信号 1️⃣
母婴助手·🏥Tia × Berry Street：把「营养」做成嵌进诊疗的服务层，而不是又一个独立 App
💬 一句话结论： 全人女性健康平台 Tia 把营养治疗外包给 Berry Street（1800+ 注册营养师网络），但关键不是「加了个营养功能」，而是把它接进了用户已有的初级保健、妇科、心理就诊记录里——营养不再是孤岛，而是被串进一条完整的女性健康档案。
💬 关键机制 / 关键事实：
- Berry Street 网络里 63% 营养师专攻女性健康：PCOS、围绝经期、备孕、孕产、甲状腺、进食障碍、体重管理——颗粒度细到症状级别。
- 服务形态是「真人营养师 + AI 辅助」：营养师定制方案，AI 负责日常 guidance、饮食追踪、整合可穿戴和化验数据形成持续反馈环。
- 大多数 session 走保险报销——这是它能规模化的商业底座。
- 取代了上一家合作方 Nourish，说明这类「营养服务层」在女性健康平台里已经在洗牌、卷质量。
💬 对我们的启发： 这是「单点功能 → 嵌入式服务层」的典型样本。对我们而言，母婴助手最大的价值不在于多一个孤立的「喂养建议」模块，而在于能不能把喂养、睡眠、情绪、产后恢复串进同一条用户档案，让 AI 拿到跨场景的连续数据形成反馈环——孤立功能谁都能抄，连续档案才是护城河。Tia 的「真人定方案 + AI 跑日常 + 数据回流」三段式结构尤其值得拆。
⚡ 这周做： 花 30 分钟把我们母婴助手现在的几个核心功能（喂养/睡眠/情绪）画一张「数据流图」——看看它们之间的数据是不是真的打通了，还是各自为政。Tia 的差异化就藏在「打通」这两个字里。
信号 2️⃣
工具链·🔧2026 年选 AI 编程工具，比的不再是模型，是「外壳」（harness）
💬 一句话结论： 一篇横评（截至 6/25 逐条核对官方文档）抛出一个对产品人很有用的判断——前沿模型已经趋同，真正决定每天体感的是套在模型外面那层「外壳」：权限模式、记忆、可重复工作流、代码理解、扩展性。
💬 关键机制 / 关键事实：
- 对比 4 个终端 agent：Claude Code（Anthropic 自家、最顺、订阅认证有保障，但绑生态）、OpenCode（开源、75+ 模型，但今年 3 月砍掉了 Claude 订阅登录）、goose（开源、厂商中立、YAML 可重复工作流）、Pi（极简内核，只给 read/write/edit/bash 四个工具，其余自己搭）。
- 核心论点原话：「你不是在选模型，你是在选外壳——外壳决定日常体验。」
- Claude Code 的权限模式是它体验领先的关键：default → acceptEdits → plan → auto → dontAsk → bypassPermissions，从「每步都问」到「容器里全放开」六档可调。
💬 对我们的启发： 这套「模型趋同、价值在外壳」的判断，几乎可以原样套到 AI 产品上——当大家都能调一样的大模型，用户留在你这儿的理由不是模型多强，而是你这层「外壳」做得多顺：权限/隐私怎么管、记不记得住用户、能不能跑可重复的流程。对母婴助手而言，「外壳」就是我们对妈妈使用场景的理解深度——这是模型给不了的。
⚡ 这周做： 下次内部讨论「我们的 AI 比竞品强在哪」时，别只比模型/回答质量，列一张「外壳清单」：权限与隐私、记忆与个性化、可重复的高频流程、跨场景数据打通——把竞争维度从「谁的模型聪明」拉到「谁的外壳更懂妈妈」。