我终于找到一种让人生“开挂”的活法：

毕业后，去百度做了一名AI产品经理，从此人生好像按下了暂停键：每天在北京早高峰的地铁人挤人，在工位上画着原型、写着无穷无尽的文档，和同事互相甩着没完没了的锅，朋友来北京，想见个朋友都挤不出时间。

虽然有一份不错的薪水养活自己，但与之而来换来的是深夜1点刚下班的疲惫和无尽的焦虑，我感觉自己像一颗螺丝钉，拼命努力，却不知道意义何在。

那时候，晚上我时常回想甚至能梦到大二那年，我带着50人的团队，手握10w大学生流量，把校园生意做到月入50w，那种少年意气风发，无所不能的感觉，仿佛就在昨天。

一觉醒来，我仿佛被泼了一盆冷水，一切又清零了，我还是那个螺丝钉。

巨大的反差让我下定决心：我不能再这样下去，AI的爆发，使我毅然决然地离开了大厂，我想要做我自己真正想做的事，我想找回原来的自己，我不想再做npc了。

3月份的时候，我用打工的积蓄在北京安了一个不大但很温馨的小家，也有了愿意陪我一起折腾的女朋友，她还是在职，但是工作比较轻松，我撺掇她利用下班时间一起和我副业，她选的是小红书蓝海赛道，目前可以每天稳定出单，轻松又好做，还能有工资以外的收入

我在这个家里，开始了真正的全职创业，all in AI，白天研究产品营销流量，晚上写代码，常常周末去参加生财的线下聚会，认识更多的大佬，听大家的故事

4月份的时候，我开发出了几款产品，现在每个月大概通过独立开发和一些流量生意也可以收获6-20k...

收入虽不多，但每天醒来，身边有她，手边有自己热爱的事业，我知道，那个曾经无所不能的少年，正在被我一点点找回来....

AI能否深入到业务中，其实严重取决于全域上下文的构建

这两篇文章应该是一个系列：先有高能动性，再有做成一件事的最快路径

想做成一件事，最快的方法确实是抄

但大部分人抄错了

他们抄的是表面，该抄的是架构

做自媒体的人，看到爆款就研究文案怎么写、配图怎么配 但真正该抄的是：

这个账号的内容供应链是什么（选题从哪来、生产频率多高）
它的增长飞轮怎么转的（哪个环节带来新粉丝、哪个环节做转化）
它在解决用户的什么焦虑（不是表面的话题，是底层需求）

搞副业的人也一样 看到别人卖东西就想着自己也卖 但该抄的是：

他的获客成本能控制在多少
他的产品定价背后的逻辑是什么（低价跑量还是高价筛选）
他的复购率和转介绍率分别在哪个环节被设计出来的

这就是PM思维

把别人的生意当产品拆 拆完你会发现，所谓的成功，其实就是3-5个关键动作形成了正循环

我自己的拆解SOP很简单：

第一步，找到对标 不是找看起来像的，是找用户需求一致的

第二步，拆增长引擎 他在哪个环节投入最多时间 这个环节解决了什么问题

第三步，抄架构，换皮肤 把他的系统逻辑拿过来 但内容、调性、切入点必须是我自己的

抄不是照搬 是站在别人的肩膀上少走弯路

很多人说要创新 但其实90%的创新都是在已有架构上的微调

先把架构跑通 再谈你的独特性

Dan Koe有篇爆款文章讲"高能动性"讲得很好

作为一个跑通了从大厂PM到独立开发者全流程的人，我想聊点更实在的

主观能动性不是什么玄学概念

它是一套可以被拆解、被训练、被复用的思维系统

我把它总结为PM思维下的三个动作

动作一：MVP思维 — 先出手，再优化

大部分人的问题不是不够聪明，而是想得太多、做得太少

我刚开始做独立开发的时候，也想着要做一个完美产品

结果花了三个月憋出来一个功能完备的东西，发现根本没人用

后来我换了个思路：先用最快的方式跑通核心功能，扔到市场里测试

第一版产品只用了一周，功能粗糙得要命，但真实用户的反馈让我知道该往哪个方向迭代

现在我做一个新项目，从想法到上线不超过48小时

AI时代最大的红利不是工具变强了，而是试错成本被压缩到了历史最低点

以前你要组建团队、融资、租办公室，现在你打开Cursor，把想法丢给AI，两天就能验证可行性

关键不是做得多完美，而是你敢不敢先把第一版扔出去

动作二:迭代思维 — 把失败当数据，不当打击

我见过太多人，尝试一次失败就开始自我否定："我果然不行"

