AI 产品怎样从“做得到”走到“值得用”：采用、交付与验收的三道门槛
把拍摄、端侧 AI、创作软件与 Agent 计量放在一起，区分问题存在、方案采用、完整交付和可验证结果，并给出下一轮实验方法。
研究问题：用户究竟在验收哪一件事？
一台相机能追踪人物，一套本地模型能回答问题，一个 Agent 能连续调用工具。这些能力都可能有用，但它们还没有回答同一个问题：用户原来要做的事，到底有没有更容易完成？
我把拍摄、端侧 AI、家庭机器人、创作软件与 Agent 计量的研究放在一起，得到一个值得继续检验的判断：产品定义容易在三个地方越级。发现问题，就推定用户会采用某个方案；看到局部能力，就推定完整任务已经交付；拿到成功日志，就推定结果被使用并创造了价值。
这份报告将它们整理为采用、交付与验收三道门槛。它是一套跨项目的分析与实验设计框架，不是市场规模预测，也不是已经完成的跨行业因果实验。公开依据来自既有研究笔记、固定版本的开源项目与本轮核对的官方文档。
第一道门槛：有困难，不等于愿意采用你的方案
用户希望拍好视频，不等于愿意增加一台会移动的设备；希望降低 AI 成本，不等于愿意维护本地服务器。一个方案即使解决了旧问题，也可能同时带来安装、学习、维护或使用环境的新要求。
研究首先应记录用户现在怎样完成任务。是在忍受繁琐步骤，还是已有足够好的替代方案？困难发生在什么时刻，谁承担后果？接受新方案的条件是什么？这些问题需要放在同一个角色和场景里解释。不能把一个人的抱怨、另一个人的购买和第三个人的长期使用，拼成一位不存在的完整用户。
我使用的 SURE 方法区分场景、问题、替代行为、方案接受与商业行为。工具可以检查字段和证据门槛，却不能替研究者证明需求真实存在。大量讨论材料适合帮助发现待验证的问题；若缺的是原型接受或实际使用证据，继续扩充背景语料不会自动填上这个缺口。
第二道门槛：衡量完整任务，保留被省略的人类工作
评价自动化时，先把任务的起点和终点画出来。拍摄任务可能从架设设备开始，到挑选片段、修改并获得可用内容结束；本地 AI 任务可能包括安装模型、授权数据、检索、生成、校对与保存。只测中间最快的一段，会把前后的劳动藏起来。
一个假设例子：旧方案的准备和收尾一共需要八分钟；新设备将拍摄操作减少四分钟，却多了三分钟配对和四分钟选片。这里不能仅凭“拍摄少四分钟”宣称效率提升。数字只是解释测量口径的演示，不是任何产品的实测。
更可靠的记录方式，是分别保留准备时间、主动操作时间、等待时间、返工时间、维护时间与任务质量。等待可以与其他工作重叠，用户注意力不能简单按墙钟时间相加。不同角色的成本也应分开：购买者得到方便，维护者可能承担额外劳动。
拍摄和创作：短而可靠的承诺也可能有价值
从可靠记录到解释、建议乃至代替用户行动，并不存在一条自动增加价值的阶梯。对某个用户，稳定留下可用片段已经解决了重要问题；对另一个用户，拍完之后仍需要大量整理。产品应该先识别哪段工作最阻碍任务完成，再决定承诺到哪里。
在拍摄场景中，可以比较固定机位、转动跟随和移动机位，让用户在相同任务下选择哪些片段值得保留。需要观察移动是否增加了真正需要的内容，也要记录设置、噪声、空间占用和后续处理。这个设计不预设移动更好，更不预设固定设备永远足够。没有实际完成对照前，它只是一份验证方案。
创作软件则可以用一次明确的修改请求测试：只更换背景，保留已确认的人物、台词和节奏。除了修改成功，还应记录其他部分是否被意外改变。OpenTimelineIO 提供片段、轨道、时间和元数据等剪辑信息的交换结构，不内嵌音视频。这说明生产过程可以保留可操作的结构，但这个格式本身并不证明某个 AI 工具已能稳定完成修改。
资料：OpenTimelineIO 官方文档，2026-10-10 查阅。
