以下文章来源于量子位智库 ，作者 AI 100 访谈

对 AI 效率类产品来说，怎样才能和用户形成深度绑定？

通过内置大而全的 AI 办公功能来占领用户「信息获取—结构化加工—多模态输出」的完整工作流，一站式似乎已经成了标准答案。

但我们也看到了一种新思路——懂用户本身。

在隐私安全的前提下，通过尽可能全方位获取信息来加深对用户的理解，给出更符合当前用户个人身份、认知和需求的答案。通过达成产品与用户之间的默契协作，这种个性化也是一种从更长生命周期来把握用户的方式。

在量子位智库的观察中，AI 知识助手 remio 正在尝试这一方向。

remio 主打无感和自动化，致力于变成记忆和用户同频的第二大脑。主打能够在用户无感知的情况下，实时、自动化地采集用户所需管理的信息，为用户创造更加轻松顺畅的使用体验。

△remio 实时采集

为了进一步探寻这款产品背后的逻辑、设计与规划，量子位智库邀请到了 remio 的创始人兼 CEO汪源，和我们深入聊了聊这款产品。

在这次访谈中，remio 创始人汪源分享了 remio 产品开发的初衷，以及这款产品如何成为他的AI 联创，深度参与自己的日常工作，另外还分享了对于 AI 知识产品的核心价值、核心用户、核心壁垒等相关思考。

无论是产品经理、项目经理、工程师、咨询分析师等复杂知识工作者，还是常被 " 读完就忘、找不到存在哪 " 折磨的日常信息处理者，亦或是垂直领域的 AI 创业公司，期待大家都能够从本次访谈中找到一些属于自己的参考。

关于 remio：

remio 是由杭州久痕科技推出的 AI 原生知识管理工具，创始人兼 CEO 为前网易副总裁、杭州研究院执行院长汪源。

remio 于 2025 年上线，旨在重塑知识工作流，打造个人专属的通用 AI 工作台。其核心功能包括：

自动信息捕获（Auto Capture）：通过浏览器插件自动抓取网页内容、文档、视频等信息，并过滤无关内容，将有价值的内容保存到本地知识库。

智能知识管理：根据内容主题自动分类，生成清晰的知识结构，方便用户快速检索。支持自然语言提问，可在知识库中快速搜索相关内容，并关联跨领域知识，提供更全面的答案。

AI 辅助创作：一键生成文章、文档的简明摘要，帮助用户快速抓住重点。还可模仿用户文风，自动补全或改写内容，适用于周报月报、文案撰写等场景。

隐私保护：所有数据存储在用户本地设备，不依赖云端，确保信息安全性。

△remio 产品主页 Key Takeaways：

以下为 remio 创始人汪源和量子位智库的详细对谈内容。在不改变原意的基础上，量子位智库进行了部分内容修改及简化。

访谈实录分割线 1、使用 ChatGPT 类助手最大的工作量来自提供信息，remio 核心差异在于为用户提供「第二大脑」

量子位智库：remio 的信息收集功能覆盖范围广且可以做到实时、无感同步，当时将其作为核心特色立项是基于什么考虑？

remio：我之前在网易时用 ChatGPT，发现最大工作量是找资料、上传资料或组织成 Prompt 贴给它。这种前期工作太累，导致多数时候还是自己处理——大脑调用信息很快，但外部产品需要手动提供信息，成本太高。

我想做一个产品，其记忆和信息层面能与大脑同频，成为第二大脑，处理任务时能自动从 " 第二大脑 " 找信息。这就需要无感、自动化的信息采集，手动收集无法实现持续同步。

量子位智库：remio 信息采集为什么能做到范围广且实时性强？是依赖 PC 端形态，还是技术、工程化的自研优化？

remio：这里涉及几块内容。首先，我们基于 PC 端开发，采集的信息已在电脑或浏览器内存中，无需上传云端，省去传输成本，速度更快。

另外，针对特定在线资料，我们发现了专属 API。比如视频网站有获取字幕文件的 API，我们无需动态抽取字幕；在线文档也有 API 可获取 Markdown 格式内容，目前还没发现第二个产品能做到这一点。这些本地化优化和深度适配共同带来了好体验。

