2026-09-28 · 第2场直播

1. 自动点餐Agent：个人省事不等所有用户都想让渡选择

程序员提出把淘宝闪购接MCP至WorkBuddy/千问，每月预设吃饭预算、喜好菜单，让Agent定时选餐配送，可暂停和调整；还扩展买菜、减脂/增肌按清单附近选购。当前找不到闪购/美团开放MCP是其搜索体验，未核官方接口，也没有真正支付/下单验收。高德MCP及模拟器嵌入Agent代操作是设想，原词DeepSeek Commerce开源近音未给对应项目或许可。既有千问可能已可筛附近但仍人工确认选餐支付，具体功能也未查证。 反对者以个人与同事经历说选择/尝新本身可能是价值，衣服试穿也有体验与社交价值，不能只把路径压到最短；男性女性、IT白领等概括不是市场研究。另一方坚持生态可覆盖更多人，未达一致。可迁移提问是熟悉用户24小时真实生活、先做自用熟悉人群的小工具，检验实际频次/留存再产品化，而非凭标签推定需求。日常靠助理点餐的老板不是直接外卖App重度用户，也是讨论举例非统计。 大平台可能补一个功能即覆盖个人产品，分发/API/支付依赖与替代风险需先考虑；有技术实现可能不等产品护城河。这还是产品设想，没有商业化/转化数据，也没有营养或健康效果验证。

2. 昂哥的双模型迭代与知识卡片架构研究

夜间双模型迭代：做了四五版仍有上下文衰减

昂哥睡前把开发交给WorkBuddy，每推进一步将结果发送已打开网页的DeepSeek，看回复再开发；自述凌晨三点到七点约迭代四五版、打了补丁。他感觉后期越来越不理解，换ChatGPT更容易理解是个人体验；别人提出大工程上下文可能要交接，建议而非已定位根因或证明所有国内模型差。后续半小时托管测最后部分也未给成功结果。

知识作卡片的大模型研究：基架、训练验证与外部知识不能混

同人说中秋前三天搭了不同于原Transformer的架构，想把基础认字/逻辑学好，将数学等知识像书/卡片按需插入，不把所有知识都训练。希望缩短训练、随时换知识；目前还差训练结果验证能否聊天，下一步再丢一本书问答，未证明架构可行。几百KB/300K、轻量微模型、电脑可跑后随便转手机、几行算法替几GB均主张/目标，未给基准、模型权重、许可或仓库，不宜等同RAG已完成或已超过Transformer。另一人说概念类似知识库，不是实验论证。本人非专业模型研究员，自述做网络运维/机房维护；欢迎同行审代码、交流改善，开源基座是计划，之前有小伙伴改其东西为转述，不能代替当前架构开源认证。关于RPA烂尾群的说法随后被澄清为玩笑。

3. 建知识库的个人顺序：教材理论→发展脉络→方法论→工具

营销参与者自述先选相关门类优质大学教材，给出理论基础及发展阶段，再让模型整理方法论/工具；提示做详细读书笔记/报告并说明用途。知识库整理后才问能否做Agent，模型反问给谁用、用来做什么，帮助继续具体化。这个方法保留输入材料和用途约束，不保证所有教材内容准确或版权可自由再发布；没有实际引用评估/知识库技术栈。这与昂哥的模型训练研究是不同项目。

4. 手机离线视觉助盲：另一个人的未成项目，延迟与危险边界仍在

主持建议别只死磕电脑模型，可探索无4G/5G的户外离线手机垂直任务；举之前另一朋友想做盲人街景识别转语音，后续明确没做出，而且不是昂哥在做。视觉复杂、实时延迟可能带来危险是另一方与视觉专家交流后的二手顾虑；本地减少上传/带宽并不解决识别正确率与安全全部难题。有人认为只判断前面危险不用全世界理解，仍只是可缩范围建议，不是已证明可用助盲设备。 老莫自述手机上试过ASR、TPS近音和千问0.5B多模态视觉，但无配置、量化/耗时/准确率，不拿它认证手机视觉助盲可生产。探索和开源交流仍可继续，但当前并未完成生产验收。

5. Demo到工程化不是一次生成：先声明作品还是产品

昂哥补充自己实际做过三天Demo、三个月改Agent，声控电脑及约300KB是自述，另想不依赖外部Token、改造Transformer用CPU和内存完成训练/推理，仍是研究目标，并无对等GPU性能证据。他明确是在做作品，不以商业产品为目标。老谭是另一人，讲的是过去RAM与显存混合承载模型的方案，后来因内存成本及GPU优化而放弃；提到Ktransformer作比较，自己的代码称放过GitHub但没给仓库，768G硬件描述和性能未核。 围绕产品化，现场的产品化建议包括：昂哥提出Demo验证→规范代码→按业务稳定性分阶段打磨→发布；另一位工程背景参与者提出收集需求→Demo→列出生产缺口→领域建模/DDD→按负载估CPU内存与分布式需求→补高可用、可观测、内聚解耦、灰度、单元及回归测试。100/1000并发是举例，不是该Demo验收。参与者提醒从Demo到产品仍有稳定性和不确定性。

6. 知识检索与数据工程：按场景选结构，不存在一套通用最优库

有人想在传统向量/图之外找高级上下文方法，回应者认为没有通用最优；向量、图关系权重、大数据文件系统、缓存Redis/MongoDB应按检索与容量场景选择，不是做Agent就必须同时上所有栈。数据工程例是把分散的消费排名、用户等级、设备层级等信息清洗、格式化、压缩、校一致性后聚合宽表，再检索新数据。讲者声称自己参与支付宝早期数据中台和AntMetastore近音引擎改造，身份/开源履历未独立确认，不用其身份替代技术验证。记忆、上下文、循环以及LangChain/LangGraph口述框架仍需要软件工程，不因AI编码消失。

7. 成都汽车获客：线索工具、人工跟进与持续维护

成都汽车获客：同一套线索工具，客户能否承接决定收入

建宇服务汽修、新能源、二手车、报废车、贴膜等本地商家。他说先签二手车客户，客户没精力或不会用，自己每天花半小时至一小时筛线索、联系洽谈；一个报废车线索由他亲自谈好再介绍成交，不能归因成软件自动闭环。车辆1.25吨乘每吨3300、三元另计是当次算例；后续口述约2000加三元500又说合计2400左右，金额并不严整，不拼成已核净利。 实际入口主要是抖音评论；二手车问价者未必有意向，利润又涉及维修/金融等，报废车往往意图直接、价格透明、成交周期短，所以快响应更重要。地产可从楼盘直播评论找人，是另一行业入口，不把所有行业强行写成直播采集。商家自己产内容投流数月、线索几十几百成本只是其经验，没有对照转化统计。 收费口述首月1280、次月起980，含行业知识库/数据库、关键词、陪跑、维护；视觉采集底座称通用或开源但没有项目名/许可。平台私信规则常变是其观察，持续维护被他视作壁垒，不能承诺固定周期一定可用。客户知道账号提供什么服务、有清晰业务身份和话术，也影响回复。供应者说工具补流量不保证客户成交；人跟进和谈判仍是核心成本。

账号与采集规模：实际小样本不能替代百千账号的工程证据

讨论涉及客户自备或服务方供账号、首月额外几天准备期、主号与获客号的不同职责，以及限制变化带来的维护成本。关于同音词/零宽字符、死号Token、协议与IP等规避办法仅作为依赖平台限制的风险经历记录，这些经历说明采集依赖平台规则，不能据此保证长期可用。供应者声称可扩到百号甚至无上限，另一人讲十万号旧经历，均没有当前吞吐与稳定性实测。 供应者实际讲到的是视觉模拟操作、同时监控十个直播的例子，尚未做几百直播；可取字段是评论、账号、UID、时间。另一人提出协议抓取极快的说法未提供对照。未封号仅个人体验，不等于授权、长期稳定或无风险，蓝卡跳微信也只口述功能未核接口。

8. 全损车租赁：核心在车源与资金供给，而非单纯做流量获客

远方分享了朋友从事“收购全损车修复后出租给网约车司机”的特殊汽车后市场业务：

• 流量工具与真实瓶颈的错位：很多技术人员一听说网约车租赁，第一反应是帮其做短视频获客、小程序找租客；但在实际经营中，下沉市场开网约车的司机极其充足，真正的业务瓶颈在供给侧——即去哪里稳定搞到便宜的全损车源与垫资修车资金；

• 行业隐性门槛：该业务高度依赖保险公司定损拍卖圈子、大型事故车拆车件供应链，以及低成本的汽修钣金整备能力；同时车辆修复后的合规过户、安全性能检测与运营保险，才是决定该模式能否规模化运转的硬性壁垒。

9. 教育知识库增量蒸馏：新问题先标注清洗，不能把提问当正确答案

听风阁自述十余年生产经营、近八年教育，教育Agent最后修正中；另有朋友工厂配合的外贸询盘细分客服，这是两个项目，都不意味着已上线通用客服。其难题不是题库刷题量，而是学生讨论产生库外新点如何筛选、去重、保证正确后回流。他手工建过知识库、已有RAG，尚未得到可执行的正确性判据。建议采集讨论问题→数据标注→清洗→工作流/Skill筛选，但没有展示已验证自动审核标准，不应把错题原样入库或声称仅加量可消幻觉。 他另设想目标锚点插件：初始目标固定，多轮交流若相似匹配偏低即提醒拉回，容许一定漂移范围。仍是设想；提示词约束会遇到换用户/维度后新问题，不能说插件解决幻觉。主持人讲外贸客服十年聊天邮件蒸馏比只积累三四天准确，是他人案例自述，未有对照评测；增量质量和知识覆盖需分别看，知识量不自动等正确率。

10. 跨境GEO新入口与案例互认：注意平台线索不是已获得流量

六亿出海做跨境独立站服务、整站迁移/站群及GEO近音优化。主持人推荐研究个人购物Agent“Muse”入口，亚马逊/Temu屏蔽及Meta归属、热度都只口述未核；服务者此前未深用，准备了解，并无已优化上榜/购物转化结果。另有人提醒9.0地区限制，也是版本与地区待核线索。 更实用的平台思路是持续展示交付案例形成个人能力/信用资产：让潜在客户看到真实案例、关注作者，接同行转单，流量和小社群可自然形成。借鉴“库站”近名设计师平台、猪八戒的作品可见性；积分互换是可选激励，不是平台价值唯一来源。官网/小程序只是承载，技术搭建不替代持续贡献与信任。这仍是共创/案例互认平台建议，未展示已运行数据。

11. 没有API时，把真人服务接到Agent后端：派单业务不等全自动SaaS

顶流哥称最近尝试把需要真人的服务封为SaaS外壳：用户→AI理解/分发→有经验真人执行，购物或海外公司/支付资质服务为例；也可把Codex/Claude Code问题处理、多实例协助或教学封为服务，在自家Agent市场曝光。不是已打通淘宝API，执行仍靠人。把主动打来推销服务的人反向纳入服务市场，是其资源整合策略。 反对意见指订单放大后人力慢、每单一两元也未必能被收费覆盖；Token相较后端人工接近零是讲者比较性判断，不是实际成本表。淘宝/美团早期人工及Meta后台真人的说法属讨论类比/传闻，这些类比没有得到官方资料核验。真正可记录的是先验证服务需求和派单履约，不把有SaaS界面误作自动化能力，亦不把“什么都能做”当验收。

12. 线下FDE实战班：培训也是产能与人才合作入口

陈总拟深圳线下实战班，从其自述一两百政企项目抽案例：比较WorkBuddy、豆包工作及自有私有化平台的场景/性价比→调研需求→写需求→补必要代码→由简单案例逐步做Skill、RAG、embedding/rank近词→调优；并按政务/金融/制造/电商/医疗及岗位分类。几十万到几百万是其介绍过的项目金额。课程定位不只收学费，而是聚拢/培养人才，优秀者合作接项目扩产能；因担心内容被蒸馏倾向线下，未证明线上一定不可行。

13. 政府项目两千万意向：口头拍板、财政立项与实际回款是不同阶段

林杰分享了在湖北红安对接政务项目的经历：

• 快速敏捷演示切入痛点：现场精准询问地方政府当前管理最头疼、最紧迫的监管问题，技术团队仅用约两小时快速搭建了一套数据采集与可视化大屏的原型 Demo，当场获得地方领导高度认可与两千万元的项目意向支持；

• 政企项目的现金流风控：资深同行随即指出政企合作的深层规律——领导口头拍板到实际发改委立项、财政预算划拨、招投标挂网往往需要数月甚至更长时间，后续还涉及分期垫资与严苛的阶段性审计验收。对于中小创业团队而言，切忌把意向拍板当成即时收入，必须评估自身垫资能力与回款周期。

