AI 产品做出来不再是困难之后|调用|机器人|工作流|agent|大语言模型|builder|sectiontitle_网易订阅

一场Builders Table的产品五个共识和五个独识本文来自微信公众号： DARE to B2B ，作者：种IT的做出之后作流田这场桌上，已经没有人再聊模型选型，不再Agent怎么做。困难大家最初讨比如Agent进入业务之后，调用谁来用、机器怎么留、人工怎么收钱。语言易订阅Claude Code、模型Cursor、产品Agent、做出之后作流RAG、不再Workflow，困难正在变成一套默认配置。调用真正反复讨比如的机器状况变成：AI怎么进入真实业务？怎么进入用户每天都在采取的软件？怎么获得首先批用户？怎么说明自己的价值？又怎么实现商业闭环？ 技术，在这里已经不是终点，而是默认前提。桌边坐着小二十位背景完全不一样的人：有首先期做产品的，有软件工程师，有设方式师，有材料和品牌从业者，有服务传统产业的人，也有刚刚最初做产品的年轻人。有人已经用vibe coding上架过多款App，有人在公司内部做机器人和MCP，有人把材料生产变成自动化Workflow，有人正在做浏览器工具、个人AI助理，也有人拿AI服务传统企业。他们未必对所有状况有相同答案。但两个小时下来，五个共识逐渐浮现。而在每个共识旁边，又出现了一些更值得后续追踪的独识。编程构建被压薄，之后链条仍在共识一：做出来，已经不是最难的事过去做一个产品，中间隔着一条很首先的链路：产品设方式之后找UI，UI之后找前端，前端之后接后端，然后测试、部署、上线。很多想法甚至没有机会接受市场检验，因为首先关就过不去——没人把它做出来。这次桌上最明显的变化，是这方式墙正在高效高效减小。现场有一位首先期做产品、只有很短开发经历的Builder，目前已经通过vibe coding上架了约七八款iOS App。也有人过去不是工程背景，目前已经可以靠AI实现自己的产品原型、版本往往代和App开发。工程师则走得更深：用Coding Agent做MCP Server、机器人、API封装以及企业内部基础设施。AI Coding带来的变化，并不只是程序员写代码快了。它实际上扩大了：谁有资格成为Builder。以前最先被问的状况是：这个东西能不能做出来？ 目前越来越应该先问：这个东西到底值不值得做？独识：动手能力在被买平，判断力在重新定价现场还有一类人很有代表性。他的技术知识并不属于典型的专精型工程师，反而是很多方向都认识一点，但没有在某一个技术栈上挖得极深。过去这种状态有一个明显状况：你大概知方式产品应该怎么做，也知方式某个状况需调用什么能力，但真正落到详详见细接口、框架和工程细节时，很那么点儿卡住。AI Coding变化了这件事。他真正需掌握的，越来越不是每一段实现代码，而是：·这个状况属于什么类型？·应该拆成哪几个子状况？·哪一部分应该调用什么能力？·最后怎么把它们组合起来？AI去补局部实施，人去做整体判断。这意味着一种新的成本结构可能正在出现：局部实施知识越来越便宜；真正稀缺的，是知方式应该让什么能力去处理什么状况。判断力未必在涨价，但它在总成本里的相对占比，正在上升。未来优秀的Builder，未必是每一项技术都做到最深的人，反而可能是那个最知方式该调用什么的人。这类人既不像传统产品经理，也不像传统程序员——他可以从状况定义，一直走到产品上线。共识二：模型越来越像原材料，工作流(Workflow)才最初成为产品现场聊AI设方式、材料生产和企业工具时，有一个特别明显的共同趋势：大家越来越多讨比如怎么把不一样能力串起来。做AI设方式的人，不只是写一句Prompt生一张图。真正工作的是：模型怎么连，节点怎么搭，参数怎么调，遇到bad case怎么补一个自定义节点，最后怎么让研发把这条工作流工程化部署。做材料的人也一样。