2026-10-10 · 第1场直播

1. 人形机器人讨论：形态、功能、安全与商业价值

讨论前先分清形态、功能、技术和融资是几个问题

人形机器人争论里，有人问为什么必须人形，有人问陪伴需要，有人拿融资证明商业价值，还有人谈控制算法。并不在回答同一命题。可复用的沟通方法是先说清当前在论证哪一个问题、哪些已知、哪些边界，不因对方没回答另一个问题就认定已反驳。机器、robot、拟人情感与人形外观并不天然同义；现场没有形成正式行业定义。

人形的一个论据是人类工具和工作环境原本为人设计，外科工具等不必全部为新形态重造；而只需叉车动作的应用未必需要人形。人形适配现有生产范式、特定功能效率、情绪陪伴价值应分别评估。宇树近音与马斯克融资、Figure02工厂等是口述例子，融资数额、部署规模与“汽车不做了”等说法没有进一步依据。融资能说明资本预期，不能直接证明当下养老陪伴已比人工便宜。

机器人OS先限定哪一层：驱动解释、动作控制还是应用意图

有讨论提“不篡改驱动，而理解驱动以控制设备”的解释库，强调它只是子层。又把电机方向、速度、转数、遇条件切换等有边界动作，与应用层的目标、视觉/听觉、推理和自主行动分开。若要做OS，应描述能解决什么、不能解决什么、输入输出和可用接口，不能仅说“像人一样”。这是需求澄清思路，没有展示机器人OS实现或完整协议。

现场“硬件已超越人、只差算法”“有情感才叫机器人”“未来三五年陪伴不可能”等互相冲突，均不是本次验证的技术结论。数据质量、采集与模拟差异值得研究，但某未具名团队算法比马斯克灵敏、标准将由某方决定等没有证据，不据此选供应商或承诺性能。

养老机器人要分离语言陪伴与有力执行机构的安全

自称长期机器人从业者不愿现阶段让机器人直接照护父母，理由是电机力量、失控和人机协作意外，不只模型回答好坏。另一方提出从直线、弯路等原子功能迭代，语言陪伴也有价值；这不等于已证明机器人可安全背人或养老。双方对瓶颈是硬件控制、情绪判断还是长期智能存在分歧。所谓机器人必须怕死才能理解生命，是讲者哲学推论；三大定律口述次序内容混乱，不作工程标准。训练奖励与服务时约束也被混谈，并被现场质疑，尚未构成AI没有任何奖惩的证据。

工业机器人安全是多层措施，不能让模型口号担保

自述2016/17做汽车机器人技术总监助理的人提出：机械安全规范、程序约束、感应措施和人机共同空间制度要组合，而非写一句不伤害人。开放环境摔倒还受不受控外因影响，激励训练好坏不能单独证明安全。人形形态有两种对立解释：复用人类工具、缩短新技术向工业扩散的人才培养周期，或现阶段功能型专机效率更好、人形需求不明；台积电键合/工程师是否难招争论均无核证，不能把类比当已部署事实。劳动替代导致消费者购买力下降也是社会经济观点，与技术可行性分开，会上“把人变电池”的说法则是对此的夸张批评。

具身智能：Agent意图层不等于运动控制层

分享者从机械手转向机械臂与实际工业问题，主张不要只盯人形外观。其分层口述为电机、MCU、上位机ROS2，再向上由Agent OS接“走五米/十米”等意图，通过SDK连接控制；这并不意味着语言模型替代底层电机闭环。关于特斯拉以及所有厂商都绕不开ROS2的说法只是讲者判断，未提供行业证据。

另一位自称全职带六十多人重写运行二十年的银行核心系统，讨论私人Team Agent OS从单Agent运行转向多Agent协作，具身与医疗都是探索方向。设备接口封闭、硬件各异，使跨平台自动识别传感器、驱动与能力很难；这套讨论尚未选定硬件，也没有通用OS已完成的证明。未来标准五至十年、绑定厂商或被收购、Linux基础设施类比都属于预测，不应写成已经形成的产业格局。

2. 招聘AI落地人才，先把任务与合作问题拆清

招聘全才之前，把业务问题和岗位标准分层写清

一位商务者觉得懂业务、商业又懂技术的人难找，其他人反复让其说具体行业、场景、当前问题和所需技能。他更关心市场是否有这类人，双方一度把“定义岗位”与“能招到人”混为一件事。

可用步骤是先限定谁在什么场景遇到什么问题，再列任务、技能、产出和个人偏好，逐项判断需一人还是多人协作；用豆包对话五到十分钟辅助生成职能标准、去BOSS直聘测试招聘，是建议，不是五分钟必招到全才。“这样的人不存在”也未被证实。标准形成只是输入，市场供给、预算和候选验证是下一步，不能拿岗位文档代替招聘结果。

招聘先拆任务，再区分找人、说服合作与价值共识

老板以服装为比喻：知道什么款好卖，不代表会打版、设计或选面料；需求方与工程方之间需要能听懂真正需求、转译成可执行业务、理解工程实现且掌握AI工具的人。讨论有人称之产品经理，另一人提醒先写能力和交付而非先贴title；可以拆成行业技术专家、能说明技术的人和AI实施者，而不强求一个全才。若业务没有拆为清晰串行、标准化任务节点，招普通执行人员也困难。双方对“没有这样的人”还是“有但难找”，始终有分歧。 把“市场有没有这种人”与“找到后愿不愿跟你做、如何相信项目价值、机会成本如何补偿”分为两个问题。FDE入股只是他人提出的合作类比，未有本案协议；提问者愿自己承担试错成本不代表伙伴已认同。先定义要产生何种价值、解决哪个问题，再选AI或更好工具，是讨论者给的路径，不是已完成招聘案例。

3. 从宏观趋势回到自己能解决的问题

宏观AI机会与个人收入问题要分别回答

一方用资金流向、国家方向解释趋势，另一方只关心可掌控资源内如何让普通人更轻松或增加收入（1万变1.5万/2万是问题示例，非效果数据）。调停者指出宏观趋势不能替代具体应用回答，二者并非必然冲突。定义讨论边界目的在共识，不在争术语胜负；资金投入亦不构成任何项目包赚钱的证据。

普及应用要看实际数字素养，不用专家术语替代具体需求

三四线新电商参与者称AI使小店低成本起步，周围有人连手机橱窗/下单不熟，消费能力有限；没有披露具体工具、销量与操作流程。另一“头部模型专家”不具名自我身份未核，未回答实质问题，不以其自称增加权威。

4. 审计软件的Agent团队与外部产品化

文熙的两个闭源工具：多机Agent与全团队技能体系

文熙是一家为审计事务所提供软件的企业的产品经理，有近十年开发经验；他介绍多机Agent：一台管理多台远程机器的Agent，各机器有类似WorkBuddy的使用方式。他还在做另一套团队研发技能体系，两个项目均未开源。

第二套让产品经理、开发、测试使用同一组技能：产品经理出PRD和原型，研发产出代码、review和自动化测试，后续维护测试也纳入。参考朋友公司已经使用的方式复刻，其自家产品仍闭源。讲者自身兼全栈，但审计业务是公司专家提供，并非自己既是资深审计师又包办所有知识。

审计Agent SDK：报表分析、角色拆解与门控

团队产品面向年报真实性验证和调整通知，包含Excel/财务报表分析、问题发现。基于多机Agent框架封装SDK，在后台运行，由客户端SDK调用并编排工作流；举例三种角色、每种十个子Agent，中间插校验和门控，再汇总全局任务。角色数量是例子，不是固定生产规模。

其判断“所有材料给一个人已够完成、不再找第三方”才具备让AI尝试的前提，不能扩成凡信息齐就保证自动审计正确。当前内部已用、对外正在逐步推广，客户限定审计事务所，未给实际新增客户、审计准确率、法律验收或收益。

同业客户的数据顾虑，需要真正的隔离与非竞争承诺

按文熙口述，所在企业的既有产品覆盖全国七八成事务所。有人担心由同业大所提供工具，会蒸馏走客户数据与经验，建议另设独立软件服务主体，以原单位项目作案例、减少竞争关系；台积电与三星类比是讨论者商业比喻，不认证企业商业史。

该团队说超大事务所可定制接其私有云，小所可能自己买token；“小所不在乎安全”只是泛化，不能免除保护义务。独立主体并不自动解决隐私，更不应把隐瞒母体关系当信任方案。最终只是愿找几个客户聊，尚未新设主体或签合作。这类产品售前要一起说明客户为何愿交数据、服务主体与客户是否竞争、部署位置、数据权限和授权范围。

5. AgentFS：让杂乱文档变成可检索、可追溯的底座

文件夹到可检索知识库，再按业务重组织

文熙另介绍通用工具：用户把PDF等材料放进本机文件夹，导入成为Agent可检索的私有知识库，再按LM Wiki近音方式蒸馏、重组织。不同业务需要不同组织方式，可由Agent处理。索引范围与精细理解能力要区分：支持导入不代表已完整理解全部格式，文件存本机也不等于推理数据不出网。

