加载中...
我们聊到一件正在发生、但很少被认真拆开的事：AI 把"做出一个产品"的成本压到了接近零，可这件事真正的后果不是"人人都能创业"，而是瓶颈整体往后挪了一格——build 不再是难点，被找到、被信任、被付钱才是。
感谢 the one and only @诶潘老师你说 一起co-host + 超级有趣insightful的分享！🥳
1. 顺序是：手做 → 可视化 → 自动化。
跳过前两步直接搭系统，你会把自己不理解的流程固化下来。先全部手做，你才知道卡在哪、瓶颈是什么；再把整个过程可视化，你才看得见全局。等到某个环节稳定到"我有信心它就是这么走的"，那一刻才值得自动化。你只能自动化你已经跑熟的东西——不熟的时候硬上，做出来的是一套精致的错误流程。
2. 用最贵的模型，省的不是钱，是技术债。
差一点的模型当下也能出活，但它埋下的问题会在一两个月后回来找你，那时候维护的成本远高于当初省下的订阅费。一个人做事最怕的就是回头返工——你没有团队帮你还债。
3. 不要急着做 Agent，先做内部工具和 skill。
一个务实的区分：skill 本质上就是一份写规范了的 prompt，是给通用智能的方向和 guideline，让它"按你的习惯做它本来就会的事"；内部工具则是一个完整的小产品，有既定流程、有界面，你是它的用户。绕一圈会发现，所谓 Agent 背后跑的还是同一个通用模型——
4. 模型做不好的地方，别硬抗，等。
中文文案是个现成的例子：目前几乎所有模型出来的味道都不对，怎么调都有 AI 腔。与其花几个月去驯服它，不如自己写、同时把精力放到别处——这件事的商业价值太高，模型公司一定会解决，可能下一次升级就好了。判断标准很简单：这是不是你的核心业务？ 不是的话，在别人的主战场上创新，多半是白费力气。
5. 自动化真正省下的不是时间，是注意力。
一个特别真实的细节：你只是想发条帖子，打开 App 的那一刻就开始刷，半小时没了。所以有人干脆自己搭一个后台，点一个按钮就发出去，全程不打开任何社交媒体，AI 把评论和反馈汇总成摘要交给你——你在运营这个平台，但你不需要"在"这个平台上。一个人做事，注意力是唯一真正稀缺的资源，日程表可以挤，注意力挤不出来。
6. 最好挖的机会是"用户量很大、但体验很烂"的老产品。
那些几百万人在用、评分还很高、UI 却停在十年前的工具类产品，就是现成的靶子。用户已经被验证过了，需求也不用再问，你要做的只是同样的功能加上现代的体验。别人替你完成了市场验证，你只需要把它重做一遍。
7. "什么都能问 AI"，所以 App 没用了？恰恰相反。
要打字描述半天、还要等它组织语言的场景，本来就不是 AI 该做的。真正高频的需求是：点开就有结果、上次的状态还在、三秒钟解决。这类场景 AI 反而更笨。判断一个工具还该不该做，看它是不是"要立刻要、而且要反复要"。
8. 速度本身就是产品特性，而且被严重低估。
同一个流程，点下去马上弹出来和转半秒圈，是两个世界的体验。这件事在技术上从来不难，难在以前没人愿意排这个优先级——大团队里"能用就行"的需求提上去会被砍掉。现在一个人加 AI 就能把它做掉，这就是过去做不了、现在能做的那一格空间。
9. 不要在使用习惯上做大创新，在每一处细节上做小改进。
用户的操作习惯是长期养成的，硬改只会让他们不适。有效的做法是每个地方都比原来好一点点——按钮的位置合理一点、动效顺一点、加载快一点。单看每一处都微不足道，加起来就是"这个用起来舒服多了"。
10. 转化率是个常数，先去看你的曝光量够不够。
同品类的转化率大致是固定的，一次性付费的产品从曝光到购买大约百分之一，已经算高。所以如果一直没卖出去，第一件事不是怀疑渠道没用，而是算一下：你的曝光量乘以这个转化率，本来就不到一个人。分清"没有效果"和"还不显著"，能省下大量情绪。