14. 阿成的端云协同：企业规则集中，个人习惯与本地文件在端侧

阿成由江浙企业培训接触制造需求，另在做企业私有化数字员工底座，设想轻ERP/CRM。云端员工连接系统、按用户权限可调用范围执行企业固定规则，部门间直接向助理取数据，老板调驾驶舱和报告；本地Codex/WorkBuddy处理个人工作习惯、数据分析与本地文件，无需为每个人习惯都建云员工。本地数据上送→云端处理→结果回个人工作区是其想到的协作方式，未展示完整部署验收。另一位补充云端沉淀组织能力、初始化Agent给本地进化；没后台接口的UI/本地访问放端侧，后台SQL Server/MCP统一云访问有利权限管理，而非每人各连一堆接口。可见两人对云能力是否可随个人变化的侧重点不同，不合并为已实现自动治理方案。 培训以教老板WorkBuddy切入也要带真实场景、让员工用起来。他自感七八成企业训后用不起来，无统计样本；公司后续才计划FDE，他自研底座与公司的方案分开。多数老板想获客，三家包装企业可能收到同一批名录，行业拥挤并不因AI扩大需求。一个夫妻加车间工人的纸浆模塑/杯托厂由内贸试外贸，做获客方案一周拿约30万订单规模的询盘、样品寄出，是其自述，阶段仍是询盘和寄样，而非已签30万元订单。 另一投资者以一两万工具换百万投流效果的客户预期为反例，强调学习和组织执行；员工抵触不能仅归“认知低”，现场未给完整激励改造流程。企业需求也包括客服、对账与凭证录入、工程图和设备故障。

15. 制造业APS与工业加药：业务主问题和模型路线各有适用边界

苏APS强调制造业交付与货品周转率，不只客服/对账；APS作为信息化中枢涉及工艺、3D/2D图集、设备细节，预算和技术门槛都高。认为“AI无所不能”是个人信念，未展示解决方案。另一投资者把ERP失败和数据担忧归老板思维，七成失败/本地不会泄密都未有证据；本地部署不自动等全链路不泄露，别用这些话认证安全。 AI创业日记是另一位，原做跨境物流IT，客户为义乌中小货代、小包和海外仓。相同目标下工具/路由/入单操作非标，完整本体式FDE成本暂兜不住，所以先培训，再和客户共创重点操作提效工具/方法。想抽SAP式平台仍在探索，尚未标准化。 同一讲者的另一工业废水客户用深度学习小模型做智能加药，自述一年半后上线、最近半年药量省约30%，没有原始测量/排放品质或成本控制对照，目前只是其自述，尚无独立验证。智能曝气是同类场景举例；此类定点工业控制未必用生成式大模型。需要客户长期投入资源、人力与信任，并非培训一次即实现。

16. 环保售前改方案：先积累历史资料，再做小切口，不把建议当已上线

林杰讲自己2008年底至2022年环保经历，四设计、七八业务的团队被反复改方案拖累；从接触客户到成交可能半年以上。建议技术者进其参股的两家公司，从部门观察，把多年方案、客户交流资料整理给Agent/Skill，先从一个小领域切；现场拿场地图纸辅助改方案、减少销售转述技术的损耗是希望实现的链路。十一院、中电三/四“在谈”并非已签合作；沟通失真30%、华南两千家环保制造企业均为估计未独立验证。 加药项目讲者确认客户也有标书/售前痛点，排在加药场景之后准备做，并非其系统已自动制标。其商业判断是快获客更容易让老板感知价值，贯通企业前后端则要管理层和技术团队长期配合。

17. 政务需求与佩佩的交付经营：资格、验收和回款

政务市场存在三种相互冲突的观察：需求、资格、回款逐项判断

清风从采购人而非供应商角度说审计海量/纸质数据、AI辅助评标有需求，认为有国标/GB/T相对好交付；提及各地试点、2027年底要求、两百万以下专面中小企业、某讯飞项目七千万等均为口述政策/项目线索，未查官方文件，不意味着已核法规、利润或投标资格。其自己没有中标交付案例；企业需要人员/职称/ISO与信息化资质等是其泛说，具体以招标为准。他定义“盲投”为无商务关系但认真研究要求、测算值不值得投，不是盲目撒标。 王哥提出先确保交款，纸面有利润进场可能回款困难。佩佩正在做项目则说有前期沟通后先提供服务、公开流程后走的经历，承认不是所有项目；不能据此提供规避采购程序的方法。中小团队先小服务积累业绩与信任是讨论共同点，并不保证公平中标或资源可替代资质。 政数局统筹一张网与部门个性采购两类、预算/调查/造价流程是清风解释，省份称呼和制度可能不同。大型统筹项目与小需求不能用同一门槛，亦不因“国标”就宣称所有AI验收简单。

佩佩小技术服务到联合承接：关系由履约维护形成，但金额/周期不保证

佩佩自述二十年全栈兼营销、技术入股和咨询定制，先从小工具/技术劳务服务切入，再凭做出的东西和维护建立联系。他举发言稿Skill五万十万、几天做完、小合同半月流程等是其业务经验/算例，未有合同证明；不沿用故意拖一周假装加班的做法作为推荐。以旅拍低额定金先建立连接作类比，后续维护/部门口碑可能带新需求。 自述服务同一家机构约五个月，第四个月起与对方一起接外部需求，他给该机构服务，对方再接其它单位，不是他直接拥有所有政府客户。小几万十几万扩到几十/小几百的金额口径及资质未核。沿海先试、内地后复制碳排放平台算法是计划判断；与林杰“内地更快”正相反，两人经验不同，未形成普遍市场结论。 教育服务针对北师大/清华研究所小团队是其自述；教师AI工具普及讲座约每小时一两千、称近公益，目前尚未做师资/教育集团FDE。旅拍则是他原从业场景，给云南朋友做客服副驾而非全自动成交：行程/套系推荐、人物换服装入场景、订单辅助、CRM客资流转加AI。没有提供成交提升统计。

政务交付反证：AI提高期望，标准存在也可能一直收不了尾

佩佩反对一概“政务更好交”：有的达到标准，有的细粒度期望不断增加，自己测试过了交客户又出问题，长期维护/无法收尾。有些临时课题只做到七八成后终止仍签验收尾款，是其经历，未独立验证完整技术达成或推荐草率验收。AI写方案能用，但人工工时/价格会按类似美国成本算高，需要自己改；有人建议输入本地信息化造价文件，具体文件公开性与适用范围未核。 政务云部署须接数据管理中心、堡垒机、受限模型环境、国密加密等，其实际开发限制反驳“一个简单Skill即无复杂度”；广东政务版WorkBuddy及内部竞赛均为口述线索，并未核实为官方推广。不同采购、数据安全和验收条件应回到项目本身。

回款与安全也是成本：六成到账回本只是报价假设

佩佩补充每周需驻场数日，政务云堡垒访问、现场调数据，模型来源/采购发票、向量模型开源来源/部署位置都须交代。签约、上会、招投标可能三个月，活快干完首款仍未到；有人按最多先付六成反推至少四成毛利来避免前段现金亏损，只是现场保守核算思路，不是行业统一付款/利润率。其结论更偏能接小单先小单，跟“客单高利润高交付轻松”不可只选一边。 技术转商务不是AI补一个提示词就会：UI/UX、客户没明说的需求、表情/利益、报价沟通都要经历失败。六亿自述运维/CMS内容网站背景，仍需技术同事辅佐，AI让自己深入但年龄精力使他不追求全能；跨界试到能力边界再合作也是选择。七八成程序员不愿露脸等都是个人观察，不作为人群统计。尊重擅长领域，技术商务互懂不等每个人必须变全能。

18. 农业服务站的边缘算力：先确定有谁付费，节点数不等收入

金河湾河北张家口农业平台是服务/门户及未来智慧农业数据业务，不是自己已有数据中心。设想每县五百多村服务站布算力节点，让站点人员获收入，尚没有明确收费场景或部署。别人列云边端、工业摄像头分析/割草机器人为场景举例，这些都不是平台已经落地的业务。主持人也说未掌握村节点盈利实例，需结合当地农产品/生产与实际需求；五百节点连网不是自动产生商业价值，短期收入未证。

19. 两类算力服务：万卡纳管与海外分布式调度

丘比特自述自有机房/卡、万卡集群、B200/B300及东莞韶关运营商交付，覆盖硬件、纳管、私有化，是供应者宣传未核资产或调度压测。另一位上海元觉近名讲分布式小机房约四千服务器调度、存算一体芯片针对模型定制加速，海外新西兰/英国/澳大利亚四主机房及多个城市小机房正在落地；国内主要平台与AutoDial/奥拓迪奥近名合作可调资源，不是四千台自有国内机器。自述机器/机房/电由伙伴解决、自己负责调度，既说租赁又澄清B端客户伙伴已有，未公开租赁平台。 海外瓶颈后来澄清不只电价，而是供电容量、拉线和基础设施，不能将便宜Token简单归一因素。激流科技近名股东、英国学校客户与合作均未外核。“五百/轮转六个月”口径含混，未形成清晰报价或合法跨境设备方案，这里更有价值的是伙伴资源、供电与工程依赖关系。

20. OPC园区收入拆开算：注册地址、撮合流水、培训与补贴不是一回事

曹总是接到杭州园区运营推广合作意向，拟次晚见面，自己尚不懂商业模式。讨论列传统注册地址收费（杭州价值未知）、园区与需求方/OPC签约走账抽佣、对外培训收费及培训补贴。三方合同是讲者介绍的做法。补贴半年以上延迟是经验提醒非每地法律时限，不能把尚未到账补贴当可覆盖日常运营的收入。

21. AGI与记忆争论的可复用部分：把定义、证据和工程状态分开

顶流哥把AGI从仿人改定义为能构建更强智能的时间点/递归自改进；他说几天内临界点、无需意识、Agent/Harness加LLM已接近，是个人强烈判断。OpenSearch5.5、ChatCut等近名视频训练环境只是其举例；OpenAI越狱/调用中国模型、Hugging Face破解、训练版无道德限制、GPT6发布等口述传闻和推测不作为产品/训练事实。有人以多Agent互审帮助自己不懂结果的质量判断作实际使用思路，不等多个模型一致即正确。 更具体的界面讨论是眼神/方言也属于多模态信息，可能需个人习惯反馈；LoRA被列为个性化方法，但没有实现/数据/训练步骤。上门AI训练师有无市场仍争论，一方看老人/方言协助需求，一方认为模型很快自适应，该职业的市场仍未得到验证。 “人没有记忆”先遭多人反对：有线索唤起不等没有保存。顶流哥后明确自己讲的是主观意识的主动/被动，不否认肉体层现象；其工程提议把记忆外置到系统触发，而非让LLM主动调工具。另一方提醒生物定义与哲学定义不同；不能把记忆库、Skill、MCP全无意义当科学结论。元觉另以session上下文、外部Memory Place近名与模型思维能力两层解释，FDE会被吸收等仍是推测。 真正可沉淀的问题清单是：什么信号触发取回、谁保存个人时序、什么外部事实与模型通用知识分开、怎样验证长期任务，而不是用一个闭眼联想游戏证明认知科学。风雨兼程的独立安全底座不依外部模型/网络是初期原型在调试，没有证明一句话完成互联网一切或全链安全。

22. 老谭的医疗Agent最终澄清是医生工作质检，不是患者自诊系统

老谭先做医疗垂直模型后训练/微调自感效果差，转直接通用开源千问（3.3/3.5/3.8口述版本未核）及DeepSeek，结合知识库和提示词引导诊断推理。他用“激活医学专家”等解释没有内部路由证据；“准确率很高超过微调”也无样本和盲测，未独立验证医疗效果。后来明确给医生用：医生患者问答与检查记录完成后，将资料给Agent按设计链路检查医生工作质量，未与医生工作冲突；不是直接患者输入即替代医生。 可复用的信息组织方法是先让模型自行写提示效果仅六七成（其估计），再拿专业教材按章总结其结构与规则，转为场景提示，约半年反复调试；临床/循证/诊断/解剖书名皆宽泛学科，无完整Prompt公开，未展示诊疗教程。个人病例资料另存在文档，不意味着公开通用模型已包含每位患者病例；反对者强调复杂个体数据未公开，争议应保留。 时序示例中他说先抽事件发生时间排时间线再应用规则，自称已做；“六个月新旧伤”是讲者示例而非这里医疗标准。另一位讲的个人历史不是实时公共事实，应另存和压缩，提到MEM0、MySQL、LangFis近名调试工具，但无部署演示/官方链接；“通用知识将进模型”不意味着个人历史无需留。两人最终讨论的是不同层：判断规则与长历史的储存取回，不能合成消灭记忆库的结论。

