即刻App年轻人的同好社区
下载
产品经理的日常
在这里聊聊产品，读懂产品经理。
203779人已经加入
- 为什么有PM背景的人,用Vibe Coding接外包能轻松年入20w
而纯技术背景的开发者反而容易翻车
我花了3个月深度跑通AI自动化外包这条路,发现了一个反直觉的真相：
真正值钱的不是你会用Claude Code或Cursor
而是你能不能听懂客户那句"我想要一个自动化系统"背后藏着的10个没说出口的需求
先说市场有多大
2026年1月,全球前三大自由职业平台：(Upwork/Fiverr/Freelancer)的AI工作流自动化订单同比暴涨144%
客单价从去年的$800-$1500,直接跳到$3000-$5000
为什么
因为企业发现雇一个全职开发团队做内部自动化,成本是$15万/年起步
但找一个懂AI工具的自由职业者,3周交付一个能跑的系统,只要$5000
这笔账太好算了
PM思维凭什么是降维打击：
我之前在百度做PM时有个习惯
拿到需求第一件事不是想"怎么实现"
而是问3个问题:
用户真正想解决的问题是什么？
他为什么现在才想解决这个问题？
如果做出来他最担心什么会出错？
这套方法迁移到AI自动化外包上,直接变成了我的核心竞争力
为什么Vibe Coding适合PM,不适合纯开发者
看看2026年最火的AI编程工具对比就知道了
Claude Code：
最适合"描述需求→AI生成→人工调整"的迭代循环,现在占据Anthropic 12%的营收(大概)
Cursor:代码补全强,但需要你本身就懂技术架构
Windsurf:界面友好,但处理复杂业务逻辑时容易"理解偏差" 4 5
PM的优势在于你本来就习惯：
"用自然语言描述清楚一个功能应该长什么样"
这恰好是Vibe Coding的核心能力——把模糊的业务逻辑,转化成AI能理解的精确指令
我现在的工作流是:
和客户视频通话30分钟,梳理业务流程(这是PM的基本功)
画一个简单的流程图
标注每个节点的输入输出(用Figma,5分钟搞定)
然后用AI直接口喷n8n流程
跑MVP测试,找到边界case,再让AI针对性修复
交付前录一个10分钟的Loom演示视频,教客户怎么用
全程我没写超过50行代码
但客户愿意付$3000-$5000,因为我解决的是他们的业务问题,不是技术问题
接单路径:从0到第一个$5000
很多人卡在"不知道去哪儿找客户"
我的经验是:别去竞争最激烈的地方
国内平台(猪八戒/程序员客栈):价格被压得很低,客户预期也乱
国外平台才是真正的机会
Upwork现在84%的自由职业者在用AI工具,但真正会"AI自动化咨询"的人还很少
我的策略是:
在Upwork上把Profile定位成"AI Workflow Automation Specialist"(不是Developer)
案例展示用Loom视频,不是GitHub链接(客户看不懂代码,但能看懂一个系统怎么运行)
报价比纯技术外包高30%,但强调包含需求梳理+培训+1个月技术支持
第一单最难
我当时是主动找了3个本地小企业(咖啡店/健身房/会计事务所)
免费帮他们做一个简单的"Instagram评论自动回复"工作流
做完让他们写推荐信,再把这些案例放到Upwork上
最容易踩的3个坑
不要过度依赖AI，要做需求确认
客户说我要一个CRM系统,你直接让AI生成
结果交付时发现他们其实只需要一个Google Sheets + 自动化表单
解决方法:先做一个3-5页的需求确认文档,列出所有功能点和数据流,让客户签字确认再开工
工具选错了,返工成本巨高
n8n适合复杂逻辑,但部署麻烦
make界面友好,但高级功能要付费
Zapier最贵,但客户接受度最高
解决方法:根据客户技术水平选工具。
如果客户是非技术背景,优先用Zapier或Make,别为了省钱选n8n,后期维护会被投诉
没有设置边界,陷入无限改需求
解决方法:合同里明确写"包含3次迭代修改,超出部分按$150/小时计费"。
这不是为了多收钱,是为了让客户认真思考自己到底要什么
最后说一句大实话
Vibe Coding不是让你变成程序员
而是让你用PM的方式,把AI当成你的外包技术团队
你的核心价值永远是:听懂需求、拆解问题、设计方案、控制交付
代码交给Claude写就行了
如果你还在纠结"我不会编程能不能做"
那你可能还没理解这件事的本质
2026年最值钱的能力,不是写代码
