前剪映负责人Kiki：AI应用别做All-in-one，垂直调度模型上限才是壁垒

九年时间，Kiki 几乎完整经历了字节跳动在影像工具赛道上的每一次关键战役。

从早期的 Faceu、将轻颜相机推至 1500 万 DAU 的品类天花板，到 2019 年接手剪映，陪伴一款工具从零走向全球过亿用户的规模。2023 年生成式 AI 席卷行业，她又带着剪映团队在内部极为激进地推演 AI 剪辑的可能性，直到整个业务线跑通商业闭环、实现盈利。

2026 年初，这位在大厂内部操盘过超大体量业务的产品人选择离开体系，创办了面向设计领域的 Agent 工作空间 OJO。

从成熟业务的经营者转变为从零开荒的创业者，她对眼下喧嚣的 AI 应用层有了更多冷静甚至反常识的体感。在她的观察中，那些一上来就试图做 All-in-one 或守着旧叙事做微创新的产品大多难以存活。而在实践中，代码模型为了确保底层逻辑的“绝对正确”，往往会牺牲视觉上的审美上限，应用层的真实壁垒恰恰在于能否在垂直领域将模型的上限调度出来。

在出海冷启动的打法上，她同样选择了一条剥离大厂资源杠杆的路径。没有高昂的营销投放，拒绝了数万美元的海外代理打包方案，团队仅凭 1 名市场运营和 3 名实习生，在海外极客社区中以最原始的人工触达寻找种子用户，在上线首日自然打通了跨国付费链路。

在这期对话中，我们与 Kiki 探讨了大厂做 AI 与独立创业之间的认知鸿沟、为什么固化的设计 Workflow 正在被动态插拔的 Agent 团队形态取代，以及当专业技能壁垒被大模型迅速摊平后，上下游生产关系正在发生的深刻重构。

ZF：感谢Kiki做客Z Finance，先请你介绍一下自己。

Kiki： 我是Kiki，我在字节度过了九年，主导过几个产品的0-1，和1-100的过程，轻颜相机、剪映的全球过亿体量都深度经历过，并在后期也决策参与了剪映激进拥抱 AI 并实现盈利的全过程。

2026 年初我离开了大厂，现在正在做一款面向设计领域的 AI 产品，叫 OJO。简单来说，我们想打破过去那种固定的设计流程，让大家可以通过自由组合不同 Agent 和技能的方式，搭起自己的专属设计团队。

从操盘大业务到自己出来从零开荒，这一路有很多很不一样的体感。今天也很开心能来 Z Finance，和大家坦诚聊聊我们在产品落地、出海抓用户以及商业化上踩过的坑和摸索出来的真实经验。

OJO 要让乔布斯与梵高成为你的专属 Agent 团队

ZF：你会如何介绍OJO这个产品？

Kiki： 我希望它是一个Agent团队的Workspace，聚焦在设计领域。任何一个有设计需求的人，可以在OJO上组建自己的设计团队，不需要再雇很多设计师——解决从创意发散到最终实现落地的全链路。它是一个Agent团队的Workspace，但focus在design这个领域。

ZF：你是怎么收敛到OJO现在这个产品形态的？

Kiki： 这个有变化。我一开始想做一个工具，看到链路未来会变化，所以想做工具。工具做出来了，跟用户交流过程中发现几件事：

第一，审美没有标准答案。不一样的东西放在不一样的语境里，产生不一样的结果。苹果的设计高级，但拿到四五线营销场景，它不对、很奇怪；苹果毛玻璃很高级，拿到时装场景也不一定高级。审美本身有语境，一个团队很难满足所有用户需求，不可能说自己是世界上审美的唯一答案。

第二，Workflow没有固定答案。垂直领域涉及很多环节，用户需求有深有浅，不一定所有人都要到达workflow终点，可能到中间这一段就可以了。有人只需要发散创意，有人需要完整落地，不能一刀切。

第三，在模型上做了大量工作，但依然有长尾细分需求。设计是人力技能密集型产业，每个人只擅长一点，像孤岛一样。做动画的可以把曲线做得很好，但做平面UI就不行；会英文排版的人排中文丑得要死，会中文排版的人排英文也low。用户需求很细分很长尾。