23. 皮大虾的跨境内容与Etsy设计验证

皮大虾的跨境内容链：真正需问已做、客户和结果，订单数字不当审计实绩

皮大虾从质疑空泛Agent转讲自己跨境：拆TikTok每段脚本→积累大量案例蒸馏→仿写→用Codex开发对接→生成与发布衔接；主持人总结为采爆款二创全自动时她明确说“不是”，所以这不是一套已披露的全自动采集生成流程。一条视频千单、一天百视频万单属于其说明规模价值的叙述，未给后台和净利，提升倍数未得到验证。她说已接Google Maps/Facebook/Instagram API、也做Etsy，是自述；API资格/限额/许可证未展示，Cookie可登录不等平台授权。 其月初可用月底收紧、账号自动评论数百获赞、20倍套餐/重置、百亿Token均为个人口述，不核价格/实际用量，也不代表平台许可或配额稳定。对技术价值提问可复用：为谁做、交付了什么、付费多少、原状和结果、未来才想做什么；她把Agent全说不值钱不等事实。提问者又将“看过同名账号”认错给别人，对人和产品身份不据此合并。

Etsy先卖设计再物化：降低库存前置，但爆款与盈利均未验证

同一皮大虾建议有供应链时不急先生产：明确受众/爆款元素→让AI嫁接到灯、毛毯、枕头等设计→先把设计稿/数字图片卖出去→再考虑实体落地。中东元素“肯定爆”只是举例判断，未有具体SKU/版权/售价或实验结果。平台可卖数字设计是讲者使用经历，是否适用具体产品与账户仍待核。把设计能力与AI结合的核心是小成本验证付费，不等任何想法都有买家。

24. Agent还是工作流：用命中率、循环成本和实际任务验收，不用名词先判价值

后来的反对者说很多产品只是Prompt+硬编码API/RPA，质疑多Agent命中率、幻觉、死循环和Token预算；“99.999%”“工作流万分之一成本”、需几十B300才算Agent等都无对照证据，不当架构定义。问“我帅吗”绕20次API花百元是一则成本夸张例，不是产品实测。另一方更看重答案价值而非Token，两种侧重点可共同变成任务验收：用真实输入、期望输出、失败退路、每次调用/循环上限与成本做比较，不能仅按Agent数量或标签判断能力。争论没有形成统一结论。

25. 母婴与萌宠分布式内容组织：真实人设、供应链与分润争议

华哥的垂直内容组织：平台绑定、伙伴分工与分成，而非三人手工管几千号

华哥自述母婴2000多、萌宠1000多账号，2018年起行业运营、2023年开始分布式模式。各主体在平台服务机构后台绑定，参与者自己是企业/远程经营者，三名客服负责支持，并配行业指引、陪跑老师和按结果分成；单人每个平台一个号，可同时经营多个平台。不能理解为三人亲自操作全部账号。部分行业从几十号增长，效果与规模均为其自述；“月8000多万”没有明确GMV/收入/净利口径，未独立验证盈利。 使用官方扣子、即梦及Ocobot近音工具为主，自建也测试过但认为成本更高；只有一个行业试全AI内容，约两个月称效果不错，未给转化或GMV证据。账号原创/同质化/内容质量与AI标签仍要面对平台规则，其未感到AI被限流不等官方规则认证。色彩宝宝/色彩萌宠名称与湖南电视台、复星所投机构合作仅线索，未核。 其组织观点是平台+伙伴+阿米巴，母婴/萌宠各四机构、收费及免费模式配不同分成。他建议把这种组织法迁移至AI/OPC产业联盟：先知识、培训内容、自媒体和带货，按行业分专业老师与服务团队，再进入企业赋能，教会客户的人而非只代运营。这是对主持人的合作提议，尚未建立/成交，并非已成产业联盟或“个人绝无机会”的事实。

母婴真实宝妈分布式矩阵：人设信任、带货与收费模式争议

一位经营者说做母婴/萌宠，当前不投流、用真实宝妈备孕→怀孕→生育→育儿过程做人设自然流，一次上百号的分布式矩阵；他强调主要带货、知识付费有限。其他人建议先明确目标画像与获客成本，利他省钱内容可以吸引宝妈，但粉丝增长方式、婴儿产品品质和成交是不同问题，不能用泛泛引流答案套所有画像。人设自然流仍有内容生产成本。 另一人据行业经验概括9/9.9引流→入组织会费→选品/平台资源/教拍摄→带货分成→商家端收费三利润点，经营者并未逐项确认自己的模式，不能归为其全部现有收费。提某未具名公司十几万会员负面及平台整顿属口述线索，主体未确认，也不代表同类机构普遍违规。X/YouTube也被提作获流渠道。参与者担忧公转私受到平台监控和经营规则约束。

母婴MCN后续澄清：供应链共同发起与分润差异

经营者后述月约3000万元GMV、粉丝均不超过1万（自述、非利润/审计数据）；每机构约七八至十来供应链共同发起，每供应链月增三五百万元是其经营口径，不能将相加估算当净收入。他说有免费只分润方式，也有收费后不同分润，未给具体比例。另一投资者先前“三利润点/会员费”不能全安到这家；该投资者明确投过同类公司且亏了、没跑出来，自己承认非深度运营实操，其判断来自投资经历，包含失败，不是本企业的实操复盘。 真实生活人设用于母婴/萌宠，自己养用什么带什么，过假反而难做。强调垂直团队/专业带领、筛选认可且能执行的人；不是每个人都能教会。反方指出能做的人选择多反而难说服、不能只用头部包装成绩；经营者反对包装，主张后台真实数据和素人结果。OPC单人从引流到变现是否可行有分歧，早入行不等已经试过新OPC，不裁定不可能。

AI剪辑不是拍摄与经营全链路：人均产值比总GMV更有解释力

投资者描述类似机构小程序分发素材、企微群运营师，重陪跑/轻课差别；“120条爆一条”是其描述的话术，非统计规律。AI能替代剪辑的部分，不自动解决口播、镜头、素材质量、场景投入、选品体验、审美与执行。配每人/五人一剪辑师、实习生月3000–4000、日30–40条只是讨论中的用工举例，未证实际团队标准。关于豪宅/手机品牌门槛属于个人尖锐判断，这不意味着必须用苹果手机或低收入者无法带货；有参与者反驳视频门槛没那么高。 机构总GMV可被少数头部撑大，投资者提出同时看有效创作者、人均GMV与人均利润收入；8000–10000元人均利润组织很少是其经验，不是行业统计。卫生纸可能拉GMV但低毛利甚至倒贴为例，不代表所有品类。教不会者继续收费后可能陷入反复鼓励、情绪陪伴和投诉，筛选、承诺与服务成本应先算；经营者强调筛人、真实结果，未声称已无投诉。整体经营仍需运营/采购/组织，技术提效不消除商业链路。

26. MynaBot的能力复制与个人历史：全量导出和解耦计划分开

Agent复制要先拆清能力、历史与工作区：当前全量导出，解耦仍开发

讨论者问Codex分身能否把能力复制至其它场景，未亲自展示该功能，不能当官方产品能力。顶流哥解释各家Skill、上下文、记忆实现不同；自己产品MonaBot近名目前支持员工导出给别人，工作区文件、经验、历史、上下文一起全量复制。把能力与个人历史拆开，是接下来仍在做的功能，不是已经实现隐私隔离或跨框架无损迁移。讯飞/星火从QCloud近名迁移线索未核产品文档。另提醒AI圈加速体感不等工厂都已普及，企业很多仍仅把豆包当搜索。 解释复杂概念的小方法：要求用四五岁儿童能懂的话，基于自己的知识领域重述，并连接生活场景；不是用术语复杂程度证明能力。顶流哥称要参加/技术支持西安黑客松并作AGI主旨，是活动计划而非已发表成果。

工具推荐与学习阶段：MynaBot明确拼写，但“世界第一”仅广告定位

范特西做市场兼爬虫小活/学Agent，尚无Agent落地项目。Maven、codes、community UI与long chain等原始近名只作待确认低代码/编程路线线索，不能配猜仓库。网站与App抓取难度、逆向法规顾虑有提到，细节没展开，未给绕授权抓取教学。 顶流哥随后亲自明确产品名MynaBot、口述MYNA点BOT、八哥桌宠形象、西安团队，邀请直播间朋友积分试用。前面的MonaBot近音可据此理解为MynaBot；产品号称世界第一/最高智能、能十倍百倍加速，是宣传未验证。另平台AI情报站知识星球被介绍为每日蒸馏去重整理聊天内容入口，也未独立验证质量。

27. 仓储多Agent权限：岗位委托与受控写入的分歧

多Agent权限：继承人权限的简化案与四角色治理是两条不同路线

哇塞机器人仓储场景已有集群，自称雅诗近名、New Balance两个客户，未给合同或指标。其问题是人/有工号数字员工/无工号Agent/系统四角关系：Agent相互交流后怎样确保后端功能和数据权限，赋给一个Agent不等所有系统授权。不是单纯聊天泄密，不能偏题只加信息过滤。 顶流哥建议把Agent/数字员工放在人的下属，只访问本人已有系统权限，状态归岗位/本人，不改原组织；这是他提出的简化设计建议。哇塞称自己用“四A权限体系”角色挂权限点，场景更复杂；他人还提到key/证书。需要讨论的选择是：先明确主体、委托链、状态归属与后端权限，而非因为Agent数量多就认定权限自动统一。

仓储Agent权限不是所有人能写生产系统

机器人说自己是企业内技术人员、不是对外FDE。他自述雅诗近音、New Balance仓库中做过场景：跨多个系统采集汇总分析数据，按当前仓库作业排期调度，自动化足够时可调机器人/AGV；“创波/创博”原词似波次创建但保持待核。人提需求→创建作业→下发拣货，Agent幻觉写操作会造成生产损失及大客户投诉，故Agent应有自己受控写权限而不是直接等同人的全权限。这是他介绍的仓储方案。 另一方上一段提让Agent挂员工角色沿原CRM权限，为组织和系统不变；两种路线存在实质分歧，不统一裁成一方正确。另一人说自己工厂设备搬运找美国团队用AI没做成，不是前者仓储方案失败/成功的对照试验。餐饮装修是否可用没被具体解答；明年园区WMMX近音只是咨询线索。

28. 计算成本、私有化和账号采集：保留风险，不把资源当需求

有人提部分地区算力券/Token扶持，不同地区的资格和领取条件仍需分别查询。另谈批量电商账号、指纹浏览器/cookie登录采集、心跳及验证，有人自述知道方向但没做过，并推荐市售产品。账号和市售采集工具都不等于无限数据访问权限，企业还需判断用途和授权。 教授要求同时讲技术、落地、成本、商业四项；转述孩子大企内部部署DeepSeek等为内部个人效率而非全产业链自动化，网络隔离不等数据绝不外泄、也非所有企业唯一本地路线。开放外部能力还需看成本合规。算力多或能调远端模型不是商业闭环。

29. 实体店服务卖增长结果，而不是抽象“AI赋能”

实体经营者问餐饮/酒店/景区等如何用AI，回答建议深入现有业务流程，在已有模型上做放大，而不只以“优化多少功能”说服老板。举原100客户变500/1000、老板照片→有脚本逻辑的视频一天100/200条，都属于说明价值的假设/主张，未给某门店实际流量转化。真正需要讲清介入前基线、介入做什么、介入后结果变化；先让一个客户有效，再口碑扩散是获客建议，不是已经交付百万视频证明。单纯技术能做不等客户愿付钱。 提需求时宜说清具体案例而非同时问门店连锁工厂所有行业。讲者也表达了介绍客户的意向。另一人问如何蒸馏文案，回答用codebase/code decks近音（未确认Codex）说明认可的目标博主和未来方向，提示词还要反推。