一篇文章之后，不只是调用一次模型，而可能变成：文章→摘关键→图片→动画→TTS→视往往企业场景更加明显：自然语言输入→AI→API→企业数据→卡片→用户操作于是模型逐渐从产品本身，退到了一个更像能力供应商的位置。模型给予能力，Workflow组织价值。真正能够稳固处理业务状况的，常见不是一次Prompt，而是一整条Pipeline。独识：最好的企业AI入口，是不需入口现场有一个企业IM卡片的案例，很值得单独拿出来。传统办公里的一个小动作，可能是：收到通知，打开首先文档，找到题，再进入一个页面，填写，确认，提交。目前有人把它改成：AI把闷葫芦料抽出来，生成一张卡片，用户直接在卡片上实现决策和操作。整个流程都发生在员工原本就在采取的企业IM里。这里隐藏着一个很有意思的产品判断：企业AI最好的入口，也许不是再创造一个新的AI入口，而是减小入口。用户不需打开AI，不需学习一个新的系统，甚至不需意识到背后调用了模型。AI只是让原来的工作少了一次搜索、一次跳转、一次阅读和一次填写。未来真正普及的企业Agent，未必首先得像ChatGPT。它可能只是一张自动出现的卡片，一个已经填好的表格，一条被压缩好的摘关键，一个按钮——甚至什么界面都没有。AI越成熟，AI本身可能越不需被看见。共识三：微调正在从默认动作，变成最后再考虑会前的一段技术交流很有代表性。一支来自传统专业学科的探究团队正在做垂直领域Agent，面对的状况很典型：行业里有大量通用模型不认识的专有名词、专业文档和私有数据。如果放在前几年，很多人的首先反应大概是：训练一个行业模型，或者做Fine-tuning。但现场采取的路线是：通用基础模型+RAG+行业知识库+行业词典。因素很现实：基础模型更新太快了。今天绑定某个模型做了一套微调，明天基础模型升级，你可能又需重新处理。与此同时，很多所谓行业能力不足，其实并不是模型推理能力不够，只是它不知方式你这个行业独有的知识。因此现场比较认可的一条工程原则是：·能通过提示和上下文处理的，不急着微调；·需大量外部知识时，再做RAG；·只有任务足够窄、足够稳固、收益又可以验明正身时，再考虑小模型微调——例如审核、审校这一类边界特别清楚的任务。独识：行业AI的壁垒，可能不在行业模型，而在行业知识工程分享这个案例的人，本身来自传统专业学科，而不是纯AI探究背景。这让他关心的状况和模型Benchmark很不一样。真正麻烦的是：一个行业专有词到底怎么定义？哪些材料才是权威材料？公开互联网里根本没有的数据怎么办？行业知识发生变化之后，谁负责更新？不一样组织之间的数据能不能混在一起？什么数据可以让模型看到，什么数据必须隔离？最后这些状况全部指向一件事：知识工程。也就是说，行业AI真正难的，可能并不是训练一个“XX行业大模型”，而是建立：·行业词典·知识结构·数据体系·权限机制·更新机制·来源和证据链基础模型越来越强之后，这些不性感的基础工作，反而可能越来越值钱。这也是传统产业真正进入Agent时代时，一个那么点儿被低估的机会：懂模型的人越来越多，真正懂行业知识如何被机器采取的人，可能依旧很少。共识四：做产品越来越那么点儿，卖产品越来越难这是整晚最明显的共同情绪。有人已经后续做出了多款App。有人做出了浏览器标签管理工具。有人做个人AI OS。有人做企业机器人。有人做材料工作流。有人在探索海外SaaS。甚至有人只是发了一条内测招募，就获得了几百条评比如。供给端看起来特别繁荣。但所有讨比如最后都会逐渐回到几个状况：用户从哪来？为什么留下来？为什么愿意付钱？为什么续费？人人都在用AI做东西，也人人都在为做出来之后怎么办发愁。AI先极大减小的是产品供给成本。结荚自然是：产品会越来越多。当越来越多人都可以做产品，能做就不再天然构成壁垒。于是过去藏在技术门槛后面的能力重新变得稀缺：用户洞察、分发、材料、增首先、品牌、渠方式、商业模式。