AgentFS本地文档底座：解析一次、多路检索、精确回原文

文熙说明从去年6月断续开发：图片、扫描PDF、富文本、音频统一索引/归集→AI可读格式→多路语义检索→全文或分片→按行业需求重组Wiki。审计软件的核心不只是回答，还能点击结果跳到原文具体句子，比只给文档名更易核对；跨两页Word/PDF表格自动合并是已做优化自述。不是所有图形都支持：挖掘机维修手册的工程图、角度扭矩线条关系，OCR不擅长，多模态识图也未保证精细可靠。有人把此称专利机会并说自己专利5年受阻，这次交流尚未给出工程图识别的解决方案。 两机器说法后澄清为客户端+OCR服务器，OCR约16G显存为其产品要求，不是所有知识库硬件最低规格。文档转化部分不需大模型；Agent阅读与Wiki整理仍需模型，专家先说明希望怎样组织，没有通用目录。文件留本地不意味着完全不外发：调用外部模型仍可能泄露，客户可企业采购云服务或自部署模型（口述DeepSeek Flash身份不确）。AgentFS是内部未开源项目，与GitHub上的同名项目不同。WorkBuddy、Kimi、阿里Qider、腾讯Vernora均为口述比较线索，名称与比较性能未外核，不作竞品结论。

6. 开发测试、资产边界与云端Skill服务

智能体从明确业务切入；Skill云封装按任务或token收费

小安把淘宝运营、拍视频、个人投资同时称一个智能体，回答者要求先明确每项解决的问题并拆独立业务，非凭一句“研究智能体”选架构。淘宝月几千至一两万元为个人自述，未清销售/利润。现场股票“绝对赚钱”说法无证，不能保作投资建议。 文熙正在研究云端封装Skill：用户调用服务，若干Skill组成特定场景Agent，按任务解决收费或token加成；保护提供方技能全文，不把Skill文本直接交客户。他承认执行过程仍会泄露部分信息，尽力隐藏不等于绝对防提取；先供自家用，尚未展开外部成交情况。

AI开发闭环与旧项目补测试

文熙去年单人基本完成工程，今年公司组队加入；去年模型不稳重做几次，今年自述稳定，仍有开发、测试与业务专家。产品约30%、开发10–20%、其余测试是个人经验工时比，不泛化所有团队。每个小功能同时写测试→跑新增及旧回归→失败修复→全通再提交，避免一次最后补测与新功能破旧功能；函数输入应输出A不能改完变B说明的是回归契约。机器测试只能覆盖已定义逻辑，审计业务专家验收仍在。旧项目没测试要由懂业务的人明确输入与预期输出，未给自动生成即正确的捷径。

通用底座与雇佣公司资产分叉，不等于版权已裁定

文熙称通用Agent体系/AgentFS自维护，给公司一支独立维护与审计强相关上层；通用组件实际上没开源，仅以开源底层组件作类比。自家私下写、公司引入使用是他的叙述，不足裁定所有权或建议隐瞒合同；可复用经验是先区分通用能力与行业上层，约定清楚资产、许可、维护边界。云Skill原理他拒绝公开，具体封装架构没有展开。

7. 轻量工作流生意：模块复利、现场POC与持续收费

自建低代码平台：沉淀标准组件，让产品经理交付轻工作流

小管家自述其后台类似扣子，前端原词“KOS”身份待确认，前后两端均低代码本地公司使用；每开发过的功能要求程序员分包标准模块，接企业越多组件越全。初次要一下午，受训新产品经理第二个月可两小时内交付工作流，是公司自述，不是未经业务边界的通用效率。四类平台内容工作流、账号基建、CRM、ERP，对外只做前三，ERP因周期和企业内部政治而不轻介入。 电脑控制选RPA+CLI，不全靠Agent烧token。口播短视频用已有剪辑分发模板：链接输入→解析工程文件→拆分→替换关键内容；闲鱼买素材的授权未交代，2–3毛/条是其口述成本，不认证可合法复用任意链接或素材。

轻量FDE的获客与收费：先样品，再加固，同时赚调用流水

该经营者称先中转站盈利，再做工作流分包。行业群逐个结识，喝茶聊行业而非上来推销，派实习产品经理和一线业务交谈、看电脑、识别具体手工操作。先免费轻POC，有用继续用，要更稳定大量运行则开发组件、技术加固另收费；不满意也可能已有部分解决的小问题以及token消费。现场有人质疑“不好用如何赚token”，免费试用的实际转化率没有披露。 单工作流5000–8000元不含token的报价；20名实习PM月薪人均5000–6000元、总约10万元，是经营者自述估算，未计技术员与其他成本。其称国庆前日成交流水50万元、API月流水8000万元、画布工具约200万消耗（后者周期单位未清），国庆后因带实习生不稳；他所说的“剩下净利”尚未扣齐完整的研发、维护与经营成本。订单成交额按日统计不等于按天向企业计费。 判断客户是否适合改造，不能只看流程繁琐，还要看老板与员工能否共同推进。小管家观察过老板很会AI、员工不参与的企业：这类组织问题不适合硬售技术，他通常聊约15分钟就离开；现场忙不忙也不能单独证明企业盈利或亏损。

从招聘信号找自动化客户，区分资源培训和直接投资

小管家对忙且流程繁琐企业坐员工旁看重复操作，依自有底座两小时复刻，是适用有限标准模块的自述；技术员留公司，外出者实为实习PM。他建议BOSS直聘查企业招剪辑/运营还是负责人，作为扩量或业务初建线索，必须多维判断，招聘信号还需与企业实际经营相互验证。对老板会AI但员工不执行的组织问题，称聊15分钟就离开，不硬售技术。 其称FDE两个月、AIGC一年，旧剪辑接单平台20多万用户为产品打磨基础，非从零获客可直接复制。OPC合作初始先教学、剪辑、自动化测试、会员/token等资源；盈利后才追加投资，现场“创业贷款”随即澄清并非先给创业现金。员工带薪培训两个月补贴5000不含奖金；厦门见习补2000多、人社/退役适应培训只是其了解政策，未经核验不可套每城。不会→会成本不到3000也为其测算。内容生产与发布人分工是经营模式，不认证养号可防封号。模型中转提字节 Seedance / GPT / DeepSeek 与 Claude API，不能猜官方身份或提供逆向操作。自有算力吃灰及数据联通/缓存命中说法未验证，不能推断自部署必然不能用。

可复用低代码底座：将漫剧/电商重复动作拆模块，再让产品经理带测试交需求

小管家说明不是政府资源起步：先做AIGC漫剧工作流，卖给别的漫剧公司，再经朋友做电商改造，发现重复开发一样流程又收费低，于是两三个月把动作独立成子模块、低代码底座。一次与技术拜访老板，画布不适用但重复工作可用底座，半小时至两小时组独立SaaS分包，口述收一万多/一两万加算力消耗。他把一下午一千多元技术工资与收费对比，称利润约90%；这一算法尚未扣获客、平台研发和维护。

他随后招实习产品经理，两个月共投入5000（口述培训安排，不核用工标准）：首月学自动化测试/样例，第二月过全公司开发流程。Claude Code开发快但Bug多，把测试职能纳产品经理：需求必须有可交互样例、视频演示、逻辑规则清单，各方确认后技术用代码复刻，AI自动测试跑，再人工用例/冒烟，才上线。他提到两名程序员，另有人做中转管理与新功能；讨论中的“三天”，没有说明对应哪一种交付范围。

同一业务的前后讨论：2026-10-01的相关讨论。

8. 远程工具的三种实践与安全边界

远程桌面学习项目：代码少了，整体规划与持续跟进没少

IT从业者自述现在很少自己写代码，主要整体把控，尝试类似向日葵的远程客户端管理，能看远程桌面，但主动承认没有成熟产品专业稳定。以前几个月变几天是个人体感，范围未对齐，不作通用倍数。仅把提示词扔进去不跟进，质量仍参差，需求规划与全程检查是他的工作。

远程访问必须有设备所有者授权，隐蔽监控或绕过防护与正常远程协助不是同一个业务。其学习效果不等于已经有安全、可公开商用的远控产品。

远程开发的资产边界与生活边界

林的公司人在国内上班、代码在海外远端，企业实体采购席位，不能把代码复制本地，是其工作环境而不是跨区账号永不封保证；其本人Codex/CC口误后指Codex够用，另一同事用CC未听封，这些个人经历尚无法解释账号封禁的原因。RM也描述公司笔记本进内网再连真正开发机，限制装软件，不知具体监控。居家省通勤但容易继续工作，或分心导致固定任务拖长，强制明确午休/下班可作为两人的经验方法，非全行业结论。

RM的C#远程工具仍处于个人自用开发

其不顺手就做小工具同事可用，另有流程编辑器与远程控制。C#后台控制台管理在线机器、查看/操作桌面、上传下载、服务端配置S3将文件夹打包备份、远端授权执行命令、自家常开机器访问家中打印机/路由器；全程AI编码、自述本人没敲代码，尚在迭代。未公开、没正式名称、未决定给客户用，不敢说强过向日葵；双方也提醒，麦克风、静默安装等功能涉及设备使用者的知情与授权。可记录授权个人远程设备管理需求，不认证任意访问内网安全。

