2026-10-27 · 第1场直播

这场讨论从真实业务切入，串起AI服务的获客、岗位交付、知识积累、软件工程和视频产线。案例中的实际做法、效果自述、现场建议与未解决问题分别保留；不同客户和团队的经历各有归属。

1. 先从实际业务找到AI的价值

馒头新品的试作反馈：建议要回到现实验证

主持人的判断是，能让实际工作更省事、降低成本的AI使用，就已经属于落地。优先用大公司的成熟工具；只有现成能力确实不能满足需求时，再谈定制智能体与工作流。不要把工具的复杂度当成价值。直播转述的馒头店老板用豆包处理新品、客户和员工问题，是这一判断的具体例子。

主播转述西安馒头厂老板用豆包建议巧克力、糖等配比，实做后反馈口感不好，再建议再试，两三次改出新品；还用AI问片区销售方案、生成与老板交流话术，自己执行。没有配方和销售数据，具体工艺参数仍未披露。低糖馒头是需求设想，其健康适用性没有证据。

AI工具普及不等于商业结果相同，懂具体业务环节的人更容易发现优化机会；程序员有定位bug与生产级判断优势，但商务、获客能力需互补。年龄友好只是讨论观点，不推广成年龄招聘规律。

执行快一点，还是决定快一点

一位参与者将降本增效拆成time to execution和time to decision：前者让员工按流程执行得快，后者汇合ERP、CRM等数据，解释收入下降在哪里、帮助老板判断怎么改。小企业常先买能执行的工作流，大企业可能有跨系统决策分析需求，这是其客户定位观点，不是绝对按企业规模分层。具体业务有哪类瓶颈比公司大小更重要。

他也提醒纯工作流交付若被客户学会，很难一直收更多钱。可复用的经营问题是：持续收费对应持续维护、变化处理与可验证业务价值，而不是把一次性搭建硬写成长期壁垒。

2. 摄影传媒转AI服务：从老关系获客到岗位工作台

朋友圈作品、现场演示与两个不同客户

一位原来做企业/景区摄影、无人机宣传的从业者说，旧业务下滑后于四五月开始探索AI。获客动作并不复杂：持续在朋友圈发每天不同的作品，让老关系看到能力变化；熟人主动问，再到企业现场打开电脑演示，随后进入合作。他说已经签约收款，费用不高但有利润，未披露金额。后续澄清涉及两个客户：一个企业集团，以及朋友经营的约120人后台客服外包团队；下文分别说明两家的需求。

观察一天岗位，再做桌面工作台

这位服务商的做法是到企业观察员工一天怎么工作，再为不同岗位制作桌面工作台。每台电脑或岗位放适配的Agent，业务数据汇入较大的数据库，需要的数据在部门间流转。他使用Codex生成界面，后端模型选DeepSeek以控制成本；“围栏”指给输出设限制，但没有足够信息把它认作某个产品。

集团宣传部门原来用豆包给领导写材料，服务商说加入约束后，可以三分钟生成一篇并提供五个版本。这是其效果自述，没披露原稿长度、审核修改量或质量测量。约120人的另一客户做全天后台客服/电商售后，老板希望减员，服务商观察到业务分布不均：约四条业务，其中两条较弱。减少人力是客户目标，实际裁员与节省额没有披露。

现场还讨论把历史销售、客服聊天里有效的模式与产品知识提取到知识库，给Agent业务目标与多样案例，而非只写死问候语。双方认可这一方向，但没有展开微调、数据清洗与权限实现；执行层究竟用RPA还是协议也仍未回答。

按岗位起步，还是先做企业统一管控

现场有人建议用Workbody（转写名称，准确产品身份待确认）企业授权、本地Agent与席位销售，并口述可拿10%佣金；还提到超管统一看角色、对话和分配模型。另一位服务商强调，自己服务的县域客户才刚开始用豆包，需要按岗位分别解决问题。两者并非谁必然更先进：前者偏统一采购、审计与管理，后者先把具体岗位跑通。10%佣金与企业管控能力属于现场介绍，实际销售政策以合作协议为准。

服务商另提到培训学员，再由客户雇佣这些人，按月承担各部门维护。这里披露的是服务组织思路，没有给出学员人数、劳动关系、月费与服务等级。另有三四人团队、技术与社交型角色配合的建议，并未说明已经组建完成。

演示建立信任，服务仍要落到业务

客户看到桌面工作台的设计会感觉专业，现场也谈到这对展示、品牌甚至融资叙事有价值。展示价值与后台流程是否跑通，是两项不同的判断；现场并没有融资结果。服务商没有说清底层开源项目名称与许可；“GitHub上有”或“有些项目是MIT”没有说明这套系统的授权范围。可复用的经验是敢于带作品演示、展示业务理解，同时把可信度落实到能解决的问题，而不是只卖视觉冲击。

3. 保险经营者自建理赔后台：业务理解怎样缩短开发路径

一位保险业务负责人把需求讲得很具体：前端网站原由外包制作，后端理赔依赖Excel，老板每月要问经理才能知道数据。想看到每个赔案进展、不同企业/险种的案件发生情况、伤人或财产损失与赔付信息，以帮助质量监控和产品判断。配送、保洁等人员附带保障是他解释业务的例子，并非现有客户名单。

