这里是我打算持续去经营的一个线上陪伴式咨询空间，用来解答大家看过我内容后，觉得想要咨询的一些问题，关于AI的一些理念，如何应用到生活，职场以及副业中去。

同时，这里也会持续更新很多我的一些思考，区分于我的视频号，公众号，小红书，b站等内容，它们更加主打深度，更新频率会比较低，倾向于做透想透，有结果才会去创作出来，而这里，更加侧重于过程和日常，会把我一些即时的思考发出来，大家可以围观我平时是怎么去做事情的。

这里我会收一点小小的费用，按年一次性收取，中间不会再收取其他费用，大家加入后，一方面可以无限次向我提出疑问，只要在我认知范围内我都会无保留地回答，配套的另外一个服务，可以持续围观我的日常所思。

我把我这个产品定位为长期陪跑式的咨询服务，只要你用AI过程中有任何问题，都可以随时提问，我知无不答，我也很乐意跟大家讨论关于AI的应用问题，毕竟，这也是我源源不断的选题来源，不用担心我不回答。

以下是二维码，大家可以扫码加入。

用 AI 帮我运营的抖音号，出了一篇数据不错的！

现在这个大环境，大家有没有这样一种感觉：做什么都没有希望，很迷茫。上班没希望，动不动就裁员，还被公司各种压榨；创业也没希望——你能想到任何东西，市场上都有一堆人已经在做，而且非常成熟，你根本干不过他们。可未来还有几十年要生存，到底要怎么办？要怎样才能让自己持续生活下去？

我觉得在 AI 这个时代，我们需要忘掉积累了很多年的旧有思考模式，重新想清楚：未来 10 年，我们应该用什么方式来赚钱。

先说上班。现在普遍的趋势是：活越来越多，收入反而越来越少。

先说收入。因为大环境不好，很多公司已经没有增量的业务，旧有业务的体量也在持续减少。再也没有像以前动不动就几个月、甚至十几个月的年终奖，而且还在持续降薪。

由于没那么多业务了，再加上 AI 的加持，公司也就不需要那么多人了。所以会导致很多人才向整个就业市场输出，导致供大于求。

这样的话，公司就有了更多的议价空间，进一步压缩打工人的收入。

所以很多公司为什么敢持续地降薪和压榨你？就是因为他知道，你走了不好找工作；或者说，你走了他也不怕找不到替代你的人。

所以我们老板动不动就会在开会的时候，用「外面不好找工作」这句话敲打一下我们：要好好努力，要好好加班。潜意识就是说，你们再不努力，我就要把你干掉。

所以现在的打工环境，就不要再幻想像之前那样，随便跳个槽就能工资翻一番的日子了。大家都得节衣缩食了。

再来说说成长。我还记得 2015 年我刚毕业的时候，互联网还在蒸蒸日上，走到哪里，大家都在探讨有什么新的产品 idea、创新的机会。不像现在，到处都在讲裁员、副业，什么铁人三项。所以当时上班还是一件很有意思的事情：成长很快，有很多机会从 0 到 1 去做一件新的事情。

而现在我们在职场里做的更多的是什么？日报、周报、考勤汇报、填任务、填工时，这些过程管理的东西。

做这些事情带给我们的价值感很低，它更多的是一种消耗，是非常没有意思的事情。他学到的更多的是一种混职场的能力。

这些东西脱离了职场、脱离了体系，一文不值。在职场还处于好混的时候，或许还有点用，因为还能让我们持续地苟着。但是现在这个大环境，随着年龄越来越大，被裁成为一种必然，那我们学这些东西又有什么价值呢？我们更需要学的，是一种在市场上打拼的能力。但现在这些能力，在职场是越来越难接触到了。

特别是刚进入职场的新人，更惨。我们老人好歹还经历过红利期，还是学到了那么一点东西。那些新人一进来，甚至老人都不愿意带——因为教会了徒弟，饿死了师傅。现在岗位的编制就那么几个，如果新人学会了，那企业第一时间肯定是把老人给干掉。所以很多老人是很排斥新人的。你进来之后，他基本就会把你晾在那里，根本得不到成长的机会。