旧远程产品拆出网络服务：转发与P2P穿透不是同件事

另一开发者自述2015/16基于VNC等手写远程桌面/截图用于信创，已有几家银行客户；疫情将网络能力独立服务十几家团队，统一网页配端口，用户可接Windows桌面、Linux SSH或Git。被问任何NAT可穿，他澄清实际服务器转发，类似FRP集中管理，不是证明所有网络均P2P直连；尝试穿透不稳定后优先稳定。ERP/MES/CRM取数据属系统集成，与穿透概念分开；现场把ERP端口暴露公网上立即遭安全反对，这暴露了远程接入需要安全隧道、权限控制与授权集成的边界。早期音视频/UDP/P2P因带宽紧张使用穿透仅其历史解释。

这位开发者还回顾了自己的截图插件：从桌面截图、涂鸦和保存起步，做官网推广，再由Windows扩展到Mac与信创。他称自己最多做网站SEO，没有花钱投广告；这是他在小体量细分工具上的获客经历。

9. 高纯气体企业数字员工：从既有客户需求找伙伴

北京视觉AI开发者去年给供应芯片企业的气体公司做诊断咨询，讨论特种钢瓶外观、生命周期划痕归责，避免客户把别家损伤罚给供方；今年再被邀交流。他现想联成熟采购/营销/销售任务Agent，区别展示接待数字人，办公与生产分开，后者还含普通软件/AGV硬件。他要求伙伴提供已落地、可演示试用的产品，由自己主导客户推进、伙伴补产品力；当时尚未形成新项目交付。去年咨询亦未明确检测项目最终交付。

10. 小店AI运营：先走完一个真正闭环

小店自动化先做一条闭环，不把采集数据当全运营

小安已能自动登录采淘宝数据，未做仓库自动打单/发货/退单跟踪；想主图详情视频制作、上架及经营分析。旁人展开上架→客服→订单→仓库→发货→退单是建议全链，不是已完成。开发者更建议以业务优势定义最大痛点，先智能客服小闭环、看市场ERP/营销制图现成工具，不强求WorkBuddy一体自建；额外能力有成本，当前小店不宜贸然外包大平台。Codex英文界面可直接要求中文，是使用建议；理解国内备案更好仅个人感受。

自学从具体任务跟完整步骤，模板小程序不是客服已完成

小安自称做过库存、销售表小程序仍不满意；旁人提醒智能客服难度与模板数据表不同，不因有一键模板就认为完整工程已掌握。可找B站/YouTube对应具体任务教程，完整记录步骤实际做，或筛选59/99等低价课认识基础；有人认为精品免费课比付费强，另一人愿建议入门录播，均个人观点，无具名课程推荐或质量保障。学习目标仍店铺痛点，不成为追课与等老师逐项喂答案。

11. 录音产品：个人纪要、企业项目管理与渠道

老邓会议纪要软件：做出功能之后还有上架与分发成本

老邓以前IT非程序员，第一次AI编程，因自己/同事需求做录音转写：多端录音、导MP3、直播播客链接后端转写→纪要→思维导图，自测近似钉钉飞书不算独立效果比较。产品差不多，安卓/鸿蒙/iOS/Windows/macOS多端申请、证书、软著、APP/域名备案与应用市场工作尚在进行；软著最快一个多月为口述非现行办事期限。建议部署手续并行找朋友试用压测。推广拟自媒体+小投流，尚未清楚盈利，高算力成本下先用户再看收费只是其计划，有人提订阅，未证明可盈利。

从录音到企业销售项目协作，而非只转录

另一位自称2024起做软硬录音产品的人，磁吸卡片/挂脖/领夹/工牌增加拜访采集场景。录音→说话人/时间戳→按会议访谈面试等整理→待办/导图→检索周面试候选匹配，是其产品方向；命名声纹与场内speaker编号不同，对固定人员可识别身份仍需效果验收。接近音ArcCloud/OpenCloud变体“龙虾”联飞书/钉钉/企微，把待办分发清单并@同事，自述已做，不替猜官方工具。 销售拜访原始沟通沉淀，产品/售前未在场也能看上下文→归客户/项目→团队复盘需求、匹配差距、打法与下一步→项目风险/周期→月季度目标线索。接第三方轻CRM、围绕项目而非宣称完整替代大企业CRM。最初自用、现对外卖，个人版走toC/渠道、企业团队版聚合更有价值；未给成交额。主动按工作场景启动录音，不是24小时强制工牌，职业边界重要。纯软件商业难是其经验判断，不意味着老邓必败。AI让代码快但同时项目2–3变6–7、会议和切换变多，是此人压力观察，不保证工作更轻松。

爱好产品与渠道产品：上线不等于具备卖出去的系统

截图插件从Windows→Mac→信创，官网与SEO，不付费投流，讲者称细分仅两三家且小市场自居头部，未提供销售规模。老邓曾人格测试/情绪问答小程序未推广起来；别家人格测试上亿纯转述，投流覆盖成本是其观察非自身收益。 另一录音企业说国内海外约400万用户为自述，主要渠道代理批发给价差，不是简单推广链接单用户返佣；接下来配企业AI系统做toB私有化、运营商渠道是方向。主持建议新产品没有现成付费客户别耗太多时间，也承认细分缝隙存在；与老邓低现金成本想继续尝试的选择并存。真正要验证社会关系/旧公有云合作伙伴愿不愿试用、一个月反馈与后续付款，老邓现才打磨约一个月，拟朋友圈/免费试用，不把“好产品一定裂变”写保证。

12. 医学内容会员：图文生产有效，增长与授权仍是难题

医美B端公众号的旧内容会员闭环与增长瓶颈

大黑驴自述公众号约3万垂直粉（整形医院/美容院及医生）、海外临床视频7–8万库存。流程海外视频→AI翻译→转文章→内容推广→引流平台→付费会员观看，前期赚钱后增长弱、购买后一阵热情过去不续活跃；不把它误写为替客户视频剪辑。耗材虽被建议，他称有资质但红海、客户经营也难，未找到新产品。素材版权、传播与医学内容资质没有核实，内容转化并不自动解决授权与医学正确性问题。现已跑过付费闭环不等于增长和留存已解决。

医学视频转图文的多模态流程及降价不等于留存

上例澄清7–8万主要是远端视频路径索引，并非全量本地视频；用户点播后按需缓存、等十几秒，是减少预存量的思路。转文流程音视频分离→音轨转字幕→每秒抽一帧→按时间对齐字幕画面综合分析→图文文章→公众号引流→完整视频会员。术语问题用PDF文献碎片库作校准，腾讯服务具体名不清、他本人不了解“向量”原理；约2分钟一篇为其自述，不等于医学正确/原创版权合格。本人承认内容涉及侵权，授权问题始终没有解决。 年费398→298→98、第一月卖后第二月走弱，视频与粉丝还在增加，原因未查明；讨论也没有把问题单归为3万粉丝太少，一方称行业头部也15万为口述。旧平台六七年前外包约2.5万/不到3万、曾日赚16万为自述，时间与核算不清。讨论AI让信息差价值变薄、没有增量价值只是大模型升级仍不能提高付费、请海外医生讲课增加服务价值是建议未做到。学术资料使用与内容付费应区分授权与需求价值。

13. 外贸与跨境资源：先认识渠道，再投入新产品

对医美医生强关系有人建议海外客户来国内康养/医疗，原经营者没做过；新疆外贸者转述中亚/俄罗斯赴当地医院，语言可沟通及价格差仅个人观察，不认证医疗质量、免签/签证规则或治疗效果。其卖国产医疗器械/机械、称脉冲治疗仪较好，放弃巴基斯坦低价低量询盘，用同流程优先高价值品比喻选品，未提供盈利证据。膏药单品要长期铺渠道是判断。Token出口是另一人新提议，外贸者未做，机械臂/外骨骼也仅研究线索。 提醒海外别未打通渠道就上、不轻信当地陌生关系；观察一年半载有时间成本，另举朋友先当地中资企业打工围绕行业认识需求次年再创业，仍只是个案经验，不是所有行业成功路径。

14. 企业模型路由与敏感数据：功能和资质分别核验

企业模型路由盒子的需求与未解决资质边界

热烈的马称准备从运营商合作独立做模型路由实体盒子，后台分配员工可用模型、监测调用量、脱敏。又称几企业已落地，须保留起步与部分使用的自述，不推成大规模成熟平台。现场“有需求”与“合规证据”明确分开：运营商关系、腾讯云客服/白名单、香港云自述均不能代替服务范围、信道及模型商许可文件。多人对物理信道与法律的口述互相冲突，不当现行法律结论；没有认证必合法/必违法，也不保留付保护费/规避监管等建议。可用知识是产品面向企业时权限/配额/审计/脱敏与采购资质要一起落实，产品用户多不等于风险已解决。