原外包报价约20万元。他因为熟悉全套业务，用豆包编程连续做了两个晚上，再让员工使用反馈，约一周测试部署。他口述系统已正式运行、每天“几万条信息”；没有说明记录类型，也没有并发与稳定性的测试证据。投入提到服务器、域名和少量会员费，没有给出总成本。软件生成两个晚上，不等于两晚上就完成上线。

有人问他愿意付多少钱，他说如果在自研前有人上门，2万元会愿意付。这是反事实购买意愿，既不是已成交的项目价，也不是保险行业统一行情。他暂时无精力卖给同行，先解决自己公司的问题。主持人另举了电商平台的类比：有老板打算低价让同行使用平台，从平台数据观察同行选品。这不是这位保险经营者已经实施的SaaS方案，也不是保险客户数据可供同行分析的证据；平台数据权利与授权范围仍未说明。

4. 技术服务创业：投流、培训与交付能力怎样一起算账

放大广告之后，交付与人员管理成为瓶颈

一位有AI/计算机视觉背景的创业者复盘了多次创业。第一次与四位创始人平均各25%股权做词汇App，遇到无人能最终拍板、推进慢，项目失败。这是其治理经历，不是所有公司都必须由一人绝对控股的结论。后来做软件外包和投流，再做某种“龙虾/OpenCall”安装服务，单价原话199/299口径未清，尚不能确定套餐口径。

他自述早期线索约20元，约四条线索成交一单，同时口头说约20%转化，属于粗略口述，两者不能作为精确的转化测量。高峰每天五六十单，“花1元带来5元、甚至8元”指收入回收，不是扣除获客与交付后的净利润。加大投流后交付跟不上，招了三位远程全职，底薪3500元加项目20%提成。三四个月后，管理能力、人员效率与广告成本同时暴露，最终并没有赚到很多钱。

后来转向FDE咨询、培训与交付。他的获客来源包括多平台直播和短视频、朋友转介绍、线下FDE活动，近期投流仍不稳定；不会投时一条线索100至200元、还不能成交。经验不是“掌握投流就可复制”，而是广告、成交、交付、远程人员管理必须算在同一账里。

新公司股权有100%持有，也有97%加3%顾问的安排，后者顾问为有上市公司经历的人。它只是讲者的新尝试，未披露治理成效和条款。

细分培训人群与收入组成

前述创业者转述一位文科背景的朋友，给国际中文教师教豆包、Workbody等工具，一小时收费3500元，全年收入110多万元。其中特别说收入包含OPC比赛等来源，不能把110多万元全算成课时收入，也不能以此推出培训普遍高利润。值得保留的是：明确人群与他们的日常任务，可能比泛泛教“AI工具大全”更有付费场景。

5. 获客与商务合作：找对客户，也借到真实信任

用国内内容触达海外华人

主持人转述一家门业企业的尝试：面对海外做生意的华人，以及会中文、已经与中国贸易往来的外国客户，仍用国内抖音做内容与直播。在视频定位中选择目标海外城市/国家，如利雅得或非洲城市，再做对应地区推广，视频曝光后由直播承接咨询。开播安排跟随目标客户的时区；原话出现“四五点到八九点”，没有明确早晚和哪一时区，因此具体排班仍不清楚。

这个例子的重点是先找客户实际在哪里，再用现有渠道验证，而非一上来认定外贸必须独立站或TikTok。讲者没有提供推广费、线索数和成交额，“成本低”仍是转述判断。门业品牌近音不确定，品牌名称尚待确认。

先看已有系统与供应商，再决定是否进入

一位有保险经营背景的参与者去义乌商品批发企业看需求，对方已有仓库PDA收货和履约系统，还想要库位、补货路线、配送导航等能力。聊到后面发现，原系统供应商已经提供AI平台，系统基础也较好，他于是判断独立小团队不适合继续追。关键不是“客户有需求就接”，而是问清已有系统、已有供应商为什么不能满足、服务是否差或价格是否过高、客户是否真有预算，以及小团队能否承受长周期。

ERP实施者提出反例：如果本来就熟悉大企业系统与业务、已经建立信任，补一层AI可能成立。因此结论不是小团队绝对不能服务大企业，而是陌生进入与已有交付基础不同。另一个现有制造业软件商希望向算力服务商买聚合API/私有化能力，通过背靠背合作守住老客户；其第一目标是维护已有关系，而非立即靠AI赚新利润。全行业API都开放是现场泛化说法，未被核实。

6. 私有化项目：服务器、检索与训练分别解决什么

宠物跨境电商：供应商交服务器，客户研发接业务

一位AI服务商销售人员介绍宠物跨境电商客户：企业内部研发、IT团队希望做AI，另设AI创新/FDE性质角色连接业务与供应商。其所在供应商先交付服务器、本地算力、开源模型部署与调优；业务集成与Agent主要由客户自己的研发团队做，供应商在第二阶段提供咨询。后面提到光服务器一百多万元，但没有型号、配置清单、合同与验收，不可做采购报价参考。

这揭示了一种分工：懂业务的企业角色确定需求，基础设施供应商解决部署，内部团队做业务接入。直播里销售人员明确说自己不是技术工程师，技术判断不能视为其亲测结果。70%吞吐、百万token变两百万等是解释调优的举例，不是这个项目的测量。小模型加RAG从65–70分到95–98分也是提问者假设，并未实现或测量这个准确率。