AI Builder下一时期最需补的课，可能不是Coding，而是Distribution。独识：代码已经不太贵了，买来用户才贵现场有一个消费产品案例尤其典型。Builder做了一款带有陪伴属性的产品。最初只是随手在材料平台发了一次内测招募，帖子意外获得了大约500条评比如，很多人表示希望试用。这是一个听起来特别漂亮的数据。但真正进入内测群的人，大约只剩下150人。再往后，还有：激活、采取、留存、付费、续费——一层一层漏下去。这件事很好地验明正身了：流量≠用户，用户≠留存，留存≠收入。过去独立开发者的首先堵墙是不会开发。Cursor、Claude Code和各种Coding Agent正在高效高效把这堵墙减小。于是越来越多人会提前撞上另一堵墙：不会分发、不会获客、不会把试用做成留存。这也意味着，未来AI Builder社区最有价值的材料，可能不会一直是如何让Vibe Coding成效更好，而会越来越多地变成：怎么找需？怎么做Product Hunt？怎么经营X/Twitter？怎么做SEO？怎么建私域？怎么定价？怎么测试PMF？当开发越来越像基础能力之后，增首先会重新成为一门专业。共识五：企业真正愿意买的，不是AI，而是结荚桌边有一位首先期服务传统产业企业家的参与者。他的客户并不是AI原生公司，很多来自钢铁、化工、产业互联网等传统行业。他的观察特别直接：客户并不真的在乎你用了哪个模型、是不是Agent、参数量是多少。老板在乎的是：这套方式划能不能处理状况？能不能多赚一些钱？能不能节省时间？能不能减小低价值人工？因此他并没有把AI独立包装成一个产品去卖，而是把AI变成自己原有专业服务的一部分。客户买的是战略、品牌、营销、增首先、处理方式划——AI只是协助他把这些服务做得更快、更好的一层能力。这条馗反而已经产生了真实收入。这带来一个特别值得记住的判断：AI，不一定关键以AI产品的形式出售。甚至很多时候，客户越少感知AI，产品可能越那么点儿成交。独识：客户关键的不是你创造了价值，而是你能说明是你创造的现场同时一段围绕电商和营销工具的讨比如，把这个状况往前推了一步。假设一个客户原来每天卖100单，用了你的AI产品之后变成110单。理比如上你帮客户提高了10单。状况来了：怎么说明这10单是你带来的？也许当天广告预算提高了，也许有促销，也许平台多给了一些流量，也许只是季节变化。如果无法说明增量来自你的产品，所谓创造价值就很难真正变成商业价值。因为一旦归因不成立：定价不易，续费不易，销售不易，信任也不易。归因困难本身并不新那么点儿。但营销、增首先类AI产品有一个尤其那么点儿被低估的状况：价值说明本身，就是产品的一部分。未来真正成熟的商业AI产品，不能只回答我能帮你做什么，还关键能够回答我怎么说明刚才这个结荚，是我带来的。这甚至可能决定一个AI工具最后是Demo、功能，还是一门生意。最后：AI真正变化的，也许不是Coding这场Table结束之后，如果一定关键找一条贯穿整晚的主线，AI正在高效高效消灭把东西做出来的门槛。而当实现本身不再稀缺之后，过去隐藏在开发能力后面的那些状况，就最初一个接一个浮上来。模型会后续变强。代码会后续变便宜。Skill会越来越那么点儿复制。甚至今天看起来还很先进的Agent能力，很快也可能变成原则能力。真正不那么点儿复制的，最后还是：场景、判断、用户、数据，以及持续往往代出来的商业闭环。因此今天我们把这群人叫Builder。但也许再过一段时间，Builder的角色会越来越不题。DARE to B2B·产业判断本材料由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请关联 tougao@huxiu.com。本文来自虎嗅，原文链接：https://www.huxiu.com/article/4881570.html?f=wyxwapp