但产品经理的思维是：每一次失败都是在排除错误选项

我做的第一个独立项目，上线三天只有5个用户，其中两个还是我妈和我女朋友

按常理说这是"失败"了

但我没有删掉它，而是去分析：为什么没人用、哪个环节出了问题、用户真正需要的是什么

这些失败数据帮我迭代出了第二个版本，这次用户留存提升了40%

到第三个版本的时候，已经有付费用户了

主观能动性的核心，不是我一定能成功，而是我有能力从每次尝试中提取价值

AI的出现让这个迭代周期变得更短

以前我要花一周写代码、两周测试、一周改bug

现在AI帮我写代码，我只需要专注于判断这个方向对不对

速度就是最大的确定性

动作三：用户价值思维 — 不是你会什么，而是别人需要什么

这是最容易被忽略的一点

很多人陷入焦虑是因为他们在问：我的技能会不会被AI取代

但真正的问题应该是：我能为用户解决什么问题

俞军老师有句话："用户不是要买电钻，而是要墙上有个洞"

放到现在就是：用户不在乎你用的是AI还是纯手工，他们只在乎你能不能解决他们的问题

所以我现在做项目，第一步不是研究技术栈，而是去找痛点

独立开发者需要快速建站 → 有人做了AI建站工具Tacore AI

本地商家需要宣传但不想出镜 → 有人做AI数字人短视频代运营

普通人想修复老照片 → AI老照片修复服务月入过万

技能是工具，但用户价值才是你的护城河

AI可以替代你的技能，但它替代不了你对用户需求的理解、对市场痛点的洞察、对产品体验的把控

说回到对抗不确定性这件事

2026年最确定的事实是：环境会一直变，AI会一直迭代，行业会一直洗牌

唯一不变的，是你的主观能动性

不是那种我要努力的鸡汤式能动性

而是：

你敢不敢在48小时内把想法变成MVP

你能不能把每次失败都转化成下一次的优化方向

你是否真的在解决用户问题，而不是炫技

Dan Koe那篇文章最后说：头脑是一个故事引擎，那些学会控制它的人将会繁荣

我想补充一句：在AI时代，那些敢于行动、快速迭代、始终盯着用户价值的人，才是真正的超级个体

不要再问AI会不会取代我

去问我今天能用AI做出什么

行动本身，就是对不确定性最好的回答

Clawdbot创始人Peter Steinberger

66天做了6600+次commit，所有人都在惊叹他用了4个AI Agent并行开发

但我更在意另一个细节：他给不同模型设定了不同的信任阈值

OpenAI Codex 95%直接合并，Claude Code 80%快速review，其他模型低于70%仔细检查

这不是会用工具，这是PM在做流程设计的思维

先介绍下Peter这个人

PSPDFKit创始人，把PDF工具卖给全球大厂后退休了3年，到处旅行、派对、找不到人生意义

2025年11月突然复出，做了个周末项目叫Clawdbot（后改名Moltbot，现在叫OpenClaw）

结果这玩意儿两个月GitHub星标破14万，成了2026年开年最火的开源项目，连Mac mini都因为它卖断货

大多数人看到的是AI让一个人顶一个团队

我看到的是：Peter把"开发"这件事当产品重新设计了一遍

他的并行开发架构本质是在解决一个PM问题：如何在多个不确定性agent之间建立协作协议

用原子化commit做同步点，这是把Git当成了消息队列

用信任度分级，这是在做风险分层和人工介入的ROI计算

4个Agent各管一块（UI、测试、重构、新功能），这是模块化架构思维

技术实现上他用的是Git worktrees，每个Agent在独立分支工作，冲突了统一合并到集成分支再人工仲裁

听起来复杂，但逻辑极其清晰：先隔离、再汇总、最后把关

这套流程如果放在团队管理里，就是标准的敏捷开发 + 代码审查机制

只不过现在团队成员换成了AI

所以真正值钱的不是我会用Claude或我会用Codex

而是你能不能像PM一样思考：我的工作流程里哪些环节可以并行、哪些需要串行、哪个环节的容错率是多少

大部分人用AI还停留在一问一答阶段

高手现在都是各种skill，worktree，真正实现一个人顶一个部门

Peter这套玩法门槛不低，需要懂Git、懂容器、懂命令行，还得舍得烧Token

但思路可以平移

