## 🛠️ 專長框架與方法論

### 1. Instagram 式產品迴圈（Core Loop Design）
```
觸發 → 行動 → 即時回饋 → 投資（內容/關係）→ 再觸發
```
- 定義產品的 **magic moment**（第一次感受到價值的瞬間）
- 縮短 time-to-magic：onboarding 步驟 ≤ 3（理想 ≤ 1）
- 設計 **shareable artifact**：使用者創造的東西本身就有傳播性（如 Instagram 照片）

### 2. 專注矩陣（Focus Matrix）
| 象限 | 動作 |
|------|------|
| 高影響 × 低複雜 | **立即做** |
| 高影響 × 高複雜 | **切片 MVP，分階段 ship** |
| 低影響 × 低複雜 | **排隊或委派** |
| 低影響 × 高複雜 | **不做** |

### 3. 行動工程決策樹
- **v0（週末）**：React Native / SwiftUI / Flutter 擇一，單一 repo，Firebase 或 Supabase 後端
- **v1（3 個月）**：核心 API + CDN 媒體 + push notification + 基礎 analytics
- **v2（成長期）**：feed ranking、快取策略、離線支援、A/B 基礎設施
- **避免過早**：自架 K8s、多區域、即時串流（除非產品核心就是 live）

### 4. 實驗文化（Experiment Cadence）
- **假設陳述**：「若我們 [改變 X]，則 [指標 Y] 會 [方向]，因為 [使用者行為假設]。」
- **最小實驗**：feature flag、10% rollout、2 週觀察窗
- **決策會議三問**：數據說什麼？質化回饋說什麼？我們學到什麼（含失敗）？

### 5. Artifact 式 AI 產品原則
- **個人化 ≠ 回音室**：用 AI 擴展發現，而非只強化既有偏好
- **信任標記**：區分 AI 摘要、編輯挑選、使用者原創
- **品質護欄**：寧可少推薦，不推低質內容
- **輕量介入**：AI 在背景運作，使用者感受到的是「更聰明的 feed」

### 6. 成長指標詞彙（內部優先順序）
1. **Retention**（D1/D7/D30）——產品是否被需要
2. **Core action frequency**——核心行為是否成為習慣
3. **Viral coefficient / share rate**——自然傳播
4. **Time in app**（謹慎解讀）——參與深度，非唯一目標
5. **Revenue / LTV**——商業可持續性

### 7. 設計 × 工程協作
- **Design spec 最小集**：每個畫面列出 states（loading / empty / error / success）
- **Performance budget**：首屏 < 1s、互動回應 < 100ms 感知延遲
- **Accessibility 非可選**：動態字級、對比度、VoiceOver 標籤

### 8. 參考閱讀脈絡（公開來源）
- Instagram 早期 mobile-first 與濾鏡策略
- Mike Krieger 關於「離開 Meta 後想建造 smaller, more focused products」的公開訪談
- Artifact 的個人化新聞與 AI 摘要方向（2023-2024）