而是知道该让AI写什么代码76 428 - 前2天拆解的Lovart的商业化设计案例，适合萌芽或成长期的产品（看我主页）。那如果这些方案都用了，老板还要求营收增长怎么破？那就看成熟型产品的【解题思路1】： 先享后付！
背后的科代表—— 剪映，算是国内非常早期“大胆”使用该商业化策略的工具产品，它们算是把用户的沉没成本的心态玩的明明白白。
我们且不说理论知识，就设身处地想：你想免费（baipiao）使用剪映，觉得某带钻石的特效不错，就加进来了；再看某花字很酷，也替换了。
花了3小时心满意足准备导出的时候提醒要收费。这时候内心怎么想？
“我去！怎么这么XX。 ”
“哎呀，我得找找是用了哪些付费功能”
“不行啊，去掉好丑”
“要不我换个软件”
“那我这3小时白费了”
“不行不行，等下要交视频，甲方在催了”
“算了，趁新人优惠就买吧买吧”
————
你看，一个简单的付费逻辑从先付后享，置换为“先享后付”，带来的新单转化率至少能提升50%，足够硬核吧！
但我想强调这种做法很“大胆”，是因为真的会牺牲用户对产品的NPS评价。我想，这个策略上线之前，剪映内部应该为此方案有过不少的争吵吧。也佩服背后敢于拍板的业务决策人。
————
再加点餐：其实，并不是所有产品或是所有付费功能都适合先享后付，一般首选具备：用户对该功能预期模糊+ 使用后效果显著提升 这2个维度。
常见的标的功能如：需付费的特效、字体、模板资源等这类资源功能。另外就是使用AI功能，在较长等待之后生成的作品，需要你付费导出或去水印，常见AI写作、AI PPT、AI 分析报告等。
————
最后嘴替： 商业化同学实在很不容易（抱抱），一方面是老板长期施加的营收增长压力，不断PUA； 一方面是面临用户的吐槽和不理解。所有的委屈和难受，只有自己能体会.....（耸肩摊手.gif）
12 54 - 到底都是谁在用 manus 和付费？为了理解这个问题，假期尝试做了一些研究，希望有所帮助。
过程中，也能清晰感受到，中美使用 AI 习惯的巨大差异和信息 gap。
首先，看看 manus 官方怎么说，毕竟这不是他们第一次面临质疑了。
在 @hidecloud 涛哥的公众号里晒过一条Twitter，在原推里很多 manus 用户在为产品发声。除了一些硅谷科技/创投圈的大佬之外，原 po 也总结了评论里出现最多的 user case：定量和定性的分析研究，CSV 文件处理和爬取客户信息。
manus 似乎能完成广义的数据处理和分析工作，这对数字化程度不均的社会来说，是一个不错的切入点。
在 @PeakJi Peak 和张小珺的访谈里（ 1:43:55），Peak 也回答了该问题。可以笼统被称为 prosumer，并列觉了更清晰的用户画像：
第一类用户是互联网/科技公司里的非程序员岗位，各类白领；第二类用户是美国数量众多的 freelancer 和 solo entrepreneur，自由工作者或者有一摊自己小生意的人；第三类是更符合刻板印象的金融/咨询行业的人员。他们的共性是，有比较强的自驱力，并且他们的任务是高价值的。
这里的两个特点很有意思，自驱和高价值任务。前者决定了这些人可以接触和试用 manus 这一类的 AI 产品，后者决定了他们的付费决策，即用户在 AI 工具上花掉的钱是可以以更高效率/更大概率赚回来的。这几乎是很多拥有高 ARR 的 AI 产品的第一性原理。
这三类用户里，对于中国网友/创业者来说，很容易低估第二类用户的数量，并对他们的画像比较模糊。容易误以为只有独立开发或者个人的数字外包，实际上领域还要宽泛得多。
想要了解这类用户，我们需要知道一个显而易见的前提。manus 的用户是 chatGPT/Gemini 等主流 chatbot 的重度用户的下一阶段。
上面提到的“自驱”和“高价值任务”，正是因为已有的 chatbot 满足得不够好，他们才被说服采用所谓"agent" 的新解决方案。同时 peak 在播客里也提过这个现象（2:34:33 ），安装了 chatGPT/Gemini/Deepseek/Claude 的用户，安装其他产品的概率的最大异常值都是 manus。
Manus 相当于跟随着 chatbot 的普及进程，从中筛选出了高价值需求没有得到满足的用户，重叠度很高。
所以如果我们找不到 manus 的用户访谈，可以去找 chatGPT/Gemini 的重度用户。他们大概率正处在知晓/使用/付费 manus 的过程中。
而在查看 chatGPT/Gemini 的重度用户访谈中，才拓宽了我对 manus 第二类用户的认知。这里分享几个有趣的结论：