30. 蒸馏销冠前先解决组织利益与抵触

讲者说找企业销冠提炼销售知识，但真正一线问题是员工知道会被替代，可能不给核心经验、只交掺水内容，甚至消极离职，未产出AI成果先让原成熟团队业绩下滑。500万GMV掉到200万、原50–100万工资仍要开，是冲突示例，不是已审客户业绩。另一服务者自述沈阳网约车公司怕员工更懒又不愿换掉多年员工，属于具体需求阻力，未有后续落地结果。 员工愿不愿交核心资产与老板自愿提炼自己的利益不同。有人说需足够补偿才愿意，并举100个/1000个等口述未明确单位，不能补万元。另一人自述七月把自己和公司岗位蒸馏、砍了很多员工且业绩没降，用自家公司前后过程作见客户样板。纯文字/图片/视频沟通与大客户关系、应酬/决断/情商不能混作同可替代范围；人格魅力是否可复制有争议。 公司CRM客户记录与真实人际关系也有分歧：有人强调CRM和保密竞业，另一人认为大客信任随个人走；不把“公司任何销冠走都不影响”当定律。经营选择可以是同人更多产出开源，而非只能砍人。

31. 用组织者聚合交付和商业资源：会议仍是计划

参与者希望依托主播影响组织同能力者线下/线上合作，设想千人FDE团，并非已有1000交付者。主持说明十月中下旬常州峰会/沙龙拟安排筛选有付费意愿能力企业现场交流签约，随后上海火山参访；是活动计划，不是已签单记录。参加者愿自付交通住宿只能反映参与意愿，不自动证明能力和可信度。 主持自述直播建联单笔超36万元、允许大家直接业务联系；无合同金额/交付详情，保留经营口径而非收入认证。社群希望真诚可靠、尊重契约、长期主义，拒欺骗是筛选原则；这类组织的长期合作仍需靠真实交付与契约维系。

32. 重庆找技术合伙人：需要的是长期闭环，不只是临时派工

修天科技近音自述原政企地产活动策划、大B资源与招投标商务经验，AI从去年年中开始；现在从0到1起盘，找肉身重庆的一个技术合伙人，不找销售/外地泛团队。需求是懂AI+物联网、语言理解/提示词、架构和插件接入；先技术人搭框架，再由行业原运营/销售总监补行业痛点细节。纯用QD四近音产品做交付后续优化多，是其动机而非产品对照测试。 合伙人须一起见客户，专业表达之外还要把销售承诺中做不到的拉回来；两人先跑商务→技术→交付小闭环，产能不够以后再外包/招聘。希望带B端/政企案例来谈，即便插件/单Agent也要能说明做过什么。另一服务商提外派程序员可解决，与长期合伙事业诉求不完全同一；双方尚未确认合作。 建议组织者记录地区/技能/案例/需求，线下活动撮合比泛泛互加联系方式更有针对性，仍是建议，未有匹配结果。

33. 游戏陪玩俱乐部SaaS：有订单的客户才有结算痛点

小强自述软件公司做定制/Agent/FDE，他把FDE理解为懂业务的程序员外派串多个系统，是个人定位不等行业唯一标准。已有自写自营护航近音SaaS，口述3888元/年；给有自己流量和订单的游戏陪玩俱乐部解决老板下单结账、分账、抢单/派单管理，不是足球篮球俱乐部或无流量个人。称卖得好无销量/利润明细，商业成功率未知。与重庆长期合伙需求可联系但未确认合作。

34. 找创新伙伴要说清项目、可提供资源与要求

另一位谈数学模型预测风口、做FDE编程语言/架构以提高生产FDE效率，愿出3万元、需最小生活费，已接触一人/找更多耐心伙伴。项目内容初不愿说，线上/同城/去向回答不一致；别人要求先讲技能、资源、需要谁、地点、具体做什么。没有代码/性能/语言规范，不把“模型能测风口”当验证能力，也不和重庆合伙人同人。万块钱十人各千十天的众包分工只是另一人假设，不是实际订单或工时预算。 可迁移合作表达顺序为自己能提供什么、项目具体目标、缺什么、希望哪里怎样合作；不是只说有想法等他人赚钱。

35. 制造业MVP和模拟整链：两类案例的需求与验收阶段

制造业MVP：3D转2D和BOM先跑，再考虑SaaS

少康程序员正与另一公司准备合作，驻场一家100多人制造企业。MVP两点：外来散单3D图转2D/CAD/DWG，减少人工转换；BOM从数据库/文档复制粘贴再人工核对，重复费人工，考虑Agent代做。现是进行中，省100万/50万为说明老板付费理由的例子，没实测省下金额。先在一家跑通再优化产品/SaaS向其他企业，复杂定制另收费是未来模式，未给产品价。 跑十人左右小工厂另遇技术仅1–2人，老板不懂派员工对需求，员工怕被替代不说真流程，只要Excel转表这类表层工具。服务对象老板的成本目标需兼顾一线配合，而非只告诉员工会裁掉他们。 对“FDE架构/专用语言”另人需求，少康认为近DSL领域解决方案，但不是原提案已实现DSL。程序员擅按清晰需求估能否做/成本，找活不是同一能力。

制造业需求分层访谈：沟通成本常大过开发

少康补充3D/2D与BOM需求来自老板、其派来的中层、一线工人三层访谈后再汇总，不是只信老板一问。制造业链多、外部条件多，挑最耗时最费人工、算上开发/解决/沟通时间的点。对十人以下小厂，可能能赚小钱但沟通成本高过实现成本。文员操作表格、程序/Web/App交互可有较大Agent空间，实际机器操作/钣金工人不是同等容易优化。 他称自媒体/口播/跨境可做全套因业务短，被跨境从业者即时反驳“流程不短”；保留为不同业务复杂度理解，不能认定所有电商很简单。其认为统一FDE专用语言不好做也是个人判断，非原理证明。

另一制造业预投产系统：模拟整链不等真实落地

一名企业内部跨岗位人员梳理合同→新品/定型品→BOM零部件及外购件→3D/2D图纸→工艺/检验→交付，按合同周期和历史经验生成计划开始/结束，再对实际开始/结束评估，临近节点分级警报；不同任务按岗位特长驱动。现在是取真实产品结构搭全部模拟数据的SaaS路径，预投产测试，未真正工程验收。广告FDE没有听清行业，给RAG/Analysis低成本笼统建议不是已解决。 少康再次澄清自己的100多人钣金厂只挑3D→2D与BOM两重点，机器、加工、质检仍人，BOM至多带工艺环节；历史字段与业务对应人工深入挖掘→RAG/知识库→Agent抽每步需什么数据/处理后何值交下一步。不能把这个进行中MVP和前者模拟整链合一案例。

听懂方法不等已有完整实施证据：人审与组织访谈

后评有人觉得广告FDE只有抽象学术、不适合本土，也有人认为低价换企业主人翁配合、删枝、业务驱动是实做中重要步骤；分歧不能只靠头衔裁定。少康解释钣金两点后被追问BOM幻觉，答99%提效/1%人工为概念比例，这里的99%不是经过测量的正确率。后评对3D业务地图误当实体CAD/三维建模成本，有含混，不能据此否定/认证前述业务图。 另一服务者经验：初开会叫所有部门高管基层一起，大家不说；点对点沟通反而聊出问题。先定位到底服务老板工程还是岗位提效、具体解决获客/冗余工作，不求全公司都满意；少讲裁员降本，多讲有价值提效，避免动摇军心。所谓国家不支持降本只是其说法非政策事实。Open Ops是其自起实施方法名，无开源仓库，不和广告FDE认证同项目。GraphRAG/infotext等仅方法候选未披露实现，Turing/HANIS/DeepSeek/OpenAI开源也只是泛指未独立验证许可。

36. 广告FDE的完整链路：交付、本体、分析与Harness

美国广告FDE的前后团队：定制服务反哺平台，而非单纯外派

另一自述Google美国广告FDE的HZDZ参与者说其路线依托已有平台与多套方案，不是没产品先想做SaaS。他的Team A（原转写TMA）面对客户：了解想省钱/拓客还是品牌曝光→选适配方案→由Team B产品工程做出来→Team A部署给客户→将新需求和普适部分传回平台。组织细则和合同没有完整披露。 他把SaaS目标称为客户自主self-serve无须派人，FDE解决还不能直接用平台、需改程序适配的情况；“天生冲突”是其侧定义，不当全球行业标准或不能共存定论。FDE在没有AI时也存在，AI与岗位不是同义。广告业务区分曝光增长与临购买最后一步推动转化，数据驱动不同目标不同方案，不把全部客户同一ROI策略。

问出具体需求，并敢拒绝不合产品方向的定制

科研单位说技术不缺只想加速AI，FDE连续追问加速衡量什么（速度/钱）、现在怎么做、是手工多还是人决策、现有Agent具体做什么/协作能力是什么，才逼近“统一平台精确推荐论文文献”的需求。若只是领导想推AI，先别动AI，不然破坏既有工作流却不解决问题；不能用一句“已有Agent想打通”代替清晰价值。 他说现场问答就是FDE工作：已有行业方案而非听一句就写新功能；第一件事学说不。若客户目标与Team B产品方向不一致，会造成单独开发，则该阶段拒绝；不是任何定制都全拒，而是维护复用/成本边界。客户是熟悉其自身数据的人，mapping仍必须沟通，不可能靠陌生表自动全懂。

传统企业接入前提：CSV可以映射，纸账要先数字化

讲者称在美国十人左右公司做过整套方案，成本7万–20万美元自述；不是人民币，未指明一次性/持续费与统一价表。不同客户普适模块不断纳入平台后成本可下降，FDE拒绝不合方向功能也是复用策略。Excel/CSV先让Agent读文件映射，手写账连Excel没有则先数字化才能让Agent了解；不能把“AI赋能”掩盖基础录入成本。 中国SaaS不给MCP/API甚至文档的反例来自另一开发者，自己只能导Excel。美国大多开放MCP是讲者经验，非全世界接口事实；没接口没有被现场解决，不能补绕过采集教程。无系统客户可把后端所需现成软件购入打包方案，非额外每个模块全新开发。 陌生行业先与第一个客户较长周期共同开发、低收费换认识与可复用方案，再第二/三客户逐渐做通压成本。这里不是一开始行业全懂、也不代表已有每行业客户；平台Muse/Facebook近音个人Agent帮Amazon购物只是类比未核正式名。

同一报价口径后续扩展，客户人数不能代成交额

广告FDE后报客户最小约15人、最大几万人，又被追问成交额，答7万美元至百万美元都有。前报“十人左右小公司/7–20万美元”与此范围不同，不能合成统一价表。IBM服务化方法有相似性是提问者联想，他明确没横向对比、不清IBM，口述volunteer近音指其遵循路线未确认新工具；不能编出IBM优劣。

广告数据团队的Agent实践：业务上下文与同事接力

HGZ自述从事广告数据科学，后文明确远程而非驻客户现场；客户已有云数据不等于无授权要求。Gemini约70%使用率是个人团队说法，不是整家Google统计，同时用Claude Code、Codex与自制harness。 主要问题是把本公司与客户上下文注入任务，以及从Agent A切到B时如何接力、避免重做。通用harness解决底座，业务层、共享上下文和同事协作仍需建设。DA/DS岗位变化、八人六博士是个人组织见闻，不是行业学历要求。 没有数字化数据的小企业，不宜直接复制复杂数据科学项目；可从重复流程、视频/报告等基本任务起，迭代Skill。移民与被动收入讨论仅个人计划，不作为当前政策或收益指导。

业务逻辑显性化：知道表名不等知道数据为何产生

同位广告FDE解释Ontology/本体做业务地图：把用户、服务、数据库对象等实体及关系显性表达；应收/应付对应哪些软件和流程，会计、营销、财务部门如何关联。现有数据库是业务在某时点/节点的测量，不等全业务结构。目的不仅让业务人/开发者看见，更让Agent知道公司有什么问题、取哪个数据、为何这数据影响业务，以及缺context时去哪找。 其口述“3D图”是业务图/地图表述，并不是要求一定做成三维可视化。Skills在已能明确语言描述步骤时有用，未知业务/未知上下文源时还需额外业务逻辑层，不把本体和Skill简单互斥。他说Palantir造FDE/当前推Ontology为业内说法，这是他对行业历史的理解。中小企业也可定制但FDE不便宜、动机是现成SaaS不贴需求而非必然省费。 另一跨境老板上月用AI做财务系统，汇总平台账单/不一致与延迟结算周期、物流/ERP、海外仓/国内头层仓及内账成本；是其自述已做案例。这是另一位经营者的系统，与广告FDE本人客户案例不同。催款场景随后又作具体讨论。

实体、属性、动作：用业务而非表结构组织知识

广告FDE举以前美国免费电话/短信App：用户、消息、电话、App为实体，文字/图片等消息属性，用户打开App使状态改变、发送消息为动作；类比面向对象及实体关系图加action。现场说的是实体关系图，而不是ERP。关键从业务向下：用户注册时间是业务属性，具体来自user还是registration表由映射处理；业务系统不必为每个客户数据库改核心逻辑。

