关于AI Agent的思考
关于 AI Agent 的思考
一、核心判断
AI Agent 解决的是技术问题，而不是交付和流量问题。网上无数专业资料和 Vibe Coding 已经让所有人都能快速实现技术，因此短板相对变成了交付和流量。
二、流量问题
流量问题的本质是：如何让你的潜在客户知道你存在这样的服务？如何让他们心甘情愿地下单购买你的服务？ 拆开来看就是两个指标：曝光率和转化率。
曝光率
需要在小红书、抖音、B站、X、私域进行多账号流量投放，吸引对 AI 感兴趣的人。流量问题只能靠做自媒体来解决——毫米级抄袭顶流自媒体，等初见成效之后再一边实践一边微调。一开始千万别想着搞特殊，想做到某个目标却在行动上远离，是一种心理问题。
转化率
通过付费公开课做简单科普，吸引愿意付费的人群。通过背书来获取信任（现场演示、解决案例、客户评价），同时也需要一定的包装、宣传和传播学技巧。
平台的付费流量、打广告和买粉是万不得已才需要的。如果一个内容需要给平台贴钱塞到客户面前，那证明这个内容本身还需要继续打磨，或者内容过多已经让客户的注意力受损。
三、落地问题
落地问题大概率是沟通的问题。
- 如何向付钱的人翻译技术语言？面对老板和员工，国央企和私企，准备两套不同的说辞。
- 预期管理：如何把客户对 AI 的预期落在一个合理的范围内。事前说明 AI 可能会犯错、犯什么错、会造成什么后果、有什么预案能兜底。
- 如何通过舒服的方式不断反问出客户的真实需求，而不是情绪和心态噪音。
- 如何根据需求来决策什么工具最适合、能不能做、有哪些地方必须由人管控。
- 判断业务办不成，到底是模型不行、技能不行、工作流不行，还是人的提示词太蠢。
- 如何跟老板解释什么是数据孤岛、什么是员工留一手、什么是人只会朝着最轻松的方向决策。
- 如何总结出自己的工作流。当面对下一个客户时，尝试用工作流逼问出他的需求，给出最佳 MVP 方案和实际生产方案。
- 如何一边 Vibe Coding 等待结果，一边刷 X 还让老板觉得你在干活。
落地时还需要具有相关行业的业务经验，不然员工跟你说一些在他们看来很常见的黑话，你听不懂。老板说的话天马行空，员工说的话缺乏远见，你都要听一听、看一看，做出自己的业务判断。
四、业务大方向
将来顶级 AI 公司会吸引所有客户的注意力，它们稍微更新一下，小公司的创意就没用了。还在开发 AI Agent 的中小公司，没有大公司的融资，也烧不起雇佣 Vibe Coding 员工的费用。如果一直选择闭门造车，沉浸在技术自嗨中，一定无法解决流量和落地问题，风险极大。
做 AI 落地服务——介绍最顶级的 AI Agent 应用、最顶级的大模型、自己搭建的中转站、上门解决客户真实问题——能服务的人、服务的质量，都远大于自己开发一个功能不怎么样的 AI Agent 应用，远大于自己造个 GitHub 早就存在的开源轮子。而承担的风险和决策失误后果，都远小于后者。
把解决具体问题的业务做好了，再总结工作流，用 Vibe Coding 自己手搓出一个小工具也可以。业务驱动开发，而不要技术驱动开发。
五、FDE 的重要性远大于开发者
和 AI 落地服务最近的岗位绝对不是程序员和 PM，而是 FDE（Field Deployment Engineer）——直接扎根在客户公司，帮老板省人力，帮员工从 bullshit job 中解放出来，把更多精力放在如何提高业绩上。
有些土公司（国企私企都有）不仅没有 AI 转型，甚至还没有数字化转型，但是钱多、人多、bullshit job 多。业务流程堆得跟屎山一样，但就是能跑。8000 块一个月的底层员工多，天天干着填表玩手机的蠢事，日复一日。这种情况就可以上门谈怎么提效、怎么省人力、怎么把自己中转站的 API Key 塞到他们的电脑上。
等越做越熟练，这个默会知识是 AI 怎么样都代替不了的，可以将这个流程复制到下一家公司。流程走通了之后，再去开发 Skill，再去开发 AI Agent。
这是我开发了无数个没人用的小工具才得出的结论：从零开始的 Builder 根本无法与大企业争夺注意力。
六、总结对照表（2026 年视角）
| 环节 | 机会 | 门槛 | 当前建议 |
|---|---|---|---|
| 大模型研发 | 很少，仅头部大厂 | 极高（PhD+论文） | 不推荐普通人冲 |
| 训练/微调 | 减少，被平台替代 | 较高 | 除非绑定具体垂直领域 |
| Token 中转/推理服务 | 几乎没有独立岗位 | 低（但无价值） | 不推荐 |
| FDE / AI 应用交付 | 多，且持续增长 | 中等 | 强烈推荐 |
