01起點：一個大家都懂的比喻
我們想做的東西，用一句話講就是「街角的大頭貼機器」—— 你走進去、拍幾張、機器吐出一排照片，你剪下來貼在筆記本上。
這個比喻省掉非常多解釋。它同時說明了： 很快、很好玩、不用會什麼、結果是一整組不是一張、而且是拿來給別人看的。 產品的每一個介面決定都可以回頭問這個比喻：大頭貼機器會這樣做嗎？
02最重要的產品決定：先免費看到東西
AI 生圖的東西最大的問題是「我不知道生出來會長怎樣」。 叫人先付錢再賭一把，是很難的一件事。
所以流程被設計成：選風格 → 上傳照片 → 免費看到幾張真的貼圖 → 喜歡再買整組。 使用者在掏錢之前，已經看過他自己的狗變成貼圖長什麼樣子了。
代價是我們要先付免費預覽那幾張的生成費用，而且不是每個人都會買。 所以這個決定不能靠感覺，要靠數字 —— 我們後來做了一個帳本， 每一次生成都是一行，成本、結果、有沒有轉換全部記進去。 「這門生意到底成不成立」不是用猜的。
03第一個大坑：iPhone 拍的照片，打不開
iPhone 預設拍出來的照片是 HEIC 格式。除了 iOS 的 Safari 以外， 幾乎所有瀏覽器都看不懂它 —— 包括 Chrome、Android， 以及台灣流量佔比很高的「LINE 內建瀏覽器」。
症狀是：使用者從 LINE 點進來，選了照片，然後就卡住了。 對他來說這個網站就是壞的，他不會回報，只會關掉。
解法是在瀏覽器裡先把 HEIC 轉成一般格式再上傳。這裡有個細節花了一段時間才搞懂： 判斷「這是不是 HEIC」不能只看檔案自己宣稱的類型，因為很多瀏覽器回報的是空的； 真正可靠的是看副檔名。這一行判斷是整條上傳流程裡最脆弱、也最不能刪的一行。
在台灣做消費性產品，「在 LINE 內建瀏覽器裡會不會動」是必測項目，不是加分項目。 開發機上一切正常，不代表使用者那邊正常。
04第二個大坑：一個什麼都沒檢查的品管
AI 生圖會出錯 —— 多一隻腳、兩顆頭、把兩隻狗融成一隻。 所以我們做了一道品管：每張貼圖生出來之後，再用一個 AI 去看它、判斷合不合格，不合格就重生。
然後有一天我們發現，這道品管好幾個星期沒有擋下任何一張圖。 原因是它拿到的圖片網址是私有的，負責看圖的那個模型根本讀不到 —— 而當初的設計是「品管本身出錯的話就當作通過」， 免得一個網路小問題就把使用者卡在最後一步。
這個設計本身沒錯，錯的是它失敗的時候看起來跟一切正常一模一樣。 沒有錯誤、沒有警告，只有「品管好像變得很寬鬆」這種很難察覺的感覺。
任何「出錯就當通過」的設計，都必須另外有一個方法讓你知道它到底有沒有在工作。 我們現在的習慣是：先餵它一張已知會不合格的圖，確認它真的擋得下來 —— 一個從來不叫的警報器，跟一個壞掉的警報器，長得完全一樣。
05後來才想通的一件事：主角不一定是狗
專案叫哈哈狗，一開始腦袋裡也只有毛孩。 但真的上線之後，來做的人有拍小孩的、拍情侶的、拍全家福的。
所以我們把整條流程改成不預設主角是誰：先讓 AI 看照片判斷這是寵物、人、小孩還是一家人， 再照著那個判斷去規劃這一組貼圖要有哪些情境跟哪些字。 名字沒有改 —— 換掉品牌的代價遠大於好處，而且哈哈狗還滿好聽的。
06收真錢這件事
2026 年 6 月底這個產品開始跑真實的金流。這是我們第一次做「碰到錢」的東西， 態度也因此完全不一樣：跟錢有關的程式碼訂了一條規矩 —— 沒有逐次確認，一行都不准動。 不管那個修改看起來多小、多順手。
另一個跟錢有關的決定：品管沒過的重生不扣使用者的次數。 我們寧可自己吸收那次成本，也不要讓人為一張醜圖付錢。
07用了哪些 AI 工具和服務
08兩個還在盯的數字：等待時間與轉換率
生成一整組貼圖仍然要好幾分鐘，使用者得留在頁面上等 —— 這是目前體驗上最大的一塊， 受限於生圖模型本身的速度，不是排隊或架構問題。
另一件持續在看的是免費預覽轉購買的比例。每一次生成都是帳本上的一行， 所以價格和免費張數會照數字調整，不會照感覺調整。