Specificity（特异性）
定义
在 AI 时代的竞争优势——能够产生深入特定上下文的内容，而不是通用但浅薄的输出。AI 让变得精致更容易，但并不让变得具体更容易。
核心要点
- AI 的弱点：倾向于产生统计上合理但缺乏特定上下文深度的输出
- 特异性的价值：市场不需要更多合格的克隆，需要能够使用 AI 速度但不放弃特定性的建设者
- 如何实现特异性：
- 为人们实际理解问题的方式写作，而不是通用 SaaS 模板的说话方式
- 将领域和运营约束带入产品，而不是隐藏在抽象语言下
- 为非理想、低注意力、真实世界环境设计
特异性 vs 合格产出
| 维度 | 合格产出（AI 擅长） | 特异性（人类优势） |
|---|---|---|
| 语气 | 听起来精致 | 说一些真正识别为接地气的内容 |
| 结构 | 世界级的营销语言 | 承认真正的权衡 |
| 设计 | 现代但不难忘 | 适合用户实际思考方式 |
检验特异性的问题
问自己：我在这里添加了什么模型自己无法添加的东西？
好的答案包括：
- 一个真正的运营约束
- 一个艰难学到的用户真相
- 一个监管细节
- 一个文化细节
- 一个战略权衡
- 一个你愿意站在后面的观点
如果你无法命名这个添加，你可能仍在消费模式
特异性的实践
- 使用 AI 快速探索设计空间
- 使用 AI 研究最好的现有作品并理解经典
- 使用 AI 生成你可能不会立即考虑的替代方案
- 用你自己的判断拒绝通用的、不诚实的或上下文盲目的内容
- 添加模型自然不知道的约束，然后从那里构建
关键数据点
- AI 倾向于产生统计上合理但缺乏特定上下文深度的输出
- 特异性 vs 合格产出：AI 擅长"听起来精致"，人类优势是"说真正接地气的内容"
- 检验特异性的问题："我在这里添加了什么模型自己无法添加的东西？"
- 好的特异性答案：运营约束、用户真相、监管细节、文化细节、战略权衡、个人观点
前提与局限性
- AI 让变得精致更容易，但并不让变得具体更容易
- 特异性要求建设者真正理解领域和运营约束，不能隐藏在抽象语言下
- 特异性需要为"非理想、低注意力、真实世界环境"设计，而非 polished demo 条件
- 如果无法命名自己添加的独特价值，可能仍处于消费模式
- 特异性在需要标准化、规模化的场景中可能不适用
关联概念
- Taste - 品味是实现特异性的能力
- Judgment - 判断力决定什么足够特异
- Competent-Output - 特异性的对立面，AI 的默认输出
- Ownership - 特异性来自真正承担后果