Những điều tôi rút ra được về việc tạo mẫu AI từ CEO của Magic Patterns @alexdanilowicz 1. Tích hợp hệ thống thiết kế là lợi thế cạnh tranh ẩn giấu trong việc tạo mẫu AI. Magic Patterns đã xây dựng "các thiết lập" cho phép bạn nhập thư viện thành phần thực tế của mình trước khi bắt đầu xây dựng. Điều này không chỉ là về việc làm cho mọi thứ trông đẹp. Nó liên quan đến việc liệu mẫu của bạn có thể thực sự được sử dụng trong nghiên cứu người dùng hoặc được giao cho các bên liên quan mà không ai hỏi "tại sao điều này không trông giống sản phẩm của chúng tôi?" Tiện ích mở rộng Chrome kéo các thành phần trực tiếp từ Storybook hoặc các trang sản xuất và tự động chuyển đổi chúng thành Tailwind. Hầu hết các công cụ bỏ qua điều này vì chúng được tối ưu hóa cho "ý tưởng đến ứng dụng" thay vì "ý tưởng đến giao diện sản xuất phù hợp với hệ thống thiết kế của chúng tôi." 2. Chất lượng lặp lại quan trọng hơn rất nhiều so với chất lượng prompt đầu tiên. Trong cuộc thi nướng trực tiếp của họ, Magic Patterns và V0 gần như hòa nhau mặc dù có kết quả prompt đầu tiên khác nhau. Sự ngẫu nhiên trong các đầu ra ban đầu là cao, nhưng điều tách biệt các công cụ tốt với những công cụ tuyệt vời là cách chúng xử lý 500 prompt tiếp theo. Alex thấy khách hàng cảm thấy thất vọng và spam "không hoạt động, không hoạt động, không hoạt động" điều này chỉ làm mọi thứ tồi tệ hơn bằng cách làm ô nhiễm ngữ cảnh. Magic Patterns đã xây dựng một lệnh "/debug" cụ thể để phá vỡ AI khỏi các vòng lặp tuyệt vọng. Công cụ mà bạn có thể lặp lại trong nhiều giờ sẽ vượt trội hơn công cụ có đầu ra đầu tiên nổi bật mỗi lần. 3. Biết khi nào bạn cần một mẫu thử nghiệm so với một ứng dụng hoàn chỉnh. Replit đã yêu cầu người dùng thêm khóa API OpenAI của họ trong cuộc thi nướng, điều này làm chậm lại nhưng thêm chức năng thực sự. Magic Patterns cố tình bỏ qua điều này vì họ tập trung cao độ vào việc tạo mẫu hình ảnh cho nghiên cứu người dùng, không phải xây dựng ứng dụng sản xuất. Nếu bạn đang xác thực một khái niệm với người dùng, bạn không cần tích hợp Supabase. Nhưng nếu bạn đã xác thực và cần giao hàng, bạn muốn các công cụ full-stack. Sai lầm là dành hai giờ để gỡ lỗi cơ sở dữ liệu khi tất cả những gì bạn cần là một mô phỏng tương tác để trình bày cho năm khách hàng. 4. Việc tạo mẫu AI có thể giảm tỷ lệ thất bại sản phẩm từ 80% xuống 50%. Hơn 80% các tính năng được xây dựng không đạt được các chỉ số mục tiêu của chúng. Nhưng khi bạn đặt một mẫu thử nghiệm thực sự trước người dùng trước khi xây dựng, bạn có thể xác thực liệu nó có thể sử dụng được, khả thi cho doanh nghiệp, và liệu người dùng có hiểu điều gì cần làm tiếp theo. Điều này trước đây là không thể vì nó yêu cầu thời gian của nhà thiết kế để tạo ra các mẫu Figma. Bây giờ, các PM có thể đi từ ý tưởng đến mẫu thử nghiệm có thể kiểm tra trong 10 phút và nhận phản hồi trực tiếp từ khách hàng trước khi viết một dòng mã sản xuất nào. Điều này nên trở thành thực tiễn tiêu chuẩn cho mọi tính năng quan trọng, không chỉ cho những cược lớn nhất. 5. Những người sáng lập tốt nhất bắt đầu bằng cách giải quyết vấn đề đau đớn của chính họ trước khi xu hướng trở nên rõ ràng. Alex và đồng sáng lập của anh ấy là những kỹ sư front-end dành toàn bộ thời gian của họ để thực hiện các mẫu Figma. Vào tháng 8 năm 2023, trước khi V0 ra mắt và trước khi bất kỳ ai khác thấy cơ hội, họ đã thêm AI vào trình chỉnh sửa thư viện thành phần của họ trong một hackathon nội bộ. Khi V0 ra mắt hai tháng sau đó, mọi người nói với họ rằng họ đã chết. Nhưng họ có cái nhìn độc đáo vì họ tiếp cận việc tạo mẫu AI từ góc độ "làm thế nào tôi sử dụng các thành phần sản xuất thực tế của mình" trong khi những người khác tiếp cận từ các container web hoặc các công nghệ khác. Lợi thế không công bằng của bạn đến từ việc hiểu sâu một không gian vấn đề trước khi thêm AI vào nó.