企业私有办公：知识库、权限和断网验收，与会编程不是同一承诺

另一公司定位工艺文件/设备手册/入职工单散个人电脑、查找难/新人无人教。供方称全链部署企业服务器、数据不出内网，可现场断网验证；流转数据自动归档更新知识库、回答有出处，语音生成表格/插件。自写核心代码不靠AI只是开发来源，不单独证明安全。另提字段/个人权限防篡改删除，但没有展示完整备份/恢复等，删除与恢复能否得到保护，仍需验收。 应用者断言Codex一句话能取代平台、账号自己的所以绝不泄漏，开发者反驳云推理输入输出会传服务端、敏感企业不许外网，二者必须区分。云模型是否训练、条款4.1/4.2和“大模型收购中转数据”未经外核，不把自述传闻作事实；安全不等于必被黑客，不外泄承诺也不等于没出企业信任边界。实际验收要核部署、通信、模型、权限，而非品牌/开发方式争论。苏州离职员工改删数据为走访转述未调查，某讯某虾关停原因亦未核，不背书。

15. A2A任务平台：本地执行、人工验收与平台经济

A2A任务市场与社区：匹配、交付和资金状态分开

牛哥介绍ACTN初级1.0，把Agent互动BBS+猪八戒式任务大厅组合：人发任务定赏金（1/100/1万/2万元为支持金额举例），平台按在线能力和偏好匹配Agent，称一般活一小时内交付；无适合在线Agent就不保证接单。微信支付/主人绑定微信提现，未接支付宝，是功能自述，无真实订单或收益样本。YOYO Meet早期偏社交/技能分享是其回忆，不是当前竞品事实；ModelBook及Meta收购日期均口述未核，不猜规范名。拟spec架构/首笔3000万元后扫市场，追问时明确协议正在签、资金没确认到位，融资尚未到账，也没有已实现收益的证明。另有人把文档和Agent结合比作Obsidian资产被激活，这是知识管理类比，不是该A2A平台已集成Obsidian。

A2A接入与交付：Agent留本地，平台收任务和产物，主人先验收

读公开MD接入指令，Agent主动访问平台API→注册→社区→轮询任务→本地完成→交付接口；不是平台开端口进本地。但“不动环境/看不到”是供方架构说法，不能据此保证信息永不泄漏。没有准入能力标准，失败默认再做三次且每失败扣分，仍失败回池匹配别人，token自负，不是任务金按苦劳保证。通用文档/代码/视频，专业3D靠本地技能及标签，附件交付可扩展不代表95%猪八戒任务真实可做。 任务抬头/描述必填、文档附件选填；产物文字图片HTML视频预览/下载附件，代码可GitHub加免费云部署演示链接，区分源代码与运行效果。Agent做完先交主人审，确认再提交，也可重做/取消，人工不能省。种子只是身边几人挂Agent，是否真有广泛订单未证明；新Agent补匹配机会降低自家Agent垄断是机制自述。

平台非标交付的白嫖、跳单与渠道获客

甲方先打任务金对公微信商户，拒收扣15%，但明确尚不能有效防反复打回/拒收白嫖；没给资源方损失补贴，月度统计再补贴仅下一版想法。平台可流程化反馈/追溯/信用背书，非标沟通与关系问题并非AI就解决。自称猪八戒旧员工者说拉新成本上升、客单下降加剧私下跳单，保证金等复杂机制可探索，未给完整实施方案。 当前自动宣传用WorkBot/Trae等24h工作流、飞书远程指挥，尚没清楚获客规模；人工找OPC基地开代理号/渠道码、展厅大屏扫码吸引发任务与接单，是其实际推进方向，不等于已规模部署。BBS社交优先还是任务优先现场有不同建议。平台内部轮询在岗/离岗Agent是自家算法，不宣称标准A2A协议已完整实现。

园区服务不只撮合：可核验算力消耗与标准化企业服务

旧员工转咨询/运营/申报，转述历史140多园区、千万起运营费、现同行年几百万等未核经营规模，不能套小园区收入预测。他建议先一两个园区做轻运营，给真实Agent算力消耗接补贴；平台明确自动算力补贴尚未上线，身份/业务确认与政策适用要核，不能把“调用任意API均可”当全国政策或编虚假消耗。 财税、知识产权注册/软著/商标等标准服务可和外部专业机构合作封装；跨境、电商报税痛点是交流所得，未提供可替专业意见的规则。八戒财税/金融/知识产权作为商业类比，股权/并表/利润口述未经核验。平台创始人说3000万若快两周到账邀请运营人，仍是资金预期+合作洽谈，非已聘用。

A2A平台价值不等于更快调用同一个模型

创始人承认自己会豆包/Codex的人把任务绕平台再给别人同模型，单任务效率无优势；目标是不想装模型、不会用的人买较轻交付，以及技能不同的供方接单。线下认证/约车/机器人/无人车等资源整合只是2/3版以后设想，现做不了，不并入当前能力。普及下沉3–5年是预期；两年1000万“营收利润”口述口径混合，是给券商的目标而非实绩。

16. 跨境电商的新品、素材、投放与现金周转

三兄弟自述五年泰国/菲律宾/印尼海外仓，泰国年销约2000万，月“利润”15万其中国内运营人工+海外仓11万，口径可能未全扣成本，不认证净利4万；近两年多再投人员培养。虾皮5年/TK3年、早期义乌低价货，原义乌搬杭州后美工/剪辑各月1万，关注审美。客服已买多店聚合AI软件+手机运营人工回复，投入不大，不要错误只推客服。 新品闭环：市场调研/竞品→工厂关系/设计开品→原创产品无同款图需拍摄制图→上架→痛点广告素材→按CTR/转化率把预算投给正确素材。裁团队可保旧盘利润却削新品能力；选品判断、图片、素材和投放都非一句生成完成。财务没细分每SKU开发投入、周转怕断资金链也是痛点。半AI工作流/FDE团队帮助分析、素材和成本优化为现场建议、尚未对接成交；不能把所有岗位可裁视为已验证。其规模与复杂性被建议团队支持，不默认单OPC胜任。

17. 工程图纸计量：原型信心与商用验收之间

建筑从业者称用Codex一周复刻广联达计量计价预算插件，图纸→建模/工程量→人工机械材料价格，20分钟/一上午取代月级工作，过去豆包/DeepSeek研究半年不准。追问明确刚做出、没有客户，虽称多图精确/一米一平方不多算，没有误差样本或第三方验收；因此，他所谓“上市公司名存实亡”的评价远超这次原型所验证的范围。招投标格式依赖既有生态连讲者也承认仍不能替代。要找营销伙伴是需求，CC更适大文件为主持建议未经本案比较。行业经验+AI原型可记录，不作为工程算量免复核依据。

18. 多模型协作：省费用、抢时间与Harness适配

马来西亚开发者的实际侧项目与多模型费用取舍

IT背景、兼引擎油生意者用CC做多个网站，正做车型→适用引擎油检索站；地产App“prop11”称已上OpenAI市场，未外查链接/身份。交易机器人胜率不好还没用，P2E投资估值1亿马币约2000万美元只是自述，不混成App营收。市场入驻为其渠道判断。 其Codex/Cortex等口述混用但对话明确主张强模型规划/带便宜模型：OpenRouter充值按量，选Kimi/DeepSeek基础代码，API接工作Agent；LLM Arena看强项/价格，Kimi前端、MiniMax视频配音好用仅个人评价。Sol/Astra、Sonic/Opus等原词/版本含混，不把5.5/模型名配成官方规格。Codex20美元、CC100美元、DeepSeek100人民币约一月是其使用成本，不当前价格表；CC他独立用，不误写全通过第三方。 另一个人未试过的建议是先DeepSeek全跑再强模型审核，讨论者反对赶时间时先便宜重做2–3小时，宁强模型先规划，体现钱与时间取舍而非省token必优。讨论先出现Atlas/ATLAS近音，提问后讲者口述确认“Artlist”；影视生成服务的链接、版本和许可仍未核对；字节Seedance 2.0/2.5等版本冲突、DOLA免费每日5条均未核的工具线索，不把多账号规避配额写教程。封号/蒸馏根因传闻不背书。

把昂贵编码与低价日常调研分开，聚合模型要保留供应链边界

一位十几年开发者日常编码优先Codex，GPT Plus会员预算有限，不常当日常Agent；自己部署Hermes接百炼token plan，口述79元、Qwen3.8 Flash，拿来调研杂务，自觉要多迭代但够用。OpenCode体验差、GPT+Codex模型与Harness适配好是个人体验，非同题评测、实时套餐或正式版本认证。另有人对别人接的中转API不放心，想一个充值入口选模型，得到OpenRouter推荐，没给付款/试用结果，不认证可用模型/定价。

先用强模型定计划，再用低成本模型码实现；长期ERP用基类固化行为

一位做ERP者举比较：Codex会将多个选择客户弹窗抽成公共组件，而其CodeBuddy等体验可能每页复制，在他的个人测试中，维护一致性较差。建议非程序员先用Codex生成主计划/架构、问用户规模/变化量/单体或负载均衡或微服务，再存Markdown（原文MB近音）交其他便宜模型做具体代码，避免最初省小钱后架构成本。

