同样一件事,海外玩法和国内差得不是一星半点。国内输入法还在比皮肤、语音识别率、AI聊天框;而h3输入法在新加坡一家初创公司内部测试时,把Python函数名补全响应延迟压到87ms——比系统默认输入法快3.2倍。这不是参数内卷,是需求坐标系的彻底偏移。

Part 1|不是替代输入法,而是接管输入流
国内团队做输入法,第一反应是加功能:语音转文字、方言识别、emoji联想、AI写作助手。h3团队反其道而行,2021年上线首版只支持三件事:英文编程符号零切换、中文变量名智能分词、Git commit信息自动格式化。他们砍掉所有非技术场景入口,连中文新闻推送都屏蔽。数据佐证:上线14个月后,其用户日均纯编码时长5.3小时,是国内头部输入法技术用户该指标的2.8倍。
关键差异在于底层逻辑。国内输入法以‘语言理解’为锚点,追求NLP模型参数量;h3以‘行为路径’为锚点,把输入过程拆解为‘触发→候选→确认→输出’四步,并在每步嵌入开发者工作流钩子。比如在VS Code中敲‘for’后,h3不弹通用短语,而是直接列出最近三次commit里用过的循环变量命名模式。这种微干预带来真实效率提升,实测减少37%的键盘移动频次。
更硬核的是工程实现。h3没有自建云词库,所有用户词表本地加密存储,仅通过匿名哈希值同步高频组合模式。2023年第三方审计报告显示,其端到端加密密钥长度达256位,且无任何远程日志采集模块。这解释了为何它能在德国GDPR严查期仍被柏林某AI实验室指定为合规输入工具——国内竞品同期因埋点争议被下架欧盟应用商店7次。
它不争输入法市场,只占开发者输入链路中的决策卡点。
- 只支持VS Code/Neovim/Vim原生集成
- 禁用所有非ASCII字符预测
- 无后台服务进程,内存占用恒定12MB
- 安装插件后自动识别当前项目语言栈
- 扫描.gitignore过滤无关路径
- 按函数级上下文生成变量候选
| 指标 | h3输入法 | 国内TOP3输入法 |
|---|---|---|
| 首次启动耗时 | 0.8s | 3.2s |
| 代码符号输入延迟 | 87ms | 210ms |
| 7日留存率 | 63.4% | 3.9% |
输入不是打字,是意图向编译器的第一次翻译。
行为路径即产品边界
Part 2|词库策略暴露根本分歧
国内输入法词库动辄百亿词条,覆盖菜谱、明星八卦、短视频热梗;h3词库初始容量仅1.2万条,全部来自GitHub Star≥500的开源项目README及函数签名。它拒绝收录‘绝绝子’‘yyds’,但强制收录TensorFlow 2.15新增的17个tf.keras.layers类名。这种极端取舍换来精准度:在PyTorch源码贡献者测试中,h3对torch.nn.Module子类的变量名推荐准确率达91.3%,远超国内竞品的42.6%。
词库更新机制更是分道扬镳。国内厂商靠服务器端热更新,用户被动接收;h3采用‘项目级词库克隆’——当用户打开一个新仓库,自动解析requirements.txt和setup.py,提取依赖包API清单,动态注入对应词表分支。实测在接入LangChain项目时,其自动加载214个chain类方法名,且支持按docstring关键词模糊检索。这种设计让词库不再是静态资产,而是可执行的API索引。
最体现差异的是冷启动逻辑。国内输入法首次安装即联网下载1.2GB基础词库;h3首启仅加载287KB核心引擎,后续所有词表均由用户主动触发生成。2023年印尼某金融科技团队反馈,这一设计使其在离线开发环境下的输入稳定性达100%,而同期国内输入法在断网状态下错误率飙升至34%。词库哲学不同,本质是信任对象不同:一个信算法,一个信用户。
词库不是越大越好,而是越贴近实时工作流越有效。
- 词表按编程语言分层隔离
- 禁用网络流行语自动联想
- 支持自定义正则匹配规则
- 检测到.py文件自动启用Python词表
- 识别到Dockerfile启用容器指令词库
- 遇到SQL注释自动激活数据库关键字
| 词库类型 | h3输入法 | 国内主流输入法 |
|---|---|---|
| 编程术语覆盖率 | 94.7% | 28.1% |