RAG、微调与企业资料的不同用途

讨论中有人想用4090、千问小模型、向量库与embedding来处理不能外传的技术文档；型号版本口述有明显不稳，不足以形成硬件选型单。私有化是数据处理环境，RAG是检索后辅助回答，微调是训练路径，三者不能互相代替。另一位销售人员做新能源电池企业方案，提到千问、Pro6000、先汇集各部门资料，未来供本地训练使用：这是方案阶段，未证明已经部署或训练。

若目的只是留训练资料，搭文档数据库与做RAG服务是两种投入。现场建议把RAG答案交给业务人员逐条评价，积累“问题—回答—评价”的资料，可能比只有原始文档更适合后续优化；这是设计建议，没给出已跑成的数据集。不同意见也要保留：有人认为语义检索有价值，有人强调关键词检索就足够；选择应回到真实查询任务，而非宣称RAG只适合固定问答或本体论能解决所有决策。

数据中心人员描述自有机柜线路、几十万元硬件投入，做内部Agent、向量库和微调。检索结果不好时，有人建议先看embedding/re-rank；当事人补充需求是公司架构、运维优化、故障后出方案，基础模型知识浅，需要自有业务数据训练，愿意牺牲部分不需要的通用能力。另一方认为足量知识库可满足文本需求并称微调方向错误。讨论没有检索/训练数据集、对照评测或成本证据，不能判定微调必错或必需；也不能把检索不准与业务输出不适配当一个问题。

“我们Agent已AGI”被当场反对，没有测评，保留为宣传性自述而非认证。

机器人混合包裹码垛也被用来解释非标程度：圆形、三角形和大小不同的包裹，会增加识别与处理复杂性，从而影响投入产出。“大多数机器人都噱头”则是现场泛化评价，没有行业证据。

7. 知识库怎样产生复利：先有任务，再存经验

三轮自动化之后，仍然没得到想要的知识

一位参与者为了让知识产生复利，做过三轮方案。最初让“龙虾”记录行为、生成文档与文字稿，觉得收益不明显；后来用不同目录保存Markdown，把各工具生成物主动放进临时目录，再让AI定时分析为知识源，存入另一个源目录。AI调程序不满意，又做程序调AI的知识管家，并写Skill让不同AI都能读同一批知识源。尽管通道打通，仍觉得效果不好、token消耗大：一个问题聊一天，每次再调大量历史文件，成本越来越高。

这不是“完全没做知识整理”，而是已经做了多轮自动化，却缺少明确优化目标。讨论后他意识到：想提高哪类工作结果、何种知识会改变结果、以什么指标评价，必须先于“把所有文档保存”。跨工具共用文件解决可访问性，不自动解决选择与提炼。

个人偏好、工作流记忆与公司业务逻辑

现场最具体的分类建议是：个人偏好保存“希望更深入思考、怎样说话”等；工作流记忆保存某个反复任务的目标、提示词、约束、判断对错的标准和该任务历史；公司知识还需表达业务对象与决策关系。不同类别不应全部混进一个总MD。

例如某次特殊业务给某人20万元，平常是10万元；若每日自动整理把例外覆盖成通用规则，第二天就会错。需记录适用条件、与旧规则的冲突，不能任凭两份矛盾文本同时被检索而无取舍依据。偏好可以在Agent启动时加载，任务知识按任务需要取，不必每一步全量重新读。有人把这种分类表述为preference、workflow memory、ontology和底层资料检索；这是其设计观点，不能等同于所有Agent的标准架构。

一位实践者使用的循环是：执行Agent与复核Agent分工，把人的反对意见、工作标准记到项目偏好中；每天凌晨一两点定时读当天对话，提炼工作偏好与决策理由，更新总Markdown，次日再让Agent加载。这个流程体现文件记忆更新，不是模型权重训练；自动保存也仍有把偶然事件永久化的风险。

开发者的思路是从交流中提取事实型记录，例如谁在何地做了什么，保存主体、地点和事件；另存兴趣与偏好变化，再结合情绪识别让回复更贴近使用者。情绪判别提到“GEV”小模型，身份未明；识别准确率高、记忆后就懂人均是其判断，没有评测，也不等于治疗心理问题。

这带出一种架构区分：交互模型可用外部API，记忆资料则由自建程序保存，不必须与某个模型权重绑定。但“只接API其他不用考虑”忽略长年数据存储、权限、服务持续性、迁移和成本，原文并未给完整方案，也未证明记忆能永久保存。

数字人保留老人故事、性格、做数字家谱并让后代交互，是延伸设想；开发者先说现在可做，随后自改“现在技术应该可做”。市场方又指出几十年后可能有价值不等于今天能活下去，要确定当期需求和谁愿付钱。保留这种长期愿景与现金流之间的冲突，不认证“数字永生”、继承权或几十年服务已实现。

原文更新、检索同步与冲突处理

公司原始文档更新后，如果另有embedding数据库，索引必须同步，否则回答继续引用旧版。还要回答同一问题出现两份不同结论时信哪份。现场对RAG的质疑不是不要保存资料，而是新增语义检索之后，是否解决了关键词查找做不到的问题，是否值得同步与冲突处理成本。

