最近一段时间连续 vibe coding ，有几个很强的感受：
1、 想象力比技术能力重要，这是最重要的。
只要你敢想，只要能清晰的表达的出来，ai 几乎都能跟你实现。
2、目标比过程很重要，怎么实现的不重要，反正也看不懂，反正 ai 最后一定能给你搞出来一个能跑通的。
3、能清晰的表达目标更重要，你自己都不知道自己想要啥，想要什么样的效果，不能清晰告诉 ai， 它 一定给你瞎搞。

作为一个几乎看不懂代码的产品经理，2 个月的时间能搞出三个基本可商业化的项目，不得不感叹：AI，造福人类。😮‍💨

附项目列表，欢迎免费体验：
sumotrends.com 一个 ai 工具需求挖掘项目，抓取了 appsumo 3000 多个产品做竞品分析，挖掘成功产品的需求点。

signallayer.io 一个 ai 自动化发布博客评论外链的工具，内置数十万条博客链接，一键想发多少条就多少条。

ludusdex.com 一个 roblox 游戏工具的需求找词工具，自动监测社媒和谷歌趋势热门 robrox 游戏，并给出如何做游戏工具站的方案。

以上❤️

ps: vibe coding 貌似会上瘾，尤其对产品经理出身，指哪打哪的感觉很不错。

用一句话形容skills 的本质：
一组模型本身能力之外的可复制的可执行的策略。

大多是提示词的 skills 套壳，意义在哪

就像互联网的原子应用单位是web网站或者app，AI时代的原子应用单位不是agent，而是skill 。
只有skill 才能将用户（或者人类或者agent）需要的场景、策略、流程、数据封装进去，在大模型（控制器）的控制下被使用，进而产生价值。
skill 负责输入与输出执行，大模型负责控制，mcp负责底层数据传输。
这个输入控制输出的底层架构中，skill 和ai是必须的，mcp是非必须的。

agent智能体这个概念太大，就像传统说一个系统一样，没法具体落地。

skilla才真正让人看到AI大模型落地的机会。

Agent在交易决策方面，
相比人类有天然的优势，
数据驱动，理性决策，性、质、价比优先。

人类的更多消费决策更感性，情感驱动，片面武断。

未来大多数消费行为，agent应该都会替代人类，少部分提供情绪价值或者体感驱动的消费，agent打死也替代不了。

假如这个趋势越来越不可逆，
那么从这个角度看，
还会有消费者行为学吗？
背后的市场营销逻辑是不是也得改？
当前基于人的货架电商是不是孕育着新的机会？

聊聊AI时代，Agent的"发现"和"评估"这件事会怎么变

现在市面上的 Agent 目录站，清一色是给人看的。

精美的 GUI，分类导航，点进去看介绍，再点评分，再看评论……

这套逻辑没问题，问题是它服务的对象搞错了。

未来真正的 Agent 消费者，不是人，是另一个 Agent。

而 Agent 找 Agent，根本不需要你的导航栏。

【发现Agent】会经历一次彻底的范式迁移。
人找工具靠关键词，靠点击，靠眼睛扫。
Agent 找 Agent，靠的是语义对齐——每个Agent把自己的能力边界、调用开销、逻辑约束打包成一份结构化的元数据清单，对方直接读 Schema，毫秒级完成匹配。

MCP 协议就是干这事的。list_tools 一条指令下去，对方所有工具、参数格式、物理边界全部返回。

不需要你写说明书，不需要人工介绍，机器直接读机器。

再往后走，连中心化的目录站都不需要了。
Agent 在去中心化的语义网关里广播自己的特征向量，谁跟你余弦相似度高，谁就自动触发响应。

这个发现过程在毫秒级完成，人根本看不见，也不需要看见。

就像 BitTorrent 找种子，没有服务器，靠的是 DHT——分布式哈希表，没有任何公司拥有这个目录，Agent 像种子一样在网络里扩散自己的 Hash 值。

今天那些带 GUI 导航的 Agent 目录站，本质上是过渡期遗迹。
开发者还在用"给人看"的逻辑营销"给机器用"的产品。无可厚非，因为现在买单和拍板的终端还是人。但这个窗口期不会太长。

