即刻App年轻人的同好社区
下载
App内打开
探春灼
98关注130被关注0夸夸
专注企业AI 自动化改造!
把复杂的商业逻辑,翻译成 n8n 和 OpenClaw 的自动化流水线。
不卖噱头,只交付降本增效的真实 ROI
置顶
探春灼
2月前
这是一份求职帖!如果你身边缺一个能把机构合作谈成、还能落地跑出线索/成交的候选人,那容我先在这里毛遂自荐啦🫡

我是张霞,也可以叫我灼灼,常驻上海(可苏州),目前在找 生态合作 / Partner GTM / Partner Manager / 渠道商务(ToB)相关机会。

我过去 13 年基本都在干一件事。
找到合适的机构伙伴 → 设计双方都能接受的利益分配/置换模型 → 推动跨组织落地 → 把合作做成可持续贡献 pipeline 的增长来源。

我做合作的风格比较「务实」,不追「热闹」,更追「合作之后到底多了多少条线索、多少转化、能不能持续」。

---

我选择继续做 Partner / 生态方向,是因为我亲身验证过。

- 一笔算得清的账,比「认识谁」更能决定合作成不成
- 很多团队增长卡住,缺的就是一个能把外部资源系统化接进来的人

同时我最近一年也在把 AI 放进商务工作里。AI 能写方案,但判断该找谁、怎么换、怎么推进到法务财务技术都点头、怎么复盘迭代,还是要懂业务的人来做。

---

基于我的经验,我关注以下几个方向(欢迎把我转给这些团队哟):

1️⃣ AI ToB / SaaS / 工具类(尤其有销售/渠道/生态打法的)

我能做从「伙伴拓展—联合方案—联合获客/分发—线索沉淀—转化复盘」的完整链路;也能把 AI 用在售前/BD工作流里,把很多手工活变成标准流程。

2️⃣ 平台型业务 / 行业解决方案(需要生态一起打仗的)
我做过跨行业生态合作,连锁品牌、平台、消费品、汽车、地产、检测机构都谈过;能快速摸清陌生行业生态结构,3个月内从0搭起合作网络。

3️⃣ 预算紧、但想要结果的团队(擅长零预算资源置换)
我长期主导「零预算置换」合作,把己方边际成本低但对对方高价值的权益打包,换到对方的渠道、场景、用户与分发能力。置换我当交易来做,双方都有得赚,合作才走得长。

---

我倾向什么岗位:
生态合作 / Partner GTM / Partner Manager / 渠道商务(可对 pipeline/成交负责)
Base 上海(可苏州)。

我倾向的行业:
- AI 应用 / 大模型平台 / 企业AI(Agent、智能客服、营销/销售自动化、知识库、BI、财务/法务/HR AI 等)
- 企业服务 SaaS(ToB 平台型)/ 垂直行业 SaaS(医疗/HR/财税)
- 医疗数字化 / 健康科技(合规+交付壁垒的场景)
- 云服务 / 基础设施

为什么你可以考虑我(我能直接上手的能力/结果):

1️⃣ 机构伙伴拓展与管理(从0到1)
独立拓展并管理 100+ 机构级合作伙伴,从筛选、方案、谈判、合同到执行激励全流程自己跑完。

2️⃣ 零预算合作模型(可复用、可规模化)
在无市场预算条件下,设计「服务权益 × 渠道分发」的置换结构,累计撬动亿级曝光、带来3万+精准用户。

3️⃣ 复杂项目推进(跨组织、多条线落地)
能同时推进对方业务/市场/法务/财务/技术,让方案不停在PPT,按节点交付、复盘、迭代成长期机制。

4️⃣ 线索与转化(不只做曝光)
搭建「内容获客—线索沉淀—商务转化」链路,年度获取有效B端线索500+。

5️⃣ AI Native 的商务提效(已跑通的工作流)
开源 4 个 Agent 项目;会工作流编排与大模型 API;用 n8n + LLM 搭过端到端自动化流水线,把「调研/整理/写初稿/输出物料」这些环节显著提速。

