬上就到春節了，年后我們會有更大的動作，大家可以期待下。