好了，说完了职场，那我们就来说说另外一种可能：副业，或者说是创业。

前几天，我跟同事去参加了深圳的跨境电商博览会，你就会发现，整个市场上的产品真的已经卷到没边了。各种你想过的、没想过的产品，都有人在做，而且还不止一家。甚至有些产品，你感觉一辈子都不会去买。像这种如此细分的市场，都有人钻进去了，你就可想而知，现在市场上的厂商到底有多卷。

不仅是实体，线上也是一样的。你想要把产品做得好一点，竞品在做；你想要便宜一点，竞品的成本比你还低。想要做个账号，靠内容这种低成本的方式来获取流量，你也会发现，用户的注意力同样被大量的内容争夺着。你好不容易做出来的视频，平台给你的也就只有那么零星的播放量。

现在有了 AI 就更难了。在没有 AI 的时候，做东西好歹有点门槛，不至于人人都会。你拉个小团队做点服务，可能还是能找到一些人买单。

现在呢，人手一个通用的 agent：WorkBuddy、Codex、豆包、Coze，每个人都能用这些通用的 AI，做出一款完全符合他自己定制化需求的软件服务。未来可能硬件都能轻松做出来，比你去买外面的服务，算下来成本要更低，而且随时可以改。那以后第三方的服务还存在吗？不得而知。但从目前来看，整个市场肯定会萎缩很多。

所以 AI 再强，能造出再牛的东西又怎么样？人人都会造，你根本找不到为你付费的人群。所以通过这种方式，很难找到副业或者创业的机会。

那么，普通人未来的创业机会，是不是就彻底被抹杀了呢？其实也不见得。我们还是能够尝试用 AI 去探索一些适合普通人的赚钱路径——它不见得能让你大富大贵，但做一些赚小钱的生意，还是有可行性的。

总结来说，就是用 AI 长期、陪伴式地去解决某个特定行业里的非标准化问题。

这句话表达得很抽象，我们一个一个地来拆解这里面表达的意思。

先来说说「特定行业」。AI 跟互联网其实是类似的：不存在什么纯互联网，也不存在什么纯 AI，一定是「某某加 AI」。AI 它不是一个行业，它是解决某个问题的手段或者方式。那问题出在哪里？一定是出在行业里面。而每个行业都有它独属于这个行业的一些问题，这些问题，你如果不真正深入这个行业，是无法理解的。

很多人特别喜欢去追各种 AI 的技巧、AI 的工具，以及 AI 的一些潮流，却不愿意花心思去深耕或者学习某个行业、某个业务。所以他们对 AI 的理解，始终停留在表面上，做出各种各样的 AI 玩具，却无法实际产生效益，无法真正地去解决这个行业里面的问题。

所以没有所谓的 AI 人才，只有「某某行业的 AI 人才」。要让自己真正地去深耕这个行业，扎到这个行业里面去，理解这个行业里面的逻辑、这个行业里面的产业链、这个行业里面的客群所存在的一些问题。这样才能实实在在地用 AI，去解决这个行业的一些客群的痛点。

再来说说「非标准化」。因为我认为，有了 AI 之后，未来一定是朝着非标定制的方向去发展的。有了 AI 工具，每个人或者每家企业，都能用 AI 工具来解决自己特定的一些问题，而不是像之前一样，还要去买一个标准化的服务，去买一个标准化的 SaaS。

但有些人会说：那我也可以去做 AI 工具啊，做一个 AI 工具平台，让他们去做他们想要的东西。我只想说，这种机会不属于我们普通人。我觉得未来大厂，比如腾讯、阿里、字节，他们造的 AI 工具会吃掉这个市场百分之八九十以上的份额。而剩余的百分之十、百分之二十，是留给那些中型厂商的，他们深耕于某个行业，去做这个行业垂直的 AI，比如金融的 AI、跨境的 AI 等等。而我们这些没钱没资源的，没法去跟他们做这种竞争。