本体首项目怎么做：现成资料自动抽取，再人工删枝

广告FDE补了实际来源：客户数据库/已有dbt与数据库逻辑、documentation，加人判断；先Agent抽object/action/property，Team B而非前线FDE独自搭。与首客户低价换大量业务分享/配合时间，不是一开始全为行业专家。第一版本体自动加得多，人主要删不需/不可行/未来不复用的链接、合并已有object，独有业务可弃。追求约20%结构覆盖80%业务，不追全coverage，最终约剩初始20%是其经验近似，非普适优化定律。这里和前面“盖全”的任务评价是不同层次：选定范围覆盖不能误当保证企业全部流程自动化。 首项目自述40%人工60%Agent；人欲删Agent须证明不能删，属对抗协作过程。口述整个项目约三个月：前两周逼出问题，本体4–6周，analysis/functions再4–6周；各段区间不能强加总为精确三个月，存在粗略时长口径。第一milestone业务执行流程还不放决策Agent，由人沿链跑通，第二阶段再加Agent代部分决策；此前Agent参与建模与执行链不含Agent是不同角色，不自相替代。

“账款”列名不能直接猜：语义、空值与双层解耦

从客户A/B/C迁移需要共有业务而非每次只按客户独有数据重写。应收账款必须连客户、会计业务、时间线，不接受一个模糊“账款”词让Agent每次独立猜映射；写明连接解释，和客户确认语义，缺语义层必要时做ETL transform再映射。所谓“不可能错”是讲者追求，未独立验证实际零错误。 missing/null可能是采集点坏几周，也可能停止投钱无事件，两者业务解释不同；看列名不能知因。对方注册时间来自多个表仍应先将user业务属性定义，再binding具体字段来源。讲者称要“删数据层”指业务逻辑与具体数据库解耦，不是运行时不要数据或把数据库删掉。

应收催款不只定时发邮件：时间线、观测点与人介入

广告FDE用应收举例：只听老板说收款要十天，做Agent每天变花样催邮件，虽省催款人力，却可能成互不关联workflow。应先把财报截止（例每月30号）、工资时间、应收及已有观测记录显性化；缺记录先在业务节点按小时/天打点。再按业务期限决定第一封沟通、剩五天加催、最后一天转人工，并把待办放相关人的日程，邮件数量内容时机才有依据。这是讲解方法，不是实际某客户已收回多少钱。API/MCP可取数据解决访问，不自动给出何时取、何时异常、何时人工接手的业务逻辑。

“自己找活”的广告分析：异常→历史比较→素材/平台定位

即使业务图存在仍需trigger，可每小时或二三十分钟捕信号。区别是数据下降/预期邮件没来后，不只重复拉同样表，而是了解投放时间该有什么预期，取历史类似数据对比→轨迹不同→取视频/图片→分平台查普遍或局部问题→区分用户观看不点击等原因。图描述节点及动作关系，Agent按图决定下一函数/分析；若只猜列名相似来join，可能大量Token耗在数据库语义猜测和“怎样算完成”上。 完成还要覆盖：五件事只做两件却宣称完成，需同时看precision/recall，讲者将其解释为做得准与盖得全；不是已给量化测试。广告先知道数据说什么、再归因为什么、最后才决定明天怎么投，前两层没答不能直跳推荐投法。持续运行谁付费现场有争论，没给具体服务合同，不能说后续只有Token/永不收费。

完整广告方案：业务层→埋点→分析函数→多角色→对抗审查

先明确客户是否拉新/曝光还是转化。视频前/中/后段分别表示何意，view与时间线对齐、点击位置发生什么；分析现有数据与欲做推荐之间缺什么，然后做打点/已有事件分析。讲者口述list/lift近音分析未确认规范名；把不同群看不同内容比较也需设计选择，并非所有对比天然A/B正确。 Agent在业务图中逐节点调analysis函数，判断证据够否并查下一个可能，走完得到如十组分析→不同数据分析/营销角色各自解释→另一组adversarial review专门批评第一组→综合结论。不能只让监督Agent有名无实，更不能以多角色争论保证真实。对抗审查类比GitHub code review、并行相同任务类比git worktree；不限量资源同时多方案比较是其环境自述，不能直接当普通人预算。 归因/marketing mix model可加入宏观经济、节日等非可控因素与可控投放因素，未知因素/噪音也要建模；counterfactual反事实为其方法口述，没给完整识别假设和代码，未独立验证能消除任何遗漏。5%missing value不能直接丢，要追未track/找不到人的原因；这些比把日报手工丢模型更深，但不是模型自动就有。

虚拟数据层与Harness：迁移业务，映射客户数据

同一团队已有行业业务层及分析层，以Virtual Data Layer承载本方业务，客户数据经data pipeline/semantic mapping对齐该层，再拼已有functions/模块成客户方案；不是到每家都重写数据库。先行业业务建模后具体表映射，承认了解行业最费时。原有人问“虚拟层解决安全幻觉”，讲者未验证自动消幻觉，未给保证。 链路搭好才放Agent在框架里做decision、写取数code。执行层三项：全链可track决定和结果、历史能在Agent间share不必重喂；同任务分不同角色角度；另组做对抗review后才看结果。他称此为harness，不只调模型成三个角色。北大实验室AOCI近音只为另一人提及的相似项目，正式拼写、仓库和许可都未核实。

业务投影与双层Harness：大图不负责每个细节

本体不能解决全部事情。每个部门/业务需要起点与下步，把全局业务图投影为该任务局部2D DAG/树结构，沿节点执行；类比Airflow。新增特定细节放业务实体投影层，不把所有字段塞全局本体。讲者明确这里是“业务的虚拟”不等虚拟数据库；全公司business→部门business是另一层抽象，再往下才Agent编排harness。 Agent harness是LLM外层框动作/工具/Skill，团队另在整个Agent harness外框业务边界，规定业务形状、guardrails，而不只是该Agent下一步做什么。MCP、Hermes式harness为提问者举例，未独立验证其团队用了Hermes；没有技术栈仓库。不同参与者说国内大厂已有、类似领域模型、听完仍不知实施功能，都是后评，未有横评不宣称原创或过时。

37. AI开发的交叉审核、分工与硬件反馈

最简交叉审查：不同模型API，但人仍须审

另一参与者建议不用同模型/同厂，两个不同品牌API即可交叉审查，不一定先编排完整Harness/多Agent。其理由训练数据/方式不同可能暴露盲区；“一定发现”没有实验，保留为个人建议。无论对抗/多Agent，人都要介入。提问者现Harmless/Hermes Agent单模型理解需求易偏、效果不理想，希望加审查，尚未回报改后效果。 推荐GitHub Skill名口述Breal/BrealMe且拼J-R-I-L-L，后又GrillMe，作用是先不断追问让需求说细，再实施；正式仓库未确认，几种近音也未必都是同一项目。Hermes看板被推荐编排Agent，提问者已实现看板/大量软件Skill，简单需求跑两天约十万Token，自述DeepSeek V4 Plus（正式版本未核），仍要搭第三方后台、Agent、自动客服，工作并不轻松。另一人6小时40–50万Token和十线程是另人的口径，不合一benchmark。

开发接单成本与自主控盘：旧代码不是商业无价值

国外图像/视频平台接单先满足标准，常只给2–3次修改机会；不合格浪费Token且不付款，建议从自己做过的需求接，不把对赌当稳收入。M/MU开头平台忘名，名称仍待确认。软件开发不宜随便签对赌是其风险经验，非所有合同条款法律结论。 物流后台PHP/JS老代码、公司流程乱为一人观察，另一十年开发明确纠正代码旧与公司经营好坏无必然关系，市场推广重要于代码新。AI让个人少分包前端/App、自己控制全项目进度，是其接十来人陪跑体验；不等任何复杂项目一人无风险交付。 成本自述每月AI研发约1000–2000元、项目多1万元以上，自己觉得可忽略，与请人比；另20叉套餐/免费额度没耗完/Claude约500等不同地区套餐口述，不拼官方价表。智谱/Kimi读项目慢、GPT读快、Claude UI好均个人无控制测评。付费/免费不能只看Token价，还看速度、被封、是否能完成任务。

分工写UI、交叉模型、Computer Use与测试别混概念

有人让Claude先出好看UI/交互原图（20美元口述）再GPT实现；Copilot多模型轮换互查也是个人实践。推荐UIUX/UIU叉 Pro Max Skill用于界面，名称未核正式仓库/许可。对抗审查、A/B、冒烟测试在现场被混问，回答也含糊，这些概念并非同义，现场没有给出清楚的区分。 Computer Use可改完实际操作，但一人称“基本无bug”并无用例/覆盖报告；另一提醒要明确需要才运行，消耗Token。后又明确不愿无边界自主迭代，因会跑偏，每小功能做完自己实测，和“动嘴就零错”口号相反。Claude新代码对抗审查功能/当天更新、GPT6只为现场口述版本线索未查官方。

嵌入式AI开发：原理图、串口反馈与逐步实测

一位自述公司做ESP32/STM32、自己此前无嵌入式经验：起初Superpowers给框架结构，改Grill近音追问需求；再用improve code base architecture Skill改善结构/查bug，自称全修不作为证明。编程板USB插电脑，后明确还要串口，Agent写代码后读串口反馈判断对不对；不是USB一插硬件自动全测。 看原理图/电路图反复纠错、提供设备通道等上下文。微软GitHub项目口述MarkDown，可将PDF/Word/PPT/Excel转Markdown再让Claude Code读，项目身份未核，不能直接确定为MarkItDown；转换文本不保证电路图视觉细节全保留。另一人只给设备图做一段失败仍说难，协议“必要vs没协议”争执未解；“只有for循环加if/else”过度简化，不当嵌入式教材或安全验证。

38. 新业务理解失败：让老板单独对AI不够

有人让老板跟AI梳理流程，开发几天再对发现完全货不对板；老板可能只会说要某报表，不擅显性说出经营。建议点对点业务访谈十天半月，问“钱怎么赚”从上向下，而非只读底层表猜。不是老板不懂技术就一定无法表达，而是需求确认不能省。后台接Hermes/Open Call近音还是自写调用，要按需求；调用LLM后审查结果比简单接API难。 自动客服另一人说有用想在澳洲推，但还需代码支撑省消耗、也有bug；拟人化RIP近音方式与封号担忧，未给自动化规避教程。GitHub现成传统客服不贴其要求，企微十人以下开放API是其口述未核最新限制，不能当官方准入条件。

39. 从自动化经验学AI：项目练习与定时资讯

自动化/C/PLC背景学AI：以用代学与补基础并行

一位自动化/C/汇编/PLC经验者被新概念淹没，问从何开始。有人建议先接活/上板让AI写再看，有人推荐Transformer/LLM基础、GitHub大学课程/海外直播课；具体课程和链接尚待确认。 移动互联网产品经理另建议从三六岁漫画/八九岁阅读学习等小需求（均举例非已有客户）切入，用AI拆需求写story、颗粒一天两天→开发→群里发链接→看反馈迭代。本人五月九日开始OPC近音至今拿一单、用WorkBuddy，以需求找方案顺带学工具，这一单是他本人的口径。反方担忧没基础易犯错、不了解能力边界对客户承诺失真；两者可并行不是择一。

每日定时资讯小工具：过滤后人工挑重点深学

另一人自做WorkBuddy/豆包工作近音定时脚本：指定所需国内外AI新概念/大事件/新模型功能，附“对我有什么帮助”，可例早8:30推到云泡泡近音。模型权限越界事故、后续修补作为学习素材，Replicator近音只是例未核具体事件。先脚本筛有用信息→人再筛→重点深入、其他略读，逐步懂缓存/权限等术语，结合程序原有经验再做RAG等小项目。未给脚本代码、源名单、准确率，尚不足以推出已验证全网新闻源或自动无幻觉。

40. 全栈AI开发失控感：先方案与影响文件，再生成与合并

一位原前端开发者过去逐个封装公共组件，如今让AI一次生成前后端及数据库、几十页面，只负责测试修bug，知道有缓存、锁、并行却不知道在哪个文件，担心线上问题。其Codex版本/很少bug评价只属个人测试感受，不是线上安全证明。另一开发者用阿里Q近音付费工具，先讨论模块两个小时甚至半天→写方案文档→逐项说明新增/修改文件及每文件用途→再半小时生成十几二十文件；未逐行review但至少知道逻辑与目录。方案时间/生成时间是其自述，不是标准交付周期。 风险重点不只语法，而是业务交叉、反复改两个相互依赖模块、多人同改。建议先批准方案、写rules限制不动原业务、查看git改动与文件归属、人审关键逻辑。多人先划订单/退款等职责，越界先商量；各建branch→检查改动→合main，AI可辅助审不能取代责任。分支控制并不自动预防语义冲突，提问者当前独立开发、未来协作担忧，尚未发生其担忧的多人协作事故。spec→scope→开发的skill建议原名不清（sk/DScale近音），保留功能线索。水晶报表老工具和大企业安全禁AI例仅说明工具新旧不等业务价值。