所以我们后来觉得设定好一个Workflow不对，改版到现在这个状态。我类比过去在公司里工作：做一个landing page或产品设计，设计总监会分配——这个人视觉审美好，这个人动画做得好，这个人擅长排版，三个人组成设计团队去做。复杂的设计很难一个人全包，越复杂越需要分工。

所以能否用AI产品化的方式表达这件事？变成所有Agent和Skills都可以注入和插拔的形式。每个Skill是一个技能，可能是提问风格、思维模式、某种具体能力。把我们自己做Agent链路里的tools、skills、harness工作完全开放出来，让不同设计任务找到对应团队。想做深就做深，想做浅就做浅。有个性化需求，比如landing page动效强一点，就往虚拟团队里加一个擅长动效的。让专业技能解决专业问题，不同Skills放在一起解决不同问题，最终审美结果和交付结果都不一样。

最后用更开放的方式做这件事，满足更多细分长尾和不同审美需求。

ZF：你们现在有什么对外可以看到的资料，能直观看到团队构成吗？

Kiki： 直接看产品就行。我们搭了几个Agent团队，里面不一样的Skills和模型组成。比如有的团队有很多Skills在里面调用，典型场景未来会开放给用户：有人只想发散想法、逐步厘清，可以直接用”乔布斯视角”帮他梳理整个过程。

这是一个原型团队，相对复杂，里面有做动效的等等。如果把Skills理解成过去团队里的人，有人擅长这个、有人擅长那个。过程中我们提供几百种Skills，用户可以在做的过程中直接加入Agent团队调用。产品分析有不同视角和brainstorming牵引过程，交互设计有帮你做好交互逻辑的Skill，视觉有优化视觉的Skill。

看一个相对复杂的项目：最终会把跟Agent聊的PRD和可交互的设计结果——HTML格式和所有UI都放在这里。但这不是唯一的Workflow，因为他选的团队就是做原型和UI/UX设计的。如果只选需求分析的，最后就是把一些brief放在上面。所有体裁都可以保存到本地或去Codex做。

原来加进来的团队，可以看到里面有很多Skills在帮用户工作。过程中比如一上来就艾特团队里已有的几个人去分析需求，也可以随时注入新Skills解决专门问题，随时艾特他们。有些东西不需要了可以踢掉。

Agent过程中我非常注重Agent和人的交互发散，没有把很多东西做成一句话直出。底层判断是：用户审美和结果质量会提升，会要求质量高，很难说一句话模型就理解所有诉求。模型已经过了提示词可以约束的状态，上限实在太高，所以有各种各样的Skill、Tool、Loop、Harness，为了在让模型发散的同时，又控制模型在对的结果里产出。非常注重模型不断和人之间的发散讨论，有时候是给人看的，有时候是给模型看的——模型拿到更多信息，结果才能更好。

ZF：如果允许用户邀请乔布斯做产品经理、梵高负责审美、鲁迅担任评审，这些人格Agent真的能实现吗？

Kiki： 当然可以，你们可以试一试。我昨天还在说，为什么大家喜欢用Agent？一方面满足了每个人当领导的诉求。但当领导最大的bug是没有人反驳你了，没有人给你提问了。做员工时最大进步来自领导的challenge。但当了领导，AI总顺着你说，想法没有被激发。人有时候又有点”M”，有人格的Agent会用他的方式不断challenge你、反驳你、坚持自己观点，人又会迸发出新想法。

类比组一个团队：这些人都是专家，但你对他们有绝对控制权。今天他再反驳你，你说”闭嘴，我不想听你说话了”，他就不说话了，但实力又很强。这不是一个人想要的最佳团队搭配吗？该反驳的时候反驳你，你又有能被激发的状态，让他做事又能做好。但因为是AI，你说停他只能停。