设计知识系统时，应把“为什么保存这类文档、什么时候调用、取出后做什么”讲清楚；要生成回答还是只需准确定位资料，是不同需求。文档越多不是当然越好，历史合同可能有漏洞，销售话术也可能只是低转化坏习惯，不能只因来自公司内部就当优质知识。

电商图片Skill：围绕点击率补资料

一位电商从业者说，公司用Skill解决具体任务，例如产品图必须满足哪些尺寸与呈现要求。对生成图点击率不如同行的问题，再收集同类商品的优秀图，分析差距，把有价值数据放回这一个生图工作流。输入是自己与同类商品的图及表现，输出是针对这个任务的约束与优化，而非把外贸、跨境、小批发等所有业务资料混在一起。

这里没有给出点击率提升数据，也没披露图片工具、批量测试与投放方案，尚没有已验证的A/B测试方案。真正可学的是把知识与目标绑在一起，不以资料总量衡量价值。

新规律要回到旧任务验证

讲者用“同一问题处理300遍，其中250遍用相似模式、其余是边缘个例”解释工作流改进。数字是例子，不是其项目统计。先找共同模式，记录适用条件与例外，再把新Skill/知识带回原来场景重跑，检查是否能复现或更好。这一步在原文称backfill，关键是回放验证，不应仅因新一轮回答更顺眼就把规则升级。

他提到公司开源的“Harness Square/哈密斯平方”项目：在原有Agent运行框架外再包一层，按结果定位要改系统提示词、记忆还是Skill，修改后重新运行，回测旧任务，稳定后继续检查。他自述这是公司项目而非个人项目。前面名称被转成HoneyScript/Honest Tool等，后文英文更清楚；目前没有给出仓库地址与许可，现阶段可把Harness²作为待确认线索，能力尚未独立验证。改提示与文件记忆的递归改进也不等于模型参数再训练。

一条零散的客服提效线索来自“林木子”中间件：讲者说它保存此前计算结果，供后续复用，以减少重复生成和幻觉。缓存原词“长箱/长香”不清，没有足够信息确定具体算法。

8. 万元内容服务的履约账：报价之后还有使用、培训与维护

四人跨境团队：两周开发，长期远程支持

一位四人团队服务商从抖音获客，主要做跨境客户的视频内容与分发/获客工作，常见一万元，最高两万元。他说约两周做出来，一个月约四单，但交付后还要看很久。自己觉得省时间，客户却因各种问题不使用；已做两次中途培训，仍持续远程培训和优化。客户收入增加、成本节省暂时还不能验证，“客户花一万应带来十万效益”只是他人提出的期望。

后续澄清，有的线索/获客看板他只能卖几千元，并非所有看板都卖一万元。某书、某音素材采集触发封号，换过浏览器仍头疼，说明表面“把视频丢进去发布”的交付包含平台稳定性和培训成本。这个失败条件说明，平台规则和账号稳定性仍是交付风险。

现场意见有分歧：有人认为价格应按当地市场、复杂度与快速周转看，不能只追高客单；有人认为四个人每月四万元毛收入难支撑；也有人建议先陪客户长出效果与升级需求。建议寻找对客户增长真有影响的场景，基于已经跑通的人工获客流程加速，而不是替客户发明他自己还没想清楚的赚钱模式。合作、挂靠有资质服务商是建议，未发生签约；既有技术又能销售和交付才可能放大订单，并非个人IP绝无大单机会。

理发小程序：两万元收入对应一年维护

另一位服务商举AI理发小程序：最初客单两万元，答应维护一年，每周更新功能。他会观察老板朋友圈关心什么，再思考小程序能增什么功能。这里没有披露小程序具体业务功能、续费、实际升单与利润，不能编造裂变/预约SOP。可保留的动作是服务后持续发现真实需求，建立信任；同时每周更新与一年维护是实际履约负担，不能只记两万元收入。

9. 把客户反馈接到开发迭代：自动化真正连接到哪一步

这位服务商自述，交付前先与客户拉“泡泡群”，系统监听群内发言，将需求/反馈交给AI分析，驱动开发或迭代；团队主要维护和升级这套开发系统，而非每次人手转述需求。追问确认，不只是AI出回复再由人复制，而是AI去处理和优化。他说入口最初用RPA，后来改为纯视觉，并没有开放接口。

无效消息筛选、验收、人审发布、回滚和授权管理，现场没有完整回答；自动迭代能力目前以服务商的自述为据。所谓流程中断成本高出一千/一万倍是强调人的等待与重复切换成本，不是测量结果；AI一直运行、token买得多，并不自动意味着生意更好。

10. AI原生公司的产品与渠道：PC定位、OEM和本地化

该服务商说自己是AI原生公司的技术负责人/CPO，公司有软硬件定制、企业解决方案、三个主要产品，以及快产品线；快产品线做过接近200个产品。他说自己客户端有接近200个Agent/数字员工，两种“接近200”分别指产品与Agent数量，都不是活跃用户或收入。他还说有Agent自动关注云厂商促销并购买，未披露授权、额度与风控；可作为自动化采购构想/自述，不是人人应照做的支出流程。

产品名多人近音不同，随后有人明确拼出“M-Y-N-A点Bot”，可据此继续查找产品。所谓当晚AGI alpha上线、全球第一个AGI级Agent，以及“全国前十”等介绍均为宣传/评价，没有独立验证。团队曾做to C，认为单价高、产品依赖PC，普通用户需求不匹配，因此重心转企业；“毕业后多数人没电脑”只是其市场判断。

