以下文章来源于量子位智库 福盈策略，作者 AI 100 访谈
对 AI 效率类产品来说，怎样才能和用户形成深度绑定？
通过内置大而全的 AI 办公功能来占领用户「信息获取—结构化加工—多模态输出」的完整工作流，一站式似乎已经成了标准答案。
但我们也看到了一种新思路——懂用户本身。
在隐私安全的前提下，通过尽可能全方位获取信息来加深对用户的理解，给出更符合当前用户个人身份、认知和需求的答案。通过达成产品与用户之间的默契协作，这种个性化也是一种从更长生命周期来把握用户的方式。
在量子位智库的观察中，AI 知识助手 remio 正在尝试这一方向。
remio 主打无感和自动化，致力于变成记忆和用户同频的第二大脑。主打能够在用户无感知的情况下，实时、自动化地采集用户所需管理的信息，为用户创造更加轻松顺畅的使用体验。
△remio 实时采集
为了进一步探寻这款产品背后的逻辑、设计与规划，量子位智库邀请到了 remio 的创始人兼 CEO汪源，和我们深入聊了聊这款产品。
在这次访谈中，remio 创始人汪源分享了 remio 产品开发的初衷，以及这款产品如何成为他的AI 联创，深度参与自己的日常工作，另外还分享了对于 AI 知识产品的核心价值、核心用户、核心壁垒等相关思考。
无论是产品经理、项目经理、工程师、咨询分析师等复杂知识工作者，还是常被"读完就忘、找不到存在哪"折磨的日常信息处理者，亦或是垂直领域的 AI 创业公司，期待大家都能够从本次访谈中找到一些属于自己的参考。
关于 remio：
remio 是由杭州久痕科技推出的 AI 原生知识管理工具，创始人兼 CEO 为前网易副总裁、杭州研究院执行院长汪源。
remio 于 2025 年上线，旨在重塑知识工作流，打造个人专属的通用 AI 工作台。其核心功能包括：
自动信息捕获（Auto Capture）：通过浏览器插件自动抓取网页内容、文档、视频等信息，并过滤无关内容，将有价值的内容保存到本地知识库。
智能知识管理：根据内容主题自动分类，生成清晰的知识结构，方便用户快速检索。支持自然语言提问，可在知识库中快速搜索相关内容，并关联跨领域知识，提供更全面的答案。
AI 辅助创作：一键生成文章、文档的简明摘要，帮助用户快速抓住重点。还可模仿用户文风，自动补全或改写内容，适用于周报月报、文案撰写等场景。
隐私保护：所有数据存储在用户本地设备，不依赖云端，确保信息安全性。
△remio 产品主页 Key Takeaways：
以下为 remio 创始人汪源和量子位智库的详细对谈内容。在不改变原意的基础上，量子位智库进行了部分内容修改及简化。
访谈实录分割线 1、使用 ChatGPT 类助手最大的工作量来自提供信息，remio 核心差异在于为用户提供「第二大脑」
量子位智库：remio 的信息收集功能覆盖范围广且可以做到实时、无感同步，当时将其作为核心特色立项是基于什么考虑？
remio：我之前在网易时用 ChatGPT，发现最大工作量是找资料、上传资料或组织成 Prompt 贴给它。这种前期工作太累，导致多数时候还是自己处理——大脑调用信息很快，但外部产品需要手动提供信息，成本太高。
我想做一个产品，其记忆和信息层面能与大脑同频，成为第二大脑，处理任务时能自动从"第二大脑"找信息。这就需要无感、自动化的信息采集，手动收集无法实现持续同步。
量子位智库：remio 信息采集为什么能做到范围广且实时性强？是依赖 PC 端形态，还是技术、工程化的自研优化？
remio：这里涉及几块内容。首先，我们基于 PC 端开发，采集的信息已在电脑或浏览器内存中，无需上传云端，省去传输成本，速度更快。
另外，针对特定在线资料，我们发现了专属 API。比如视频网站有获取字幕文件的 API，我们无需动态抽取字幕；在线文档也有 API 可获取 Markdown 格式内容，目前还没发现第二个产品能做到这一点。这些本地化优化和深度适配共同带来了好体验。
福盈策略
△remio 信息采集来源
量子位智库：多数知识管理产品都有问答功能，「Ask remio」的回答效果与众不同，核心原因是什么？
remio：所有知识库产品都有问答功能，但就像问问题要找对人——人没有对应专业或信息背景就无法回答，产品的差异也在知识储备。
remio 通过实时、全面、自动化采集用户接触的所有信息，做到与用户的信息层面高度一致，最擅长回答与用户工作紧密相关的问题。
如果是特定领域的专业问题，ChatGPT 这类有公网搜索和深度研究能力的产品更合适。
未来用户可能会用多个产品，因为每个产品"懂的东西"不同，remio 的核心是懂使用它的用户本身。
