作者｜ 金光浩
编辑｜ 靖宇
最近，自从 Vibe Coding 火了以后，似乎每个人都成了产品经理和开发者。有趣的是，当产品经理和开发者多了之后，我们终于迎来了这样的挑战：
用户不够用了 。
作为创业者， 怎么快速找到你的用户，然后验证你的产品想法到底靠不靠谱？
传统的做法是先做个 MVP 原型，发邀请码内测，产品经理根据用户反馈来判断产品逻辑是否行得通， 但问题是，不是每个团队都有这么多资金、时间、精力做这样的调研。
现在，有个新产品——智研 agent，能帮你以低成本的方式，快速验证产品方向是否靠谱。
用 AI 生成用户调研的工具 AutoSurvey｜图片来源：AutoSurvey
这个产品的逻辑听起来有点魔幻：通过 AI 生成虚拟用户，让他们来回答你的调研问题。 说白了，就是让 AI 扮演你的目标用户，帮你完成从用户画像到调研报告的全流程。
我第一反应是：这不就是让 AI 编故事吗？能靠谱？
但试用下来，我发现事情没那么简单。
栏目作者召集
极客公园的新栏目「AI 上新」，将带大家体验最新的 AI 应用和硬件，让你成为 AI 时代「最靓的仔」！
现在，我们也向所有喜欢尝鲜和体验 AI 的同 学发出召集，只要你发现并体验了新 的 AI 应用或者功能，按照格式（参考案例： 找人不求人？Lessie 让「人脉玄学」变成算法游戏｜AI 上新 ）向栏目投稿，在极 客公园公众号发布，不仅能获得相应稿费，且会为你「报销」 AI 应用的订 阅费用。
同时， 优秀作者还有机会进入极客公园 AI 体验群 ，获得最新 AI 应用和工具的内测资格，参加极客公园专属相关 AI 活动，和 AI 应用创始人一对一沟通。
AGI 太久，只争朝夕，让一部分人先 AI 起来吧！ 投稿、进群请扫描下方二维码添加极客小助手微信
01
就这么拿捏了「小红薯」
刚好，前段时间我有个做智能体的想法，于是我决定拿这个想法，对这个工具进行测试。
这个想法的来源是，某一天我发现，为了写一篇小红书文章，我需要花很多时间，看大量爆款笔记来找灵感和参照，我觉得这里面有优化空间。
按照产品经理的逻辑，当我有这样的需求时，我也可以合理的猜测，跟我类似的人，也有类似的痛点，基于此，我就可以设计一款我愿意持续迭代的产品。
进入智研 agent 的网站，我发送了我的调研主题：帮我分析一键拆解对标小红书信息及笔记数据的智能体的市场可行性。
然后，这个 agent 工具开始了它的表演。
它首先帮我分析了这个想法的用户群体，很快给出了三类核心用户：小红书用户、自媒体从业者，还有 AI 工具爱好者。这些用户的年龄、工资范围都可以按照比例指定，比如"25-34 岁占 40%，10w-20w 的占 60%"。
接下来，它开始按照上面的要求，生成具体的用户画像。系统创建了 100 个虚拟用户，每个都有名字、背景、还有用户某个一天的日常描述。比如"简韵女子，35 岁，自媒体创作者，年收入 10 万以下，每天都要手动分析竞品笔记，最大的困扰是效率太低，经常错过热点"。
看到这些画像时，我突然有种奇妙的感觉——这些"人"太真实了，真实到我觉得自己可能真的认识这样的朋友。
然后是问题设计环节。AI 根据产品特性生成了 10 个调研问题，涵盖了技术挑战、市场需求、付费意愿等多个维度。比如"您觉得一键拆解对标小红书信息及笔记数据的智能 agent 与现有的数据拆解工具相比，独特优势体现在哪？"
我则补充了两个问题：「你是否愿意付费"，"你愿意付费多少钱」
选择咨询问题调研过程｜图片来源：AutoSurvey
然后 agent 开始处理，最神奇的部分来了，虚拟「数字人」用户开始回答问题：