11. build in public 的真正收益是需求，不是销量。
社交平台上的人不是来买东西的，转化率天然低于应用商店——那里的人本来就带着购买意图。但公开地讲你在做什么，会源源不断地有人告诉你"我用的那个东西哪里不好用"。把它当成一个持续运转的用户访谈，而不是一个销售渠道，账立刻就算得过来了。
12. 定价简单到不需要解释，你就不用再做营销的算术题。
把价格压到一次性、极低，用户没有决策成本，你也不用设计试用期、不用做订阅挽留、不用算 LTV。代价是投流基本算不过账——但换来的是所有精力都可以放回产品本身。最简单的商业模式往往是最 scalable 的那个，因为它不需要你持续照看。反过来说，如果你算完发现投流永远划不来，那不是坏消息，是你的模式在替你做减法。
13. "先免费再在里面挖坑收费"这条路，用户看得穿。
刻意做一半、把关键功能锁在 pro 里，短期有效，长期是在消耗信任。同样是分层，前提得是免费的那部分本身就有真实价值、用户是自愿升级，而不是被卡住。
14. 找 KOL 的第一性原理：你要的是流量，不是这个人。
顺着这个问题往下推会得到一个很激进但成立的结论——如果对方的价值就是流量，那能不能自己起号、起一批号，把流量池做成自己的？视频生成的成本已经降下来了，这就变成一个纯工程问题，而工程问题 AI 能帮上大忙。做成之后它还可以复用到任何品类。
15. 但反过来看，KOL 卖的其实是现成的信任，那部分没法工程化。
他们已经积累的粉丝和可信度，是时间堆出来的。自己养一个号，等于在主业之外再开一个需要长期投入的项目。这里没有标准答案，是一道明确的取舍题：你是要买现成的信任，还是要花时间造一个自己的。值得注意的是，愿意免费帮你的博主，量级通常也不大；量级大的，你未必够得着。
16. 海外用户为"很小的痛点"付费的意愿，比想象中高得多。
一个具体到近乎琐碎的日常问题，海外用户愿意为它付一笔钱；同样的东西在国内市场，第一反应往往是"这个也要收费？"。这个差异直接影响你该先做哪个市场——也解释了为什么做 App 的团队出海比例，明显高于做消费品的。
17. 传统 2C 的那套打法依然有效，只是很吃人力。
精准匹配量级的博主试用、加上对路的社媒阵地（技术和极客人群在一类平台，垂类和生活方式在另一类），这仍然是不花钱渠道里最有效的组合。它没有被 AI 取代，只是还没有被自动化——而自动化的前提，还是那句话：先手动跑几个月，跑出规律来再说。
18. 现在的世界明显分成了两拨人，机会就在中间那道缝里。
一拨人在把 AI 用到极限，另一拨人还停留在最低档订阅、甚至完全没开始。这个差距不会自动收窄。新技术带来的红利，从来不是给最聪明的人，是给最早认真用起来的人。
19. 学 AI 没有捷径，你需要一个真实的项目。
没有要解决的问题，学什么都学不进去。反过来，只要手上有一个具体的项目，遇到的每个卡点都会逼着你去找方法，最后长出来的能力是你自己的。一个可以马上做的动作：回头看看你最近反复交代给 AI 的话——哪些是每次都要重复的原则（那就该变成 skill），哪些是每次都固定往下走的步骤（那就该变成工具）。
AI 降低的是执行成本，不是判断成本。
做出来这件事已经不值钱了，所以稀缺性整体转移到了后面三件事上——你看不看得见别人忽略的那个烂体验，你有没有一个不依赖别人的分发方式，以及你能不能在一个人的规模上，把注意力守住。
前两件事是能力问题，可以学。第三件事更像纪律：一个人做公司，最容易输的方式不是做错方向，是被无数个"顺手看一眼"耗尽。
感谢 @Sunny菊子 @Lingling Pan @Ashley @荣康 的参与和分享！
获取最新资讯与动态：
Copyright © 2026 RADHOST PTE. LTD. (UEN: 202450723N). All Rights Reserved.