ZF：这三者不会有conflict吗？比如乔布斯的需求梵高觉得不行。

Kiki： 不会，我们的Agent做了基本约束，谁擅长干什么、在什么领域跑出来是有的。但如果用户控制，非说”乔布斯你来给我画这个视觉”，也可以，会有一些不一样的东西，以用户为主。

ZF：所以用户最好使用的方式是有特别具象的风格？描述越准确，Agent作为员工角色越精准？

Kiki： 也不是。模糊的东西Agent会不断帮你具象化，不会接收到一个模糊指令就瞎干——除非你强制说”你就开干吧”。

ZF：如果很多人对审美追问不出1234怎么办？

Kiki： Agent会问你。给你三个方案，你总能选出一个。Agent不会瞎推，我们毕竟做了一些模型的harness和tools工作。

ZF：跟个老板一样，老板可以不懂，但可以判断。

Kiki： 判断错了，换不就行了吗？

ZF：这些Agent之间的协同，你们最后怎么处理的？

Kiki： 不是那种复杂的形式，让Agent跟Agent对话。没有这么抽象。每个人有擅长，Skills背后有技能和特点，但各司其职，不会出现特别复杂的Agent对上线。暂时不会这样。

旧故事与新解法

ZF：你认为今天什么样的 AI 应用能活下去？

Kiki： 我自己有几个比较强烈的体感：

第一，上来就做大而全、搞 All-in-one 的产品，必定会死。 没有任何一个好产品第一天就是全能的。哪怕是快走到上市的公司，也是靠一个单点彻底跑通之后，为了找新增长才慢慢扩成两三个产品的矩阵。你连自己的核心定位都还没找准，就想着什么都要做，精力全被扯散了。最怕的就是在一颗错误的种子上盲目坚持，越走越坚定。初创团队没有大厂那种试错厚度，第一天就得极度聚焦，试不对就赶紧认错调头，千万别死守着宏大承诺把自己耗死。

第二，守着旧故事套个新解法，基本是无济于事。 很多人只是拿 AI 给过去十年的老场景贴个新标签。比如在视频领域，有些产品今天依然在讲和剪映做某个垂类竞争的故事。剪映已经是上一波周期的天花板了，今天生成式 AI 真正撬动的是电影工业的底层结构，让普通人也能做长叙事内容。对标对象从一开始就搞错了，再怎么用新技术包装，也只是在别人的存量旧地盘里打转。

第三，大家常说的“套壳”，其实不一定是个坏起点。 如果你不去用最快的方式把东西扔给市场，你根本抓不到真实的用户信号。市场变得太快了，今天看似粗糙的做法，下一步说不定就摸到了对的方向。

说到底，核心就一句话：别在旧逻辑里缝缝补补，别在第一天就想做个庞然大物，永远面向未来几年真正的新增量去做。

ZF：从AI Native时代新的设计产品类型来看，哪些核心要素被低估了？

Kiki： 我不知道现在大家在怎么衡量。很多产品表象看到的东西和底层正在经历的不一定一样。所以我不知道大家各自用什么指标衡量自己是否真的做得好。

但我认为这个混混沌的格局是正常的。它总有一天会各自找到各自的路径，哪怕今天做的事情一样，最后一定会分化。

ZF：可以讲讲产品背后可以对外说的技术部分吗？比如模型会不会被替代？

Kiki： 这个问题我很不想回答，但也很正常。我的回答是不会。

昨天用Codex生图，给产品团队做封面，生了一天，快要崩溃了。如果对这件事有要求、要投产，Codex生图很难用。

为什么模型不会取代应用？比如代码模型，我们最近验证出来：Codex的技术方案也有它自己harness的部分，不管是写HTML还是做图，都有模型自己harness的那一部分。这个部分和状态往往是由产品最大的格局和理念决定的。

我们最近推了一个新方案，有点像Codex会用的上下文管理方案，这些东西今天都很透明。但这里面有最大冲突：我前面提到，”对不对”和”审美好不好、垂直领域有没有要求”是无法同时满足的。