41. 工具推荐与AI迎合边界

课程名口述Skilljar，被参与者称为CloudCode相关官方免费课程；网站及官方归属待确认。Codex所谓“O”功能及100–500美元月费、自主多日完成任务全来自刷视频且当场承认未更新/不知真伪，作为待确认产品线索，当前能力和价格仍待核。Hail Mary近音亦仅使用口述。 另有人把AI聊天中的五维、诗歌、八字手相和自身能力联系，其他人提醒模型顺着用户说不等于独立证明。可沉淀的是核对而非将聊天赞同当事实、保留独立判断；不把这些断言认证为科学或心理诊断。关于辅助学习与代理执行的争论：不会题可问AI再分析学习，考试不能由AI替；餐馆主可委托文案/图/视频等耗时任务，人仍对质量与选择负责。双方价值偏好不同，没有形成统一共识。

42. 从客户需求交付到补足知识与产品化

为需求交付，而非卖一个AI插件；业务AI化到能力产品化

客户更关心拿到数据和解决任务，不一定关心是否用了AI；部分环节硬编码更合适。半个月变半小时/十分钟只是效率举例，不是项目实测。Hermes Agent插件被举作自用工具，不应把交付一个插件本身当解决企业问题。 另一参与者提出两阶段理解：已有业务的问题/人效/流程设目标→AI提效；已有环节整合后再把能力形成新产品、服务同行乃至跨行业。80%–90%覆盖是假设，不是本人已经落地覆盖率。该观点类似业务数字化→数字业务化，是经营思路而非所有企业必经路径。

从商单找技能缺口，再补知识库

一位接图类商单者发现已有知识与客户要求有差距，收集PS/图片优化书约三十多本（先说三十七本），让AI蒸馏回知识库；两本需要付费，举一项6.8元购买，自述已做三十多本。未给完整提示词/清洗/评估流程，未展示验证有效训练法，也不把购买等同转载许可。做图/视频/PPT等能力先看商单需要、对齐自身可落地能力再接，而不是知识收集越多就必然可交付。信息回存与项目反馈形成闭环，收入仅说“还行”无数字。

43. 复刻视频流程的成本差异与未完成状态

参与者仿直播间另一位S/SEM.ON近音者视频效果，手搓两天，最长18秒自述花13元，仍有音频生硬/与正常讲话不同的问题；对方本地模型据说几元，自己没走本地，不能当同参数同质量成本对比。曾问STU近音未提供、于是自建；模型英文名说不上来，具体工具仍待确认。另有人提“积木/极梦”抖音工具效果不错，近音不强制确认为官方产品。他愿在四十余人的OPC群分享网站。

44. 海外经营者的两个网站：门店图转视频和办事知识服务

小国家出海两网站：门店图片生成视频、办事知识步骤

新参与者说自己长期国外办公司，法律语言不通常请法务，现做两个网站：面向当地/外国用户的AI短视频，及特定国家办事知识付费。模型用第三方接口，不是自训大模型；“老梦/老dream”是其口述产品称谓，未确认国家和网址。先因自己用他人视频产品不顺手而自建，已经自己用/替别人做一些案例，自述还行，不等商业规模已验证。 短视频场景：餐饮等门店上传门头、菜品、室内照片→结合门店定位/场景生成视频。模型调用有成本，所以要求充值、没有免费试用（对话口径），但按算力充值还是年/月订阅仍在问，没有确定价格。自己想做卖家，与别人建议买GPT作用户是不同问题。先充分测试再推广，不能生成一次就认为产品可卖；人口小/当地平台不足的获客困境未解决，有人建议短视频演示或地推，未见实际转化数字。 办事站自述已上线可用，知识库装特定国家资料，外国人查询办暂住证/工作签证等→分步骤去哪里、费用、携带材料；客户说能解部分问题。两个产品属于同一经营者，但服务对象和收入模式不同；大模型训练需巨额投入等是别人的创业判断，不当精确行业投资门槛。

出海知识站后续边界：能指导办事，尚不能直连政府代办

同一两网站经营者澄清当地无政府API可对接，故不能直接线上完成办事；目前定位仍模糊。自测同题比豆包/其他模型精准、当地语言库最全、中文说入→当地语言输出全球第一等均本人主张，无独立测试、语种/国家/数据范围未给，未独立验证排他优势。谷歌不能读当地语言也只是其体验，未核官方能力。商标知识库自述AI自动抓取、本人不懂IT只给命令，未交代采集授权和评估，不把“全国家”理解为已验证完整覆盖。

海外经营者的两个网站与法律知识服务

同一位国外经营者前文做门店图片转视频网站，后文谈特定国家办事步骤/法律信息网站；并非其他制造或物流参与者。前者从豆包、“记梦”近音工具转到自己网站，用Claude Code讨论商业模式和开发；仍无收入、充值模式与推广卡点未解决。当地先说无机房，后澄清有电信机房，向ChatGPT询问ECS供应商只是检索起点，未证实基础设施。站点、UI、数据、法律责任和运营是不同工作，能搭网站不意味着已经具备完整业务。

讨论者建议用Codex/WorkBuddy等专家Skill辅助行业研究，但必须输入自己所在国家、业务和具体目标，反复要求通俗解释并拆到下一步。泛泛专家回答不能替代本地法律核验；不宜独自承担大企业所有跨境方案。

45. 专业情报检索：多源付费、溯源与授权边界

另一参与者介绍实验性的“奥森特”近音信息/情报搜索，不同于上一位国家知识站。英文指令搜索细节数据，接几十数据源含实时付费专业源→比对可信性→验证来源并溯源→给相对准确答案；举别人只说模糊标的信息，模糊检索找相近标。对方理解为整合二十个付费站帮用户省订阅费只是解释举例，不是精确接入数量。 商业风险：付费数据不自动包含转售/共享权，源站可能限访问/拒大规模抓取，要看用途与授权；API/订阅可持续性影响产品。现场“公开抓取都不违法”“个人信息不管付费都违法”“跨境一律有问题”等为互相讨论的宽泛口述，不是法律结论。经营时仍需核本地规则、隐私、用途、跨境和数据许可；不能因条款或备案就推定合法。关于ICP备案/算法/模型服务/代码提交/知识产权认证被混谈，这些不是一套已核实的统一备案流程，仍需按具体服务核对。

46. 数据资源转资产：清洗、存证与权利不能混为一谈

有人提出清洗、结构化、登记存证、授权交易乃至融资的链路，并提到多地数据交易机构。这是口头业务框架，未给实际估值、交易或贷款。登记或区块链时间戳不能自动证明采集权、使用权与交易权，更不能直接保证金融机构认可；能解决问题的数据才可能形成价值。 另一算力经营者问美国B300服务接国内输入输出，另有海外经营者考虑海南主体和境外知识信息回到国内云。现场对备案、单边合规和税收的判断互有混杂，没有经过具体司法辖区核验。域名、云部署技术上可做，与数据流转获得许可是两回事；不能把“规模小没人管”当实施依据。

47. 狄的一人媒体团队：23个Agent、真人生产与复盘

狄的一人媒体团队：23个Agent仍然需要真人拍摄与发布

天津内容经营者狄自述做内容约8年，开始集中用AI的月份口径有修正。其WorkBuddy团队覆盖选题、短视频策划、逐字稿、直播策划与逐字稿、敏感词审查、编辑发布准备、直播数据复盘和切片。23个Agent是自述的工作组织，不是已经无人值守的全链路；他本人真人出镜，尚未开始编码。58元个人套餐与HY3/HY4是其当时使用口径，非现价认证。 他的自用判断：视频24小时500或1000播放作为个人复盘线，只有300便回看选题、开头、论据和细节，一天可循环几次；9300粉自然增长、未投放是其自述，后续涨到一万等目标仍是愿望。个人IP跑通后，拟将团队结构复用于理发店、餐饮、电商等，只替换行业内容；所说客户订单未展示合同，区块链咨询另为一条业务。

工具适合谁，比工具名称更能解释选型

狄选WorkBuddy因为按钮、拖拽、对话门槛较低，目标传统经营者需要结果；这不构成性能、安全、并发优于Codex的测评。自身能力不够时可接入OPC联盟，合作仍需具体交付验证。 他确认现在是真人录制、人工发布的半自动流程，并未完成自动发布。开拍剪辑触发AI标注/提示与限流只是其体验，不证明因果，也不把去水印或规避标注作为方法。平台分发依赖、内容标识和真实账号运营仍是产品风险。

48. OPC先证明交付回报，再承担办公室和园区成本

另一位有十几年ToB信息化销售经历、做过两年供应链金融的参与者，虽积累核心企业客户资源，仍没找到明确的AI业务切入点，也想探索一人公司。他区分ERP厂商用AI省开发人员，与最终企业客户获得业务价值：前者降研发成本，不等于后者已经有愿付费的落地产品；飞书只是其随口举例，不是完成方案。这位提问者与分享23个Agent的狄老师是不同参与者。资源需要结合具体客户问题与交付能力，不能仅靠“有客户、懂AI”的标签自动变现。

现场有人批评某些园区重概念、重流程、未迭代，另有人认为先把本人当产品，用AI团队形成交付，再谈联盟补能力。此处是具体参与者观察，不能泛化所有园区。轻资产先做真实交付、用付费客户回报检验，比先租办公室更可控；但本案例没有审计ROI。

49. 医疗软件创业：四条产品、渠道、POC和采购身份

医疗软件创业：开发完成、POC、采购资格与回款是四个阶段

西瓜先全栈、后约五六年解决方案架构，2025年开始AI项目，离职是两周而非一个月。医院四条产品是合理用药、智能审核、智能申诉和DRG控费，拟每产品每年12万元，并未证实已按此售出。他所称“20人一年变一小时”没有同任务评测。POC通过也不等于合同、采购资质和正式上线；公司尚未注册。 他拟由医疗旧同事做渠道，后文说是年底离职、全职加入的伙伴，不是随手找代理。其他人提醒渠道不会自动卖，先有可展示样板、竞争分析、决策链角色与直接销售能力。50%毛利是讨论者经验线，不是行业统一门槛；联系20部门、全系统100多部门不等于全部潜客，假设每部门50万元/年、五到十部门覆盖现金流仅是预测。 借第三方签约、每年续签的身份稳定性仍是风险，现场谈收老公司不能当资质自动转移的合法路径。机构客户重稳定和持续交付，AI缩短编码不替代销售、部署、运维与责任。

医疗与政务产品必须分清原雇主业绩和个人新公司

问数产品自述从2025年5月做到8月，目前挂在中国移动商城，在当地国企上了两套，输入不只数据库，也含长文本，输出结论、图表和分析报告；这是自述部署，未见验收。西瓜又回顾，约一年半持续研发衍生出十来个通过POC、上线或交付的Agent，阶段并不相同；这不是离职两周的新公司业绩。甘肃商务招商年服务250万元是前雇主产品业绩，县域定制另谈，并非离职两周的新公司收入。 医院医保相关系统虽省内统一，具体肝功项目、报告样式、院方规则仍异。另一位分享传统算法医院经历，与西瓜产品不是同案。后者澄清重点包括病历质控、医保飞检、拒付申诉与DRG。现场罚款倍率、可追回金额仅口述，不能当政策或收益承诺。医院可能选择承受处罚，也可能无人为软件预算负责，痛点存在不等于愿意付费。

50. 高光谱项目验证：核心技术、样本真值和工业复用

高光谱技术合作：先明确传感器、算法和终端结果，再评价商业性

黄称已与朋友签技术合作，仍在市场验证阶段。对方口述微米划痕、瓷片/钢管反光面检测、土壤氮磷钾、中石油油水检测由一天到十分钟等，均未展示测试数据。技术叙述包含传感器、芯片、算法，不能据此笼统宣称普通RGB永远做不了。 团队履历、专利、名校PK说法都不替代实际样品。建议问清真正核心是哪一层、做过哪些项目、什么样品与场景需要定制。相机二十多万元是自报价；“国外产品80%效果、10%价格”是讨论举例的比较框架，不是已测结果。黄偏B/G销售，对方做技术，工厂高反光产线尚为洽谈。