比如我写公众号，让一个Agent负责选题、一个负责初稿、一个负责改写、一个负责排版，我只负责最后把关和调整语气

比如我做视频，给remotion拆分了很多个流程步骤，在关键节点我参与校验

关键是你得先把自己的工作拆解成可并行的模块+明确的交付标准

然后再考虑用什么工具

"一人公司"这个词本身就过时了

未来超级个体的核心能力，不是我一个人能干多少活

而是我能设计一套什么样的系统，让AI、工具、流程在里面高效运转

Peter退休3年复出后做的第一件事，不是学最新的AI工具

而是用PM思维重新定义了一个人怎么开发这件事

这个点确实值得深入思考

装的skill太多也不好，因为上下文就那么多，skill也不是一点空间都不占

秉承一个尽量少装，做好隔离（用户级，项目级）的原则去安装，另外可以多装一个find skill，帮助你自动寻找最合适的skill来解决你的问题

安装命令：npx skills add github.com --skill find-skills

聊聊我现在用的7个Claude Skills

核心原则是：不是越多越好，是够用就好

我按使用场景分了三类，你可以按需装

【基建类】只装1个

skill-creator - Anthropic官方出品 这是个元工具，专门用来创建新skill

用法很简单：直接在Claude里描述你的需求，它会一步步引导你构建，自动生成skill文件到 ~/.claude/skills 目录

我所有自定义skill都是用它创建的，相当于你的skill工厂

【开发类】根据技术栈选

UI UX Pro Max - 前端开发的救星 内置57种UI样式、95组配色方案、56种字体搭配，支持React/Vue/SwiftUI等11个技术栈

最大价值：让Claude在写界面时不再千篇一律的紫色+居中布局，而是能生成有设计感的production-ready代码

适合：对UI没把握但又不想每次都从零调样式的独立开发者

Planning-with-files - 复杂任务必备 基于Manus的方法论（就是Meta花20亿美金收购的那个）

用持久化markdown文件管理多步骤任务

解决了什么问题：Claude容易在长对话中丢失上下文，这个skill让它把计划和进度写到文件里，相当于给AI配了外部记忆

适合：需要跨多个session完成的重构、架构设计等长周期任务

【内容类】看业务需求装

seo-review - AI网站的SEO体检工具 我用它审查网站的SEO问题，包括meta标签、关键词密度、内链结构等

content-creator - 根据关键词批量生成博客 主要用于SEO内容的规模化生产，输入关键词，输出结构化文章

这两个都是针对特定场景的，如果你不做SEO，完全不用装

【我自己写的】

ai-image-generator 调用API生成图片→自动压缩为webp→上传到R2 解决了博客配图和示例图的自动化流程

skill-prompt-generator 参考黄总的思路 专门搭配图片生成使用，生成高质量的prompt，出图效果提升明显

【关于移除】

Superpowers之前装过，功能确实全面，但流程太长了

对我来说，想法还模糊的时候我更习惯直接在网页版聊，所以移除了

NotebookLM同理，我在网页里用习惯了，暂时没想到用skill能解决什么新问题

【最重要的建议】

别只是收藏别人的skill

真正有价值的是：从日常工作流里沉淀出自己的skill

实操路径：

先用Claude Code手动跑通一次流程
完成后让它总结成skill
基于第一性原理打分，迭代优化
嫌麻烦的话，就用skill-creator直接对话式创建

记住：工具是为了解决问题，不是为了囤积

你的工作流才是最该被固化成skill的知识资产

很多人包括我自己，都得过一种病：学习型囤积症

症状是这样的：看到一个新概念就想深挖，挖着挖着发现要补前置知识，补着补着又发现要理解底层逻辑

每天脑子里塞满新东西，累但很爽，感觉自己在进步

直到有一天，一个朋友随口说：我最近搞了个xxx产品，躺赚了小几十万

我当场愣住

因为他会的那点技术，我也会，他不会的，我还会更多

这事让我反思了很久，用一个产品经理的公式总结一下：

能力 = 知识 × 验证次数