代码类工具，这是我们反复试验得出来的结果。很多用户用了我们的产品后跟Codex反复在一起用，甚至Codex做的东西拿回我们产品优化。他们会不断越生越丑。实际上不是越生越丑，而是模型为了保证”对”，必须——你可以理解一个艺术家和一个技术，思维方式就是不一样的。用模型类产品做coding base的产物，很多时候要求的是”对”。这个约束对模型是强约束。如果恰巧在一个对要求很好的状态里，结果就会很好。但如果不是，用户其实不知道该怎么调度模型发挥真正价值。

中间最大的问题是：如果拼跟模型之间拼产品体验解决方案，没有什么东西简单过一个对话框。但模型上限这么高，每个人都能把自己领域的上限调度到很高吗？不是，很难。那应用应该解决什么问题？应用最应该做的是：在不同垂类里，怎么让用户用更好的方式调度模型发挥到上限。不是用产品如何做快，而是怎么调度出结果好，这才关键。

所以我们不是代码工具，不存在被代码工具吃掉。代码本质是底层，是所有实现的基础。应用一方面要跟着代码找到水涨船高的事，另一方面核心要解决用户如何用产品调度到模型上限。

ZF：这个观察很有意思。我们用它创作文本也会遇到类似问题。而且普遍觉得语言模型越做越大，但比如ChatGPT感觉越来越傻了。

Kiki： 其实它是越来越强的。我用一个非技术背景的方式理解：当一个人脑子里装的东西越来越多，一定会丢失一些细节。但你说模型脑子里没有这个细节吗？不是，模型记忆比人强太多倍。是你触发不了这个东西。但人有时候就是要在垂直领域做深、做到最好结果。这个垂直领域可不是模型最重要的事。

这个问题会长期存在。会用模型的人能找到100种方式调度模型上限，不会用的人很难。但不会用的人一定是这个世界绝大多数。学习能力、主动学习复杂东西的能力，不是人人都具备的。

ZF：你认同现在大家太低估AI应用价值的观点吗？尤其是今年很多投资人眼光都在模型侧。

Kiki： 他们不一定是低估。去掉投资人身份，心里可能也不一定是这样想的。投资人更多考虑市场化因素、钱能否拿出来、基金周期等各种问题。

这些事情都有周期。前两年模型也不行，大家都在投应用；这两年大家对应用有新期待。很多人不是长线低估，长线都是认可的，只是这个阶段迷茫。应用的叙事逻辑也回到了更冷静的状态。核心在这里。不是真的低估，是短期不知道该不该投、怎么投，比较迷茫。长期不是说就不看好。

ZF：关于记忆，产品上怎么解决？比如记住这个人的偏好和习惯，发现他喜欢油画风格，怎么处理？

Kiki： 这个之前跟团队讨论过。设计场景里，可能没有其他场景那么重，但更需要掌握平衡。人有时候不知道自己不知道，设计很重要的过程是发散、输入。设计领域的悖论是：如果特别介意个人偏好，会导致上限不够高。比如你喜欢穿黑色，觉得这种风格好看，但不一定今天穿绿色就不合适。模型强制去记，会导致看不到好结果。但完全不记也不行，比如不喜欢绿色，天天出绿色肯定烦。

所以没有一些其他产品做的东西重。而且设计项目不一样、场景不一样，今天做这个明天做那个。对我们来讲要找到平衡，可能更多记”反”的——他一定不要什么，以及什么场景跟什么场景相对匹配。更像一组偏好数据，不是完全固化，不然模型会越来越窄，不断强化既有审美。

ZF：记忆是特别难解的题。现在用AI工具，它有点过了，明明不想要这个风格，但一直用固定风格生成，导致要重新用别的模型。尺度特别难把握。

Kiki： 是的。

九年字节

ZF：能否具体聊聊你在字节期间负责过的业务和产品演进？

Kiki： 我在字节完整经历了影像工具赛道的几个关键周期。

早期我们在深圳做影像，先做了 Faceu，随后孵化出轻颜相机。从零做到了 1500 万 DAU，基本已经探到了行业天花板。

2019 年立项剪映，我转去做剪映。从 2019 到 2026 年，我完整经历了它从 0 到 1、再从千万级增长至全球破亿 DAU 的完整生命周期。

2019 到 2024 ，从工具负责人，到业务负责人。从迭代纯产品功能，到以业务负责人的视角去通盘审视国内市场。

2025 年底我兼管了即梦的 Web 端业务，到26年离开。

ZF：你之前提到剪映最开始就非常激进地投入AI，当时具体投入了什么？

Kiki： 剪映投入AI是Day One的决心。2022年底大语言模型刚出来，2023年初微软放出了Copilot的宣传片——那时候它还只是一个概念，产品根本不存在。