△remio 信息采集来源

量子位智库：多数知识管理产品都有问答功能，「Ask remio」的回答效果与众不同，核心原因是什么？

remio：所有知识库产品都有问答功能，但就像问问题要找对人——人没有对应专业或信息背景就无法回答，产品的差异也在知识储备。

remio 通过实时、全面、自动化采集用户接触的所有信息，做到与用户的信息层面高度一致，最擅长回答与用户工作紧密相关的问题。

如果是特定领域的专业问题，ChatGPT 这类有公网搜索和深度研究能力的产品更合适。

未来用户可能会用多个产品，因为每个产品 " 懂的东西 " 不同，remio 的核心是懂使用它的用户本身。

2、AI 产品时代，用户个人数据只对用户有核心价值，对他人的重要性远低于互联网时代

量子位智库：remio 定位 " 个人专属的通用 AI 工作台，重塑知识工作流 "，" 个人专属 "、" 通用 "、" 重塑工作流 " 在产品中如何体现？与其他产品有何不同？

remio：先看个人专属。remio 中大量信息是个人私域数据，这些数据在公域或企业协作平台不存在。remio 是用用户个人私域数据 " 养 " 出来的 AI Agent，对用户有用，对他人可能无用。

且所有数据存放在用户个人电脑本地，没有云端存储的安全和隐私顾虑，这是其他产品难以比拟的专属性。

再看通用。从适用人群看，学生、研究者、工程师、产品经理、项目经理、市场、咨询等不同岗位用户都在使用；从任务范围看，能处理消息回复、产品规划等多种工作事务，覆盖不同类型需求。

最后是重塑工作流。现在工作全靠人脑处理：眼睛、耳朵接收信息，大脑加工，再通过嘴、手输出。有了 remio 这个 " 第二大脑 "，工作流不再必须经过人脑，可由 " 第二大脑 " 处理，这是最大的重塑。

量子位智库：相比互联网时代，个人数据对 remio 这类 AI 原生产品的重要性有何提升？意义和利用方式有何不同？

remio：现在的个人数据与互联网时代差异很大。

互联网时代，个人数据对产品体验有用，比如云音乐、小红书用用户行为做个性化推荐。个人数据对他人也有价值——协同过滤算法就是通过海量用户行为统计相似性，给用户推荐 " 同类用户喜欢的内容 "，个人数据既能帮自己也能帮别人。

AI 产品时代，个人数据对自己至关重要，但对他人的重要性远低于互联网时代。现在的个人数据才是 " 纯粹的个人数据 "，remio 的设计也能体现这一点——我的个人数据只对我有核心价值。

3、简单知识工作者将被 AI Agent 取代，AI 知识产品的核心用户为数亿规模的复杂知识工作者

量子位智库：remio 的目标用户是哪些群体？对市场规模有何估算？

remio：我们将目标用户定为复杂的知识工作者。

知识工作者分两类：一类是简单知识工作者，比如客服、SDR，工作有标准话术或固定流程，重复度高；另一类是复杂知识工作者。

全球现有 7 亿到 10 亿知识工作者，其中简单知识工作者未来会被 AI Agent 取代——比如美国现有 70 万到 80 万客服，预期三到五年后会减少到 20 万以下。

未来绝大多数知识工作者会是复杂知识工作者，核心群体包括各类管理者（产品经理、客户经理、项目经理、HR 经理、财务经理等）、高阶创造者（产品、工程师等）、专业服务人士（咨询、律师、研究者等）。

这类群体全球至少有数亿规模。

量子位智库：复杂知识工作者使用知识类产品时，最关注哪些方面？

remio：可从不同维度看。从软件使用维度，他们花大量时间在开会、资料搜寻、邮件处理、聊天、日程安排等方面，希望产品能在会前会后提供支持、辅助检索内部资料、处理邮件和聊天、管理日程 To do。

从工作类型维度，包括计划类、复盘回顾类、高阶策划类（产品规划等战略 / 策略任务）、低阶执行类（操作 SaaS 产品、填写信息等）。

目前 remio 在信息搜寻、回忆、梳理、小结回顾，以及协助探讨策略性方案方面做得较好——策略性任务需要高认知能力，但不需要太多工具使用能力，remio 很适配。像重复性操作类工作，其他产品可能更擅长。

4、新用户激活是最关注指标，需要让用户理解花时间 " 养 " 产品能获得延迟满足的回报

量子位智库：remio 是否达到 PMF（产品 - 市场匹配）状态？有哪些关键信号？当前最关注的核心指标是什么？

remio：实事求是地说，remio 还没达到 PMF，因为尚未正式收费，无法确定付费率和持续付费意愿。

但我们度过了两个关键点：一是 4 月内测时，用户反馈显示 Auto Capture 能力被广泛接受且喜欢，之前我们不确定这种创新设计能否被认可；二是 7 到 8 月，种子用户高频使用后发现，现有 AI 技术能高比例产出好结果，验证了技术对复杂日常工作的支撑能力。

当前最关注的核心指标是新用户激活。新用户引入不是大问题，但激活有提升空间—— remio 需要沉淀数据，新用户刚进来时系统是空的，就像单纯的大模型对话软件，无法体现价值。