工业识别的最小验证闭环与复用成本

HGZ建议从客户最终收益而非单独相机精度出发。分类任务先有合格/缺陷标注，1000张各类只是例子；油水浓度等回归任务要有真实测量值。采样→真值/标签→训练→验证→场景部署，并结合实验与实际工程环境的差异控制变量、确认客户可接受的结果。特征更多不自动可分，80%准确率不是所有工厂能接受。 黄后文说已有现场或寄样测试；不同环境仍需控制变量，不宜把离线样品结果直接迁到产线。高度定制项目难复用、单厂未必付得起；环境、农业、林业等通用场景可能更易规模化，大工厂足量收益也可承担定制。FDE应把采样、训练、集成后可复用部分沉淀，而非每单从零开始。

51. 政策资讯推送：入库、补贴和地方期限分别核实

AI每天推FDE案例和新闻，有人据此问服务商入库与补贴。现场出现国家8月31、黑龙江9月14、某省10月、中央12月等不同时间口径，均未核官方文件；入库名单不等于现金补贴。团队、税、社保、业务等资格并非只靠执照。“扶持一万家、遴选两千家”是现场转述的企业数量，不是补贴金额；十万、三十万、五十万元及过去五万元则属于不同补贴口径。“只剩两周/已结束”也需对应地区文件核实；资金批次、名额和兑付条件不能由直播推定。

52. 手机本地AI：模型容量、速度和自家电脑路由

提问澄清是私有/离线手机AI，不是影视。现场一方说只有手机厂商能做，另一方指出小模型可由小团队集成，两种说法需要结合具体设备与任务检验。0.3/0.5/3/4B等口述与数字误说未核具体版本，正式型号仍待核实。 两种架构分清：模型实际在手机运行，要测内存、速度、效果、耗电发热、兼容与稳定；手机仅作UI、把请求发给自家常开电脑运行20B等模型，不等于手机离线。现场以“OpenCloud/小龙虾”近音方案作路由例子，未确认正式项目名；有人自述这样用过，但电脑须持续开机。再按敏感性决定是否路由外部模型是设计思路，不自动带来隐私隔离。 Mac统一内存能容纳大模型不代表推理快。一万元GPU只当时估计，DeepSeek Flash等说法未核。按意图识别、翻译、简单文本或工具调用等任务选择模型，不能把前沿模型聊天能力作为唯一标准；MoE“只跑一个专家”是简化口述。

53. 长期记忆与论文检索：分层、召回和原文证据

个人记忆的过度召回：时间戳、分层摘要和Wiki

用户用Gemini Memory/Gem、GPT/Claude项目附件后，抱怨旧事被过度关联，不是忘了上下文。回应者猜检索缺时间信息或硬注入，未验证真实根因，不能概括成所有长上下文都差。 三条思路：原文分层成L1/L2/L3摘要；RAG只召回相关片段并带时间、语境、出处；Markdown Wiki用索引链接及agent.md说明，结束后hook抽有用知识、下次按需检索。所谓腾讯DB Agent、WikiLLM/Kapasi等近音未确认，未提供仓库链接。跨文关系不能代替精确原句。 个人Agent可把偏好、语气、意图提到文件，启动时加载；小龙虾/Hermes等是口头例子，未读代码，不能认证所有产品有或没有记忆。Coding与Personal侧重点不同不是绝对能力划分，持久化还涉及隐私和用户同意。

一万篇医学PDF：词法召回、重排与原文证据

老谭目前十篇效果尚可，目标一万篇。PDF转Markdown，按标题、摘要、问题、方案、发现、改进、引用等五六段切分，每段约50字摘要入MySQL，靠意图加模糊检索，尚未做向量。 建议先召回100/200候选，再按问题相关性重排取50只是参数例子，BM25可作词法基线；“BJE”近音的重排模型未确认。可加embedding，但需用实际问题检验，不保证加向量就好。Agent可重写问题、多角度检索、检查覆盖并有限次补查，不能无限循环。Wiki适合跨论文关系、时间和继承；精确剂量或操作必须回原段。混合路线是拆问题→关系网络→推理→原文证据，不把生成结论当医学依据。 另有建议以Pi作Agent底子，再接本地或在线模型，尚未给出这套整合的实施结果，项目仓库身份也未确认。 老谭另述把终端日志与会话时间存JSON，交DeepSeek提出下一条扫描命令、执行再反馈的安全诊断循环，这是其自述的环境诊断闭环。

54. 数据平台和招聘工具：功能链路、获客与权限

另一位金融风控背景者称三全食品项目用了数据库、RAG、Agent六层与数十流程。德勤背景及德国Sektor近音上市公司规模仅自述/比较未核。 招聘工具的产品经理自述两分钟处理60简历，以70%/80%匹配阈值筛选，结合每日50份查看额度；尚无Boss合作，API权限未验。获客以抖音自然直播演示→19.9课程包→三四天试用→月/年付费自助注册。19.9不是正式服务订阅价，半自动不等于自动外呼。自称合规不等于平台授权，承认规模大可能封禁，不能靠规避反爬作为商业基础。未来Boss/智联合作与Jarvis约80%参与开发是愿望/自述，非已成。

55. 低代码与FDE：垂直实施、测试、数据和收费

低代码成功案例：垂直印刷包装的快速定制与数据中台

河南明道云/简道云实施者自述2020起五年只做印刷、包装，不碰其他工厂。年产一两亿元的工厂使用用友、金蝶、鼎捷、鼎华等标准业财系统，仍有约20–30%流程不合；又无时间或预算做二三十至五十万元原生定制。因此主接30万以内ERP/MES/WMS定制，一个月至一个半月搭表单流程供测试，之后两三个月边测试边调，时间是其经验而非保证。 低代码作数据中台：基础数据进入APS插件，排产结果回传展示；IM接单回复、WMS、AGV调度等用API连到同一中台。低代码负责业务数据与流程，不宣称直接承担所有生产控制。业务促销规则变动较快，APS/AGV/PLC硬件接口迭代较慢，可小范围改促销栏目，避免每个新范式都推倒系统。 实施者原生团队三四人改一人低代码实施，称成本约三分之一，原报30万改报20万仍有利润；Agent再减后台成本，不必把技术省钱全部等同降价。90%乃至100%靠老厂介绍上下游，每月抖音短视频来两三名垂直客户，未投传统广告。这是自述渠道效果。细分行业组件可复用80–90%，不是任何低代码都易推；另一位回顾内部通用低代码平台：十多人参考成熟系统开发，运营人员拖拽后仍有需求无法满足，只能排研发去改平台，反而不如直接排研发实现业务需求；内部并未很好用起来。这是具体失败复盘，并不能由此否定垂直低代码。

自然语言搭低代码仍在测试：约束降低风险，不取消测试

两条AI方向：学习既有抽象生成模块，或让客户用语言在沙盒组合现成组件。实施者近半年正在试第二条，模型需理解平台字段、表单、流程规则。先前说“组件测过所以不用再测”，被当场纠正为组合更可控，而不是无需测试；依赖、业务规则和生产适应仍要验。称开发周期可减半，但人原本只有一个，不能再按比例裁人；Agent尚不成熟，也未在市场端据此报价。 APaaS现场把A解释Auto，未核正式术语含义，不能据此当标准定义。扣子类比只说明组件编排思路，不抹平专业行业组件与通用平台差异。

ERP是否被Agent替代：代码便宜不等于组织实施免费

参与者一方预计模型和编码Agent成熟会逐步替代传统ERP开发；所谓一周做功能是个人经验预期，Kimi Code/Moonshot口述也不当两个已核模型。另一方强调产物仍是软件，客户关心顺手、合同服务与成本；内部流程、信息流、耗材和工作流沉淀，组织培训与学习依然花钱。低代码现场实施者把一人进场理解需求、当场搭流程视为类似FDE；这是一种岗位类比，不证明所有传统ERP可无代价替换。

FDE的职责争论：确定性系统、非确定性问答和数据治理不能混成一个词

有人用“数学/语文”类比，区分传统ERP确定输入输出与RAG/AI客服自然语言回复；另一位也坦承做过客服但不好用。因此FDE不是只要能做聊天框，也不能把RAG等同所有模糊查询。这只是不同参与者的岗位理解，不是行业标准。 工程领域参与者给出流程：到厂调查业务与数据→收集项目、年份、名称及明细至原始库→清洗、编码、打标成标准库→把员工任务技能化/工作流化→按预算模板等生成结果→看板或对话查询→培训交付。原先四十人管理、优化为七八人只是其设想，剩余人仍需收集施工资料、拍照或填报，除非另装摄像头等硬件；不意味着已裁员结果。基础数据和标注不可靠会沿后层传播错误。 印刷包装实施者反驳中小企业实际非标，即使竞争对手规模相似管理也不同；工程方回应员工可上传普通材料，由平台转标准化资料，减少员工自己编码负担。行业模板与企业自己的流程不是非此即彼，可由业务方共同定规则，不能把某套SaaS规则强塞给所有公司。红圈被举为必须顺从固定标准却不顺手的使用体验，未作产品总体评测。

FDE收费应按数据准备和集成深度区分，不存在统一价

现场几种口径：到企业整理乱数据、搭平台，澳洲参与者举“两三万”，币种未明确；客户自己整理文档上传平台、只做问答，每月几百只是其例子。有人按预估一至一个半月工作量，以原工资上浮30–40%报价；另有按数字员工数量、每员工需求范围与数据难度计价。都不是统一行情。 阿里科技工厂两万元起/国际站与1688活动、更新上图、接口权限等是参与者见闻，未核官方报价和能力，不以此判所有服务不得更贵。驻厂成本与标准化订阅不同，决定价格的不是只装一个模型。 AI客服不只FAQ：Word/PPT/Excel先整理，产品问答可检索；跨境电商退货、审批、查物流则要真实业务接口，客户内部数据不可全给外部客户。供应商零件型号与企业自编型号要建关联，不然链路断。华西二院知识库是另位参与者自述案例，没有公开验收。 垂直化也有分歧：熟悉印刷可减少学习和交付时间；另一方认为通用FDE至少要驻场理解客户怎样赚钱，而非原来做过一个行业就自称精通所有行业。不能把不懂业务简单包装成多收钱的理由。

企业不用AI的原因：稳定、隐私与业务理解，不能只归咎保守

有人见客户每年两万元的服务没弄懂模型选项、慢且扣点快；也见头部医院部署DeepSeek一体机却自觉未实际使用。这是局部观察，不证明所有医院无效。企业不敢交数据、看不到省钱对标、怕不稳定，和跟风部署又不懂用是两种问题。行业老兵学AI和AI人才跨行业两条人才路线现场互有异议，后续大型Java改造给出具体反例。

56. 1300万行Java单体改造：前期强AI抽取规则，执行期强确定性落地

遗留系统改造的架构反思：规则设计强AI，生产执行弱AI

一位新接手大型银行级老系统改造的架构师，分享了接盘 1,300 万行缺乏注释与文档的 Java 单体系统的痛苦与重构心得：

• 两拨人马的沟通鸿沟：五十余人的团队中，负责大模型的 AI 组（以 Python、Go 为主）与负责底层业务的 Java 核心组互不懂对方语言与业务逻辑，导致系统改造成果屡遭客户质疑；

• 架构范式的关键扭转：

• 早期误区：前期设计阶段弱 AI，而在生产执行期强行依赖大模型动态决策，导致系统在运行时频繁出现幻觉与不确定性，无法满足金融系统的严苛合规要求；

• 重构方法论：“前期强 AI 辅助阅读代码与提取业务规则，运行时转为无 AI 的强确定性代码执行”。利用 AI 工具批量解析 TopLink 老旧持久层、逆向拆解复杂的 SQL 存储过程，将散落的代码逻辑还原为成文的业务决策树；一旦规则固化，生产环境全部采用确定性代码跑批，不再调用不稳定的大模型；

• 避免“既当球员又当裁判”：不能让 AI 既生成业务代码，又负责给自己的代码写测试用例。最硬核的逻辑必须通过构建黑盒测试沙箱，记录生产环境真实的输入输出行为（行为锚点），用真实行为比对来验证代码迁移的正确性。