---

期待成为你的同事。也希望刷到这一条的即友能帮忙转发一下,我会很感激🙏

最后放一些作品/链接(想快速了解我可以从这里开始)❤️
1️⃣ 生态合作案例作品集(飞书):kcno07d2kr83.feishu.cn
2️⃣ GitHub 主页(4个Agent项目等):github.com
3️⃣ B2B售前AI工作流(开源):github.com/b2b-presales-workflow
4️⃣ AI职业选位方法论(开源):github.com/ai-career-position

联系我:
📍上海(可苏州)|📞15618407157|📮zhangx91@126.com
14
探春灼
23天前
我也是不喜欢围绕原生家庭向后看的这样一种视角,我现在更喜欢张朝阳推荐的那个方向(聚焦当下)人的大脑是可塑的,你是完全可以改变自己的,还有他非常推荐的ACT认知疗法等。

诚实豆沙包: 讲个可能会得罪人的话,我一直不太喜欢武志红的作品。 倒不是说对他本人有什么意见,而是我一直不喜欢那种围绕“原生家庭”展开的舆论叙事:不断追溯童年创伤,不断给父母贴标签,最后仿佛一个人今天所有的不顺,都可以一路追责到那个最初的家庭。 当然,原生家庭当然会影响一个人,而且有些家庭确实非常糟糕。长期的暴力、控制、忽视和伤害,不应该被一句“父母也不容易”轻轻带过。 但我不喜欢的是,“理解自己为什么会这样”,慢慢变成了“所以我现在这样都是他们造成的”。 前者是在归因,后者很容易变成归罪。 我虽然也很常在这里吐槽我爸妈,但吐槽归吐槽,我一直觉得,父母是不可能不犯错的。 人本身就是有缺陷的,世界上也不存在什么真正意义上的完美家庭。难听一点说,一个人能平平安安活着、身体健康、精神健全,本身都已经不是那么理所当然的事。 所以我很难接受一种想象:自己都不可能成为完人,却要求自己的父母必须情绪稳定、人格成熟、永远尊重边界、永远懂得沟通、永远在正确的时候给出正确的爱。 这多少有一点不切实际。 而且很多时候,我们是在三十岁以后,用今天已经获得的语言、知识和心理学概念,回过头去审判二三十年前同样只有二三十岁的父母。 他们当时其实也是第一次活。 这当然不是说“第一次当父母”就可以免罪,也不是说孩子受过的伤害不算数。 只是很多事情并没有那么方便,并不是每一段伤害背后都一定存在一个纯粹的坏人。 父母可以爱你,同时伤害你。 可以已经尽力,同时依然做错。 你可以理解他们,同时不认同他们。 可以吐槽他们,同时依然爱他们。 这些事情完全可以同时成立。 我不打算为人父母,但我也理解为人父母的难处。 诚然,也可能是因为我的父母整体已经做得不错,所以我对他们没有太大的恨意。有些人的家庭确实糟糕到必须逃离,甚至断联,所以我也不会觉得所有人最后都必须跟父母和解。 但我始终不喜欢那种把愤怒不断往上煽、把每一段关系都解释成伤害、最后恨不得把所有关系全部炸烂的表达方式。 因为我不觉得,找到一个该恨的人,就等于真正走出了困境。 人当然可以回头看自己的来路。 但看清来路之后,最终还是要把人生重新拿回自己手里。 也因此,我又绕回了那个我一直很在意的生育问题。 我现在已经不太会问: “你能不能成为一个不会伤害孩子的父母?” 因为答案几乎一定是否定的。 没有任何父母可以保证自己永远不会误解孩子、伤害孩子、让孩子失望。 真正让我在意的问题反而是: 如果这个孩子最终并不感谢我把他带到这个世界上,我能不能接受?