他们说支持企业OEM、贴牌、本地化部署。有运营商背景参与者提出希望合作服务当地客户，约后续详聊，此处没有已成交渠道单。模式是渠道带客户与关系，技术方提供产品支持及交付。企业大单仍看产品质量与资质，国企背景不代表每种企业项目都天然有优势。

11. 资源不等于结果：云优惠、算力资产与商务渠道

有人集中购买智谱、百度云、京东云、天翼云等平台token，借厂商补贴降低成本；另一人反驳成熟业务专门盯优惠会耗维护精力，利润足够时价值不大，初学者预算紧才可能有意义。也有人把监测活动自动化。这些选择取决于维护投入与业务利润，并没有免费额度永远可用的保证。

运营商、国产算力的讨论存在明显冲突：有人批评闲置、生态与使用效果，有人指出部分正规企业确实在用，也有人说算力作为资产涨价。不能把“闲置也升值”当真实业务已创造价值，更不能由部分闲置断定全部国产集群无用。评估应用收益、资产收益与采购资格是三种账。

一位参与者试过通过中介资源获客，发现对方不愿因此认识陌生服务商。FDE通过助贷中介获客的提问里，主播纠正：与已获企业信任的中介成为利益共同体，让对方参与商务、拿合作或居间分成，自己负责交付。单拿电话号码通常拿不到关系背书，也可能拿到对方没谈下来的企业。企业缺现金同时可能需要降本增效，但是否付得起、真实回款能力仍须独立核实；不能由贷款关系推导客户一定可付费。主播称已有直播间反馈，未给合同或转化统计。

海外支付与收款也要区分：提问者要付模型订阅、收X收入并准备出海；主播说个人外币卡的分享主要用于境外消费，不等于各种收入可收。现场关于五万美元限额、银行卡及汇款产品是口述政策，不用作现行银行规则或跨境经营的执行方案。

社群的价值主张是筛选真诚可靠、分享、尊重契约及长期合作的人，解决找伙伴、融资对接、项目卡点；有进有出、人数克制。它是社区运营原则，不能因主播称拉黑骗子就认证社群从无风险。

12. Computer Use：结构复用、视觉识别与浏览器事件

先学一个图标，再减少反复看全屏

客户的跨境运营Agent在Chrome等浏览器可用，但某个封闭小众浏览器没有可捕获响应，逐截图分析太慢。开发者把路径分开：网页可取得标签结构时先分析代码并精简；桌面交互区需定制，首次把图标截取、让AI分析含义，保存图形→含义映射，以后识别已学图标，而非每次全图重新推理。曾试实时YOLO训练是其自述，未有代码或速度测量。

另一人建议大视觉模型做精准分析和分类，把结果交小模型识别，小模型只判断“是/不是”，执行交Agent或后端逻辑。0.2B或十几MB只是选型建议，不是已验证通用桌面识别规格。关键是先跑通一个图标学习与交互全流程，再把学习机制注入Agent；仅在提示词里写“自我学习、自我迭代”不能代替缓存、训练/识别和执行链路。

剪辑等领域仍需有人判断中间结果：不懂剪辑的人无法发现错误。现场“AI不能从零教会”与“要么从零做到一”是个人对学习和交付的判断。可复用经验是每步应有可检查产物及懂业务的纠偏者。

原生弹窗、网络取数与Agent观测分开处理

开发者称Manabot内置自研浏览器，必须处理文件选择框与alert等原生弹窗；AI发起选择与人工操作的界面还要区分。只具备网页点击并不覆盖系统原生文件选择。该能力为作者说明，无独立测试。

网络请求监听用于理解网页数据获取规则，有时可写确定性代码取数，避免逐页渲染、点击再读数据的token开销；另一人提监控Agent调用工具、参数和token，用“longcha/longsmith”近音工具。两者是网络层与Agent可观测层，不混为同一能力，也不猜正式项目或提供未核链接。只讨论有权访问的业务数据。

MYNABOT.CN、早名“百灵”、sourman/sorry man/Doraemon点net均是现场口述或转写；有人链接无法进、下载异常与客户端缺key，有人正常。故这些入口的可用性与相互关系仍待确认。

电力截图需求：Skill没有远端权限就无法执行

电力项目框架只允许文档工具、知识库、Skill及本地Python，不允许插件、MCP、Java外挂或微服务；需求却是另一系统截图。先确认截图对象和Python不在同一环境、远端又不能执行代码或提供图片流后，参与者判断当前约束下做不到。中途“本地有Python就可以”只适用于目标在同一可执行环境，后面的环境澄清改变了前面“本地Python就可以”的判断。正确做法是把环境、工具、目标及权限列清，与商务和客户澄清约束；仍须遵守客户的网络与工具边界。

13. 软件开发提效：任务边界、工程记录和运行链路

生成代码提效，与增加AI入口是两种价值

软件企业后端人员说产品先出可交互Demo，再让AI生成传统应用代码，AI辅助测试，人纠正细节和性能并补开发经验。过去一周的工作自述缩为两三天，可同时两三个需求，没有项目统计。使用Code Buddy、Work Buddy及阿里Code国际版等是口述，近音产品名不强制归一。

