关于AI Agent的思考
# 关于 AI Agent 的思考
6月14日更新
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
我从电商行业了解的最重要的一点就是：谁有消费能力就服务谁，因此只搞tog，tob，to外国人，不搞toc生意。
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 全干员工的费用。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——介绍被市场验证过的，最顶级的 AI Agent 应用、最顶级的大模型、最顶级的skill、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，日复一日浪费生命。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。
流量是零和博弈的，因为观众的注意力是有限的。我开发了无数个没人用的小工具才得出结论：从零开始的 Builder 根本无法与大企业争夺用户注意力。
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 |
| AI Agent应用开发 | 多，生产端正在爆发 | 高 | 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。
合伙人可以一起建立一个去中心化的群，在这里没有群主群员之分，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，互相链接异质化资源，让群自适应生长为一个社区。因此这是一个对自己，对合伙人，对客户老板三赢的事情，员工可能短时间不赢，但是他们中一定有人决定要适应AI，不愿意再继续做那些bullshit job来换取吃饭钱，社区欢迎希望改变的人加入。
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 中转没有护城河
推理成本每年降 90%，你赚利差的窗口正在被底层供应商亲手填平。这不是蓝海，是一个正在消失的洼地。
2. FDE 是线性生意，不是指数生意
每多一个客户就要多花一个人的时间。边际成本恒定，无法规模化。这个生意是边际成本递减的（产品、课程、工具），它不想代码一样可以无限复制。
3. 「只做服务不做产品」是另一种逃避
你以为务实，其实是在逃避沉淀。做十个客户，第十一个还是从零开始。做产品的人，每个客户的反馈都变成代码和护城河。你绕开了产品竞争，也绕开了产品的指数增长可能。
4. 员工杠杆解决不了你批判的问题
你批判土公司数据孤岛、员工留一手，到处是bullshit job。但你招 50 个 FDE 合伙人之后，这些问题你一个也逃不掉。而且他们掌握客户和方法论之后，为什么不自己干？你培养的每一个人都是未来的竞争对手。
5. 技术和业务不是对立的
2024-2026 最能打的那批人，是技术和业务都强的人。把混乱的业务需求翻译成可执行的技术方案——这个翻译能力本身就是双向能力，不是「只做业务不管技术」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。
补充：为什么不卖课？
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。你无法保证给他精心设计的课程，在面对新的业务的时候，还是量身定做的。