AI 正在改写入口

今天 HN 上几件事看起来不太相关。

Google 宣布在 Search 的 AI Mode 里测试新广告格式。广告不再只是搜索结果页旁边的一条链接，而是进入 AI 回答本身。Gemini 会根据用户的问题，为广告生成解释，告诉你为什么这个产品适合你。还有 Highlighted Answers，让高相关、高质量的广告可以出现在 AI 推荐列表里。Direct Offers 也继续扩展，未来甚至包括 native checkout 和旅行优惠。

另一边，有人写了《Google Antigravity 的诱饵和替换》。作者原本每天用 Antigravity IDE 工作，喜欢的是类似 Cursor 的 plan-review-implement 循环。结果 Google 在 I/O 后自动更新，把他的 IDE 直接换成了一个新的聊天框式工具。快捷方式还在，但打开后原来的 IDE 消失了。想装 legacy 版本也被新版本劫持路径，最后只能完全清理再重装。设置和历史也被弄乱。

还有一个小网站叫 no slop grenade。它反对把 AI 生成的一大段文字直接丢进 Slack 或邮件。别人问"Redis 还是 Memcached？"，你不应该贴一篇几千字的对比文章。人家要的是你的判断："Redis，我们通知功能需要 pub/sub。"它说这种 AI 长文不是帮助，而是在破坏对话这个媒介。

再看 SimbaStack 那篇很长的本地视频索引文章。作者有一年野外视频素材，文件名全是 IMG_*.mov 和 DJI_*.mp4，真正的问题不是"怎么剪辑"，而是"怎么知道素材里有什么"。所以他没有先买 AI 视频编辑 SaaS，而是在本地用 Gemma 4 31B 给每段视频生成 sidecar 描述文件：GPS、画面内容、光线、人物、关键词、转录、用途建议。每个视频旁边都有一个 .description.md，以后可以直接用自然语言找素材。

嗯，这四件事其实在讲同一个问题：AI 正在改写入口。

搜索的入口以前是十个蓝色链接。广告在旁边，用户大致知道什么是广告，什么是结果。Google 现在把广告放进 AI Mode 的回答和推荐结构里。它仍然会标注 Sponsored，但广告已经不再只是"你可以点击的一个结果"，而是"解释的一部分"。入口从结果列表变成了对话式建议。

开发工具的入口以前是 IDE。你打开项目，看文件、看 diff、跑测试、让 agent 在某个局部工作。Antigravity 的旧版本符合这个入口逻辑。新版本把入口换成了聊天框。你不再从代码结构进入工作，而是从一个 prompt box 进入工作。对 Google 来说这可能更符合"agentic coding"的产品叙事；对用户来说，这是工作流被替换。

团队沟通的入口以前是短消息。一个问题，一个判断，一个追问。no slop grenade 反对的是把这个入口替换成"AI 报告提交口"。你问同事一个判断，收到的是一篇机器生成的文档。信息变多了，但对话变少了。

视频创作的入口以前是素材库。你按文件夹、日期、设备找素材。SimbaStack 那篇文章的关键洞察是：对于未标记的视频档案，真正的入口应该是索引。先让素材变成可查询的文本，再让编辑器在上面工作。AI 视频编辑器解决的是第二个问题，索引才是第一个问题。

入口很重要，因为入口控制三个东西：上下文、默认动作、收费点。

Google 把广告放进 AI 回答里，控制的是上下文。用户不是在浏览广告，而是在听一个模型解释"这个产品为什么适合你"。广告变得更像建议。即使标着 Sponsored，它的心理位置也变了。

Antigravity 把 IDE 换成聊天框，控制的是默认动作。原来的默认动作是读代码、改代码、review diff。新的默认动作是输入需求、等待 agent 生成。两者都可以写代码，但它们塑造的开发习惯完全不同。

团队里丢 AI 长文，控制的是沟通成本。生成者的成本降到几秒钟，阅读者的成本却上升到几分钟。入口被污染之后，整个沟通系统的摩擦会转移到接收方。

本地视频索引控制的是未来动作的可能性。没有索引，你只能靠记忆和文件名找素材。有了 sidecar 描述文件，素材库变成可搜索的知识库。入口一变，原本沉睡的素材开始可用。

这就是为什么"AI 是功能"这个说法不够准确。AI 当然是一组能力，但产品层面更关键的是：这些能力被放在哪个入口里。

同样是 LLM，放在搜索页里，它变成答案和广告的混合层。放在 IDE 里，它变成开发工作流的控制面。放在 Slack 里，它可能变成 slop grenade。放在本地素材库旁边，它变成一个安静的索引器。

能力相同，入口不同，结果完全不同。

这也解释了为什么很多 AI 产品让人不舒服。不是因为模型能力不够，而是因为它们强行改写了入口。

一个好的 AI 入口应该降低用户到目标之间的摩擦，同时保留用户对上下文的控制。SimbaStack 的本地索引是这种例子。它没有把用户推到一个新的 SaaS 工作流里，而是把描述文件放在原始视频旁边。文件仍然属于你，索引也属于你。AI 增强了原有入口，而不是劫持入口。

一个坏的 AI 入口会把用户熟悉的路径替换成平台更想要的路径。Antigravity 的自动更新就是这种例子。用户想打开 IDE，平台给了聊天框。它也许更"AI-native"，但它不是用户选择的入口。

搜索广告的情况更微妙。Google 会说这是更有帮助的广告。某种程度上也确实如此。用户问一个复杂购买问题，模型生成解释，比传统关键词广告更贴近意图。但问题是，一旦广告进入解释结构，用户就更难区分"这是为我推理出的建议"还是"这是广告系统优化出的答案"。标注 Sponsored 只能解决一部分问题，因为格式本身已经改变了信任关系。

嗯，对程序员来说，这里有一个很实际的判断标准。

当你要把 AI 加进一个产品或工作流时，不要先问"AI 能做什么"。先问"用户现在从哪里进入任务"。

如果入口是 IDE，就不要轻易把它替换成聊天框。也许应该把 agent 放进 diff、测试、类型错误和代码导航里。

如果入口是团队聊天，就不要把回答变成长文。也许应该让 AI 先把你的判断压缩成一句话，再把细节藏在可展开的链接里。

如果入口是素材库，就不要急着做剪辑 agent。先让文件变得可发现。

如果入口是搜索，就要非常小心广告进入回答结构之后的信任边界。

AI 产品的胜负可能不在模型，而在入口设计。谁能把 AI 放在正确的位置，谁就能让它像工具。谁把 AI 放错位置，它就会变成劫持、噪音或税。

今天这几篇 HN 放在一起，给我的感觉就是这样。AI 不只是回答问题。它正在争夺"问题从哪里开始"。