2、AI 产品时代，用户个人数据只对用户有核心价值，对他人的重要性远低于互联网时代
量子位智库：remio 定位"个人专属的通用 AI 工作台，重塑知识工作流"，"个人专属"、"通用"、"重塑工作流"在产品中如何体现？与其他产品有何不同？
remio：先看个人专属。remio 中大量信息是个人私域数据，这些数据在公域或企业协作平台不存在。remio 是用用户个人私域数据"养"出来的 AI Agent，对用户有用，对他人可能无用。
且所有数据存放在用户个人电脑本地，没有云端存储的安全和隐私顾虑，这是其他产品难以比拟的专属性。
再看通用。从适用人群看，学生、研究者、工程师、产品经理、项目经理、市场、咨询等不同岗位用户都在使用；从任务范围看，能处理消息回复、产品规划等多种工作事务，覆盖不同类型需求。
最后是重塑工作流。现在工作全靠人脑处理：眼睛、耳朵接收信息，大脑加工，再通过嘴、手输出。有了 remio 这个"第二大脑"，工作流不再必须经过人脑，可由"第二大脑"处理，这是最大的重塑。
量子位智库：相比互联网时代，个人数据对 remio 这类 AI 原生产品的重要性有何提升？意义和利用方式有何不同？
remio：现在的个人数据与互联网时代差异很大。
互联网时代，个人数据对产品体验有用，比如云音乐、小红书用用户行为做个性化推荐。个人数据对他人也有价值——协同过滤算法就是通过海量用户行为统计相似性，给用户推荐"同类用户喜欢的内容"，个人数据既能帮自己也能帮别人。
AI 产品时代，个人数据对自己至关重要，但对他人的重要性远低于互联网时代。现在的个人数据才是"纯粹的个人数据"，remio 的设计也能体现这一点——我的个人数据只对我有核心价值。
3、简单知识工作者将被 AI Agent 取代，AI 知识产品的核心用户为数亿规模的复杂知识工作者
量子位智库：remio 的目标用户是哪些群体？对市场规模有何估算？
remio：我们将目标用户定为复杂的知识工作者。
知识工作者分两类：一类是简单知识工作者，比如客服、SDR，工作有标准话术或固定流程，重复度高；另一类是复杂知识工作者。
全球现有 7 亿到 10 亿知识工作者，其中简单知识工作者未来会被 AI Agent 取代——比如美国现有 70 万到 80 万客服，预期三到五年后会减少到 20 万以下。
未来绝大多数知识工作者会是复杂知识工作者，核心群体包括各类管理者（产品经理、客户经理、项目经理、HR 经理、财务经理等）、高阶创造者（产品、工程师等）、专业服务人士（咨询、律师、研究者等）。
这类群体全球至少有数亿规模。
量子位智库：复杂知识工作者使用知识类产品时，最关注哪些方面？
remio：可从不同维度看。从软件使用维度，他们花大量时间在开会、资料搜寻、邮件处理、聊天、日程安排等方面，希望产品能在会前会后提供支持、辅助检索内部资料、处理邮件和聊天、管理日程 To do。
从工作类型维度，包括计划类、复盘回顾类、高阶策划类（产品规划等战略 / 策略任务）、低阶执行类（操作 SaaS 产品、填写信息等）。
目前 remio 在信息搜寻、回忆、梳理、小结回顾，以及协助探讨策略性方案方面做得较好——策略性任务需要高认知能力，但不需要太多工具使用能力，remio 很适配。像重复性操作类工作，其他产品可能更擅长。
4、新用户激活是最关注指标，需要让用户理解花时间"养"产品能获得延迟满足的回报
量子位智库：remio 是否达到 PMF（产品 - 市场匹配）状态？有哪些关键信号？当前最关注的核心指标是什么？
remio：实事求是地说福盈策略，remio 还没达到 PMF，因为尚未正式收费，无法确定付费率和持续付费意愿。
但我们度过了两个关键点：一是 4 月内测时，用户反馈显示 Auto Capture 能力被广泛接受且喜欢，之前我们不确定这种创新设计能否被认可；二是 7 到 8 月，种子用户高频使用后发现，现有 AI 技术能高比例产出好结果，验证了技术对复杂日常工作的支撑能力。
当前最关注的核心指标是新用户激活。新用户引入不是大问题，但激活有提升空间—— remio 需要沉淀数据，新用户刚进来时系统是空的，就像单纯的大模型对话软件，无法体现价值。
需要引导用户装浏览器插件、绑定工作文件夹、导入存量文档，但资料解析可能需要一些时间，部分用户没耐心探索就流失了。
我们希望让用户理解，花时间"养" remio 能获得延迟满足的回报。
量子位智库：remio 的价值体现有延迟，需要用户前期投入，那么在用户引导和教育上有哪些经验？