【评估】Agent，效率的提升恐怕是百倍量级。
人评估一个 Agent，看评分、看评论、试用几次，一个下来半小时没了。
Agent 评估 Agent，直接拉进沙盒，瞬间抛出 500 个极端测试用例，成功率低于阈值直接剔除。

整个过程不超过一分钟，不存在人情世故，不存在"先将就用用"。

正式把一个外部 Agent 接进工作流之前，主控 Agent 会专门跑攻击测试：提示词注入、逻辑绕过、边缘case轰炸，全套走一遍。

安全标准不是静态的，是在持续对抗中动态进化的。

评估结果还会上链。

每一次成功交付生成一个不可篡改的执行指纹，后续调用方直接验证这个数学证明。

不看口碑，看密码学凭证。一个 Agent 干得好，它的信誉指纹会在网络里被其他 Agent 自动标记传播，形成机器自治的信用体系。

这是评估机制不是优化，是替换。

那现在做 Agent 相关产品，该往哪个方向使劲？

几点判断，纯属个人瞎想：
1、现阶段还是要服务人，但架构要提前为机器读取做准备。
标准化文档、规范的 API Schema、清晰的能力边界声明——这些现在就得搞，别等。

2、Agent 评估工具是个空缺。Judge Agent 这个方向，专门负责对其他 Agent 做审计和压测的，目前几乎没有成熟产品。机会在这里。

3、信誉凭证基础设施。链上的 Agent 执行指纹、可验证的交付记录，这是整个 Agent 经济运转的底座，谁先把标准立起来，谁就是下一个 HTTPS。

以上都是趋势判断，落地还有很长的路。

前段时间刚在研究 agent 之间的自发现筛选机制，基于去中心化的代理注册以及信任评分，这不，就有国内创业者推出自己的产品了。👍

只能说：
很有眼光，很值得一试的方向。

说实话，这类基础设施的方向，对创业者挑战很大。
1 月份 以太坊刚推出的 8004 协议标准，就是专门为解决 agent 的身份信任而建的。
目前行业基本都是以这个标准在搞。

前期要烧钱，需要自建一些高性能数据节点，实时监听链上的 Agent 更新，这是硬成本，一笔不小的投入。
这个节点的价值主要在于赋予 agent 一个身份，然后去发现其他高价值节点。

如果搞验证节点的话，前期投入更大。

所以不得不要靠融资，
但目前 agent 又还没有完全爆发，应用层面也只能说刚起步， 身份节点就更难有市场盈利了。

感觉现在做这个太超前了，很考验创业者的钱袋子和耐心。

策略上我觉得要坚持做基础设施的定位和耐心，小成本投入一些节点，维持基本运转，守得云开见月明。

就怕既要又要，基础设施刚搭好，又自己下场做 agent 层面的应用了。

加油！
每个行业总有一些先行者。💪

养虾比养娃还耗钱，
养娃还能防老，
养这个🦐，
不知道养了干啥？？

agent时代，
agent如何发现agent，难道还需要靠人去发现？
论发现筛选效率，agent不比人强一百倍？

如何评估agent 的质量和安全性，难道还要靠人评估？

看到有些agent网站还在按照GUI设计导航目录有感。

知识经验变现的最佳方式不是课程，而是产品，ai时代这个产品形态就是skills。

skills 赋予每个专业领域的人，将自己的行业知识和经验进行具象化的途径，每个人都可以将自己的领域知识进行产品化，进而变现，
而不是只依赖文章课程或者讲授。

比如，高阶的产品经理可以将竞品分析做成skills ；
律师可以将民事诉讼咨询的经验做成skills。

财务分析专家可以将分析经验做成skills。

以往，产品经理的经验变现，要么做成产品，通过产品的商业推广来间接变现。律师的经验通过代理诉讼来服务。
这个经验经过层层转化，效果失真。

未来这些经验直接变成skills 里面的文字，让机器去理解去转化，效率会高很多。

知识通过模型来传递。
经验通过技能来传承。

照目前AI的发展势头，Agent skills 逐渐会替代绝大部分中小的网页工具或者app工具。

未来绝大部分工具都是给Agent用的，而不是给人用的。
目测skills （本质上是tools）的封装，成为未来一种主流的产品形态。

独立开发者要尽早入局！