How to Build for AI Agents and a Claude Code Second Brain in 25 Min | Ryan Wiggins

Mercury 正在将银行服务从“一个网站/App”变成“一套可被AI调用的API”，这不仅是技术升级，而是对“银行在2020年代应该长什么样”的根本性重新定义——产品经理的“第二大脑”系统则展示了当个人知识库与AI深度绑定后，工作方式和决策质量会发生怎样的质变。

这期内容适合所有正在思考“如何让产品被AI原生使用”的产品经理、创业者，以及任何对AI如何改变传统行业感兴趣的人。最值得看的原因有两个：一是Mercury作为一家现代银行，率先将核心金融服务封装成MCP（Model Context Protocol），让用户可以通过Claude等AI助手直接查询和管理财务，这代表了“AI时代的银行界面”应该是什么样；二是Mercury产品负责人Ryan展示了他个人搭建的“第二大脑”系统——一个基于Claude Code、本地知识库和自动化工作流的AI助手，它能帮他复盘会议、提醒绩效改进点、自动分析数据。这个系统展示了AI如何从一个“回答问题”的工具，变成一个“帮你变得更好”的教练。最值得注意的冲突是：当用户不再需要打开你的App，而是通过AI代理来使用你的服务时，你的产品价值到底在哪里？Mercury的答案是“成为基础设施”，而不是“争夺用户注意力”。

这期播客由产品经理Peter主持，对话Mercury的产品负责人Ryan。内容分两大块：第一块是Mercury最新推出的MCP（Model Context Protocol）服务——它让用户可以通过Claude等AI助手，用自然语言直接查询银行账户信息、分析支出、寻找节税机会等。第二块是Ryan个人如何深度使用AI工具（主要是Claude Code）来构建一个“第二大脑”系统，这个系统整合了他五年来的工作文档、会议记录、数据查询，能帮他做日常复盘、绩效反馈提醒、甚至自动分析业务数据。整期内容的核心线索是：当AI成为新的交互界面，产品和个人的工作方式应该如何重新设计。

1. 银行的下一个界面是API，不是App。Ryan明确表示，1950年代的银行界面是网点，70年代是ATM，90年代是网站，2010年代是App，而2020年代及以后，银行的核心界面就是API和可被AI调用的服务。Mercury的MCP正是这一理念的落地——它让用户的财务数据可以出现在任何AI工作流中，而不是只能登录网站查看。
2. MCP是AI时代的“第三方应用生态”。Ryan认为，MCP协议就像苹果的App Store，它让第三方服务能够被AI平台（如Claude、ChatGPT）发现和调用。虽然MCP目前存在上下文臃肿的问题，但它是当前唯一被OpenAI和Anthropic共同支持的集成方式，短期内不会消失。Mercury同时也在开发CLI工具，以满足更高级用户的需求。
3. “第二大脑”系统的核心不是技术，而是“记忆+反馈”。Ryan搭建的系统包含三个关键组件：一个5百万词的本地知识库（所有公司文档、策略、查询记录）、一个每日更新的记忆系统、以及一套自动化工作流。但最令人印象深刻的不是技术复杂度，而是它如何改变他的行为——系统会在会议后提醒他“你刚才又在重复绩效评估里提到的那个问题（比如跳太快、不深入提问）”，这种高频、具体的反馈比半年一次的绩效评估有效得多。
4. AI正在改变产品经理的工作方式。Ryan分享了Mercury内部三个AI驱动的变化：一是用可编辑的“一次性前端”快速原型，取代了冗长的需求文档；二是AI数据分析师能回答80-90%的跨部门数据问题，大幅降低了数据团队的瓶颈；三是PM可以直接访问代码库进行小修小改，不再完全依赖工程师。他认为PM的核心价值没有变——依然是“让一群人朝同一个方向前进”——但具体工作方式正在被AI重塑。
5. 早期选择AI模型会形成“锁定效应”。Mercury的数据显示，新创公司首次选择的AI模型正在从OpenAI转向Anthropic。Ryan指出，一旦你围绕某个模型构建了知识库、记忆系统和工作流，切换成本会非常高。这种锁定效应将在未来6-12个月进一步加剧。

“当AI能随时提醒你‘你又在犯绩效评估里提到的那个错误’时，它就不再是一个工具，而是一个让你变得更好的教练。”

这期内容对AI从业者最直接的启发是：不要只想着“让AI能回答问题”，要想着“让AI能帮你变得更好”。Ryan的“第二大脑”系统最精彩的部分不是知识检索，而是那个“会后反馈”功能——它把绩效评估这种低频、抽象的事情，变成了每天、每场会议后的具体提醒。这对做AI产品的团队来说是一个重要的产品思路：AI的价值不在于“知道得多”，而在于“在正确的时机，用正确的方式，提醒正确的事”。

另一个值得借鉴的点是Mercury对MCP的定位。他们没有把MCP当成一个“附加功能”，而是当成“银行在2020年代的默认界面”。这意味着，如果你在做任何面向企业的SaaS产品，现在就应该开始思考：你的产品是否可以被AI代理直接调用？你的API设计是否考虑了AI的调用习惯（比如自然语言查询、只读模式的安全控制）？你的文档是否对AI友好？这不再是“未来趋势”，而是正在发生的现实。

最后，Ryan提到的“一次性前端”原型方法也值得产品团队参考。用AI快速生成可交互的界面原型，比写文档、画线框图能更快地验证想法、对齐团队认知。这本质上是把“沟通成本”转化为“试错成本”，而AI让试错成本变得极低。