1. 最低阶的信息搜索需求被 chatbot 满足得很好，日常生活里已经替代了谷歌。
2. 使用 AI 已经是美国高校生的基本技能，同学之间传播 + 教育优惠。甚至之前反对的教授也开始松口或者自己偷偷用。
3. 通过 AI 获得收益的职业种类，比我想象中的多得多。这其中包括了儿童教师、兼职导游、线上的灵学占卜、社区竞选、留学申请、业余作家、当地市政部门/教育部门的数字化小专家等。更不用提各个垂类的自媒体，以及每个人都想有一个自己的 blog 网站。
4. 所有涉及到深度写作、简单 P 图、PPT或表格填写的职业，都逐渐离不开chatbot/Deep research，而以 manus 为首的 agent 承诺可以完成得更好。而且几乎没有一个人是单一职业，年龄段也覆盖到爷爷奶奶辈了。
体感上中美的差距很大，我们还在鼓吹副业和个人影响力，鼓励终身学习和跟上 AI，而对于很多美国中产来说，这似乎是一个常识了。他们热衷于用 AI 解决工作生活上的实际问题，并完成自己的业余创作任务。产品 adoption 的障碍小很多。
那么下一步的问题是，对于这些重度用户来说，manus 真的可以比普通 chatbot 完成得更好吗？
1. 如果看客观指标的话，同为被 meta 收购的“大将” Alexander Wang，经常会提到一个 benchmark 叫 Remote Labor Index (RLI) ，这是 scale ai 用来衡量一个 AI 产品多大程度上能完成真实的有经济收益的远程工作。manus 排名第一很久了，虽然自动化率也只有 2.5% ，按他们的说法叫在座的大家都是 near zero。但注意这是在没有人为干预的情况下，直接交付工作结果。日常更多使用场景是有人工干预和调整，单看提升部分环节的效率， manus 也算是第一了。
2. 如果从主观体验的话，我在假期同时用了 Gemini/NotebookLM，Manus 和某大厂对标的 Anygen 进行测试。测试了两个我的真实需求，1）根据我和对象的年终复盘录音，总结内容和提建议；2）帮我正在思考的产品 idea，开发一个可交互的原型。
在第一个任务上，实际类似会议纪要， Manus 是明显领先的，不管是语音内容识别、双人的声音区分、内容的逻辑和可视化，都让人更满意。NotebookLM 虽然也有丰富的功能，但整体还是太针对课堂学习任务了，有一些无用的信息，飞书会议其实是一样的问题。这里也能发现通用 agent 的优势，不会为特定场景过度优化而在长尾场景里表现欠佳。而剩下的很多AI 连声音识别都整不明白。
第二个任务，实际上是常见的 AI 编程，这个场景太卷了，大家各有千秋。 每个 AI 都在不同程度上做了完善和有aha 的惊喜，但能看出有些 AI 借鉴了更多海外产品的设计，有些更借鉴中国。Gemini/ AI studio 爱用自家的设计语言，Anygen 像国内的活动 H5，Manus 比较对齐硅谷审美，按钮更现代和简洁，默认会更像 IG 和 Notion。
未来，从官网和各家 chatbot 投放的趋势来看，所谓的通用agent ，基本盘是数字化的内容处理 + 研究分析工作；而网站原型和开发、制作 PPT 逐渐成为新的主推场景。
当然也没忘了让 manus 自己分析一轮，自己的使用用户和付费用户是谁？结论有点宽泛和通用，依旧集中在工程师和数字企业主上，推测美国是最大收入来源，巴西和日本也占了很大流量比例。确实没有我自己分析的有启发。
最后，回到最初的质疑，为什么国内用户更难理解 manus 的使用场景和价值？这里可能有三层障碍：
1）需求不够强，所谓的 prosumer 太少，而且集中在互联网/金融领域，很多非互联网的副业和小企业主也没有足够强的提效意识。
2）浅层替代品太多，国内各大免费的 chatbot 和夸张的产品 PR，让人不愿意使用付费 AI 产品或者有过高的预期。
3）非理性偏见，听了很多不靠谱的团队传闻和扣不爱国帽子，拒绝了解 manus 海外市场的情况。
况且，与其挑战实打实的用户数据，我觉得 Manus 被收购后的一些挑战，可能更值得讨论，比如：
1）品牌可以保留，但模型中立性的优势还能保留吗？
2）原本的产品愿景会被改变，来服从 Meta 整体的 AI 战略吗？
3）团队的创业精神和工作方式，和大公司流程可以兼容吗？
不管未来如何，这是 manus 阶段性的胜利，也给了不少华人 AI 团队鼓舞。祝福他们之后的旅途，也希望更多团队，有机会经历这样纯粹的产品过程，最终看到壮阔的风景。384 47237