「张晴」说：「与现有数据拆解工具相比，它的独特优势在于能一键完成操作，还能精准对标小红书信息和笔记数据，节省大量时间和精力。如果有这样的工具，我愿意付费，月付 100-300 元可以接受。」
「小光仔」(另一个虚拟用户) 说：「从技术角度看，最大挑战是小红书的数据保护机制，要突破其反爬措施，合法合规地获取数据。但市场需求很大，我认为效率能提升 70%-90%。」
从 agent 下载的完整咨询数据｜图片来源：AutoSurvey
3 分钟后，一份完整的调研报告出炉了。报告包括数据统计、用户画像和具体的回答、具体问题回答图表、以及最终的洞察总结。
洞察总结的内容是——100% 的用户认为市场需求很大，98% 表示愿意付费，核心需求集中在一键操作、精准对标和效率提升三个方面。
agent 总结的调研报告图表部分｜图片来源：AutoSurvey
我承认，这份报告的质量超出了我的预期。
02
数字化「真实」
接着，我决定举一反三，测试它在三个不同场景下的表现。
首先是健身房智能镜子类似的产品，看看市场对于这种产品的接受度。
AI 准确识别出了目标用户，包括健身爱好者、私教，还有健身房老板。有意思的是，它还指出了一个关键问题——价格敏感度高。「数字人」们普遍表示，他们需要看到明确的效果才愿意买单。
接着我测试了一个老年人用药提醒 App，这个测试特别有趣。AI 生成的报告老年用户普遍表示「操作要简单易懂」，而看其中的对话，很多老年用户提到「最好能语音提醒，我眼睛不好」。给我的感受是，这些调研的细节相当真实，就好像真的在和老年人对话一样。
agent 总结的调研报告分析部分｜图片来源：AutoSurvey
agent 总结的调研报告图表部分｜图片来源：AutoSurvey
最后一个是二手奢侈品鉴定网站。在这个案例中，报告指出了信任问题是核心痛点。多个虚拟用户都提到了「怕买到假货」，还有人强调「需要权威认证」。调研的结论是——不建议做，老实说，这个结论符合我的直觉。
对比下来，我发现了一点这个工具做得比较出彩的地方：
这个工具和传统的 ai 对话不同，它没有一味的讨好用户肯定用户提出的主题，而是通过数字人「模拟」的方式，给出了某种用户面对工具时「真实」的想法。
从 agent 的角度，工具通过这些额外的上下文，给出了有效的调研结论。
整体来说，这个工具在几个场景下特别有用：
最有价值的点就是快速验证想法，你不用真的去找用户，半小时就能得到初步反馈。对时间紧张的创业者来说，这简直是救星。
其次就是它能帮你发现盲点，AI 可能会提出你没想到的使用场景或需求。有时候我们太沉浸在自己的想法里，反而看不到一些明显的问题。
生成的问题也能作为真实用户访谈的参考。设计好的调研问题其实挺难的，有了这个基础，后续工作会轻松很多。
当然了，它也有明显的局限性。
缺乏情感深度是最大的问题。AI 很难模拟用户的情感反应和那些微妙的心理变化。用户在描述痛点时的语气、停顿，这些细节 AI 是捕捉不到的。
对于特别新颖的产品，AI 的理解可能会有偏差。如果你的产品市面上没有类似的东西，那 AI 的推演可能就不太准了。
最重要的是，它不能完全替代真实调研。说到底，你还是要和真实用户对话，听听他们的声音。AI 给出的只是一个参考，一个起点，而不是终点。
03
从「随机」到「涌现」
在几天的使用过程中，我逐渐感受到了这个工具的设计理念。
它最底层的原理，其实是基于统计学和群体决策中的「集体智慧理论」： 不是直接让 AI 生成答案，而是通过模拟大量随机用户对研究数据进行推演。
当每个虚拟用户的回答都符合其人设时——预算有限的大学生会更谨慎，职场人士更看重效率，就满足了随机的要求，当随机满足时，集体智慧也就「涌现」出来。
