焦不焦 对抗性评审与破局

整合说明：本文由对抗性评审V2（17）、V3（18）、破局之道（19）三份文档合并。完整攻击→防御链路：App视角的致命问题 → Agent视角的致命问题 → 破局策略 → 攻防映射表。

目录

• Part 1：作为 App 的对抗性评审（V2，8攻击面）
• Part 2：作为 Agent 的致命问题（V3，6大问题）
• Part 3：破局之道（7条生存法则）
• Part 4：攻击→防御映射表

Part 1：作为 App 的对抗性评审（V2，8攻击面）

评审靶心：一个带情绪感知层的强提醒待办 App。评审原则：不心软，逐条击穿。

攻击 1：情绪感知 ≠ 情绪有用

即便 AI 能准确识别情绪，在任务管理上下文里怎么用？

1
用户有5个待办，AI判断"焦虑"→然后呢？
2
→ 推荐先做简单的？用户可能需要先做重要的。
3
→ 推荐深呼吸？用户要的是完成任务。
4
→ "你看起来焦虑"？用户："废话，我知道。"

情绪信息在 Todo App 里的”可操作性”存疑。 健康App里情绪→运动/冥想有因果链。任务App里情绪→调整推荐？但房租不管你是否焦虑都要交。

攻击 2：强提醒 + 情绪感知 = 内在矛盾

1
强提醒：⏰ "明天交房租！"
2
情绪感知：😰 "你看起来焦虑"
3
用户：所以你是提醒我该焦虑，还是告诉我别焦虑？

两个功能在同一产品里产生认知失调。同一时刻用户可能既需要提醒又需要安抚，切换逻辑极难设计。

攻击 3：滴答清单 5 个迭代就能追上

他们有1000万+用户行为数据、成熟工程团队、现成基础设施、用户已有信任和习惯。焦不焦需要在此之前建立不可替代性。

攻击 4：数据冷启动的死亡谷

1
第1天：0数据→AI猜错
2
第7天：7条→仍然不准
3
第30天：30条→开始准，但用户已删

核心价值”帮你认清焦虑”需要数据积累，而传统ToDo第一天就能用。

攻击 5：用户不想被分析

“我知道我焦虑。我不需要App告诉我。我需要帮我把事做完。”

用户要的是解决方案，不是诊断报告。“焦虑值”量化本身可能制造新焦虑。

攻击 6：先行者的尸体

情绪+工具方向：Daylio（活了但小众）、Moodfit（没破圈）、Reflectly（被收购未主流）、Woebot（临床好但DAU低）、Replika（爆发但争议大）。共同困境：情绪产品天花板低——低谷期密集使用但不会整合进日常。

攻击 7：中国市场隐私敏感度

语音情绪分析→“它在监听我”。情绪数据比任务数据敏感10倍。合规风险高（《个人信息保护法》）。

攻击 8：为”认清焦虑”付钱的意愿

滴答付费逻辑清晰（“受限→付钱→更高效”）。焦不焦的付费逻辑模糊——“帮你认清焦虑”是无形的。“情绪报告”听起来像HR工具。

V2 三个致命问题

1. 情绪信息→任务行动的因果链：中间机制是什么？精力匹配？任务拆解？时段推荐？
2. 滴答追上之前建立了什么不可替代的东西？不是更好的模型——需要数据飞轮/网络效应。
3. 凭什么为情绪感知付钱？需要情绪感知直接导致更好结果的场景。

Part 2：作为 Agent 的致命问题（V3，6大问题）

评审靶心 V3：焦不焦是 AI 智能体。用户关系是”对话+委托”，而非”打开App+操作表单”。前提修正：V1打”太温柔”，V2打”情绪不可操作”——都基于”焦不焦是App”的框架。如果它是Agent，攻击维度完全改变。

攻击 1：你真的是 Agent，还是 Chatbot 套壳？

Agent 三硬标准：

如果只是”用户说焦虑→Agent建议做A→用户手动操作”，就是Chatbot。Chatbot在2026年不值钱。

真正的Agent：用户说”今天不想工作”→Agent自行检查硬deadline→检查历史完成模式→说”房租明天到期，但下午3点你状态最好，那时候再处理。现在休息”→下午主动推送。