remio：这方面没有太多业界成功经验可借鉴，因为 remio 的产品形态此前从未出现过。
ChatGPT 上手容易，是因为它有世界知识，能回答各种问题；但 remio 最擅长解决"用户知道、它也知道"的问题，而新用户进来时它"什么都不知道"。
我们在探索一些方式，比如下版本会推出"提示词仓库"，让用户看到 remio 未来能处理的工作，同时说明使用这些提示词需要导入哪些数据源——没有数据就无法完成任务。希望通过这种方式让用户看到理想结果，再引导他们同步数据。
整个行业都没有这类产品的激活和 Onboarding 经验，我们可能走在最前面，还在摸索。
量子位智库：结合经验，哪些是 AI 产品中参考意义不大的虚荣指标？
remio：一是未收费前的用户量。AI 产品没有互联网平台的网络效应，免费时用户量再大，收费后留存可能不到 1% ——推特上经常看到免费时几十万用户，收费后只有几个付费，付费率不到万分之一。
二是不严谨的 ARR（年化经常性收入）。很多人计算 ARR 不是基于财务逻辑，比如用收费前七天的流水乘以 48 或 52，而这七天的流水可能是冲刺出来的，且用户可能已付年费，后续一年无法再收费，这种 ARR 就是虚荣指标。现在很多 ARR 数据很夸张，缺乏严谨性。
5、优先推进高流量平台适配和高频用户需求，通过数据看功能使用率和使用路径
量子位智库：remio 如何挖掘信息收集相关的潜在需求？如何安排开发优先级？
remio：需求挖掘有三个来源：一是全球流量 TOP10 的网站（Google、YouTube、Twitter、Reddit、LinkedIn、Facebook 等），作为主流的用户数据来源渠道，我们优先适配这些高流量平台；
二是每周一对一深度用户访谈，比如用户多次提到需要支持 PDF、PPT 等本地文件，我们就提前了本地文件支持功能的排期；
三是团队"吃自己的狗粮"——我们面向欧美市场，工作环境与欧美企业一致，用 Google Workspace、Gmail、Slack 等，能直接感知目标用户的数据来源和办公状态。
开发优先级主要基于用户需求强度、工作场景覆盖广度——高流量平台适配和高频用户需求会优先推进。
量子位智库：新功能上线后，如何监测效果以确定是否迭代？
remio：从两方面入手。一是打点数据，不含用户内容，但会记录用户使用的功能点，通过数据看功能的使用率和使用路径；
二是针对性用户访谈，了解用户是否使用新功能、使用感受、存在的问题。结合用研和数据分析，对线上功能做复盘迭代。
量子位智库：有没有用户没意识到但影响体验的细节设计？有哪些用户反馈较多的独特功能？
remio：Auto Capture 是核心卖点，就不多说了。还有个功能叫Collection，能对内容做多维度组织和关联——一个内容可以放在多个 Collection 里，Collection 之间也能关联。
我们认为海量信息需要多维度组织，这也是多维表格的设计逻辑，但多维表格太重且与文档割裂，所以设计了 Collection 机制。
用户反馈分化，有些用户觉得很方便，能灵活关联内容，疑惑"为什么之前没人这么做"；有些用户习惯传统文件夹，觉得 Collection 复杂，希望保留文件夹功能。
这个功能其实类似用户手动构建知识图谱，但更多是给 remio 和 AI 用的。比如同步聊天数据时，我们会按天切割成聊天文档，关联到当天发言或被 @的人。AI 能通过这些关联快速回答"我和某人聊过什么"，不管是私聊还是群聊。
Collection 设计得灵活，是为了满足 AI 的使用需求——人不愿花精力做关联，但算法能自动完成，帮助 AI 精准召回信息。
6、主流 AI 产品本质都是 Agent，核心区别在于自身的"知识储备"
量子位智库：remio 的"自主行动"常被与 Agent 关联，它与其他 Agent 产品的核心区别是什么？
remio：主流 AI 产品本质都是 Agent，只是类型不同。比如编程软件是 Agent，有些所谓的"通用 Agent "其实擅长工具使用（搜索、读写文件、打开浏览器等），但工具使用范围有限。
remio 也是 Agent 架构，核心区别在"知识储备"—— remio 懂的东西，其他 Agent 可能不懂；其他 Agent 懂的，remio 也可能不懂。大家的能力面、信息面、知识面不同，但都属于 Agent 类型。
量子位智库：除了全量信息收集，好的 Agent 产品还需满足哪些关键标准？
remio：我认为有三点。第一是有效，确实能显著提升用户工作效率，这一点我们做得不错，因为很多能力是其他产品没有的。
