不取悦的教练

30 秒版

大多数 AI 产品为”用户此刻感觉好”做优化。一个教练必须为”用户随时间变得更好”做优化。在 AI 必须选择说什么的瞬间，这两个指标大约一半时候是分叉的。做”教练”版意味着反复地、刻意地选不那么让用户当下舒服的那条。从这个选择出发的三个具体产品决策。

一个让人愉快的助手没问题。一个让人愉快的导师只要它同时也准确就没问题。一个让人愉快的教练是失败的教练。教练的全部意义就是把你不想听的事用能落地的方式告诉你。

大多数 AI 产品为当前会话的用户满意度调优。这对搜索引擎、写作工具、内容生成器合理。这对面试教练是灾难性的——因为用户此刻的”感觉好”在统计上和下个月没变好相关。

困难的产品决策：选会延迟几个月才显现的指标而非这个会话内能上报的指标。大多数团队嘴上说会。少数真做。因为第二个指标是 dashboard 没有的。

在一次面试教练会话里，逐时刻的轨迹长这样：

满意于 A 的用户离开会话时受到鼓舞。得到 B 的用户离开会话时感觉略差——而在真正算数的时候表现更好。

累计的产品效应：调成 A 的教练 app 在三次会话内和 ChatGPT 没区别。调成 B 的教练 app 的留存会随用户感受到自己的表现在变化而上升。

一旦把”用户变好”定为指标，三个具体选择就跟着来了。

大多数 AI 产品把鼓励当默认行为。教练把鼓励当工具——若干工具之一， 只在诊断说用户需要鼓励时使用。

我的系统里，agent 有一个 tone 参数，不是由用户设置，而是由 教练的诊断设置。如果用户在表现回避行为（跳过练习、只要正面反馈、反复练同样的简单题），诊断把 tone 设为 confront。Agent 在这个状态下的回应被刻意调成有建设性地让人不舒服。

用户不能通过要求鼓励来覆盖这个状态。当你需要被对峙时还要求鼓励，那就是回避本身。

大多数 AI 产品没有用户行为的记忆。它们有用户内容的记忆（说了什么），但没有用户行为的记忆（跨会话做了什么）。

教练必须追踪：

这些反射回到对话里。不是控诉——是观察。“我注意到你这周练了五次行为题，一次系统设计。系统设计是你上次面试得分最低的。要不要聊聊为什么我们一直回到行为题？”

这一句读起来不舒服。这一句也正好是改变用户行为的那一句—— 因为它是证据，不是建议。

大多数 AI 产品对照用户自己的过去打分。“你比上周好 12%！“——这感觉好。教练对照用户想要跨过的门槛打分——他们要面对的面试官的水准，不是他们曾经的水准。

具体：我的系统给每个用户一个目标岗位（比如”B 轮创业公司的 senior PM”）。所有分数都对照那个目标的难度归一化。一个比上周好 12%、但还低于目标 30% 的用户，两个数字都被告知，重点放在 30% 上。

这不舒服。这也是唯一诚实的 framing。如果目标是跨过门槛，指标必须是门槛，不是用户自己的过去。

三件事，都不轻：

1. 第一次会话的跳出率上升。 有些用户想要一个啦啦队。他们会在第一次会话感觉被审判、不再回来。这没关系——他们不是你要服务的用户。为他们调产品，会毁掉那些本来会和教练一起成长的用户。

2. 部分用户会写愤怒的评论。 “它说我的答案弱。我知道我答案弱。我来这里是为了感觉好一点。“抵制软化产品的压力。愤怒的评论和沉默的留存来自不同的用户群。

3. Agent 必须异常擅长说硬反馈。 这是最难的部分。五行反谄媚规则有帮助（见反谄媚）但不够。你需要把硬反馈的说法——什么时候、用什么语气、配什么证据——和说不说的决策一样仔细地设计。

一个给出准确但残忍反馈的教练比一个谄媚的更糟。残忍的教练被拒绝、不被学习。谄媚的教练永远被咨询、永远不被学习。

“你的 AI 教练产品有什么不一样？“——很容易用陈词滥调回答。非陈词滥调的版本：

大多数 AI 产品为用户当前会话的感觉调优。教练必须为用户下个月的结果调优。在 agent 要决定说什么的瞬间，这两个指标大约一半时候是分叉的。我们选第二个——明知有些用户会因此在第一次会话就离开。留下的是那些拿到 offer 的人。

这个答案不时髦。这个答案也站得住。真正算数的面试官会尊重 “愿意为正确的理由失去用户”的态度。