他们试过AI应用创建工单：模型思考约10秒还要调接口，而人点页面约5秒就完，故未继续。这说明编码用AI提效，不等于给最终用户增加自然语言入口就有价值；任务延迟要与现有操作基线比较。

另一实际内部项目是2022年共用书签网站：按项目、迭代、目录及tag归类，团队共同维护与搜索，减少系统多、账号多时翻文档。后来将创建网站、分类、tag等能力暴露MCP，接团队开发工具，用户可直接问入口或维护归类。作者称GitHub已开源、有公网和自部署版本，但未给名称地址许可，仓库仍待确认。涉及账号只记授权信息索引，不公开凭据。外部推广未成，内部团队使用好，是不同市场结果。

业务、商务和技术怎样协作到最后交付

主播建议懂业务、懂商务、懂技术组合，两三人一起听客户可减少传话失真；不必要求每个人都全能。一个六年销售经验的创业者利用已有客户、运营商/供应商关系，面谈录音、回去转文字与AI整理需求方案。他承认自己难将愿望转成技术，程序员可补架构实施分解。

其具体团队是几名销售、一个主要开发（兼销售），开发搭整体框架，把源码、开发规则通过Skill/Agent/工作流固化，教传统硬件交付人员使用工具，在自己的电脑编译并验收对应功能。是本人自述，没展示测试和发布权限；不能理解成无人开发维护。先解决具体小问题、用成熟方案上线，再按实际问题接AI的短周期策略，也不等于可无视招采、版权或声称零投入绝不积压。

自升级规则为什么没有触发

OPC开发者把生产力、开发分组，各任务按属性加载Skill与工作流，放入自升级及红蓝队约束，并用关键词钩子触发；Cloud Code为主Codex为辅。日常开发可运行，但上下文异常后自驱掉了、自升级规则难触发。建议检查自驱究竟调用什么工具、上下文尾部流程与压缩是否有问题；答复者也说没有好办法。这是未解决的排查方向，不是已落地自动自进化方案。

用Spec、任务状态与提交门禁减少遗漏

ERP开发团队举工程变大后，改一三五扇窗等局部需求总丢项、反复三天未准确完成的例子。建议者点名OpenSpec，认为不能只做流式口头需求：固定需求并用唯一标识跟踪，变更后同步Spec和任务，记录前后需求与数据链。不是工具一装就自动解决所有错漏。

另一开发者总结四组工程动作：①先写agent.md约束工作方式，别让工具泛化，版本库保留不同规则版本；②从PRD拆模块、逻辑、角色和task清单，先plan、反思/方案再todo；③多人或多Agent合理分工，持续记录完成状态；④局部TDD保留测试用例及通过情况，同时人工检查目标与通过标准，别让繁杂测试导致循环迭代不断烧token。提及OpenSpec、OOMC、Join Me with Docs、Power Powers等为原词线索，后几项名字待确认，尚不能确定对应仓库或Skill。

提交门禁/钩子可先检查命名规范、重复算法、测试不通过、幻觉命名和前后端字段不一致，让错误在提交前可见；发言者称能解决90%幻觉没有测试支撑，该比例未经验证。算力侧可按实际规模谈商务量价，或租GPU/自部署，但需要财力技术；自购5090某模型生视频一毛钱只是口述，模型名与完整成本未披露。稳定供给与工程控制要共同考虑，不把省token本身当业务目标。

编码宿主、模型API与素材执行工具

发言者建议Claude Code配CC Switch接国产/其他模型API，单模型也可改配置文件；另一人称原服务不稳且粗估比DeepSeek贵六七十倍。这是个体用法与价格感受，没有同口径报价，不做模型排名。配置需私下安全保存密钥，不应在公共内容中暴露凭据。

自动采集系统作者称自己用Browser Use配系统级全屏录制、自动拆分裁剪，之后可拆音轨、抽帧。这条有价值的是网页自动化调度与本地素材处理的组合；“抖音不可能下载”“浏览器所有Agent都不差”是其泛化观点，不当事实，也未展示各步骤授权与失败率。

14. 企业为什么付钱：从需求、销售动作到持续服务

跑了一夜的演示，还不是经营结果

一位20年大厂开发者在MacMini跑获客、剪辑、自动素材等系统，但明确尚未商用，正在比较Workbody、Codex、Open Code、豆包等工具。与中小企业接触后发现，老板更问明天多少线索、多少转化、赚多少钱，不因“自动跑一夜”自动买单。这是他接触客户的观察，不证明所有SMB都只看次日收入。

其日用几个亿token、视频剪辑上千万token来自口述，不等于普遍成本；本地合成不等于本地模型推理。他要企业服务的稳定、无断线超时，不只是低单价大额度。主播介绍中转站与DeepSeek官配约3.8折均未给合同/现行价，稳定性与渠道身份未获核实。个人开发可容忍的接口问题，不宜照搬成企业交付承诺。

销售AI需要被拆成可以检验的客户动作

20年销售背景参与者尚在寻找产品，希望技术团队能按市场经验快速改。其产品要求：从好销售中提炼话术、异议处理、不同客户反应；识别客户真正需求，筛掉无需求或不精准线索，跟进意向客户，在接近买单时人工接管；用真实市场数据反复考验。评价重点应落在销售环节及其结果，而非笼统的大模型能力。