专业开发者可用低代码框架：ERP几十上百单据共增删改查、保存审核提交，先做好基类，再让AI继承，框架作强rule/Harness约束统一行为。动机是长上下文会忘前期功能，后改可能破坏原有逻辑；框架固化之后，新增功能仍需回归检查。

选模型、选Harness与工程升级成本，应分开评估

多人对Codex、Claude Code、Cursor、DeepSeek Harness (DSH)的排名有分歧：有人觉得Codex Harness强，有人认为CC整体规划强、Codex适合具体执行；另一人认为一般编程差距不大，只在难爬虫bug上自己遇过GPT找不到而Claude模型找到。不同人的任务与取舍并不相同。把模型比作大脑、Harness比作手臂，有助于说明接入同模型不意味着拥有同样工具调度和工程表现。推荐“Grokbot”基础版20、可用“Fable5.1/Claude 3.5 系列（口述 Opass 5.5）”等是口述平台与模型近音线索，未核名称、币种、额度和真实性，不能直接配购买链接或标准化版本。

一位维护旧系统的人自述，DSH用了一个多月越改越多补丁，感觉完成但不踏实；他转回CC做1.0→2.0全量架构升级，先约1小时规划、后约2小时执行（起先笼统说2小时，后补为约3小时），称兼容旧线上行为、可立即使用且未见bug。没有给代码、回归集或长期监测，保留自述与费用昂贵的边界。对“CC做指挥、通讯调Codex执行监督”的组合有人说可行、有人嫌麻烦，尚非这位讲者已交付流程；也讨论DSH先跑普通代码、Codex执行省费以及强模型规划后廉价模型实施，需以任务体量与投产比选择。中转服务可能掺水、额度/账号损失风险是谈话者担忧，未认证具体商家。

模型接口与本地Agent工具不是一回事

一位模型接口搭建者称，用户提供服务器，他负责部署并介绍渠道，也可支持二次开发；未明确搭建收费或保修期。他明确提到ccswitch，用来配置API地址、token，切换Codex/Claude Code等工具的接口；具体版本未验证。提问者以为换token只能聊天不能操作本地文件；回答说明本地Agent仍调用工具，模型负责选择工具，Agent把工具与上下文串联。因此，接入API与获得本机文件和工具权限是两个配置层。

有人说跨session search可找历史会话，需要主动告知看最近记录；长上下文会压缩、不同算法仍丢信息，复杂生产需人check，不宜完全依赖概率模型。他还主张“走进车间要具身”，这是其观点，并未证明所有软件生产场景都不可用。

19. 内部自建不等于个人变现：国企与外企两例

国企员工自建知识检索：内部采用不等于个人变现

Switch自述大型国企部门200人用，阿里云百炼知识库做知识检索/培训考试，业余学习部署上线两个多月，年维护几千元不含其人工。董事长有兴趣但未升薪，是“工作价值/个人收入”区别；产品经历可作职业能力背书，不是已跳槽收入。毫米数据要精准，生成漂移须验，不能只说向量切片很简单。硬件开发正研究仍要基础电路专业知识，不由会Agent推成硬件无门槛。其每月100多/150额度够用和朋友40亿token无价值均个人样本，不能断言所有人高用量吹牛或不必优化成本。

外企统一数字门户：模型分工增质，却没自动缩短总交付

Sinker数字化系统背景，称今年十几个AI项目，去年各部门知识库分散乐享/百炼/官方入口。想建门户三模块：新人知道中国20多系统如何申请账户及相互依赖；法务SOP/采购/财务/共享中心知识库各保边界集中入口；旧招商模块与主业务强耦合，尝试独立。财务付款自动核销等是公司批钱项目，自己的门户仍先跑试验，不混为全落地。 先Codex/GPT做demo可展示但不满足企业标准，公司不许海外模型改百炼API，智谱5.3聊蓝图，DeepSeek Fresh/Kimi/Qwen搭建；DeepSeek Harness、ZCode/Recode、扣子是试用的工具原词有近音未确认。让模型评估哪些做蓝图/编码/review/安全测试，五六模型角色工作流提高质量但整体慢，一个小页/模块可能两周以上，代码快不等于总流程快。这里采用的是阿里百炼，主持人后来口误称作百度；秒搭/搭子另工具线索不认证名称。

20. AI研发全流程：信息衰减与人的决策责任

二白/研发分享者以帖子列表加载慢为例，直接一句问题给AI会被问多轮；希望人从逐行写代码转需求翻译/决策，AI执行。先盘每环节人做什么：真实需求/优先级/业务目标由人判断，AI整理需求和方案；AI编码、单测/集成/部署建议，人确认规范、何时发/回滚；AI告警分析，人判断真假与影响。用户“操作麻烦”经运营“简流程”、PM“减一次点击”可能偏离原意，评审/联调对齐是在对抗信息衰减，不是会议越少越好。有人反驳最贵模型都能做、完全无人，另一方指出准备插件/需求/确认仍有人，两种实践边界不同，双方对“自主执行”所包含的前期准备与确认，并没有相同定义。

21. 资源型文旅与工业FDE：不能用同一交付标准

资源型文旅项目与购买高价模型的主张，不能变成收入证明

另一自称公司估值10亿、广州政府/文旅项目多、八个200美元号跑的人，以群视频为佐证但没有在讨论中给出可核对的验收材料。他随后明说订单全资源型，没有给普通人可复制获客流程；贵某省3D/AI指引与白云区商户街道门店线路项目在做，未披露合同金额或验收。高价模型2–3个月体验好、国内出错是其个人场景，他偏好高投入模型，但花费多少并不能直接回答不同使用者的能力与业务效果。几台空白苹果机专跑/前期准备是其托管方式，不保证无人接入零风险。 对年轻人用实际创意项目边做边学，以及免费给两家企业试验是建议，非已跑通普遍获客；“做不好没责任/企业都认同”不可作为免交付/安全义务承诺。模板/插件必须先做与不必人工观点有争议，应回实际工作机制而非声量。

工业FDE门槛是行业系统、数据建模与精度，不是仅会大模型

制造业从业者自称每天接触两三家落地工作、日程涉及三四家十亿级企业，未提供对应项目材料。他强调客户问具体软件自动出图、近音Gips/Gibbs、模具UG/next某版本MCP端口官方不支持等；具体工具身份和接口仍待确认。ERP/MES/WMS以及用友/鼎捷接口与内置AI、专业闭源算子/经验，需了解才能对技术员沟通，科普培训装Agent只可能小单不是工业集成完成。 PLC反馈量大且很多无用，直接全塞LLM会挤上下文；要先分析生成数据分布、处理/建模，再用合适算法。奇异值/非高斯、单模型必幻觉等是讲者解释，不能当严格数学定理。AI不只LLM，算子/数据分析不等代码工具替你掌握工艺。国内模型需求也因医院/大企禁止外网，并非仅省钱；几千上万表×几百字段的结构关系复杂度，与街区商户记录量是两个维度。ToG低精度/纯资源说法被同一人后续限定安全要求很高，不能统一所有项目。连原先建筑原型者也承认图纸识别并非100%覆盖全部模型，与先前全替代夸张应并存说明。这把话题引向如何理解复杂表结构，而不是只比较模型品牌。

复杂表结构的Text-to-SQL不是装一个Agent就解决

争论以5000张表、每表200字段、跨表联合自然语言转SQL为例，强调复杂度不是单纯行数/数据量；没有在本段给出实际解决架构。他明确说自己能实现，反问是在追问对方的具体方法。Codex是开发工具，不能替代行业/数据关系理解和真实FDE交付。另一方称通用落地不存在、全是定制是个人立场，未证明所有产品都如此。Codex/Claude账号和IP稳定性保证也只是体验，不作免封承诺。

22. 让模型执行确定指令，还要验证是否选对指令

数学场景的一位发言者用自定义中间schema/领域语言，把底层渲染与数学操作交给确定性代码，中间代码门禁拦不合规范输出；遇歧义宁可不呈现，再靠大量测试补例子。这是已尝试路线，仍承认偶有偏移。另一位指出正确格式、安全指令不保证“选对了指令”，把见过的错逐条补可能不适合极严场景，建议区分白名单/黑名单。双方真实分歧是语义意图与调用选择如何验证，不是schema毫无作用。

另一人提一篇忘记标题、称近半年论文，主张自训不以语言token而以function/隐空间整体输出的模型可避token降维幻觉，甚至“百分之百”；仍说要门禁，模型未开源且没有论文/训练数据/评测。此为待确认研究线索，其隐空间、token与幻觉之间的解释，以及“百分之百”效果，都仍缺可核对的研究材料。上层模型需自训、下层确定执行仍保留，是其主张。后续各人类比二维码/稳定结构是解释猜测，不是同一确证实现。

