一个工具生成文案，一个工具处理图片，再做一个自动报表。用 AI 辅助开发之后，三个小产品在技术上似乎没有那么遥远。
真正运行起来，新的问题却不再只是写代码。谁需要回复，哪项交付还没完成，哪个渠道要更新，哪位客户昨天遇到异常，都在等同一个人想起来。
做得出来，与能够同时经营，是两种难度。
研究者 Sophie Leroy 将一种现象称为“注意力残留”：切换任务时，部分注意力仍停在之前的事情上，未完成工作和中断尤其容易带来这种情况。它解释了切换的负担，但不能据此推断每个人只能做一个项目。资料：Leroy 的研究说明
可以想象这样的下午：正在写课程介绍，突然处理图片工具的投诉，回来又惦记着报表客户的付款。窗口已经切回去了，脑子却没完全回来。每件事都推进了一点，最需要完整思考的部分反而一直停着。
项目数量还不是唯一问题。三个产品虽然都使用大模型，却可能面对完全不同的客户。餐厅排班、学生写作和电商图片，对应的购买理由、服务方式与沟通语言，并不会因为底层技术相近就自然共享。
相反，同一家门店的预约与排班，可能确实共用一些客户理解和服务流程。所以，“多做一定不行”和“技术能复用就适合一起做”，都过于简单。真正有意义的复用，需要在经营中发生。
我觉得，注意力是一个容易被低估的成本。服务器扩容能增加处理能力，创始人脑中那些尚未结束的事情，却不会随着多开一个软件窗口自动分流。
聚焦也不保证方向正确。集中投入之后，需求依然可能很弱；暂停其他项目，也不会凭空带来客户。它只是让有限的观察和判断，更有机会围绕一条业务走完整。
AI 缩短了很多制作步骤，但客户为什么购买、用完有什么变化、出了问题怎么处理，仍然需要理解。那些问题不会因为产品已经上线，就自己排着队解决。