Granola 深度访谈精华

核心观点

拒绝"机器人"体验： Granola 故意设计成不以 Bot 形式加入会议，不录制视频，也不保存音频（仅保留转录文本）。这保护了隐私感，使其感觉像是一个增强版的记事本（Apple Notes），而非监控工具。

关键数据

在发布前，团队砍掉了 50% 的功能以保持极简。

设计理念

• 增强而非替代： 就像钢铁侠的 Jarvis，通过AI增强人类的能力，而非让AI自动完成一切（如Wall-E中的胖人类）。
• 产品灵魂： 用户能感受到产品背后的"人味"，这来自于以特定视角构建产品，而非堆砌功能。
• 文本编辑器优先： 即使在会议中，用户也可以自己记笔记，AI会在会后补充和润色，尊重用户的主动性。

核心教训

不做无用功： Chris 强调不要解决短期问题（例如上下文窗口限制、语言支持），因为基础模型（OpenAI, Anthropic）会在下一次更新中解决这些问题。要把精力放在模型无法解决的体验问题上。

技术实现

• Prompt 策略： 不要给死板的指令，要把模型当成第一天上班的聪明实习生，给它充足的背景信息（Context）。
• 上下文为王： Granola 会抓取参会者的互联网公开信息、公司背景、职位目标，告诉模型“这个人是VC，他关心这些点”，从而生成非通用的笔记。
• 模型选择： 抽象化模型层，后端根据任务动态选择最佳模型，用户无需关心使用的是 GPT-4 还是 Claude。

关键数据

周留存率达到 70%。发布前隐身开发了 1年，不断通过小规模用户迭代。

增长策略

• 反直觉的病毒式传播： 虽然没有Bot加入会议带来的直接曝光，但因为产品好用且私密，通过口口相传（“你还在用那个傻Bot吗？试试Granola”）实现了病毒式增长。
• 窄切口，深挖掘： 起初只针对 VC（风险投资人）群体，然后是创始人，最后才扩展到更广泛的企业用户。
• 地理位置： 虽然团队在伦敦，但刻意打造“美国公司”的形象（如拼写习惯、发布时间），服务硅谷核心圈层。

习惯养成： 会议是天然的挂钩（Hook），由日历触发，每天多次使用，比其他低频AI工具更容易养成习惯。

愿景

Granola 的终局不是为了记笔记，而是为了“完成工作”。

功能路线

• 深度检索： 能够回答跨越数千次会议的问题。例如：“在过去两年的会议中，哪家风投最适合领投我们的C轮？”
• 动态工件生成： 会议结束后，直接生成 Linear 的 Ticket，或者一份决策备忘录，而不仅仅是摘要。
• 主动教练： AI 分析你的所有发言，给出建议：“Matt，你总是忘记问这三个关键问题。”