端侧 AI：先确定必须留在本地的任务
端侧讨论很容易从设备参数开始。我更愿意先问：哪些步骤必须断网完成，哪些数据不能离开边界，任务多久发生一次，失败以后谁恢复？这些约束决定应该比较什么设备和软件，而不是反过来。
LM Studio 的官方说明确认，下载好模型后可以进行本地聊天、文档处理与本地服务；模型搜索、下载及更新等功能仍需要联网。这为研究提供了一个现有电脑上的替代基线。它不能证明接入外部工具后的整条 Agent 链路也都离线，更不能直接证明用户需要额外购买专用设备。
Ollama 文档说明，增加上下文长度会提高模型运行所需的内存。因而比较不能只列模型参数量或峰值算力。应在同一任务、质量要求和数据边界下，比较现有电脑、专用本地设备与允许使用的云端方案，并记录安装维护、上下文需求、失败处理和结果可用性。这里提出的是评估条件，不宣称任何路线已经在总成本上胜出。
资料：LM Studio 离线说明、Ollama 上下文说明，2026-10-10 查阅。
第三道门槛：执行成功之后，结果仍需验收
一次工具调用完成，可以证明该次调用返回了某种结果；它未必证明用户目标实现。报告文件生成了，不代表内容准确；预约创建了，不代表时间和对象符合用户要求；两次重试，也不一定代表两次独立任务。
Agent 计量研究因此要区分尝试、逻辑操作、任务结果、结果采用与业务价值。每个数字必须说明分母和可观察范围。若缺少可靠标识，无法将多次尝试归入同一操作，就保留无法判断的部分，而不是强行输出精确的成功率。
AgentMeasure 的固定版本 README 明确采用 PASS、FAIL 和 UNPROVABLE，并将执行事实、规则核验与经济结算分开。这里引用的是项目的设计边界，不是对行业采纳程度、客户收益或审计战绩的独立验证。付费记录可以证明发生了支付，仍不能单独证明增量价值；退款或让步也应与原先提出的主张分开记录。
把三道门槛变成一个可执行的对照
第一步，写清一个用户、一个场景、一项承诺和现有替代方案。例如“在固定室内活动结束后，得到可用的拍摄片段”。“更智能”“更懂用户”不够具体，无法告诉评审者什么结果算通过。
第二步，在测试前定义可接受结果、不可接受的副作用和需要接管的条件。对同一类任务比较既有方案与新方案，尽量保持材料和环境一致；让评审者依据事先约定的标准检查结果。若条件不能一致，保留差异，不假装完成了严格因果实验。
第三步，分别记录采用、交付和验收。采用看用户是否在给定条件下选择并实际使用；交付看合格完成、操作负担、维护与恢复；验收看结果是否满足标准、是否被采用、还缺什么证据。对娱乐和表达任务，结果标准可以是用户选择保留、分享或重复体验，不必强行换算成生产效率。
第四步，保存不成功和被放弃的任务，复核最强反例。若用户喜欢结果却不愿意日常设置设备，先研究部署负担；若任务完成却经常需要重验，先研究可检查性；若结果可靠但不被选择，再回到任务重要性和替代方案。不同断点需要不同实验，不能统一归因为模型不够强。
研究边界：这套框架还不能证明什么
这些研究横跨不同产品，尚未使用统一样本与任务完成跨领域实验。因此，三道门槛是整理问题的方法，不能合成一个具有统计效力的行业总分，也不能据此预测某家公司成败。
它更适合任务承诺明确、需要反复交付的产品。娱乐、陪伴、身份表达与探索型创作也有价值，但采用与验收方式不同。不能因为难以量化，就删去这些动机；也不能因为动机存在，就宣称某种硬件、价格或商业模式已经成立。
本轮没有把私有项目预算、合作资料、会话全文或原始平台用户内容放进公开报告。已有语料规模不等于独立用户数；不同快照也未做统一重算。下一步最有价值的工作，是选一个具体任务，带着同一份验收条件，比较旧方案和新方案，再用实际结果修订判断。