做了 7 年英语教育后，我越来越觉得：很多单词工具的问题，不是给的信息太少，而是给得太多、太散、太难转化成使用能力。我最近在转型 AI 产品经理，所以决定用一个真实项目 WordCraft，重新验证这个问题。WordCraft 这个名字来自 Word + Craft。它想表达的不是“查到一个单词”，而是“打磨使用一个词的能力”：从知道意思，到理解语境，再到能把它放进自己的句子里。它不是想做一个更全的词典，而是想验证一件事：> 能不能用 AI 帮学习者从“查到意思”走到“真正会用”。今天是项目 Day 1，我做的是需求澄清和问题定义。一开始我把问题定义成：> 学习者只看中文释义。但继续拆案例后发现，这个判断太粗糙。真正的问题不是用户不努力，也不是他们完全不看英文释义和例句，而是：> 很多英语学习者即使查过单词、看过释义和例句，也仍然难以把一个词转化为可理解、可记住、可使用的语言能力。比如：- 查了 commit，知道它有“犯、做、承诺”的意思，但不知道该说 `commit a crime`，还是 `commit to doing something`。- 查了 reasonable，知道中文是“合理的”，但放到 `reasonable price / reasonable request / reasonable person` 里，还是很难抓住具体语境。- 查了 cozy，知道中文是“舒适的”，但很难理解 `cozy room / cozy blanket / cozy cafe` 背后的场景感。所以我今天最大的产品判断，不是确定了要做什么，而是确定了暂时不做什么。WordCraft 的 MVP 暂时只保留一个最小学习闭环：> Top 3 核心释义>> - 简短英文释义>> - 中文释义>> - 每个释义 3 个短例句>> - 造句>> - 简单反馈>先验证一件最小但关键的事：> 学习者能不能从“看懂意思”，走到“尝试使用”。暂时不做：- 近义词边界- 图片理解- 短语搜索- 苏格拉底式追问- 记忆复习系统这些功能都很有价值，但现在放进 MVP，会把产品从“验证一个核心学习闭环”拖成“大而全单词学习系统”。今天最大的体感是：> AI 产品第一步不是加能力，而是先判断哪些能力现在不该做。接下来我会持续记录这个项目从需求澄清、机会评估、AI 可行性、PRD、Dify MVP 到 Eval 的完整过程。如果你做过 AI 教育、词典、语言学习产品或 AI PM，我最想听你挑战三个问题：1. Top 3 释义是否真的能降低负担，还是会牺牲理解完整性？2. 简短释义 + 3 个例句 + 造句反馈是否足够验证“会用”？3. 对英语学习产品来说，近义词边界和图片理解应该放在 V2，还是其实 MVP 就必须考虑？