Token 中转 + FDE 才是普通人也能做的蓝海产业。
七，关于杠杆
FDE因为要处理大量AI没法处理的默会知识，每个公司都有各种各样层出不穷的私有化工作流，换了个公司就要微调，所以我依然需要员工杠杆，让这些合伙人深入一线，帮助那些连豆包都没用过的”下沉市场”老板。这个市场非常蓝海，所以必须要扩大杠杆来抢占市场，而不要做垂类小而美。
每个合伙人都可以合作积累作品，能力，做网站，拉群，建立AI人脉，逐步构建信用背书，锻炼自己的交易，谈判能力。因此这是一个对自己，对合伙人，对老板三赢的事情，员工可能短时间不赢，但是当他们有人决定要适应AI，不愿意在继续做哪些bullshit job来换取吃饭钱，那我也会欢迎。
八、反对观点（AI写的）
以下是针对上述整套逻辑的自我反驳——不是为了推翻，而是为了不让它变成舒适区里的自洽故事。
1. “Token 中转 + FDE”真的是蓝海吗？
Token 中转本质是赚利差，而大模型推理成本正在以每年 90% 以上的速度下降。你今天 1 分钱卖 3 分钱，明天官方就降到 0.5 分钱。这根本不是护城河，这是一个正在被底层供应商亲手填平的洼地。硅基流动、OpenRouter、各个云厂商的一键部署——你的中转站随时可能变成负资产。
FDE 的门槛是”中等”，但这个”中等”恰恰是最危险的区间：低到挡不住竞争者涌入，高到无法快速规模化。真正蓝海的”中门槛”应该是边际成本递减的（比如录一套课、写一套标准化诊断工具），而 FDE 的边际成本几乎是恒定的——每多服务一个客户就要多花一个人的时间。这是一个线性生意，不是指数生意。
2. 你批判”技术自嗨”，但你自己也在另一种自嗨里
“不做产品，只做服务”听起来很务实，但换个角度看：本质上是对沉淀和积累的逃避。每一次 FDE 交付都是定制的、一次性的、无法复用的——你做了十个客户之后，第十一个客户来，你只能从零开始沟通。而做产品的人，哪怕一开始产品很烂，每个客户的反馈都会变成代码、变成功能、变成护城河。
你说”从零开始的 Builder 无法与大企业争夺注意力”——但 Anthropic 是 Builder，Cursor 是 Builder，Replit 是 Builder。他们和大企业争夺注意力了吗？没有，他们绕开了大企业不服务的场景，用产品杠杆撬动了整个生态。FDE 绕开了产品竞争，但也绕开了产品带来的指数增长可能。
3. 员工杠杆解决不了根本矛盾
第七章说你”需要员工杠杆”——但你前面批判的正是那些养着 8000 块员工的土公司。当你招了 50 个 FDE 合伙人之后，你自己那家公司和他们服务的土公司，有什么区别？你也面临数据孤岛、员工留一手、人只会朝着最轻松的方向决策——你批判的问题，你一个都逃不掉。
而且 FDE 合伙人一旦成熟，掌握了你的中转站、你的方法论、你的客户关系，他们为什么不自己干？Token 中转没有技术壁垒，FDE 技能是默会知识但不是专利——你培养的每一个人，都是你未来的竞争对手。
4. “蓝海”窗口可能比你想象的短
你瞄准的是”连豆包都没用过”的下沉市场老板。这个市场的特点是：要么他们永远不用 AI（因为业务不需要），要么一旦 AI 渗透率到某个拐点，他们会直接从抖音、从微信、从钉钉内置的 AI 功能里接触到——不是通过你。就像当年很多人以为教老年人用智能手机会是一门大生意，结果微信把界面做得足够简单，中间商直接消失了。
5. 最根本的漏洞：你把”技术”和”业务”对立了
全文的核心对立是：技术问题容易（所以不值钱），业务/流量/落地才是王道。但忽略了一个事实——2024-2026 年最能打的那批 AI Native 团队，恰恰是技术和业务都强的人。他们既懂模型能力边界，又懂客户痛点，还能自己动手搓出 MVP。你以为你是”业务驱动开发”，但客户说不清需求、老板天马行空、员工留一手——谁来把混乱的业务需求翻译成可执行的技术方案？还是你。而这个翻译能力，本质上是技术和业务的双向能力，不是”只做业务不做技术”能练出来的。
小结
这篇文章的核心思想是对的：普通人不要跟大厂拼研发、拼模型。但结论”Token 中转 + FDE 就是蓝海”可能矫枉过正了。它不是蓝海，它是一个没有护城河的、线性增长的、在倒计时中的窗口期生意。值得做，但不值得把它当成终局。
AI教课这种形式，你教完了，客户员工回到公司，然后发现碰到了一个不一样的场景，他又不会了，这种情况还是要请你去修改，因为教课别人就是记不住，只有他亲自上手用过之后才能理解。所以从长远来看，AI教课这种形式给客户带来的帮助是不如直接去现场部署的。你无法保证给他尽心设计的教程，在面对新的业务的时候，还是量身定做的。