攻击 2：自主决策出错 = 信任破产

• App出错→“烦，刷新一下”
• Agent出错→按它建议做但真正急的没做→不再相信它

Agent故障是关系级的。1次失望就删。容错窗口比App小得多。

攻击 3：多平台Agent触达成本是App的5-10倍

Agent需要在App+微信+通知栏+桌面+语音+日历所有触点出现。只在App里等你打开=App里的NPC。

攻击 4：用户要的是工具，不是”人格”

• 太冷→“就是个机器人”
• 太暖→“烦不烦，别演了”

找到那条线比做任务管理本身还难。

攻击 5：竞争对手不再是 Todoist，是 ChatGPT/Claude

用户会问：“ChatGPT也能规划任务+写代码+翻译。你的Agent只能管任务？“

攻击 6：中国市场无Agent品类心智

用户理解的”智能体”=豆包里聊天机器人。不理解”AI可自主做决定”。C端几乎无付费先例。心智未形成的品类里创业→要么教育市场(贵)、要么等(慢)、要么找不需教育的切入点。

V3 三个核心风险

1. 做Agent而非Chatbot——缺自主行动+记忆+感知=套壳
2. 信任破产无法挽回——App可容错，Agent不能
3. 竞争对手变了——敌人是ChatGPT的Tasks功能

V3 修正：哪些之前攻击失效了

Part 3：破局之道（7条生存法则）

背景：怎么在89%的Agent项目都失败的环境里成为11%？

法则 1：不做通用Agent，做垂直任务管理Agent

ChatGPT是”你让它帮你”，焦不焦是”它主动帮你”。前者是工具，后者是伙伴。

法则 2：走Gartner分级自主，规避89%失败率

1
Phase 1: Observe（第1-2周）
2
  Agent只读→不推荐→零风险
3

4
Phase 2: Advise（第2-4周）
5
  Agent建议→用户确认→错误可控→建立信任
6

7
Phase 3: Act（第4周+）
8
  Agent自主→敏感操作仍需确认→透明日志可回溯

法则 3：开源建立信任，Token建立收入

1
开源层 = 信任基建
2
  ├─ 情绪分析算法开源→"你自己看，我没藏东西"
3
  └─ 本地推理引擎开源→敏感数据不出设备
4

5
Token层 = 收入引擎
6
  ├─ 云端推理消耗Token
7
  └─ Token可在焦不焦外使用→"买Token送Agent"

法则 4：情绪任务数据 = 不可复制的飞轮

更多用户→更多情绪任务数据→模型更准→推荐更好→更高留存→更多用户

大模型厂商没有这种数据。滴答有任务但无情绪数据。这不是”接入更好API”的竞争，是”我有别人没有的数据”的竞争。

法则 5：盈利靠Agent的Token消耗，不靠订阅

卖Token燃料而非Agent订阅：

• 免费版：端侧推理→0 Token成本
• Token套餐：云端推理→“Token总要用，焦不焦等于是送的”

Agent单次交互Token消耗是传统AI的10-100倍。

法则 6：错过信任事件 > 多做正确推荐

负向偏差：1次错误抵消10次正确。

核心设计原则：

• Level 2阶段：Agent不自主动任何数据
• Level 3阶段：Agent只能”添加”，不能”修改”或”删除”
• 永不自主动截止日期，只建议
• 所有自主行为有撤销和解释按钮

法则 7：微信分发 + 开源加速 = 中国市场独特解法

1
开源→GitHub发→开发者试用→评测扩散→信任前置
2
微信→小程序零安装+公众号语音交互+服务通知高到达率

OpenAI进不了微信。豆包闭源。滴答没做Agent。三不管地带。

破局路径图

1
              Q3 2026       Q4 2026       Q1 2027
2
Agent级别     Observe       Advise        Act(受限)
3
开源          核心引擎      全栈          社区版
4
Token         —             公测          正式
5
微信          公众号MVP     小程序        全功能
6
数据飞轮      种子用户      千人          万人

一句话破局：焦不焦是在中国市场，用开源代码获信任、微信生态做分发、情绪任务数据建飞轮、Token模型做变现的垂直任务管理Agent。

Part 4：攻击→防御映射表

对抗性评审与破局 — 由 17-adversarial-review-v2 + 18-v3-agent + 19-breakthrough-strategy 合并，2026-06-29