23. 工具、模型、Spec与目标生态的发布方式

分清Agent工具、底层模型与需求spec，再谈选型

有人将私有模型等同Codex并保证100%正确，另有人明确反对；不能沿用这个概念混淆。较有用的解释：Codex偏软件工程Agent，可构建/调试/重构，运行于终端/IDE，底层仍依赖模型；WorkBuddy偏文档、表格、PPT、排版、分析，其Auto内可选不同模型。其具体支持终端/iOS/版本参数口述未核，不当官方产品文档。阿里“coder”近音被推荐作编码工具线索，未给地址。真正开发前要说明前后端、页面、功能、数据按图/向量/结构化如何处理；从旧Word设计文档转成spec只是表达载体，不能替代专业需求分析与系统边界。

发布选工具可先找目标生态适配，不能说Codex不能发小程序

百度秒搭被推荐作简化部署/上架工具；微信系推荐Workbuddy，称刚支持一键小程序部署是当晚体验，未外核服务范围。有人纠正Codex也能发布，主持人最终限定：经验少者用生态工具可能少走弯路，程序员多工具可用，非排他技术限制。React/Vue网页或小程序语言都需明确栈和服务器/发布路径；有用户用Codex做付费网页却没用起来，无故障原因，不能编收款修复法。

招聘候选人自动回复先查目标平台有无正式接口

有人问支付/自动回复候选人信息Agent，回答先确认平台是否开放接口，有则脚本调用；不开接口可能做不了，是当场判断非穷尽技术结论。不要编绕接口授权的替代法，现场未给具体平台/实现。

24. 标准企业决策产品与Agent Native开发

企业决策产品：报告叙述要与ERP/CRM可验证事实对照

一位开发者称有三款企业级Agent产品：代码交付、生产视频/内容分发底座、企业决策系统，已投市场。决策系统不是定制开发，自述标准化产品，起点是二线城市创投公司董事长希望对部门总经理做AB角，核经营团队述职和会议纪要的可验证事实，再结合ERP/CRM生产、营销数据提供依据；对方投过项目也在用是自述，无客户数/准确性指标。未说明“让其解释代码”能力，原文说没有。竞品口述阿里“喵物”、马尚飞近音，未核名/能力；称己方公共API后端支持工作流A→B，不可将对竞品“小儿科”贬评当客观结论。

Agent Native开发要给工具和凭证，运维与并发仍需真实压力验证

前述开发者自述所有工作Agent Native，给工具和凭证让其执行，栈Gemini、Antigravity、Hermes、DeepSeek Harness、Pi Agent；GTM引流获客也交Agent，但没拆完整流程/成交证据。他强调架构复杂不适合入门，不是人人复制。线上部署运维也称Agent做，分布式高可用，人工仍参与架构/业务承载。另一方咨询客户的反例：漂亮界面、自己测好，部门20人并发就挂；电商产品模型后端不可控也会形成并发瓶颈。代码生成、部署、上架售卖是三件事，土木工程工具用户跑通还不知如何卖/发布不能说已有商业闭环。

25. 家纺生成平台暂停：真实商品保真不是好看小样

南通家纺平台投入四五十万后停下：真实花型保真与好看小样不同

一位南通团队三人（含技术姐夫）做家纺图/视频平台，对标Harappan/Liberty V近音，已推市场，投近40–50万元，最终暂停/趋向放弃，自述损失未审计。核心不是视频没流量：客户上传真实家纺产品，角度微变、甚至不转角，生成后大幅花型被“脑补”成不同图案，小杯/瓶/菜可看的Demo不能用于实物产品保真。

另一位有美国地毯/窗帘/墙纸项目经历的人解释高DPI与扩散模型细节限制，口述300/360或480DPI等及木纹例子；其关于开源都不可商用、任何提示词绝不可能、扩散仅低DPI可用等绝对论没有完整测试，不当普遍事实。可保留验证要求：拿客户真实大花型、相同角/变角、实际输出规格测保真，不把手机低清预览等同商用。具体模型与后续替代路径尚未展开。

家纺失败后不能只等大模型升级，先找独立专业判断

团队想等模型能稍微转图但花型不变；另一人说现在可解但不靠大模型本身，未披露具体解法/合同，当时没有展示修复后的成品。建议在大投入之前咨询独立专业者（不只亲属技术），即使不给全解法也可验证路线是否行不通。客户实际说变了用不了、推广受挫才是暂停证据；现场加联系方式/主持人推荐别人工具不是重启成交。

26. 智能问数的成败：枚举、SQL模板、宽表和业务语义

央企智能问数失败复盘：千表级上下文爆炸与枚举映射法

来自一线数据中台与 AI 交付团队的开发者，深刻复盘了 2024 年参与央企“智能问数（Text-to-SQL）”项目遭遇技术滑铁卢的真实根因：

1. 千表级架构下的 Schema 上下文爆炸： 许多开发者误以为智能问数只是“把建表 DDL 塞给大模型，让大模型写 SQL”。但在规上央国企与工业巨头真实数据库中，常常涉及 5,000 至 6,000 张业务表，每张表包含数百个冷门缩写字段。无论大模型的上下文窗口有多大，将全库 YAML/Markdown 结构无脑塞入上下文，必然引发严重的注意力稀释，导致大模型在多表关联（JOIN）时疯狂产生幻觉、频繁选错关联外键；

2. 唯一枚举值（Distinct Enums）向量化映射： 团队在失败后总结了至关重要的前置治理手段：大模型最容易在非数值筛选条件上翻车（例如用户问“上个月北区某某事业部销售额”，模型根本不知道“北区”在数据库里究竟叫 North_Region、Region_01 还是拼音码）。必须在离线阶段定时对数据库中所有维度的唯一枚举值进行自动化探查，将其提取并存入向量库；当用户提问时，先通过语义检索精准命中特定列与对应枚举代码，再拼装进 Prompt；

3. 复杂业务指标的“SQL 模板少样本学习（Few-Shot）”： 对于“离年度销售任务差多少”、“同比环比增速”等抽象业务指标，仅靠大模型自由发挥必然逻辑混乱。必须针对常见分析场景预置标准参数化 SQL 模板，配合业务专有名词别名映射，让模型仿写填空，才能确保语法与指标计算的 100% 确定性。

头部游戏团队的反例：大宽表并不能自动解决复杂 Text-to-SQL

深耕大型游戏出海的数据技术专家小易，分享了一个极具冲击力的反向落地案例：

• 替代 20 人 SQL 外包的设想：团队原本设想利用 Text-to-SQL 工具替代马来西亚 20 多人的人工 SQL 取数团队至少一半的日常工作；

• 业务语义的不可逾越之壁：团队找了 3 个知名技术团队甚至采购了外部商业数据工具，试图通过“先建海量字段大宽表”的方式降低关联难度。实测结果表明，宽表模式依然彻底宣告失败！因为大厂业务经过数年迭代，表结构中沉淀了巨量历史遗留的嵌套计算规则、特殊版本过滤条件与特定活动补丁。即使所有字段拉成一张长表，大模型依然无法理解隐藏在人类分析师脑海中的特定业务排他规则，证明了不先进行系统性业务语义梳理，任何自动化 Text-to-SQL 工具都是空中楼阁。

落地破局架构：非结构化文档与结构化数仓的双轨分流

资深企业服务专家迎春指出了集团级智能问数必须遵循的系统化工程路径：

• 拒绝用原始业务库直接问数：直接在存量 ERP/MES 生产库上挂大模型无异于自杀。必须先由数仓团队统一构建 OneData 规范指标库与主题宽表，将结构化数据清洗、消歧并沉淀在只读分析库中；

• 双轨分流架构：

• 路径 A（结构化问数轨）：针对经营报表、财务营收等精准指标，建立严格的指标元数据路由层，只有命中精确口径才调用参数化 SQL 执行；
• 路径 B（非结构化文档轨）：针对规章制度、作业 SOP、产品手册等文本，通过解析切分、知识密度打分与版本冲突检测（严防 3.0 版本旧制度覆盖 5.0 新制度）进入向量知识库； 两轨通过企业级统一工作流平台（如 Dify 或企业私有网关）呈现给前端用户，实现“问数据查数仓、问制度搜文档”的边界隔离。

落地实操演练建议：Text-to-SQL 离线探查与双轨验证抓手

1. 千表唯一枚举值探查脚本（Offline Distinct Profiler）：

2. 选取存量业务库中业务口径最复杂的 2-3 张大表，编写脚本扫描所有非数值维度列，提取其去重枚举集合并生成向量字典，测试大模型对“北区/华东/大区”等隐性缩写的语义检索命中率；

3. 结构化参数模板与 Few-Shot 映射库：

4. 梳理业务线前 20 个高频复杂取数场景（如“同比环比”、“年度销售任务缺口”），编写标准 SQL 模板并标注输入槽位，构建固定 Few-Shot 样本库，禁止大模型裸写跨表 SQL。