我们只能去做他们不愿意去做的脏活累活、非标准化的个性化的服务。可以理解为，就是「最后一公里」那样的事情——他们不可能真正下场，去解决单个企业或者单个个体很个性化的需求。那这些事情我们可以做，这些小钱我们可以赚。

然后，我再来说说什么叫做「持续性」「陪伴式」。

比如说，有些人会通过卖课，或者一对一咨询的方式，告诉你一套方法论：怎么用 AI 来解决你工作中、企业经营的一些问题。但实际落到真实的作业场景，就会发现还是会遇到很多问题。可能听课的时候觉得好牛逼：这套方法论我只要用上，这些问题我都能解决。但是每个人的工作习惯、思维方式都有很大差异，这套方法真的应用到自己身上、落实到真实的作业场景，你就会发现，很多时候执行不下去，会产生各种各样的问题。

那么对于很多稍微大一点的机构，他是不愿意、或者不屑于去解决你这些零散的小问题的。其实也有点类似于大公司大厂「最后一公里」的那些脏活，他们不愿意干——因为前面的那些钱，他们已经赚得盆满钵满了，所以也不需要花很多精力去解决这些事情。但是对于我们普通人、个体来说，这就是我们的机会。

所以我们不仅要教，还要长期、陪伴式地跟进：他们在落地这套方法论的过程中，日常所遇到的问题，并手把手教他怎么解决。

这种模式，不像大厂那样可以快速批量地复制，在短时间内大规模地赚钱。我们更多的是要长期、有耐心地去服务那么一小撮人，做小而美的生意。

现在市场上，还存在着大量对 AI 的理解和应用还处在非常浅层的人，需要我们这些身先士卒的人去教他们，教他们如何落地。因为 AI 工具跟传统的 SaaS 工具不一样：SaaS 工具是标准化的、流程既定的，我告诉你怎么用，你就照着流程、照着功能说明书去用就完了。而 AI 工具是一个非常个性化的工具，类似像积木一样的东西：我给你一堆积木，但怎么搭、怎么搭出你想要的东西，是没有标准化答案的。

这就需要那些长期用 AI 去实践、并且在过程中沉淀出方法论的人，来辅助他们解决这些问题，直到他们能够完全上手，能够复用性地去解决后续的问题。到这个时候，你就可以撤场了，去解决其他人的问题。

这就是属于我们这些没钱、没资源，但在 AI 上有一些认知的普通人的机会：找一个特定的行业，长期、持续性、陪伴式地去解决他们非标准化的问题，然后赚一些小钱。

那我们接下来应该怎么做呢？把你现在工作所处的行业，用 AI 重新做一遍。梳理一下你的工作、你的行业有哪些问题，可以用 AI 怎么去调整、怎么开源、怎么节流。用 AI 重做一遍，梳理成方法论，赋能给跟你同类型工作或行业的人。

因为我相信，我们自己会遇到的问题，别人一定也会遇到。所以我们先把自己的问题解决掉。因为对我们自己工作的问题、自己行业的问题，我们一定是最熟悉的、最有经验的——起码比其他行业的人，要了解我们所处这个行业，了解得多得多。那我们就先从自己入手，把我们的问题解决了，然后再去找跟我们同行业的人，看看他们是不是也有这些问题，我们来帮他解决。

当然，如果你本身对自己这个行业也是刚入行、没那么了解，或者压根不喜欢自己所在的行业——其实跟我一样。我现在做的是金融行业，我认为金融行业从长远来看，不是一个特别乐观的行业，所以我也不太想往这个行业里面再去深耕挖掘。我更看好未来出海、跨境外贸这个行业，那么我接下来就打算从 0 到 1 去研究这个行业、深耕这个行业，我觉得也不迟。然后自己在做这个行业的过程中，看看如何用 AI 来解决这个行业的一些问题，再把这个探索的过程，去赋能给这个行业的人。

