AI 协同类产品的四轴设计框架

核心判断：当技术底层趋同后，AI 协同产品之间的实质差异来自四个设计维度上的立场选择。模糊本身就是需要解决的第一个问题。

背景：技术趋同已成定局

底座（Claude Code / CodeX）定义能力边界 → 社区探索上限 → 外围降低门槛 → 官方回收最佳实践。这个闭环跑通后，后端架构快速趋同，技术底层本身很难再构成护城河。

核心问题：如果技术趋同是既定方向，产品之间的实质差异到底来自哪里？

四轴框架

适用范围：个人与组织之间通过 AI 进行协同的产品。核心张力始终围绕个人 × 组织 × AI 的三角关系。

轴 1：人机关系 — 人在场 vs 人离场

最根本的产品假设。

	人在场（协同）	人离场（自主）
交互模式	同步、对话式	异步、委托式
代表产品	Claude Code	Manus
结构性风险	人是吞吐瓶颈	错误无人兜底、失控成本高

很多团队在这根轴上的位置是模糊的——既想让用户深度参与，又想让 Agent 自己跑。这种模糊本身往往就是产品定义不清的第一个信号。

轴 2：记忆范围 — 用户级记忆 vs 组织级知识

	用户级记忆	组织级知识库
优势	冷启动快、门槛低	越用越聪明、跨用户复用
风险	上下文膨胀导致信息污染	维护成本高、知识腐化、隐私复杂
未解决问题	跨 session 记忆	知识保鲜机制

打破「本地 + 短期记忆」和「云端 + 长期沉淀」默认组合的产品，往往是更有意思的创新。

轴 3：约束方式 — Prompt 软约束 vs 编码硬约束

Agent 自主性与控制性之间的取舍。

	软约束	硬约束
实现	自然语言 Prompt / System Instruction	Workflow DAG / 规则引擎 / 执行沙箱
代表	Claude Project Instructions	Harness Engineering
优势	弹性高、可泛化	可预测、可审计
风险	输出不稳定	僵化、长尾失灵

与轴 1 弱关联：人在场倾向软约束，人离场倾向硬约束。但不是绑定关系。

轴 4：运行位置 — 用户端本地 vs 公司端云端

本质问题：个人与组织之间如何协同。

	本地	云端
优势	数据主权在用户、直接触达本地环境	组织协同、多用户协作、权限管理
风险	天然单人作业	延迟、隐私、供应商锁定
代表	Claude Code	OpenClaw Gateway

与轴 2 强关联。打破默认组合意味着差异化机会。

四轴定位图：产品对比

                    ◀─────────────────────────────▶
轴1 人机关系     人在场(协同)                    人离场(自主)
               Claude Code ■                        ■ Manus
                  Linear AIG ■

轴2 记忆范围     用户级记忆                    组织级知识
               Claude Code ■                    ■ Linear AIG
                                                 ■ Manus

轴3 约束方式     Prompt软约束                   编码硬约束
               Claude Code ■              ■ Linear AIG
                                                 ■ Manus

轴4 运行位置     用户端本地                     公司端云端
               Claude Code ■                    ■ Linear AIG
                                                 ■ Manus

Linear AIG 的四轴定位

人机关系   人在场 ████████░░░░ 人离场     → delegate≠assignee, stop signal
记忆范围   用户级 ░░░░░░░████ 组织级     → promptContext 自动注入组织知识
约束方式   软约束 ░░░░░░██░░░ 硬约束     → 6原则(软) + Activity类型+10秒超时(硬)
运行位置   本地端 ░░░░░░░░░██ 云端       → Webhook + OAuth + API

Claude Code 的四轴定位

人机关系   人在场 ██░░░░░░░░░ 人离场     → 人始终在终端中引导
记忆范围   用户级 ██░░░░░░░░░ 组织级     → Memory 机制突破了短期限制
约束方式   软约束 ██░░░░░░░░░ 硬约束     → Project Instructions / CLAUDE.md
运行位置   本地端 █░░░░░░░░░░ 云端       → 直接操作本地文件系统

Manus 的四轴定位

人机关系   人在场 ░░░░░░░░░██ 人离场     → 提交需求后离场
记忆范围   用户级 ░░░░░░░░██░ 组织级     → 云端持久化
约束方式   软约束 ░░░░░░░░██░ 硬约束     → Workflow 自动规划
运行位置   本地端 ░░░░░░░░░██ 云端       → 全云端执行

框架的使用方式

对任何一款 AI 协同类产品，在四根轴上各标一个位置，四个位置连起来基本就是这款产品的骨架。

点位高度重合 = 直接竞品，必须在执行层拉开差距
点位差异最大的那根轴 = 真正的差异化来源
某根轴上位置模糊 = 产品定义不清的信号

与 Linear AIG 的关联

四轴框架提供了一个分析工具来理解 Linear AIG 为什么能成为协议标准：

Linear AIG 在每根轴上都做了清晰选择 — 人在场 × 组织级记忆 × 混合约束 × 云端。没有模糊地带
清晰的立场选择是协议化的前提 — 模糊的产品定义无法编码成协议
强化了对 Multica 的判断 — Multica 的问题不只是功能被覆盖，而是在四轴上没有找到自己的清晰位置

详见 2026-04-01 - Linear AIG - Agent时代的交互协议标准

Product Hunter

探索

2026-04-02 - AI协同产品四轴设计框架 - Wayne Zhang