00
探春灼
23天前
谢谢分享,这篇文章确实值得深入分析研究一下,与我们每个人的生活工作密切相关。

小盖fun: 看来很多人没注意到 Anthropic 这个论文。 Anthropic 这公司很多事情做得确实细致和严谨。今天周五,下午没什么事,我把他们刚发的这篇论文完整看了一遍。 整篇 57 页,系统研究了如果未来几年 AI 能力继续快速提高,而且真的开始大规模进入工作,到 2030 年,GDP、工资、就业和整个社会的收入分配会发生什么变化。 这套分析框架做得非常好,反正我看完还是有很多收获。它设计了几种不同的 AI 发展情景,然后看每一种情况下,经济和就业的影响。下面是我的笔记。 还有时间的话,我还是强烈推荐看一看,主要是看他们的分析逻辑。同时在看这个的过程中,也确实能够直观地感受到 AI 可能会带来的影响。 1、论文把工作粗略分成了两类。一类是认知型工作,包括管理、专业人士、销售、办公室工作这些,程序员、律师、研究人员基本都在里面。 另一类是其他工作,比如建筑、电工、运输、现场服务这些。 他们先假设,2030 年以前 AI 主要直接影响第一类工作,暂时不考虑机器人快速进入体力工作的情况。 所以后面论文里讨论 AI 对工作的冲击,核心讨论的其实都是今天这些知识工作和办公室工作。 2、论文设计了三种情景,温和、显著和极端。 温和情景下,AI 的发展和普及都比较慢。到 2030 年,GDP 只比没有 AI 的情况高 1.6%。显著情景下,AI 已经成为比互联网影响更大的新技术。 到 2030 年,GDP 比没有 AI 的情况高 8.3%。极端情景下,AI 开始大规模完成原来由人做的认知工作。到 2030 年,GDP 比没有 AI 的情况高 32.4%。 注意,这三个数字不是作者对 2030 年的预测。他们也没有说哪一种情况概率最高。这些都是假设。 3、AI 对工作的影响,主要有两种情况。一种是 AI 帮人提高效率。比如程序员、律师、销售用了 AI,同样时间能完成更多工作,人还留在原来的岗位里。 另一种是 AI 已经可以独立把任务做完。这个时候,人开始退出,原来支付给人的那部分工资,会更多转到模型、算力这些资本上。 4、论文认为,AI 对就业和收入分配影响最大的变量是自动化比例。AI 参与的任务越多,其中由 AI 独立完成的比例越高,人需要参与的工作就越少,收入也会更多流向资本。 拿刚刚提到的显著情景来说。到 2030 年,AI 能影响整个经济大约 30% 的任务,但真正部署到工作里的只有 40%。 算下来,大概有 12% 的经济任务真正用上了 AI,相当于今天认知工作任务的五分之一左右。 更关键的是,这些已经用上 AI 的任务里,四分之三都已经可以由 AI 独立完成,只有四分之一还是 AI 辅助人。 这种情况下,AI 会让这些任务的生产率提高大约 57%。整个经济也明显加速,到 2030 年,GDP 比没有 AI 时高 8.3%,当年的经济增速达到 5.4%。 这个增长速度已经很快了。1999 年美国互联网最繁荣的时候,实际 GDP 增速也只有 4.7%。 5、但经济增长以后,这些新增收入并不会平均落到劳动者和资本身上。 显著情景下,到 2030 年,GDP 比没有 AI 的情况高 8.3%,平均工资却只高 2.1%。 再拆开看,差别更明显。认知型工作的工资反而低了 0.3%,其他职业工资高了 5.9%。所有劳动者加起来拿到的总收入,只比没有 AI 时高 1.4%,但资本收入却高了 18.9%。 原因就在前面讲的自动化。 这个情景里,已经用上 AI 的任务中,有四分之三可以由 AI 独立完成。 原来需要支付工资给人完成的一部分工作,开始交给模型、算力和其他资本完成,对应的收入也更多流向资本。 所以虽然整个经济增长了 8.3%,劳动收入占 GDP 的比例却从 60% 降到了 56.1%,资本收入占比从 40% 升到了 43.9%。 这也是论文一个很重要的结论。AI 可以让整个经济增长得很快,但 GDP 增长多少,和普通劳动者的收入增长多少,是两回事。 6、再具体一点,假设原来的 GDP 是 100,劳动者拿其中的 60。现在 GDP 增长到 132,但劳动者只能拿其中的 45%。 132 乘以 45%,还是差不多 60。 也就是说,整个经济大了三分之一,但所有劳动者加起来拿到的总收入几乎没增加。新增出来的这部分收入,基本都去了资本端(AI 公司)。 7、AI 还会重新抬高那些暂时无法被替代的工作的价值。 极端情景下,认知型工作的工资比没有 AI 时低 11.5%,其他职业的工资却高出 33.6%。 背后的逻辑是,AI 把大量认知任务的成本降了下来,整个经济的产出也随之快速增加。 