需要引导用户装浏览器插件、绑定工作文件夹、导入存量文档，但资料解析可能需要一些时间，部分用户没耐心探索就流失了。

我们希望让用户理解，花时间 " 养 "remio 能获得延迟满足的回报。

量子位智库：remio 的价值体现有延迟，需要用户前期投入，那么在用户引导和教育上有哪些经验？

remio：这方面没有太多业界成功经验可借鉴，因为 remio 的产品形态此前从未出现过。

ChatGPT 上手容易，是因为它有世界知识，能回答各种问题；但 remio 最擅长解决 " 用户知道、它也知道 " 的问题，而新用户进来时它 " 什么都不知道 "。

我们在探索一些方式，比如下版本会推出 " 提示词仓库 "，让用户看到 remio 未来能处理的工作，同时说明使用这些提示词需要导入哪些数据源——没有数据就无法完成任务。希望通过这种方式让用户看到理想结果，再引导他们同步数据。

整个行业都没有这类产品的激活和 Onboarding 经验，我们可能走在最前面，还在摸索。

量子位智库：结合经验，哪些是 AI 产品中参考意义不大的虚荣指标？

remio：一是未收费前的用户量。AI 产品没有互联网平台的网络效应，免费时用户量再大，收费后留存可能不到 1% ——推特上经常看到免费时几十万用户，收费后只有几个付费，付费率不到万分之一。

二是不严谨的 ARR（年化经常性收入）。很多人计算 ARR 不是基于财务逻辑，比如用收费前七天的流水乘以 48 或 52，而这七天的流水可能是冲刺出来的，且用户可能已付年费，后续一年无法再收费，这种 ARR 就是虚荣指标。现在很多 ARR 数据很夸张，缺乏严谨性。

5、优先推进高流量平台适配和高频用户需求，通过数据看功能使用率和使用路径

量子位智库：remio 如何挖掘信息收集相关的潜在需求？如何安排开发优先级？

remio：需求挖掘有三个来源：一是全球流量 TOP10 的网站（Google、YouTube、Twitter、Reddit、LinkedIn、Facebook 等），作为主流的用户数据来源渠道，我们优先适配这些高流量平台；

二是每周一对一深度用户访谈，比如用户多次提到需要支持 PDF、PPT 等本地文件，我们就提前了本地文件支持功能的排期；

三是团队 " 吃自己的狗粮 " ——我们面向欧美市场，工作环境与欧美企业一致，用 Google Workspace、Gmail、Slack 等，能直接感知目标用户的数据来源和办公状态。

开发优先级主要基于用户需求强度、工作场景覆盖广度——高流量平台适配和高频用户需求会优先推进。

量子位智库：新功能上线后，如何监测效果以确定是否迭代？

remio：从两方面入手。一是打点数据，不含用户内容，但会记录用户使用的功能点，通过数据看功能的使用率和使用路径；

二是针对性用户访谈，了解用户是否使用新功能、使用感受、存在的问题。结合用研和数据分析，对线上功能做复盘迭代。

量子位智库：有没有用户没意识到但影响体验的细节设计？有哪些用户反馈较多的独特功能？

remio：Auto Capture 是核心卖点，就不多说了。还有个功能叫Collection，能对内容做多维度组织和关联——一个内容可以放在多个 Collection 里，Collection 之间也能关联。

我们认为海量信息需要多维度组织，这也是多维表格的设计逻辑，但多维表格太重且与文档割裂，所以设计了 Collection 机制。

用户反馈分化，有些用户觉得很方便，能灵活关联内容，疑惑 " 为什么之前没人这么做 "；有些用户习惯传统文件夹，觉得 Collection 复杂，希望保留文件夹功能。

这个功能其实类似用户手动构建知识图谱，但更多是给 remio 和 AI 用的。比如同步聊天数据时，我们会按天切割成聊天文档，关联到当天发言或被 @的人。AI 能通过这些关联快速回答 " 我和某人聊过什么 "，不管是私聊还是群聊。

Collection 设计得灵活，是为了满足 AI 的使用需求——人不愿花精力做关联，但算法能自动完成，帮助 AI 精准召回信息。

6、主流 AI 产品本质都是 Agent，核心区别在于自身的 " 知识储备 "

量子位智库：remio 的 " 自主行动 " 常被与 Agent 关联，它与其他 Agent 产品的核心区别是什么？

remio：主流 AI 产品本质都是 Agent，只是类型不同。比如编程软件是 Agent，有些所谓的 " 通用 Agent" 其实擅长工具使用（搜索、读写文件、打开浏览器等），但工具使用范围有限。

remio 也是 Agent 架构，核心区别在 " 知识储备 " —— remio 懂的东西，其他 Agent 可能不懂；其他 Agent 懂的，remio 也可能不懂。大家的能力面、信息面、知识面不同，但都属于 Agent 类型。