当然，我们一定不是那种割韭菜的逻辑。因为我看到很多做类似这种服务的人，很多他自己都没有从事过这个行业，或者在这个行业没有实实在在做过什么东西，他就直接去教别人，这种其实就是误人子弟。所以我觉得，我如果要做这个事情，一定是要躬身入局，要真正地去做一些事情，去做一个 AI builder。比如说我未来要做外贸这个行业，那我就真真正正地去选品、去搭独立站、去卖货、去投流，把整个流程跑通。

我要把自己真正地当成一个外贸人，把做好外贸这个结果当成驱动目标，来驱动我思考怎么用 AI 解决外贸这个过程中所遇到的问题。

要把自己躬身到这个行业里面去看问题，而不只是一个纯卖课、纯服务的。这样的话，你永远是个局外人，没办法从一个行内人的角度去看待问题。这样的话，就很难理解你所要服务的这些人群：他们在想什么，他们在担忧什么，他们想要什么，他们真正的问题是什么。

这就是我这段时间持续地在用 AI 探索，对普通人未来发展的一些思考。大家如果对 AI 相关的、以及未来职业发展相关的有一些想法，我们可以一起沟通探讨，可以关注我的置顶区

更好用 AI 产出的方式，不是直接甩一句话就让 AI 生成，这样大概率生成的东西不符合你的预期，而是要让 AI 不断提问，挖出你内心要表达的东西，逼你深入思考，然后最后才让 AI 去基于你的思考去完善，这样才能保证生成的东西是你自己的，是你要的，否则你真的就成为了 AI 的奴隶

都说AI来了，人和人的能力都要被拉平了。很多东西不用学，普通人也能追得上厉害的人。但其实我看到的正好相反，就是越是人人都用AI，人和人的差距其实只会拉得越来越大，不会缩小。

当然普遍的这个想法也不是没有道理啊，就当年电脑普及的时候，会跟不会的差距确实被抹平了。比如说打字啊做表格啊，学两周谁都会，就技能已经不值钱了。AI看起来也是一样，就人人都能用，人人都在用。但是我仔细观察了一下身边的人呐，就同样是用AI，有些人已经完全颠覆了以前的工作模式，能干好几个人的活，能做出很多以前做不出来的东西。而有些人呢，用大半年了，除了提高点效率，工作还是老样子，就几乎没有变化。

呃那么用的AI工具明明一样，差距怎么就反而变大了呢？问题出在哪呢？出在同样是用AI，但本质上其实用的是两种东西。我们用经济学的理论来解释一下这个事情啊。就一种呢是把AI当做消费品来使用，就每次打开问一句用一次，就关掉就完了。对话结束，AI理解的那个你，除了少量的记忆之外，其他基本就清零了。这种用法呢每一笔都是消费，就花了就花了，没有留存。

那另外一种呢是把AI当做生产资料，存档啊建知识库啊，跟AI定规矩啊，让AI越来越懂自己。嗯官方有统计一个数据啊，就世界上差不多有一半的人用过AI，但是真正付费把它当生产力的只有百分之四点几。也就是说呢，只有这百分之四点几的人在干一件跟其他人完全不同的事情，他们在经营一项资产。什么是资产呢？是AI对你的理解。你喂它的每一条经验，每一个项目背景，每一次纠正，都在给这项资产加码。而且这个资产呢会产生复利，AI更懂你产出就会更好，产出更好之后呢，你攒下的东西就会更多，就又会继续喂回去给到AI。滚起来之后呢，效率就完全不是一个量级。

所以当AI越来越普及之后，消费端会越来越便宜，人人都能用，不构成信息优势。而资产这块呢，有人从第一天就开始养，会持续产生复利，差距就是这么拉大的。AI的第一阶段是让每一个人都拥有一个AI工具，而第二阶段是少数人把AI工具用成了一家公司。这两种用法的本质呢其实是出在底层思维上。就有些人呢是任务思维，每次只管把眼前这件事办完，这篇PPT这个方案，办完就结束了。而有些人是系统思维，他知道值钱的是把手头的事搭建成一套系统，就知识库啊规矩啊流程呐，做完十件事，第十一件事就是站在前十件事的肩膀上。而任务思维的人天天看哪个工具又更新了，我要跟上。这系统思维的人呢，指定一个问题，就我到底怎么把AI融到我的体系中来。