这让我想起高尔顿的牛重量实验。1906 年，他让 800 多人猜一头牛的重量，单个人的答案五花八门，但平均值 (1208 磅) 却惊人地接近真实重量 ( 1198 磅)，误差仅有百分之一。
智研 agent 做的事情类似，就是用 AI 模拟多个"数字人"的思考过程，通过集体智慧逼近真实。
与传统焦点小组的 8-10 人访谈相比，它可以瞬间模拟 100 个人的「随机」反馈，效率提升了百倍，成本降低了百倍，并且访谈可以随时随地由 agent 自行完成。 而可信度？至少有了七八成。对于早期的产品验证来说，这已经足够了。
但这里有个关键问题：如何确保这 100 个虚拟用户的回答具有真正的多样性，而不是千篇一律的 AI 模板？
事实上，整个产品的核心挑战就在于此——如果所有虚拟用户给出相同答案，调研就失去了意义。
基于我对 AI 和提示词工程的研究，我推测其技术实现可能是这样的：
- 用户输入研究主题后，系统自动生成多维度的用户画像
- 每个用户画像被赋予独立的 Agent 身份，通过定制化的提示词塑造不同人格特征——谨慎的大学生、务实的职场人、挑剔的专业用户等
- 多个 Agent 并行处理，各自基于其"人设"给出差异化回答
- 系统汇总所有回答，通过统计分析生成最终的调研报告
这种设计巧妙地利用了提示词工程，让每个虚拟用户都有自己的"思考模式"，从而实现了回答的多样性和随机性。
网站打开的网页介绍部分｜图片来源：AutoSurvey
04
从通用到垂直，
Agent 创业方向的变化
在使用智研 agent 的过程中，我突然有了一个洞察：
表面上看，它和那些 AI 陪伴产品很像——都在生成虚拟角色进行对话。但深入思考，两者的本质截然不同。
AI 陪伴追求的是情感连接的真实感，而智研 agent 追求的是决策依据的可靠性。前者让你感受到温暖，提供情绪价值；后者让你看清方向，创造工具价值。
这种差异让我意识到，当下 Agent 创业正在经历一个重要转变。
继 Manus 之后，整个行业都在追逐通用 Agent 的梦想——一个能处理所有任务的超级助理。但现实是残酷的，真正跑通的寥寥无几。为什么？因为"通用"本身就是一个悖论。当你试图解决所有问题时，往往一个问题都解决不好。
反观那些在垂直领域深耕的 Agent，却展现出了惊人的生命力。它们不追求无所不能，只专注于把一件事做到极致。
智研 agent 正是这种垂直化思路的典型代表——它只做用户调研，但把这件事的效率提升了百倍，成本降低了百倍。虽然虚拟用户的数据未必完全准确，但对于创业者来说，已经是一个极具价值的产品验证工具。
这个转变现象背后，似乎隐藏着一个更深层次的道理—— AI 时代的创新，不在于技术有多炫酷，而在于你能否找到一个真实的、高频的、用户痛点足够深的场景。
对于创业者而言，不要被「通用的宏大叙事迷惑，找到你最熟悉、最理解的垂直场景，带着属于你的 Know how，用 AI 把它做透。当你真正解决了一个具体问题，你就拥有了立足之地。
对于普通人来说，这种转变同样意义深远。它意味着 AI 不再是遥不可及的黑科技，而是可以在日常工作中真正帮到你的工具，借助 Vibe Coding，每个人都能将自己的独特问题转化为产品，每个人都可以成为「一人公司」。
今天是用户调研，明天可能是法律咨询、医疗诊断、教育辅导……每个领域都可能出现这样的垂直 Agent。
站在 2025 年的时间节点上回望，我们可能正处在一个关键的转折期：从追求 AI 的「大而全」，转向追求「小而美」；从技术驱动，转向场景驱动；从替代人类，转向增强人类。
智研 agent 或许只是一个开始。但它让我们看到了一种可能：当 AI 不再试图成为无所不能的神，而是甘愿做一个特定领域的专家时，它反而能创造出真正的价值。
这，可能才是 AI 创业的正确打开方式。