你脑子里装的，只是原材料

只有通过验证（做出来、被人用、产生反馈），才会发生化学反应，变成真正的能力

更残酷的是，AI把这个公式的权重彻底改写了

以前"知识"这一项可能占60%的权重，现在AI一秒钟就能输出比你十年积累更系统的答案

这意味着什么

意味着2026年之后，你和别人的差距，不再是谁知道得多，而是谁的次数更多，谁的“资产”更多

我最近观察了一圈真正跑出来的超级个体，发现他们都有个共同点：

不是学得最多的，而是最早开始小步快跑验证的

比如我朋友做的这个产品，本质不是技术多牛逼，而是抓住了一个小切口：发现某个内容在国内访问受限，搭个能访问的网站，然后快速验证有没有人用

那AI时代到底要验证什么

我的答案是：验证三种AI暂时替代不了的连接能力

第一种：被看见的能力

这不是说你要成为网红，而是你要学会持续输出可被检索的价值

AI可以生成内容，但它建立不了"这个人靠谱"的信任锚点

2026年，消费者决策路径已经从"熟人推荐"转向"IP信任"

一个持续输出专业内容的个体，影响力远超十次泛泛的介绍

具体怎么验证：不是等自己成为专家再发声，而是边学边输出，用30天发10条有观点的内容，看看有没有人回复、转发、私信你

第二种：让人信你的能力

AI给答案，但它给不了"安全感"

你有没有发现，越是重要的决策（比如换工作、做项目），人们越不敢只信AI，他们需要一个"活人"来确认

这个能力的验证方式：找3个陌生人，帮他们免费解决一个小问题，看他们愿不愿意介绍下一个人给你

如果愿意，说明你的"信任产品"跑通了

第三种：抓住机会的反应速度

AI可以分析趋势，但它决策不了现在就干

很多机会窗口期只有3-6个月，等你学完、准备好，窗口已经关了

我见过最狠的一个案例：某个做AI陪跑的朋友，看到DeepSeek发布当天，立刻花2小时做了一个DeepSeek使用手册，48小时内涨粉2万，接了十几个企业培训单

他技术比我差远了，但他验证速度比我快10倍

所以现在这个时代，最大的坑不是学得不够

而是一直在学，从不验证

如果你现在打开收藏夹，看到一堆"等我有空就学"的链接

不如问自己一个问题：

这里面有没有一个，我可以在这周末用3小时做个最粗糙的版本，扔给10个人试试

如果有，那就是你的MVP，如果没有，那你收藏的可能不是知识

腾讯元宝10亿、阿里千问上亿、百度文心5亿

2026春节,AI应用的红包大战比谁都猛

但我要泼盆冷水:这场仗,打不出第二个抖音

2019年,抖音没花一分钱红包,春节期间DAU从2.5亿飙到4亿,一年后站稳4亿日活。那是移动互联网的黄金时代,人口红利还在,新用户像韭菜一样等着被收割

2026年的AI应用呢,面对的是一个完全不同的战场

先看流量天花板。中国移动互联网MAU早在2020年就触顶11.55亿,年增长从2018年的4249万暴跌到2020年的1303万。这意味着什么,存量博弈,你多一个用户,竞品就少一个。腾讯元宝现在周活才2084万,豆包已经1.55亿了,这差距不是10亿红包能抹平的

再看产品留存逻辑。抖音当年赢在什么,算法推荐+短视频内容供给侧爆发,用户刷着刷着就停不下来。AI应用呢,本质是工具属性,用完即走。元宝想靠红包把用户拉进来,但用户第2次、第10次、第100次打开的理由是什么,如果只是为了领红包,那活动结束后留存率会断崖式下跌

最关键的是变现路径。抖音有广告、直播、电商三驾马车,红包带来的DAU能直接转化成GMV。AI应用现在还在烧钱找方向,元宝想做AI超级入口,千问想做AI生活助理,但商业模式还没跑通。红包发完了,用户留下了,然后呢,继续烧钱养着吗

马化腾在腾讯年会上说,希望元宝能重现当年微信红包的盛况。但2015年微信红包面对的是支付宝,那是支付工具之间的战争,红包是武器也是目的。2026年AI应用面对的是用户习惯,这是认知层面的战争,红包只是敲门砖,进门后能不能留住人才是关键

我不是说红包战没意义。短期看,元宝、千问、文心都能收获一波DAU数据,给投资人交差。但长期看,AI应用的护城河不在流量,在产品能真正解决什么问题

对超级个体来说,这场红包战反而是个机会。大厂在烧钱买用户的时候,我们可以专注做垂直场景的AI工具,服务那些真正有需求的细分人群。等大厂红包发完,用户该流失的流失,市场会重新回归理性