讲一个具象一点的例子吧，就对自己的AI说一句帮我写个方案。有的人的AI会回“好的，请提供项目背景、目标参考格式”。而有的人的AI会回“是上次那个客户吗？我按你们现在的进度起了个草稿，你看看方向对不对”。第一个像是永远在入职第一天的实习生，就每件事你都得先教他几天，教完还得反复检查。第二个呢是跟了你几年的老搭档，你干过的事情他都知道，你不会的他也都会，你一句话他吭哧吭哧就全办了。

这个差距其实在今天可能看不出来，或许三个月也看不出来，大家好像都能用AI做出点东西，而且都大差不差。但是长期下来，有的人每次都是在清零，而有的人每天都在复利。随着时间的积累，这个差距总有一天会体现出来。都说AI会拉平人和人的能力，我认为恰恰相反。没有AI的时候大家有差距，但没有那么大。但是有了AI这个杠杆，把每个人原本的样子就放得更大，而且是指数型的放大。

打算重新注册个新的小红书账号，写一写美食和生活相关的内容，把我的手绘技能也重新拾起来吧，拓展一块远离 AI 的自留地！

其实大家都在卷 AI，聊 AI，我也在聊 AI，但是对于我来说，AI 对我来说是生存，不是生活，我不喜欢这种天天追着跑，天天变的东西，而且未来只会越来越趋于同质，没有任何人味，我想要做点回归生活，做点回归人味，回归生活的内容

我觉得学习AI的最佳路径,不是用各种AI工具，做各种乱七八糟的产品,这种上线即结束的做法,只会让自己停留在表面的AI技法,天花板很低,有价值的是找一个领域,构建一个从需求分析-构建产品-获取反馈-迭代产品的一整个商业闭环,可以从一个小的点切入,公司没这样的环境,那就自己造,在这个过程中,哪怕没获得什么商业的收益,也能驱动你逐步进入大多数人接触不到的AI应用的深水区,打磨一款产品一年好过于一年做几十款产品,但可惜,很多人满足于后者的奇技淫巧!

都说什么Al native的年轻人,会把玩各种AI工具,我不知道有什么用,就像现在,有谁还会讲互联网,会招一个所谓很懂互联网的人?我相信大家更愿意找一个资深的行业玩家吧?别迷失在用AI造出各种玩具的幻境中,踏踏实实在某个行业深耕,看AI如何持续赋能这个行业,踩出来的各种坑才是你的核心,AI这些所谓的技巧,在一两年大家都会慢慢趋同!

最近我们在做一个企业尽调智能体。说实话，一开始我没太当回事，就觉得丢给模型跑跑就行了，现在的模型那么强，还有什么做不了的？

但做着做着，我卡住了。一个非常根本的问题摆在面前——我们团队没有一个人真正懂尽调。

不懂意味着什么？意味着模型之外你能做的事情非常有限。数据不知道该怎么处理，知识库不知道要搭什么，甚至都不清楚什么样的输出才算"合格"。因为你不懂这个领域的标准，你连验收的标准都没有。模型吐出来的东西，你觉得好像还行，但到底行不行，你说不准。

公司倒是有做尽调的人，你可以去咨询他们、调研他们。但说实话，咨询跟真正参与到项目里、为结果负责，完全不是一码事。对业务人员来说，你的咨询就是个负担——他手头还有自己的KPI，你的项目做成了跟他没关系，做砸了也跟他没关系。所以他最多敷衍一下，告诉你大概方向，不会坐下来帮你一起想这个功能应该怎么设计、那个指标应该怎么算、什么数据源是靠谱的什么是不靠谱的。