57. 消费小工具先测留存：陪伴产品、积分与订阅

消费小工具先测试留存，再决定做深与收费

有人拟做长期记住个人重要节点的情感陪伴产品，夹带玄学元素，尚未开发且缺流量。朋友黏性强只是小样本，不保证市场。另位产品经营者自述做五十多个工具，先围绕一个需求做到可用，免费放精准人群自然传播；若没人持续用就停，有重度使用再试订阅。其“60分”指能用，不等于应牺牲安全或每领域都粗制；批量试一百款是建议不是实绩。 变现案例须分清：送积分、分享再送积分的聊天工具一周两万“活跃”，讲者随后改称不是日活，具体变现未知，尚未到广告联盟门槛；另一个比赛产品才是积分加分层订阅。广告接入需达到相应流量门槛，因此不能把这例当“两万日活已赚广告费”。WorkBuddy小程序“十四天测试、搜索不可见、之后认证备案”只是口头当时体验，未核平台现规则。

多模态开源与陪伴类产品：功能可做不代表推广和收入成立

一人称将某J开头近音模型做视觉决策的多模态版本，发GitHub及视频链接，约五十人下载、收到两个需求；正式项目名未识别，未确认仓库。这是可继续检索的开源线索，未验许可证、能力和订单。建议把收到的真实场景做案例分享，找更多同类需求。 另一个玄学娱乐工具作者称自己玩，不考虑盈利。历史一元/次、几十万或百万用户等是未核转述；推广限制、私域有限、平台标准难把握是讨论的重要商业风险。亲友599元三天三次的个例不构成经营建议，也不能证明服务可信、可合法推广，或能替代专业判断。情感陪伴的价值假设与实际留存、获客、平台许可仍须分别验证。

58. Token代理的商业探索：用户入口、真实模型和信任

Token代理：从价格信息差转向真实流量入口

天津支付经营者自述从业十三到十四年，支付利润下降，刚成为天翼AI相关居间/服务商，尚不懂各模型和客户来源。他认为Token与支付、手机流量充值有相似逻辑，并称分账能力已有，但不是已证Token收入。 讨论者提出走量和折扣、返点：早期共享/中转信息差可能挣钱，今日更需有真实场景的入口再谈供应商返点。朋友2024/2025做过赚钱只是转述，不能承诺今天可复制，更不提供账户共享或违规中转操作。另一人垂直软件把免费软件+Token充值归集作为兜底计划，尚非已跑通模式。 学生易聚集却不重度，程序员虽重度但比价能力强，是现场客群假设而非调研。支付经营者说万元交易赚五毛也接受，说明其薄利走量心理，不是Token实际费率。群聊只是寻找线索，不等于有稳定客户和授权渠道。

中转商业的信任风险：真实模型与明示路由比冒名更重要

重度用户称怀疑所用中转站偷偷换模型，另人讲低价模型冒充高价模型的套路；没有可验证日志，不能仅凭文风认证具体站点欺诈，但其经营教训明确：声称模型和真实服务必须一致，按难度路由若不披露会破坏信任，透明路由与如实标识服务是其暴露的信任问题。对中转已成熟/退潮是参与者判断，非市场统计。 拥有数万用户、每日百亿Token后谈折扣是示例，不是现有客户；0.51谈0.4只算差价举例，未明确币种/单位。用户愿为真实前沿能力付费与其每月三四百元Codex口径需分开。模型名飞豹5.5、Astra、O等在现场多人混淆，无从据此给正式型号或现价。

59. 程序化渲染视频与人工掌握架构的开发方式

一位自媒体作者解释不是文生视频，而是Codex写代码配“Himerface”近音工具逐帧合成，未核具体项目名。五十元/条是讨论中顶天假算，随后又报140元/月/二十美元等套餐口径与十条/一天二十多个混乱，单价和产能口径无法统一。与另人的AIGC提示词→生成平台路线不同。值得保留的是图表/素材可用代码渲染的替代思路，而非所有视频必须买本地模型和显卡。 另一开发者把复杂架构、整体流程、输入输出自己定，再让AI实现某个类，理由是后期能维护；简单任务用较便宜模型，复杂逻辑用更强模型，是个人分级实践而非性能测试。等待客户接口反馈一天，也说明编码速度不是交付唯一瓶颈。

60. AI落地售前：小场景、确定性约束和两分钟业务表达

AI落地的售前：明确小场景与可验证收益，不靠承诺替代成果

有人做垂直软件，框架已搭好但业务对齐仍需进企业；不必声称比老板更懂经营，价值在于理解技术与业务的结合点、把需求归拢。中小企业不标准却能运行，不能为了AI重建全部组织。原先咨询、产品经理的需求梳理工作并未消失。 销售方以已有案例回应担忧，但“给希望才付费”不能转成夸大承诺。十员工变六人是假设，未证项目实际裁员；先找小场景，如散乱数据整合，而非一次全企业重造。不同人仍对盈利点和方法论可信度有分歧。 高可靠规则任务先考虑算法和约束，不因产品要有AI感而把生产参数交给模型自行决定。知识问答可带原始出处以供核查；物流/报关等窄领域规则库与索引也可能先解决问题。所谓知识库最多100MB是个人范围估计，不是行业数据量上限。 物流开发者接着具体举HS编码：直接让大模型海量搜约三十秒至一分钟，规则库索引几秒可出，是本人经验比较，没给同任务评测；认为自动填单等可先规则化，不能推广成所有知识任务都无需LLM。

技术售前要能两分钟讲结果，政策和补贴不能替代产品回报

讨论转向央国企预算、商务与补贴，一方认为今年客户主动来找、战略部门愿花钱，另一方仍问到底怎么省钱。具体计划、政府强制支出、美国AI报告和十五五资金等未给文件，未独立验证为必然预算；有营业流水也不自动获得补贴、奖项或认证，不能把不盈利由补贴兜底作承诺。 对技术背景创业者，较具体建议是别只用CTO视角讲内部实现，要能在领导给的两分钟讲清业务目标、预期效果、条件与证据。合作方资源强不等本人已有产品/商务经验，现场提问者承认没做过，盈利仍无把握。讲故事和行业帽子不能替代兑现，也不以客户不懂技术为包装欺骗的理由。 确定性业务与概率模型的适配性仍有分歧：有人说90%执行度企业不接受，也有人认为正因不确定才需要人做集成。这里应按具体任务容错、人工节点与验证来判断，不能一边泛称AI全部只能边角料，一边宣称大势所趋可不看效果。模型自报置信度、微调或宏观政策都不保证某项目闭环。

61. 物流订单自动填单：非结构化转结构化，与运力调度的利益博弈

微信聊天到 ERP 的轻量自动化工作流

物流开发者分享了针对中小国际货代企业的实用落地切口：

• 经典数据流闭环：将客户在微信聊天记录或邮件中随手发送的非结构化发货需求，通过大模型提取发货人、收货地、货品重量与体积等关键实体；

• 外部 API 数据补全：自动调用企查查/天眼查 API，根据识别出的公司名称自动补齐完整的企业工商纳税人识别号、法定地址与开票信息；

• 人机协同确认：系统自动填好报关与入库单据，原先人工录单需要 20-30 分钟，系统处理仅需 1 分钟，最后保留 1-2 分钟由人工审核复核确认后入库，极大解放了一线操作员；

• 商业化思考：针对强确定性的填单业务，消耗的 Token 极其有限，若按 Token 充值收费很难支撑营收；更稳妥的模式是将其封装为现成 ERP 的高价值增值功能模块按年订阅收费。

算法排班与人性博弈的深水区

技术团队曾设想进一步用算法做车队运输与仓储自动调度，却在现场遭遇了巨大阻力：

• 利益分配的现实冲突：物流运输路线存在“肥差”（路况好、油耗低、回程有货）与“苦差”（山路颠簸、容易空返）。人工调度往往参杂了人情与利益平衡；如果完全交给冷冰冰的算法全自动排班，极易激起老司机的集体抵触与消极怠工；

• 工程启示：算法能算得出数学最优解，但无法替代组织内部的利益平衡机制。数字化改造不可盲目追求全自动化排班，必须为一线调度保留灵活的人工调节与干预窗口。

62. 水厂投料优化：工业降本重在单点确定性算法，而非宏大生成式

在传统水务与工业污水处理场景中，实战团队分享了更具确定性的降本路径：

• 痛点（经验依赖与过量加药）：许多水厂在投加絮凝剂、消毒剂等昂贵化学耗材时，由于缺乏动态水质闭环模型，工人为了保证出水水质达标，往往倾向于大剂量“过量投加”，导致每年耗材成本极其惊人；

• 小切口确定性算法：针对此类场景，无需部署宏大的通用生成式大模型，而是利用成熟的单点数学回归或强化学习算法，结合进水浊度、流量与水温传感器数据，实时推算最优投加量闭环控制加药泵；

• 小胜累积信任：中小企业往往连基础的 ERP 规范都尚未普及，帮企业解决具体药剂消耗、电费节约等单点确定性痛点，远比向老板推销宏大的“全流程 AI 转型大屏”更容易拿到订单与建立信任。

63. 流程再造咨询的经营：展示入口、收费小业务和融资边界

大屏、流程再造与咨询经营：展示入口不等实际收益

有人认为智慧大屏只是包装，另一方认为对外入口和交付庄重感有价值。可以保留界面展示用途，不因此把“付费即正确”当可靠产品原则；是否解决问题仍要实看。 咨询方自述交通银行企业开户预约审批通过线上流程再造，由一天缩至半天、未加人后还有余力找客户，未给统计与AI贡献分解；不能归成模型推理直接减半。其认为大企业资金与数据基础更适配，三全食品项目及同事德勤/宝马背景、Krauss近音130亿美元规模都是口述未验，不证明小企业均无机会。先整理数据再谈ERP/中台/AI是其路线。 其把文档一概叫结构化数据、邮件日志非结构化，术语过于粗，实际上文档是否结构化须看格式，不能一概而论；“开源”也未给仓库/许可，不能认证国企系统已开源。客户不懂技术不能被视为任意包装收费的理由。

经营收入要区分客户付款、补贴与融资；“流水”不等可支配利润

咨询方称深圳/上海公司分别取得专精特新，科技补贴也占收入，并把市场业绩视为申请基础。这些资格和金额未展示，不能推成只要有流水就能补贴或低息贷款。另一人说想做点流水领补贴，仍是愿望；真实业务和产品效果不能被补贴目标替代。 针对央国企强调新增业绩而不是裁员，反映不同采购目标；“绝不接受降本增效”是其概括，不是政策。发布会后项目沉寂而有人赚到钱是批评性见闻，不能等同用户业务持续获益。涉及平台资金归集、支付和金融后，规模、合规、责任会显著增加，不能由几个人技术上做通就视为经营资质已具备。 职业讨论的可用部分是围绕真实用户/新业务线创造不可轻易替代的价值，而不是只当已成熟流程中的螺丝钉。辞职创业、去学校与大厂稳定各有个人路径，“有能力不会被裁/创业一定更挣钱”未得到证明。统计学、Python与Transformer的泛泛优劣说法没有具体任务测评，不当技术选型定论。

将服务拆成可收费的小业务，先有现金流再研发

咨询方提出流程梳理、数据挖掘、数据归集、私库/财务管理都可单独收费；软件与硬件集成、软件不单卖是另一种建议，并非已给报价或可强迫客户买无关硬件。技术者说资源能找、产品能做，但合作、落地与盈利仍不懂，这个阶段不能记为商业闭环已跑通。先有真实业务收入养活研发，比等待未来手机物理AI或补贴更有现实支撑。 咨询方愿分享“六十层”框架，前面又有六层等口径，没有实际展示其结构；软银四轮投资也是自述，不作为已验证融资。ERP在其框架中作为结构化数据源而非全部框架，和另一人“ERP Plus”理解不同，保留分歧。 有人建议加AI概念和漂亮业务地图/大屏收钱，反映包装与技术价值的张力，但不把隐瞒能力局限包装成推荐售前话术。山东补贴与产业机会仍未查政策，咨询资源不是申请成功保证。不同公司可在小细分生存，不必一个软件统一所有行业。

物流流程挖掘和金融风控：案例需具体到业务改变量

咨询方最后愿分享丹麦马士基案例，称正常非政治扰动条件下船期每次提升约五至八小时，未展示航线、对照和验收，不推全局所有船期。其自述较早做金融风控、服务国内三百多家银行保险证券、欧洲业务来自德勤/安永等渠道；这些是背景与案例线索，不是独立审计结果。ERP作为数据源，流程挖掘/风控层不同于单独管理软件，是其对框架的解释。 另一参与者回忆咨询实习、宇信科技近音金融IT外包，大领导一小时五千元是历史印象，不能作为当前咨询价。四大/埃森哲等业务萎缩、国内客户不愿买几百万咨询是现场观察，不当当前行业统计；有价值才知识付费是交换原则，后续未见合同。