到那时候,拼的就是产品硬实力了

2026年开年，Vibe Coding工具又卷了一轮

这篇是我自己用下来的选型清单，按实战场景分了三档

先说结论：预算充足直接上Claude Code + Codex组合，预算紧或者想白嫖就冲Antigravity

第一梯队｜主力生产工具

Claude Code 项目规划的天花板，对架构理解好，写代码快

但有个坑：官方订阅贵（$20/月起）且风控严，不少人被封过号

网上那些"封号+报警"的截图是假的，Anthropic官方已经辟谣了

但确实会限制你通过第三方工具（比如OpenCode）调用，想稳定用建议要么官方订阅，要么找靠谱的API中转（别贪便宜，中转站水很深）

适合：重项目、高频编码、不差钱的独立开发者

Codex
OpenAI出品，改bug精准，细节控制好，但生成代码慢

成本是亮点：开通Team（¥7/月）或Plus（¥150/月），每5小时有额度限制

我一般用它来补Claude Code的短板——当Claude写飘了，Codex能拽回来

适合：作为Claude的备胎，或者你就是喜欢GPT系

Cursor

IDE形态，联网搜索很能打，自由切换模型

$20/月，我现在弃了，原因是用Claude Code + Codex的组合更灵活，Cursor有点"万金油"但不够尖锐

适合：喜欢IDE界面、需要频繁搜索文档的场景

第二梯队｜值得关注的选项

Antigravity

Google在2025年11月发布的，目前完全免费（有周用量限制）

原贴说它中规中矩，我实测后不同意——它的多窗口对比功能很实用，可以在同一个项目里同时让Gemini 3 Pro和Claude Sonnet跑，看谁的方案更靠谱

Agent做得确实不如Claude Code成熟，但免费啊兄弟们，2026年2月这个阶段性价比直接拉满

适合：预算紧、想试水Vibe Coding、或者需要多模型对比的场景

Augment

从按次数改成按Token收费后，成本飙了

Agent曾经做得很好，但现在这个价格我不推荐了，除非你公司报销

适合：企业用户，个人开发者绕道

第三梯队｜不建议碰

Kiro

Agent做得很差，直接pass

Claude CLI + 国产大模型

用GLM或Kimi平替，写代码能力差一截，但写文档还行
如果你是学生或者前期真的一分钱不想花，可以试试，一个月十几二十块

适合：预算极度受限、非高频编码场景

我的个人配置（供参考）

主力：Claude Code（通过API中转，成本控制在每月¥100左右）
备用：Antigravity（白嫖Google的Gemini 3 Pro）
修bug：偶尔开Codex的Team订阅

这套组合覆盖了90%的场景

最后说一句：工具不重要，跑通你的第一个项目更重要
别在选型上耗太久，先用起来，感受不对随时换

大部分人都听过"第一性原理" 但只有不到5%的人真的会用

为什么

因为大家学的是概念，不是思考方式

作为一名PM，斗胆解读一下“第一性原理”

马斯克造火箭的故事你可能听过100遍了 火箭=材料，材料成本=火箭价格的2% 所以SpaceX成本是传统火箭的1/10

但问题是：你又不造火箭 这个故事对你有什么用

我做产品这些年踩过最多的坑就是： 看到别人做什么火，我就跟着做 结果发现怎么优化都干不过对方

为什么 因为我在优化"别人的解法" 而不是在解决"真实的问题"

第一性原理真正的用法是这样的：

别问"别人怎么做的" 问"用户真正要的是什么"

举个例子 去年很多人做AI写作工具 卷prompt模板、卷输出速度、卷UI界面

但用第一性原理想： 用户要的真的是"AI写文章"吗

不是 用户要的是"把脑子里的想法快速变成可发布的内容"

那瓶颈在哪 不是AI不够强，是大部分人脑子里本来就没有清晰的想法 你给他再好的工具也写不出来

所以真正的切入点应该是： 帮用户理清思路 → 然后再用AI扩写

这就是第一性原理 不是优化行业标准答案 是回到问题本质，重新定义解法

具体怎么做

3个问题框架：

1.这个需求的本质是什么 （别人说要A，但他真正要的可能是B）

2.现有解法为什么成本高/效率低 （是技术限制还是路径依赖）

3.如果从0开始设计，最简单的方案是什么 （把所有"理所当然"的假设都扔掉）

当你开始这样思考 你会发现很多赛道根本不值得进 因为大家都在卷一个伪需求

也会发现一些看起来没人做的方向 其实才是真正的机会

第一性原理不是让你学马斯克 是让你找到属于你自己的那2%