但经济要多生产这么多东西,依然需要建筑、电工、运输、现场服务这些 AI 暂时完成不了的工作。 于是一个很有意思的变化出现了。 认知工作这边,AI 可以直接补充供给,企业对人的需求下降,工资受到压制。 其他工作这边,AI 暂时补不上,但整个经济扩张以后,对这些工作的需求反而增加。即使一部分认知工作者转过去,也未必能完全补上新增需求,所以工资会上涨。 这也是为什么 AI 越强,不同职业的工资不一定一起上涨或者一起下降。 越容易被 AI 完成的工作,人的价值越容易受到压制;越难被 AI 接手的工作,反而可能因为整个经济增长而变得更值钱。 8、前面说了,AI 会减少一部分认知工作的需求,同时整个经济增长,又会增加建筑、电工、运输、现场服务这些工作的需求。 问题是,人没法跟着岗位变化立刻完成转行。 论文举了一个很形象的例子。一个软件工程师失去工作以后,很难马上转去做电工。换一个行业,需要重新学习,需要寻找岗位,过去积累的很多经验也未必还能直接用。 当然不一定是电工,也可以是保险经理等等服务行业的工作。 所以即使整个经济里还有新的工作机会,中间依然可能出现失业。AI 接管旧工作的速度越快,劳动者转换职业的速度越慢,这批暂时找不到新工作的人就会越多。 9、同样一次 AI 冲击,最后可能表现成两种结果,一种是降薪,一种是失业。 论文专门做了一个对比。AI 的能力、自动化程度都保持不变,只看企业在用人变少以后,工资能不能跟着下降。 如果工资可以快速下降,企业会继续保留更多人。结果是,认知工作者的工资比没有 AI 时低 42.2%,但失业率只有 2.6%。 如果工资很难下降,企业需要的人已经变少了,工资却降不下来,那最后只能少招人、裁更多人。 这个情况下,认知工作者的工资甚至还能比没有 AI 时高 2.8%,但失业率会升到 24%。 所以 AI 减少用工需求以后,结果不一定只表现成失业。工资越容易下降,更多影响会落在收入上。工资越难下降,更多影响就会落在就业上。 10、还有一个我觉得很有启发的概念,叫 so-so automation,可以理解成收益不高的自动化。 比如以前一个人完成某项工作需要花 100 块钱,现在 AI 可以把任务接过去,成本变成 95。 对公司来说,人确实可以不用了。但从整个社会来看,这项技术其实只创造了 5 块钱的效率提升。 原来支付给劳动者的那一大块收入,却已经随着任务一起转到了资本端。这种 AI 会替代很多工作,但整个社会并没有因此多创造多少财富。 11、AI 越能独立完成工作,企业就越需要更多算力来承接这些任务。 如果算力供给能快速跟上,企业需要更多算力,市场也能及时增加,价格就不会被明显推高。这样一来,资本因为稀缺拿走的收益不会太多,劳动者也能通过工资分到更多。 如果算力供给跟不上,情况就反过来了。所有公司都在争抢有限的算力和设备,需求越高,价格就越容易上涨,更多收益也会流向资本所有者,留给工资的部分自然就会减少。 当然,这个模型也做了很多简化。它把算力这些都放进了一个统一的资本项里,没有单独去算模型价格、推理成本持续下降这些变化。现实里,这些因素可能会缓解一部分资本稀缺。 但如果未来模型的长程任务能力已经非常强,AI 真正开始大规模接手工作,那接下来一个很现实的问题就是,有没有足够多的算力、数据中心和电力,把这些能力真正跑起来。 到那个阶段,算力供给很可能会成为一个重要瓶颈。 12、不过即便在最极端的情况下,AI 创造的新增收益,依然远远高于认知工作者损失的收入。 论文算下来,整个经济增加的收益,大约是认知工作者收入损失的三倍。 理论上,只要拿出相当于 GDP 9% 的收入,就可以让受影响的认知工作者维持原来的收入水平。而剩下的人,整体收入依然能比没有 AI 时高 20% 以上。 所以真正麻烦的地方,可能不是 AI 创造的财富不够多,而是这些财富最后怎么分。 论文也专门提到,过去无论是技术变革还是贸易冲击,受益的人很少会主动补偿那些受到冲击的人。 AI 如果真的走到极端情景,最后要解决的可能就是这个问题,怎么让那些被 AI 替代、降薪的人,也能分到 AI 创造出来的增长。 13、AI 加速科学研究这条路径,在 2030 年以前反而没有贡献特别多的经济增长。 即使在极端情景里,AI 确实可以帮助科研,但很多研究最终还受到实验、物理世界这些环节限制。 所以他们算下来,通过加速科研带来的额外劳动生产率提升,在三种情景里都不到 1%。 当然作者自己也承认,这部分模型没有把 AI 帮助 AI 研究之后的递归反馈完整算进去,所以这个结果很可能偏保守。 挺有意思,推荐大家去看看。Anthropic 官方还做了一个漂亮的解析网页,论文链接我放评论区了。