他用前十/前五十销冠等说法描述目标，但“AI不超销冠就无用”、AI完全不懂人、训练越多销冠大脑越强等是个人观点，没有数据。标准化动作、普通员工易操作和可复用培训是合理设计方向，不把一个人管十到五十号当已验证可用规模。主播给出的AI超市/专卖店建议以本地销售/地推资源为前提，只给方向没有完整方案。

另一人称与浙江大学人工智能研究院合作，按行业训练360多个又说370多个小模型，实时接入员工/客户对话、秒级反馈和复盘，可做方案图片营销及娱乐音乐。这些未经协议和产品演示核实，模型数量口径不一，机构合作与效果尚未获核实。

其ChatGPT生成文档夹品牌广告、几次命令后去掉的经历，无截图与会话记录。现场追问官方域名、Mac网页、模型，但未查明根因；有人猜快速模型不足，根因未确定，不能归因于官方广告或某个模型。

没有源码的客户，也需要明确购买边界

客户有网站/SaaS却没源码，技术方已仿做部分但客户觉得不顺、又无耐心测试。讨论指向销售洞察与边界：免费工具的连接器生态会影响客户对费用速度的预期；今天商品分发、明天要自动运营，新增要求若不对应付费就是不断许愿。不能把“没历史负担就是金主”当资信判断，亦不把逆向竞品或喝酒当项目解决方法。

在职程序员寻找副业的建议是先找行业人士、企业主询问具体痛点，直播仅是接触入口，仍需真实面对面交流确认愿付什么钱，不盲目先写系统。关于淘汰名单、算法岗无风险及硅谷500万年薪都是个人判断，不作职业承诺。

15. ERP转AI：降低编码成本之后，实施工作怎样变化

两种经营路径：技术长跑与客户驱动交付

20年ERP从业者同时问产品可靠性、租赁/许可收费、私有化软硬件成本和可控效果。他自述国央企客户难用云、私有化周期长投入大，原有ERP利润薄；这些是其客户经验，不能说所有国企都禁云、ERP行业一律无利润。对方称技术快进仍需商务信任，具体场景比抽象“谁家最强”更可讨论。前面机构合作模型的宣传也被其质疑，尚无外部核验。

他表示小团队日用约两亿token、月API估计两万元，文档代码效率提高但人效收益和收入没增。这是本人费用和经营感受，不是模型官方价。另一经营者区分其业务：依托原有客户与商机，用AI交付传统工业软件，原流程50—100万的需求自己15—20万可做、声称70%利润，未核成本合同。通过三方公司交付、复用现成成熟能力、支持私有化后合作贴牌分销，是其叙述，不能忽略授权、客户合同和知识产权边界；不开竞争产品复制操作教程。

个人Mac上REA逆向跑起来、正尝试接API及学习记忆维护是单个参与者自述，项目许可与商用限制未明确；“不联网所以不会封”未验证。选Agent看习惯、工具链、取数对象，还是做垂直产品或分销，要按公司定位取舍；技术长跑与短期交付之间当场存在分歧。

蓝图已定之后，还能自动做多少实施

ERP从业者问：蓝图需求已经定版，能否自动做界面、权限、流程及静态数据录入配置，从实施工作中减30%或50%。这不同于只录音整理需求，最终尚无实测减员方案。回应者先强调ERP/MES涉及岗位和业务，各企业有相同也有差异，需求确认及变更仍需人。不能把“人肯定砍不了、AI唯一只能整理需求”当绝对能力边界。

具体可尝试的是售前、客户、技术工程师采共性问题，整理成POC再成SOP；录音笔钉钉A1或手机/腾讯会议录音只是采集方式，核心是结构化。量化可看差旅从一个月变半月或20天，以及续约、是否带回新项目，扩大岗位scope而非只核减人数；这些是建议举例，不是已经达成的效率数字。

另一人的公司曾用对话系统处理ERP/CRM后台问题，并举电商一句话找品、修图、定价、上架示意。进一步提出现场录音→文字→需求文档→开发Agent接管→部署Agent发布运行，但承认需要开发与人/技术经验，必须定义边界防崩溃、错改和越权。没有对用户的ERP配置清单逐项验证，没有证明能减少30%—50%的实施工作。

16. 视频产线：先定义营销任务，再找生成与审稿瓶颈

脚本知识：比较特征、适配产品与人工校准

现场用假设案例说明如何提炼知识：不是只扒爆款文案后要求AI模仿，而是先给同赛道视频一组一致的问题，比如有几个主题、punchline在哪、有没有蹭热点；有的数据可做是否题，有的用1至10分量表。若能拿到评论、弹幕时间数据，还可看哪句话附近互动增加。原话在50题、60题间举例变化，并非一份已经发布的固定问卷。

再用同一规则分析自己的视频，积累十篇、一百篇，比较差距：相似选题却在某一维别人5分、自己2分，才形成可以进一步验证的改进假设。把问题清单、分析逻辑与提取后的结构化数据一起保存，比只存全文更可复用。但互动关联不证明因果，也没展示真正跑出的爆款提升。

产品开发者采集爆款视频转文字、拆解蒸馏入案例库，发现加入客户企业元素再生成，情绪转折、语言气口和文案质量仍差。推荐DreamScribe的参与者把短剧/小说和产品宣传文案混在讨论中，另有人提醒场景不同；该模型名与上线时间不明，不能认证它能修复此场问题。