27. 算法创业试错与业余最小回款验证

技术能做出来，不等于商业能放量：一位算法从业者的四次试错

牛牛自述算法背景，独立给海南国企做简单知识库问答仅一单，交付已经推进，但尚未收全款。C端中转竞争多是其观察，于是转B端，跑很久才一单，一万美刀消耗/平均日三四百美刀额度、月赚几千元，口径没给周期完整明细，不计算利润率。B300服务器从口述500万涨1500–1600万，未成交一台；中间人多，后来货主更易找、昂贵后客户难找，是其渠道体验非行情认证。短剧自动化Agent做过一版，却发现粗制滥造收益低、精心制作更有机会，没给收益对照。创业无稳定收入后入职百度公有云售前一个多月，希望补技术之外的客户/市场视野，不是已决定再次离职。

技术创业可主动等待切入点，用最小变量积累市场与合作资源

主持人建议先在大厂沉淀行业、同频伙伴、资源与直觉，创业要有失败承担能力，别一面焦虑创业一面工作无法专注；这是个人建议不等于年轻人唯一道路。小易以自身技术→产品/项目→运营→回技术经历补充：能做不等于能成，合作可能回扣/不匹配、投资者也有利益冲突；等待不是空等，而是听行业团队、真诚低价解决小问题，在过程识人、找到互补。盘点家庭/近亲熟悉资源，别因旧/脏/low就舍近求远；起步先减少不确定变量，像debug固定参数再动少数参数，成功率判断未有统计。

二手案例：一位腾讯技术者下班后去深圳SEO组织，边请教边做站，每晚两三小时/三四小时，第一个站一个多月后每月十几美元广告，后来收入打平工资才辞职，再渐用AI。网站具体内容未披露；前面“月百万美金/几千美金”是组织宣讲且异常，不作该人收入。他的顺序是业余先做最小回款验证，再复制，并把收入与工资比较后逐步转为全职。小易对百度“淘金”、日本业务/内分享KM类社区的看法是观察，建议利用合法可接触的内部分享理解行业和单点价值。

28. 合作与产品线索：作品、实际状态与不确定身份

分享成果可以形成业务连接，但介绍不等于成交

主持人允许分享实际能力后相互建联，说有团队正找开发过Agent的人，拟对接文熙；口述曾促成单体四十多订单，单位与验收不明。这里只确认有对接意愿，没有文熙因此接单的证明。展示具体流程和承制能力比泛泛自我介绍更便于匹配，但双方还需核范围、交付、权限和合同，不能以直播间背书代替尽调。

七百API聚合资源只是一条未具名线索，免费不等于可商用

严峻分享一张图称有700多API/模型厂商、部分可免费视频，部分希望蒸馏，未给文本网址、许可、数据规则与额度。这是一条发现资源和比较成本的线索；平台名称、免费额度与商用许可仍待确认。主持人的分享可带导流/资源对接是直播间机制表述，非已签渠道服务。

五星酒店视频对接：先作品与美术沟通，再谈竞标报价

一位称朋友与五星酒店公关有订单，找AI视频个人/工作室，要求美术基础降低沟通成本；另一位称做得早、作品可看携程，强调镜头语言/深度转化。每分钟报价被问但拒在未看作品前谈价，因此无确切价格/成交。主持人要先看作品，不把自称极度专业认证为能力保证。此线索是实际寻找供应商，而非已签酒店订单、确定转化效果。

GPU货代与转售报价必须有型号、单位和货权证据

一位原货代称有A100/H200、深圳B300现货，口述113、1850、1890、戴尔1865等单位不清，另一人听广州1700已觉贵；真假/渠道层数有争执，不能输出采购行情或认证现货。这里尚停留在供货与客户预算的对接，未成交。

“芯片锚定消幻觉”与专利方案，仍缺验证

另一人称将规则锚到芯片、六重要领域、专利审查绝对判断、自己有三个专利和算法当场二十多万；被追问芯片型号不答，最后说发明阶段、专利受理尚待授权。没有型号/专利号/实验数据，尚不足证明技术成熟、零幻觉、专利授权或军事医疗适用。他在找能投入精力与市场资源的合作方，现场未发生采购。

尚未展开的个人开发与项目连接

一个极短对话说App近音完成60%，靠豆包视频理解/给提示词→交ChatGPT批注和文字，是粗略使用线索，任务/产物不清；另极短片称徐总推荐项目在对接，没有项目内容/成交证据。尚无足够信息还原具体开发流程。

量化与官方API申请仍是筹备，不把传闻收益变业绩

一位管理团队、服务海外客户的人说准备做外汇和美股方向量化，以新加坡公司申请Claude Code官方Key，仍在沟通，设想拿到85折或8折再分享；并未申请成功或提供可复用供应渠道。账号备份建议源自封号风险讨论，不是交易品种限制。另有人测过GitHub数个量化开源项目但没说项目名、策略、回测区间或实盘结果，只能留待确认线索。所谓他人几天百倍加密收益、平台兜底等均为转述，不能背书为可赚钱方法；DeepSeek出身与量化关联也不构成其模型量化效果证据。

“规则锚定芯片”与专利审查方案：有主张而无验证

另一人称做AI安全发明，用科学家级规则先锚定人的盲区、模糊区、人为因素，防漂移失控，早期说芯片嵌入。追问后改为软件写死规则，且承认只是最大限度优化，完美仍需人机协同，没有给硬件、代码、评测或授权证明。这与早先“不会失控”的绝对表述存在差距。

同人征专利实审自动化合作，自述抽象领域60%复审、能一分钟97%准确，给申请人判断是否发明、代理判断、主管机构替代人工等用途。其称产品很成熟且法律规则唯一，没有样本/基线/专利号支持；这些应作为待验证商业技术线索，尚不足以支撑专利申请或审查中的法律结论。低成本被解释为人为事先筛好锚定规则，实际费用未给。

开源检索不是看星数：先带着真实任务试项目

GitHub可作为寻找通用项目、让Agent研究与改造的入口；高星不保证适合业务，垂直商业工具也不一定公开，不能要求一个聚合目录覆盖全部行业方案。Wikipedia、开放社区与GitHub不是同一种内容组织方式，搜索应去目标技术与行业实际活跃的社区。现场没有给出可确定仓库名或链接，仍需按实际任务另行检索与试用。

29. 摩友社群小程序：本地密度与消费分成

西安群主自述本地约5000成员，全国约10城市群主合作总计近万人，不是本地1万；平常免费公益摩旅，上周本地酒公司赞助活动约1000人参加，是已有线索。尚未与酒店餐饮合作，未商业化分成；设想轻资产小程序聚租车、商业摩旅、耳机头盔骑行服装备、整车、维修保养、保险等按需消费，不想收会员年费，后有条件再App。耳机千元、头盔四五千等只是口述价，不证明毛利。

群内内销被认为不用额外广告费，也不能忽略组织/维护成本。计划每城市群主按用户消费分成，当前各群自己接活动，无统一比例；一个开发商提约1万元+20%股份、总投两三万vs实体店十几万是谈判报价与估计，未签约。主持人推荐WorkBuddy自己做或低价样板，另有人强调定制不一定很便宜，现场仅拟加好友，没有交付。

30. 知识社群的商业价值：筛选、匹配与具体解题

小易建议在现自由连麦外做一对一专家专场，专家讲完再提问，避免无序插话；筛选真正做过业务者，不能只会讲没做过（其TK老师二手反例）。课程可付费，用户怕的是无法验证的韭菜课，不是所有课；专家真实经验＋组织者把关是价值假设，不担保无风险。其独立站缺传统出海客户、另一方有线下资源缺跑通过独立站的人，组织者做A+B+C匹配/初筛可省个人调研时间。

主播更愿先做高质量人群、影响力/长期共创而非短期私货；其他人担心长时免费服务难持续，人群是平台的，连麦位有限，不能一直积累又流失。建议定时归类需求和能力、资源黄页限圈内互惠，不是公开所有联系信息；按具体问题积到一定量，找合适嘉宾定时收费解决，费用部分给讲者、部分支持组织运营，录制再给付费小群。都为建议，未给收费规则/新成交。

主播称群收费自己收399、他人建议699是当时口述，未清周期服务；既有知识星球沉淀专题，计划再蒸馏60秒语音。其自述拉黑/切割不合作者，商业教训是以时间和过事/交叉业务验证筛人而不是股份承诺或履历，具体人员的纠纷没有在这里展开。不要把大平台做强的愿望当已经规模化运营。

31. 需求负责人直接迭代，与岗位培训

需求负责人直接与AI迭代：双模型构思与可视批注

大型ERP的非传统开发使用者发现，按钮位置、上下间距、展示方式等细节若先讲给中间人，再验收偏差，仍要逐项重过；他认为自己直接与AI沟通反而可能更快。这是该使用者自身选择，不能推成所有项目无需产品/开发协作。他实际搭配豆包与GPT：让豆包讨论本土语境、开放性概念和方案，整理成一段说明给GPT深度优化；若成品不满意，再用Codex批注继续改。他比较出的豆包发散/GPT专业深度属于个人体验。也指出大型改造常留旧逻辑和未收尾代码，结果界面多出不合理元素；模型道歉不等于完成回归，应看实际产物。

