越不合理的需求，越值得去做

这是用语音输入写成的文章

做产品的时候，我发现自己有一个坏习惯：用户提了一个「不合理」的需求，我第一反应就是振振有词地说不，然后把理由说得头头是道。

但有的时候那个需求会一直萦绕在脑子里面，挥之不去，直到我真的想清楚了，才发现——哦，原来这是个完美的产品需求。我说不做，不是因为需求不合理，是因为我做起来太难。

我在做 VoiceDrop 的时候，遇到了三个这样的例子。

第一个：把多段录音合并成一篇文章。

有用户在公众号留言问：能不能录两段或者三段，让 app 自动合并成一篇？

我当时的反应是：这也太复杂了，要选哪几篇，要有编辑界面，界面会变得极难用。建议你用 skill 自己去 Claude 里面搞吧。

过了一段时间，我忽然意识到，这个需求不是很正常吗？现在新版本已经支持了。你直接在任何一篇文章里面跟它说「把这篇文章后面的两篇合并进来」，它就自动合并，还做润色，三篇文章浑然天成。

第二个：语音编辑文章。

另外一个非技术用户提了一个需求。

用语音生成文章之后，在手机上做编辑是一件很痛苦的事情。为什么不能用语音来编辑？

我第一反应也是不做。原因是：定位太难。你怎么精确地描述在什么地方加什么话，把哪一张图具体要挪在什么位置——用语言描述这些，会变得很困难且不自然。

两天以后，我逼着自己想出了办法——<span style="color:red">只要在段落前面加行号，在图片上面标图一、图二、图三，问题就解决了。</span>你直接跟大语言模型说「把第二张图片放到第五行后面」，或者「把第七行里面的我们改成我」，精准无比。

这是我第一次用到真正可用的语音改文章——改到一字不差，没有一丝不合理，直接发布。

第三个：图片功能。

这个是我最斩钉截铁地说不做的。我做的是语音和文字，图片放哪里？世界上又不缺别的图片发布工具。理由说了一大堆。

但当我真的把图片功能做出来，就等于说一边说话，一边屏幕上显示摄像头，你可以看图说话，一边看着这张图解释它，一边拍一张照片。图缺省就放在你当时说话的那个位置。以后还可以让大语言模型根据图的内容，把它放到文章里最合适的位置。

这些加在一起，让我爱不释手，半夜跑到街上，一边走一边说话——写文章的体验好到再也不需要考虑编排的问题了。

---

这让我想起苹果那个跨电脑拷贝粘贴的功能。从几十年前开始，不懂电脑的人第一反应就是：我能不能在这台电脑上 copy，在另一台电脑上粘贴？

我花了多少时间跟一个一个人解释：这是这套系统，那是那个系统，它们之间没有相连，这是不可能的。

直到苹果用 iCloud、蓝牙和本地连接框架把这件事做出来了。框架一旦有了，不只是跨设备粘贴，手机上收到的短消息在电脑上也能收到——所有以前认为不可能的奇怪东西，就自然变成可能了。

还有 iPhone 第一版没有键盘。在屏幕上做多点触控、让模拟键盘有真实键盘的感觉、性能不卡顿——这是技术难题，但你不能否认人的需求就是「一个没有键盘的手机」。

Google 搜索框随便输个词就出结果，这不是一个正常人想要的东西吗？只有专业人士才知道后面有多难，才知道做了多少工作，才让用户觉得「互联网不就应该是这样子吗」。

<span style="color:red">专业人士只会给非专业人士做科普，告诉他为什么这是做不了的。但社会不是这样进步的。</span>大家不满足于清楚地知道为什么不能这么做，大家只想糊里糊涂地这么做下去。

it work 不是最低标准，这是我们整个世界的最高标准。如果一个东西 work，你还期待他干有一些其他的功能吗？

---

我听说过一个心法，觉得很有用：

每当出现你认为不应该做的需求，把问题换一个角度——如果是另外一个人把这个功能做出来，你觉得好不好？

很多时候，答案就从否变成了是。

家门口有座山，让愚公去挖，好不好？当然好，这样就可以直接过去了。你让我挖呢？世世代代挖多少代，我不干。

去火星好不好？那里太冷，去了必死，不好。如果让马斯克做出一个东西让我们安全去火星呢？那当然好了，希望他尽快做出来，且在我有生之年让平民到达火星的梦想变成现实。

所以，先想「如果别人做出来，你会不会喜欢」。如果是，再去思考那个困难的问题到底怎么做出来。对于这个问题，不见得总有答案，但至少值得思考。

不要那么快说不。即便说了不，也要让这个需求在脑子里面沉淀，反反复复地去检验——到底是这个需求不合理，还是我做不出来？