做不到这个程度，你还做什么智能体？模型就是个大脑，你连该喂它什么信息、该怎么喂都不知道，这个大脑再聪明也是空转。

· · ·

后来我停下来想了一下，这不是我们一个团队的问题。

现在很多企业做AI，默认的姿势就是：找一个懂技术的团队，调一个大模型，写一堆提示词，然后以为就完事了。至于业务经验？有就有，没有拉倒，反正模型那么强。

但如果你真的下场做过，你会发现这个想法根本站不住脚。问题有三层。

第一，AI对于非公开的业务经验，几乎一无所知。

模型训练的数据是公开的，互联网上能扒到的它都见过。但一家企业真正值钱的东西，从来不在公开资料里。什么数据该用、什么数据该扔，什么指标能算、什么指标算了是误导，什么场景该走A流程、什么场景该走B流程——这些判断标准散落在员工的脑子里、文档里、聊天记录里、会议纪要里，模型根本接触不到。

这些就是业务上下文。模型连你的业务上下文都不知道，你让它怎么帮你做决策？

你需要的是一群懂业务的人，把这些经验提炼出来，浓缩成有效信息，在有限的上下文窗口里塞给模型。提炼和浓缩这四个字听着简单，实际上比写代码难得多——你不懂业务，你提炼什么？你连什么东西重要、什么东西不重要都分不清。

第二，模型不擅长计算，也不擅长处理复杂逻辑。

这是很容易被忽略的一点。大模型本质上是个语言模型，它玩的是文字接龙，不是真的理解规则。比如你要它算一个企业的资产负债率，它可能会给你一个数字，看上去有模有样，但那个数字是接龙接出来的，不是真正用财务公式算出来的。你说这能用吗？

真正靠谱的做法，是你先用程序把计算逻辑写好，算好了再喂给模型，让它去解读和输出。但问题在于：算什么、怎么算、算完怎么用——这三步里，每一步都需要业务专家的经验。如果没有人告诉你这个行业应该算哪些指标、权重怎么分配、异常值怎么识别，你的程序写出来也是瞎算。

这还只是计算。如果你面对的是一个跑了好几年的老系统，里面的业务规则是多年来一块块补丁叠上去的，那更麻烦。因为这些规则不是一条条写在文档里的，是写在代码里的，而且写得很乱。你丢给AI让它去理解，它理解不了的。最后还是得人来梳理——而梳理这些逻辑的人，必须是懂业务的。

第三，如果只是丢给模型就能做，那你的产品有什么核心竞争力？

这个问题的残酷之处在于：大家都能调API，大家都能写提示词，大家都能搭RAG。如果不需要做任何额外的处理就能做出一个产品，那凭什么你做的东西别人做不出来？你的护城河在哪里？

我现在的判断是：真正有壁垒的AI产品，壁垒一定不在模型本身。模型是大家的，甚至可能过两个月别人的模型就比你的强了。但你在一个垂直领域里积累的非公开数据、业务规则、处理逻辑、工作流设计——这些别人拿不走，模型自己也不会，因为它们不在任何公开资料里。

你做得越通用，越没有竞争力。因为通用意味着谁都能做，意味着用户可以直接用WorkBuddy、用扣子、用任何通用工具，为什么非要用你的？越是企业级的应用，越要往垂直和定制化的方向走。但垂直的前提是什么？是你真的懂这个垂直领域。

· · ·

反过来想一下：如果一个团队真的懂这个垂直领域，做出来的AI会是什么样？

首先，他们知道哪些数据是关键数据、哪些是噪音。不会一股脑把所有数据都灌进去，而是会做筛选和清洗——该聚合的聚合，该剔除的剔除，该补全的补全。这个东西模型不会帮你做，它只会基于你给它的数据去推理。垃圾进垃圾出。

其次，他们知道这个领域的判断逻辑是什么。比如做尽调，你拿到一个企业的工商信息之后，先看什么、后看什么、什么指标异常了要重点深挖、什么指标看着不对但实际上可以解释——这是一套有先后顺序、有权重分配的判断流程。不懂业务的人做出来，可能就是平铺直叙地把所有数据列一遍，跟百度百科似的，用户看了跟没看一样。