00
探春灼
27天前
如果我写一本书是《AI时代的职业选择》,不知道有没有人愿意看👀
00
探春灼
2月前
AI 时代对选工作迷茫的小伙伴可以使用一下这个 skill。

都说男怕入错行女怕嫁错郎,AI 时代要是选错行业和岗位那更可怕,于是便手搓了这样一个工具。

市面上的 skill 都是告诉你如何优化简历,如何面试,而这个 skill 是先分析 AI 时代你应该选择什么样的位置(岗位)!

当然这个工具先是服务于我本人,给大家参考,职业选位工具也在里面。👇

10年平庸公关,2年王牌BD。35岁,我才看懂这条分界线

11
探春灼
2月前
把自己的履历喂给AI复盘,它把我的经历分成了五层,内容层、分发层、信任层、资源层、责任层。
内容层我平庸到顶,信任层和资源层我是王牌。技术实施,死得干脆。能力没变过,变的只是我站在哪一层。

AI真正会归零的只有内容层。敢拍板的人、可信的人,工具越强越稀缺。

文末三个问题,帮你找到自己该站的那一层。👇

10年平庸公关,2年王牌BD。35岁,我才看懂这条分界线

10
探春灼
2月前
做了3个月Skill才想明白的一件事:别再把Skill当产品做了

说个反常识的。

你花两周打磨的提示词、调了八版的SKILL.md、设计的七模块评估流程——在商业化面前,价值约等于零。

不是你做得不好。是Skill这个东西,天生就不是用来卖钱的。

---

我最近翻了一篇Skill商业化的帖子,97条评论,吵得很凶。但高赞评论几乎在说同一件事:

"说白了就是API付费,和Skill没半毛钱关系。"
"你买的不是Skill,是那些非公开的数据。"
"Skill只是给agent看的付费服务使用说明书。"

作者自己也默认了——他说付费买的Skill"主要是搜索非公开数据的"。有人回"你买的不是Skill是数据",他没反驳。

---

然后我突然想通了三件事。

第一件:Skill是管道,不是产品。

管道本身不值钱。管道里流的东西才值钱。

你接了独家数据源,Skill就是数据的售卖入口。
你连着真实的交易和服务,Skill就是获客钩子。
你只有一套精炼的提示词?那这个管道里流的是空气。

空气没人买。

第二件:提示词壁垒为零。

"想法发出来一秒就已经开源了。"

你花一个月设计的评估框架,别人看一遍SKILL.md就能复刻。大模型自己就能蒸馏。你拿什么收费?

我之前做的AI职业选位Skill,A-G七模块+侧翼雷达+红线尽调,方法论自认为挺扎实的。但想明白之后我知道了——这个框架本身没人会付费。它能当钩子,但不能当商品。

第三件:Skill可能是过渡形态。

评论区有句话我越想越对:"Skill是文字内置指令,MCP才是程序与AI之间的接口。"

MCP是什么?模型上下文协议,AI系统之间标准化的能力调用接口。比纯文本提示词更底层、更稳定、更难被替代。

技术圈已经有不少人认为Skill只是过渡。如果未来大模型本身越来越聪明,"精炼的提示词"的价值会持续缩水。

---

那个人开发者怎么办?三个方向,按推荐度排:

① 把Skill当引流入口,背后接真实服务。

这是最务实的。Skill免费上架,帮用户解决问题、建立信任,然后自然引导到背后的付费服务。

我的职业选位Skill就是这个思路——免费帮你评估JD、识别外包坑、生成简历初稿,然后"这份简历需要专业精修吗?""这个岗位的面试需要针对性辅导吗?"

Skill不赚钱,服务赚钱。Skill的价值是把获客成本打到零。

② 把经验壁垒升级成数据壁垒。

如果你手上有持续更新的独家数据(行业报价、实时行情、内部信息),用Skill当访问入口收订阅费。壁垒是数据的时效性和覆盖度,不是提示词。

但注意合规风险,别瞎爬。

③ 关注MCP,别只盯Skill。

如果你打算长期在AI生态里做,现在就开始了解MCP。把你Skill的核心能力逐步封装成MCP服务,Skill形态哪天被替代了,你已经迁移完了。

---

最后说一句。

None of the form disappears, the underlying need doesn't change.

不管叫Skill、MCP还是别的什么名字,"帮个人和企业把AI能力接入日常工作"这个需求,十年后还在。

别把Skill当产品。把它当你和用户之间的一座桥。

桥的形态会变,但过河的人一直在。

你们怎么看?评论区聊聊。

#AI #Skill #独立开发 #AI商业化 #Coze #扣子
00
探春灼
2月前
有没有 AI 公司/sass 公司 需要招聘增长/GTM呀 🫡

Base 上海/苏州 或者线上均可

简历我可私聊发送 简单履历可以参考我的置顶自我介绍
00
探春灼
2月前
每一个想做自媒体,搞宣传,做 IP 的人都应该好好读一读 教员的这段话,至今读来仍振聋发聩醍醐灌顶,比市面上那些乱七八糟的书籍深刻有用多了,没有一句废话,直达本质!
00
探春灼
2月前
这篇文章是给正在找工作和准备转行的人看的。

我给一个 6.5 万 star 的开源项目补了个它没有的模块。

进行了本土化改造和职业方向选位,欢迎转给有需要的小伙伴😊

我给一个 6.5 万 star 的开源项目补了个它没有的模块,然后被这个模块判了不及格

00