量子位智库：除了全量信息收集，好的 Agent 产品还需满足哪些关键标准？

remio：我认为有三点。第一是有效，确实能显著提升用户工作效率，这一点我们做得不错，因为很多能力是其他产品没有的。

第二是易用，如果有效但学习门槛高，用户会半途而废，这一点我们目前做得不够好，很多新用户进来会迷茫。

第三是不贵，产品再好如果价格太高，也不是好产品——就像之前做严选的口号 " 好的生活没那么贵 "。

7、在规模化扩张之前先搭建增长基础能力，坚持邀约用户做一对一深度访谈

量子位智库：remio 的前 1000 个用户是如何获取的？当前处于哪个增长阶段？

remio：前几百个用户来自 3 月公测时我的个人自媒体——公众号、Twitter、朋友圈，朋友转发后有几千人加入等待列表，最终转化几百个用户。5 月初在 Product Hunt 发布，拿到日榜和周榜第一，又转化几百个用户，两者加起来接近 1000 个注册用户。

当前没有规模化扩张的计划，主要在搭建增长基础能力：做程序化 SEO，与 YouTube 的 KOL 建联沟通选题和脚本，在 Reddit 做运营（这类运营需要时间发酵）。

原因有两个：一是产品形态不够成熟，二是平台覆盖不全面——目前只支持 2020 年后的 Mac 设备（需要 M 系列芯片），Windows 和老 Mac 用户无法使用，大规模推广会浪费 70% 的流量（Windows 或老 Mac 用户）。

量子位智库：remio 在公开开发（Building in Public）上做得好的地方是什么？

remio：我们坚持持续邀约用户做深度一对一访谈，参与访谈的用户会有少量报酬。访谈中会了解他们对数据来源适配的满意度、使用痛点和需求。

我们还会在新版本推出后，向种子用户反馈—— " 你上次提的需求已实现，能否体验新版本并继续交流 "。目前用户量不大，每周能保证 2 到 3 次深度交流，核心是拉近与用户的距离，做产品共创。

8、互联网公司的基因决定了数据云端存储的模式，remio 的核心壁垒则在于对用户私域数据价值的理解

量子位智库：如何应对互联网厂商的复制？有哪些防御性设计或核心竞争力？

remio：remio 未来肯定会有复制品，因为产品能创造价值。但互联网大厂很难走我们的路线，这是由基因决定的——大厂一直做协作或内容平台，默认用户数据存云端实现协同，很难接受 " 所有数据放用户本地 "、" 刻意避免接触用户数据 " 的选择。

比如腾讯的产品会强调数据在云端、做公共知识库共享，这是内容平台的思路。

我们的核心壁垒在于 " 数据本地存储 " 的产品定位和技术路径，以及对用户私域数据价值的理解，这与大厂的基因完全不同。

当然，不排除未来出现意料之外的竞争对手，但至少能避免被互联网大厂碾压。

9、AI 产品大多集中在文档问答这样的低阶使用场景，解决真正影响工作效率的高阶问题才是核心价值

量子位智库：remio 的理想状态（100 分）是什么样的？短期有哪些迭代方向？

remio：我自己给现在的产品打 " 勉强及格 "，但访谈用户的典型打分是 8 分（满分 10 分）。我们要做的事情还有很多，距离 80 分、100 分还有很大差距。

短期迭代重点有两个：一是 9 月底接入全量办公数据，包括邮件、会议、日程、日历、Todo，以及苹果用户常用的 Apple Notes 等笔记软件，让办公数据覆盖更全面（目前已支持在线资料、本地文档、Slack 等聊天软件）；

二是 10 月推出 Windows 版本，覆盖 Windows 用户。

量子位智库：如果再安利一下 remio 这款产品，该如何介绍它？

remio：remio 是最了解你的专属 AI 助手，也是通用工作台。它会无时无刻同步你接触的所有信息，让你无需手动提供资料——处理任务时，它会根据任务类型自动从全量知识库找合适信息，完成工作。

比如低阶任务（对单个文档问答），手动传资料不算麻烦；但高阶任务（盘点近两天工作需跟进的内容、是否遗漏给同事的反馈），手动找资料根本不可能，因为涉及的资料无穷多。

remio 的核心价值就在这里：工作时实时收录所有资料，面对这类问题时，能基于全量信息分析 " 你最近在做什么、哪些工作需要跟进 "。

现在的 AI 产品还没打开高阶使用场景，大家多在用 " 总结文档 " 这类低阶功能，而 remio 能解决真正影响工作效率的高阶问题。

— 欢迎优秀 AI 产品前来建联 —

「AI 100」是量子位智库推出的 AI 产品风向标系列内容，致力于挖掘推广国内的高潜力 AI 产品，包含「旗舰 100」和「创新 100」季度双榜单，及1v1 访谈栏目。