第二是易用，如果有效但学习门槛高，用户会半途而废，这一点我们目前做得不够好，很多新用户进来会迷茫。
第三是不贵，产品再好如果价格太高，也不是好产品——就像之前做严选的口号"好的生活没那么贵"。
7、在规模化扩张之前先搭建增长基础能力，坚持邀约用户做一对一深度访谈
量子位智库：remio 的前 1000 个用户是如何获取的？当前处于哪个增长阶段？
remio：前几百个用户来自 3 月公测时我的个人自媒体——公众号、Twitter、朋友圈，朋友转发后有几千人加入等待列表，最终转化几百个用户。5 月初在 Product Hunt 发布，拿到日榜和周榜第一，又转化几百个用户，两者加起来接近 1000 个注册用户。
当前没有规模化扩张的计划，主要在搭建增长基础能力：做程序化 SEO，与 YouTube 的 KOL 建联沟通选题和脚本，在 Reddit 做运营（这类运营需要时间发酵）。
原因有两个：一是产品形态不够成熟，二是平台覆盖不全面——目前只支持 2020 年后的 Mac 设备（需要 M 系列芯片），Windows 和老 Mac 用户无法使用，大规模推广会浪费 70% 的流量（Windows 或老 Mac 用户）。
量子位智库：remio 在公开开发（Building in Public）上做得好的地方是什么？
remio：我们坚持持续邀约用户做深度一对一访谈，参与访谈的用户会有少量报酬。访谈中会了解他们对数据来源适配的满意度、使用痛点和需求。
我们还会在新版本推出后，向种子用户反馈——"你上次提的需求已实现，能否体验新版本并继续交流"。目前用户量不大，每周能保证 2 到 3 次深度交流，核心是拉近与用户的距离，做产品共创。
8、互联网公司的基因决定了数据云端存储的模式，remio 的核心壁垒则在于对用户私域数据价值的理解
量子位智库：如何应对互联网厂商的复制？有哪些防御性设计或核心竞争力？
remio：remio 未来肯定会有复制品，因为产品能创造价值。但互联网大厂很难走我们的路线，这是由基因决定的——大厂一直做协作或内容平台，默认用户数据存云端实现协同，很难接受"所有数据放用户本地"、"刻意避免接触用户数据"的选择。
比如腾讯的产品会强调数据在云端、做公共知识库共享，这是内容平台的思路。
我们的核心壁垒在于"数据本地存储"的产品定位和技术路径，以及对用户私域数据价值的理解，这与大厂的基因完全不同。
当然，不排除未来出现意料之外的竞争对手，但至少能避免被互联网大厂碾压。
9、AI 产品大多集中在文档问答这样的低阶使用场景，解决真正影响工作效率的高阶问题才是核心价值
量子位智库：remio 的理想状态（100 分）是什么样的？短期有哪些迭代方向？
remio：我自己给现在的产品打"勉强及格"，但访谈用户的典型打分是 8 分（满分 10 分）。我们要做的事情还有很多，距离 80 分、100 分还有很大差距。
短期迭代重点有两个：一是 9 月底接入全量办公数据，包括邮件、会议、日程、日历、Todo，以及苹果用户常用的 Apple Notes 等笔记软件，让办公数据覆盖更全面（目前已支持在线资料、本地文档、Slack 等聊天软件）；
二是 10 月推出 Windows 版本，覆盖 Windows 用户。
量子位智库：如果再安利一下 remio 这款产品，该如何介绍它？
remio：remio 是最了解你的专属 AI 助手，也是通用工作台。它会无时无刻同步你接触的所有信息，让你无需手动提供资料——处理任务时，它会根据任务类型自动从全量知识库找合适信息，完成工作。
比如低阶任务（对单个文档问答），手动传资料不算麻烦；但高阶任务（盘点近两天工作需跟进的内容、是否遗漏给同事的反馈），手动找资料根本不可能，因为涉及的资料无穷多。
remio 的核心价值就在这里：工作时实时收录所有资料，面对这类问题时，能基于全量信息分析"你最近在做什么、哪些工作需要跟进"。
现在的 AI 产品还没打开高阶使用场景，大家多在用"总结文档"这类低阶功能，而 remio 能解决真正影响工作效率的高阶问题。
— 欢迎优秀 AI 产品前来建联 —
「AI 100」是量子位智库推出的 AI 产品风向标系列内容，致力于挖掘推广国内的高潜力 AI 产品，包含「旗舰 100」和「创新 100」季度双榜单，及1v1 访谈栏目。
道正网提示：文章来自网络，不代表本站观点。
- 上一篇：配资猫 首家！武汉市内免税店正式亮相 自研行程核验系统同步首发
- 下一篇：没有了
相关文章
沪深京指数
热点资讯