第三，他们知道输出给谁看、对方要什么。尽调报告给风控官看的，和给业务部门看的，和给老板看的，格式完全不同。风控要的是数据来源和推理逻辑，业务要的是结论和风险点，老板要的是结论加建议。这些对输出格式和内容的理解，没有业务经验你根本不知道。

所以你看，有业务经验和没有业务经验，做出来的东西根本不是同一个产品。前者是一个有判断逻辑、有筛选机制、有输出标准的专业工具；后者就是一个"什么都给你但什么都不准"的半成品。

· · ·

那到底该怎么做？

我的答案其实很简单，但很难执行：业务团队必须领头，而不是被"咨询"。

回到尽调智能体的例子。最好的做法是什么？是高层推动，让做尽调的业务人员正式进入项目组，为项目结果负责。不是"有空了帮我们看看"，而是"这就是你的工作，做不好是你的问题"。角色变了，态度就变了——从敷衍变成认真，从帮忙变成责任。

而且不只是"参与"这么简单。业务人员要做的是：把你们脑子里那些隐性的经验往外掏。什么数据源是靠谱的、什么判断标准是行业默认的、什么场景容易出错、什么输出格式是客户要的——这些东西，没人比你更清楚。你把它整理出来，AI团队才有办法把它工程化，变成系统能执行的逻辑。

这个过程很痛苦，因为隐性知识变成显性知识本来就是一个很累的事。但你不做，AI就永远只能停在"看起来还行"的水平。

还有一点。做出第一个版本不是目的，能持续可用才是。模型会出错，客户会反馈，政策会变化，数据源会失效——你得有机制去回溯问题、修正错误、持续迭代。而这些，同样需要懂业务的人来判断：这个错误是模型的问题，还是业务规则的问题？这个反馈意味着要调整什么？

没有业务经验的人，连这些判断都做不了。

· · ·

我之前还操盘过一个金融领域的SaaS产品，从零到一搭起来的。回想起来，那个产品最核心的从来不是用了什么技术、接了什么接口，而是我对这个行业足够了解——我知道获客链路怎么走，知道交易结构怎么设计，知道合规边界在哪里，知道客户的真实痛点是什么、哪些是表面问题不能花时间、哪些是根本问题必须死磕。

这些判断力，模型能辅助，但不能替你做决定。因为这些判断依据太私有了——不在任何公开资料里，不在任何教程里，是在行业里摸爬滚打、摔了无数次跤之后慢慢长出来的直觉。

就像医生看病。学了理论之后，你得看过各种病人，见过各种疑难杂症，才知道怎么处理。AI就像刚学完所有教科书的医学生，知识面比你广得多，但你问它"这个病人到底怎么回事"，它只能根据书上写的给你一个"最可能"的答案。而你知道，真实的病人从来不按教科书生病。

你就是那个看过真实病人的医生。你的价值不在知识量，在临床经验。在你知道书本之外的那些"奇怪但就是这个"的判断。

· · ·

所以我现在越来越确定一件事。

AI时代，真正值钱的不是"会用AI"，而是"有业务经验，并且还懂AI"。

会用AI的人满大街都是。写个提示词、搭个工作流、调个API——门槛太低了。一个刚毕业的新人加上AI辅助，也能在短时间内做出看起来像模像样的东西。你在这个层面跟他们卷，卷不过，也没必要卷。

你的优势在哪里？在于你在真实环境里做了那么多年的项目，踩过各种坑，见过各种疑难杂症。你知道AI在什么场景下能打、什么场景下不能打、它的短板该怎么补。你知道什么是AI能替代的、什么是只有人才能做的判断。

这些东西，才是你的竞争力，才是AI替代不了的。

所以别光想着"我要学AI"——你脑子里那些行业经验、那些踩过的坑、那些说不清道不明的直觉，就是你的AI竞争力。

把它喂给AI，让AI做你的手脚。你的大脑，是你自己的经验。