实做者建议积累爆款脚本爆点、文案特征和情绪曲线库，再结合自家产品特征适配，请身边营销/文案专家写几条、调几条，观察差异；不要等万事俱备才测试，可同步分发运营。其视频有几十万播放也有几次播放，自己不知道原因；投一千元是试验建议，不是已证ROI。被问者澄清这是给企业入场的产品矩阵，不是自己要投流，曾想找成熟贴牌却找不到才自做。

另一方强调品牌策略、VI和文案经验，认为过多风格混合可能失去一致性；当事人回应并不是把百个共性一股脑塞进去，有适应性匹配。这里是营销认识分歧，并不是模型参数被训练坏的证据；完整VI也没有必火保证。

文案、图、片段、代码合成分别计成本

发言者把视频分为本地代码合成与生成式片段。前者提Remotion Studio、Hyper Frame Studio、Three.js；后者提C Dance2.5、H3、Glow等，具体型号、单价以及与底层关系未经核验。“confui”“libtv/LiveTV/libre tv”等近音仅作待确认，不凭熟悉名称改成某个正式开源项目。

建议先在LibTV类无限画布工具走一遍：文案→图→片段→组合。文本可用已有通用工具，图按需生成，再用短片段合成，不要一开始就要求下载一个编码工具自动给出高品质品牌片。每张图一元、10秒视频一元或四五元等为口述示例，积分免费及会员无限后来变限额也只是使用者经历，不保证现价。有人朋友做品牌广告收益高是转述、无回款证据。

素材采集、脚本、视频代码管理、全网分发、效果监控和自动调优可组合产线，是现场方案；有人称朋友电商已跑通却不分享，不能据此补全流程。付费电商Skill一处叫ClipCat、后叫ClipCut，后续又clip cat，未给网址许可，产品身份仍待确认；LiveTV仍需人工操作。

编剧一天审三集，可能卡住六十集的产线

短剧团队说其他环节能工作流化，但编剧和导演仍不能去掉。其资产库一万多部片已提炼，可找十类恐怖片、导演手法、镜头、编剧技巧与情绪曲线，但生成仍“不说人话”、不理解共情和意外笑点，须编剧校对。有人建议喂单导演或更多同风格电影，被其明确说早有人试过没用；这项建议在现场没有带来新的成功验证。

他称手上10部片、3个编剧，产线一天可60集，而单编剧一天只审3集，后续必须等剧本逐集改完；为个体口述，不是行业统一基准。广告片需精剪、镜头语言与客户品牌标准，漫剧批量混剪的可容忍bug不同；“剪辑全免费开源”与“好系统不卖”是现场分歧，没有具体项目可核。

宣传片用途与半成品服务范围

营销参与者提出客户应能看懂、记住公司做什么卖什么，文案大白话、愿看下去；要问宣传片用于品牌曝光、信息流、招商还是门店，不是制作方自己觉得高大上。人工检验校准仍需保留，但这些是其营销主张，不同用途仍需要不同的指标。

其所说500曝光、100—200互动就推5000/1万等平台规则没有官方证据，不作抖音算法阈值。另一经营选项是只卖文案库/五或十个半成品方案，让客户选择并找人把关，按约定范围收费，不承诺包全案；属建议，未给成单或价格。阶段性更新规则与客户验收标准比“所有品牌数据都训练进去”更可讨论。

17. 语音助手与陪伴IP：两个客群，几层产品能力

老板查私有经营数据，与陪伴玩具分开定位

一名开发者介绍手机App，体验“像豆包”：能打电话式对话、发语音，放公司的私有数据，方便老板查公司经营信息。他明确只是App，不是卖手机，也不是调用官方豆包算力的确定描述；回答不要钱，未给商业化合同。另一方转而建议做有外形的陪伴硬件，提智伴机器人、小智机器人及ESP32开发板，都是产品线索/建议，无仓库许可和完整硬件方案。两人的目标客群、交付形态不同，因此老板助手并没有被证明已经改做儿童玩具。

市场方强调卖给谁、卖点、成本利润及外形；这可作为定位问题。其称儿童/女性低认知好割及AI可治抑郁是歧视性营销与未经证实健康宣称，这些说法没有有效依据。老板固执不买也是个人看法，不能据此推定B端无价值。玩具和情感陪伴尚未形成销售、定价、成本及用户证据。

同一账号记忆、多种外壳的产品设想

讨论建议先标准化产品进入市场、以后升级，记忆/语音交互/可选机器人外壳构成几层能力。进一步设想同一账号在手机、电脑或不同玩具、车船无人机等形态中保有同一陪伴角色，即使外壳丢失仍保存账号记忆，形成多形态IP销售。它是概念设计，没有统一登录、同步、设备权限或量产方案；开发者明确指出开发成本门槛高。

已有很多陪伴产品与市场利润并不等同，没有竞品也不能直接证明没市场。需求验证仍需看目标用户是买外形、交互、现实问题解决还是多端连续体验，避免以存在同行代替自己的用户与单位经济验证。

18. 工具与项目索引：已明确用途与待确认线索

名称较明确：按本场用途检索

表中是本场提及的名称与用途，不是官方功能、采购价或开源许可清单。

身份、版本或入口仍待确认

这些线索保留其出现时的用途和尝试状态，方便后续核对；没有根据相似名称补配官方链接或仓库。