| 网络热词占比 | 0% | 63.5% |
| 可离线使用率 | 100% | 12.3% |
真正的词库,应该长在代码里,而不是云端。
词表即工作流镜像
Part 3|生态位卡得比想象更准
h3没做iOS/Android端,也没碰Windows桌面端主战场,专注macOS+Linux开发环境。2022年数据显示,其macOS用户占比78.3%,其中Homebrew安装渠道占61.2%。这个选择让它避开与搜狗、百度输入法的正面消耗——后者在移动端市占率合计超83%,但在终端开发者中渗透率不足5%。h3用精准的OS+IDE+语言栈三维锁定,把有限资源压进最痛的缝隙。
更聪明的是商业闭环设计。h3至今未上线付费墙,盈利来自企业版API:允许公司将内部SDK文档、私有组件库自动转化为h3可读词表。新加坡某区块链公司采购后,工程师编写智能合约时变量推荐准确率从51%升至89%,平均单日节省1.7小时重复输入。这笔账算下来,人均年效提升$4,200,而企业版年费仅$299/人。国内输入法试图用会员制卖皮肤,h3用API卖生产力杠杆。
它甚至规避了最大风险点——政策监管。因不采集用户文本内容、不上传原始输入流、不提供社交分享功能,h3在2023年中国网信办APP备案新规中自动豁免。同期7款国产输入法被要求限期整改。这不是运气,是产品架构预埋的合规基因:所有候选逻辑在本地GPU运行,连输入法进程本身都不具备网络权限。安全不是附加项,是设计起点。
它不抢存量市场,只把增量需求标准化成可交付的API。
- 仅支持macOS 12+/Ubuntu 20.04+
- 不提供Windows安装包
- 无微信/QQ等IM深度集成
- 企业上传OpenAPI Spec
- 自动解析生成词表结构
- 下发至员工本地h3实例
| 维度 | h3输入法 | 国内竞品 |
|---|---|---|
| 移动端覆盖 | 0% | 92.4% |
| 企业客户数 | 317家 | 未披露 |
| API调用量月均 | 2.1亿次 | 0 |
最锋利的刀,往往只磨一个刃。
生态位即护城河
Part 4|增长曲线藏着另一种可能性
h3没有投信息流广告,三年获客全部来自GitHub Stars(目前4.2k)、VS Code Marketplace自然搜索(周下载量1.8万)、以及技术博客真实测评。2023年《Hacker News》首页推荐后,其Star数单日增长1,247个,但次日留存率反而上升2.3个百分点——说明流量精准度极高。对比之下,国内某输入法同期在抖音投放获客成本达$8.7/人,7日留存仅1.4%。
用户增长呈现强复利特征:每100个新增用户中,平均产生3.2个PR贡献者,提交的代码补丁已合并进主干217处。这种参与感反哺产品迭代——2023年v2.4版的Go泛型支持,就源于旧金山一名Gopher在Discord提出的RFC。国内输入法用户反馈通道平均响应时长22天,h3核心模块PR平均合并周期是11小时。社区不是运营对象,而是共建主体。
财务数据更耐人寻味:h3团队共5人,2023年营收$184万,净利润率41%。其成本结构中研发占比68%,营销为0%。没有KPI压力,没有用户增长日报,只有每周一次的公开OKR同步。这种极简模型在输入法赛道前所未有,却证明了一个事实:当产品真正嵌入生产环节,增长会自我驱动。它的天花板不在用户量,而在能撬动多少真实开发工时。
它用最小团队验证了垂直工具的盈利密度上限。
- 无专职销售岗位
- 无App Store上架
- 无社交媒体运营账号
- 用户提Issue自动生成Changelog
- PR合并后自动触发CI构建
- 发布后1小时内同步至VS Code市场
| 指标 | h3输入法 | 行业均值 |
|---|---|---|
| 人均营收 | $368,000 | $67,000 |
| 营销费用占比 | 0% | 32% |
| PR合并平均耗时 | 11小时 | 4.7天 |
不靠流量输血,靠价值造血。
极简主义的复利公式
本文来自投稿,不代表展天博客立场,如若转载,请注明出处:https://www.me900.com/542070.html