但看到那个片子后，整个剪映团队花了非常大的力气去探索：如果以Agent对话的形式重构剪辑，这件事会被怎样颠覆？那时候行业里几乎没人往这个方向想，大家都在观望。但大语言模型刚成熟，视频是完全多模态的东西，技术上完全看不到苗头，图像生成还很初级，视频更是遥不可及。所以我们在内部孵化了一个完全以对话形式重构剪辑的产品，但因为模型能力不够，很多技术实现非常艰难，处处是补丁和兜底。

之后我们见证了大语言模型之后，图像、音乐、视频多模态同期发展，再到Coding模型、多模态模型的迭代。所以Day One的决心是很大的。很多探索最终没有面向用户，但深度探索的过程本身很有价值——它让我们在一个有用户体量的成熟业务里，慢慢找到了最适合自己做AI的状态和节奏。

那时候我们对内对外所有产品和模型都极度关注：图像进展到什么程度、视频进展到什么程度，外面各个环节的产品，从早期有声量到慢慢沉寂的，像ElevenLabs、HeyGen这些，内部都在跟踪。我们几乎把当时市面上所有相关的产品和论文都扒了一遍。

ZF：当时没有想过自己出来做一个？

Kiki： 真的没有。原因是我知道模型进展到什么状态。字节内部从大语言模型做到图像、做到视频，这些模型有很多深度讨论，我们也参与评审和测试。你知道模型到什么进展了，也知道产品经理的想象和愿景可以很大，可以往3年、5年、10年推演。但如果没有技术支撑，那些推演都是白搭，坐在那儿推就行了。

大家想的都是实现。所以我没有想出来的原因是：我知道技术到什么状态，也知道在大公司模型都不成熟的时候，创业公司做应用更没有希望。做应用就是得跟着技术走，模型又不是我擅长的领域，出去能做什么呢？

模型成熟了，人也准备好了

ZF：那为什么是现在这个时间点出来？

Kiki： 两个原因。一是模型的时机已经成熟。今天想做什么，都有比较快的方式实现，不用等组建完备团队才开始，也不用在做事情的时候担心今天有没有东西能实现、不能实现的话还要做什么补丁和兜底。模型的时间到了，应用可以尽情发挥，不再被技术卡脖子。

二是我的状态到了。我对创业这件事一直有敬畏心。我经历过业务从0到1、1到100，从亏损到盈利，中间踩过哪些坑、有哪些困难，1到100好的状态是什么、中后期突破瓶颈难的状态是什么——这些在我脑子里是一个比较完整的map。

这带来两方面的东西。一方面，我看东西更能往中后期看，知道一个产品自然的规律和周期，好的时候是什么样子、差的时候是什么样子，心里有个数。创业和在大公司肯定不一样，但至少我对这个”样子”有预期。另一方面，心态上也准备好了。在大公司里，本质上是相对单纯的：你只需要考虑此刻的目标是什么，怎么在更大范围内拿到资源支撑你，以及这件事是否在对的路上。

但创业不一样，所有过去的保护都没有了。你要自己先把公司的经营网搭起来，融资、招人、定方向、控成本，还要同时看业务发展，是完全不一样的命题，心态上需要对这件事有基本认知和状态。所以我觉得我的状态和行业机会都到了，才选择出来。

ZF：你还记得觉得“模型时间到了“的那个moment吗？

Kiki： 不同的模型、不同的方向，那个点不一样。因为我以前在字节内部，完全知道今天图像模型进展到什么样、视频进展到什么样，当你一直在那个环境里，反而觉得它是自然发生的，没有aha moment。