企业培训从官方材料与岗位任务出发，证书只留核验线索

黑龙江培训者曾给企业中高层做AI培训，认为当地推广受限，年轻人更可能自学；随后做教育课件，称基于“清华OpenMaxine”近音开源项目改造，生成可交互HTML课件快，教师反馈较好，未明确仓库、许可、付费或测试规模。项目身份仍待确认。培训证书只提人社、工信方向及“AI智能体应用工程师/人工智能算法工程师/生成式人工智能工程师/AIGC”等名称，讲者自己认为含金量不高；没有发证单位、备案和查询信息，不能当官方推荐。

制造企业渠道科新大学生的软件培训草案已由AI生成：AI/LM/LLM概念→Agent→Workbuddy→Skill、专家团、提示词→工作场景→实操。被建议先用产品官方蓝皮书与课件建立可靠基础，再讲适合渠道管理的任务，补RAG知识点；这不是已经实施并验收的培训。另推LLM Wiki，说召回错误可自行复核，提个人知识库“OCC点”近音，均未给具体仓库/版本/数据集，“替代RAG”仍只是讨论中的主张。

32. 企业知识库：治理、解析、召回与专用能力接入

企业知识库先治理知识，而不是把全部文档灌进RAG

迎春分享自研RAG和集团项目经验：见过两三万份文件直接入库，低知识密度、干扰材料和大量相似重叠内容让召回困难。他建议先区分核心制度、办事流程、支撑资料，且分级：整理过的经验教训、年度报告等较核心内容；部门报告等次级；日常过程材料可归档，但不自动进入回答用RAG。撰写与提炼本身需要人，并非向量化自动产生知识。具体分级需结合企业，不把口述等级混作固定行业标准。

知识召回取支持问题答案的知识片/图谱；文档召回取完整文档，适合仿写、报告和需要全量理解材料的任务。Agent执行/规划依赖的业务术语、语义层等关键背景知识，宜专门写好、固定可读，不完全依赖不确定的通用RAG。可把知识召回与文档召回做成两个独立调用入口，再按任务选择。有人理解为先读类似AGENTS.md的核心说明，再检索细节；另一方提醒只靠渐进披露少数文档也可能缺全局视角。让Agent每次遍历几十文档的方式可能耗时数分钟、回答一致性差，领导未必愿等；这里给的是工程权衡而非实测统一延迟。

讲者提向量、BM25、倒排/ES、图谱、Wiki多种阶段，其中LSTM等术语口述混杂，各方法在链路中承担什么职责仍需逐一明确。

文档解析的细节决定企业知识问答效果

企业材料不只是Word导出PDF，还可能整页照片、局部图片、横纵排混合、手写、复杂多级表头。建议先OCR版式识别，再内容识别与方向确认；全交VLM虽可尝试，但成本和速度需权衡。OCR把一个字拆两字/两字并一字后，还要文档美化纠正Markdown，再识别元数据与结构，之后分片、向量化、BM25索引和图谱实体关系；更严格可做本体建模。表格切中间会失去关系，应先保留结构，再处理大结构包含小结构、重叠/父子关系；几百字短文可全文返回，不必强切碎片。

口述开源解析工具出现“Miracle/Miro UI”等近音，另一人提微软把多格式转Markdown的工具但未给仓库；不凭猜测补正确名字。讲者认为某解析器需要显卡、很重；另一人只部署测试几份，不能当大规模验证。供应商应能改得动解析链，后续企业特殊版式才能优化。迎春称处理过百页/二十万字文件，Markdown还原约99%、300问题准确率不低98%，均为其自述，未披露指标定义/测试集，这些指标依赖于他的材料和测试口径。

统一业务工作流，专用能力按MCP/API接入

迎春进一步解释两类智能体的职责边界。建议企业将通用业务流转统一在Dify等工作流平台，让信息中心/内部团队未来维护，避免服务商各带一套无法治理的业务流。知识库、问数、项目/合同管理、内部审计等专用智能体，可用自己的推理框架；以MCP或API暴露能力，接收信息、处理、返回结果，供顶层发现调用，专用层自身不再承担整套业务流程。这是其架构建议；“90%用Dify”是口述概括，不当市场统计。

33. 98%准确率写进投标后：如何变成无法验收的风险

惨痛事故：标书盲目承诺“98%准确率”，数百万款项被卡死

某企业参与高校/政企重大数字化中台联合研发的负责人，在直播间带来了一起极具行业警示价值的真实踩坑教训：

• 致命的标书伏笔：在项目投标阶段，售前写标书的员工为了让技术指标亮眼、顺利中标，在招标文件响应偏离表中信手写下了：“大模型交互与回复准确率 $\ge$ 98%”。在随后签订的正式政府采购合同与验收大纲中，该条款被一字不差地全额继承；

• 致命漏洞：合同中完全没有对“98% 准确率”进行任何细化定义——它究竟指的是语义检索的召回率（Recall）？还是 SQL 语句的语法执行成功率？还是大模型在极其复杂的长文本多步推理下的答案完全正确率？同时，双方在签署合同时根本没有约定基准测试集（Benchmark Dataset）、没有评测打分规则、更没有指定具备评测资质的第三方机构；

• 验收大爆炸与第三方机构拒签： 随后写标书的员工离职，但公司法人主体必须承担法律合同责任。项目交付进入验收阶段，企业花费数十万元聘请国家级权威第三方软件测评机构出具测试报告。第三方测评机构在系统响应时间、并发吞吐等常规性能指标上均给出了“合格”结论，但在面对合同中白纸黑字的“98% 准确率”时，机构在报告中明确书面批注：“本机构不具备对大模型生成内容及答案准确率的测试评测能力”！

• 专家一票否决与回款死结： 在政企终检验收评审会上，随机抽取的外部专家组长极其严肃，坚持对签字终身负责。看到第三方报告在该项关键性能指标上没有明确合格结论，专家当场一票否决，坚决拒不签字。即便甲方处室平时使用觉得很有用、与乙方关系极好，但在严肃的采购审计问责红线面前，没有任何干部敢违规签字兜底。导致该项目与北京邮电大学（北邮）教授团队联合申报的数百万财政款项被整整卡死一个半月，分文无法拨付！

惨痛教训与政企大模型交付铁律

该案例揭示了所有从事大模型政企与企业级交付团队必须时刻警醒的合规铁律：

1. 合同指标不可笼统数字化： 大模型天然具备概率性生成与幻觉特征，严禁在商务合同、招投标文件或系统功能清单中，以泛泛的“回复准确率 $\ge$ 98% / 99%”等无法科学界定的绝对化指标进行承诺；

2. 三位一体的验收基准前置法： 如果客户或招标文件强行要求考核模型性能，必须在合同签署的同时，白纸黑字固化三项配套附件：

3. 闭卷基准测试集（Benchmark Dataset）：明确界定评测的具体题库规模（如 500 道带标准答案的真实业务问答）；
4. 科学的量化评分规则（Evaluation Rubric）：明确采用 Exact Match、ROUGE 还是结合专家打分的评测公式；

5. 测试机构能力提前确认：提前确认所委托的第三方测试机构是否拥有相应的评测资质与执行能力，避免出现“拿着报告却无测试结论”的致命尴尬；

6. 解套的代价极其高昂： 受困团队不得不紧急召集涵盖技术、法务、招投标审计与采购办的 7 位高级别专家召开专门论证会，通过极其艰难繁琐的多方协商与补充协议变更，试图重新界定测试集来化解风险。这深刻说明：前期在售前和标书上哪怕省一分钟的审核精力，后期就要在法务与验收上付出十倍、百倍的代价。

落地自查清单：政企与工业 AI 招投标合规防踩坑抓手

1. 验收基准“四不签”红线：
2. 无固定评测题库集（严禁接受“任意现场提问抽测”），不签；
3. 无白纸黑字量化打分规则（如 Exact Match / 人工双盲复核），不签；
4. 第三方测试机构未出具“具备该项 AI 评测技术能力承诺书”，不签；

5. 标书笼统出现“准确率 $\ge$ 98%”而未界定计算分母与样本边界，不签；

6. 安全免责前置补充条款：

7. 在合同技术规格附件中明确约定：“模型回答仅供参考，生产/经营关键决策必须经持证业务人员最终签字确认，不可作为免除人工复核之唯一依据”。

34. 自助打印设备：扫码收款之后的自动分账

一位已做ESP32自助共享打印设备的开发者想全国销售，微信支付申请已过，银行介绍了“付友”近音第三方支付，但尚未完成对接。业务设想是客户买十台投放，家长扫码打印款到平台，需要N+1自动结算到投放者在小程序登记的银行账户，不想人工打款；十台/南京客户用作解释场景，并非已成交订单。

讨论初始误当普通经营收款/税务问题，后来才明确需第三方的分账、结算系统。有人估千分之六手续费、无额外系统使用费，是未核的口头举例，不是报价或适配确认；“微信支付”和第三方能力不能简单当互斥两件事，提问者指出微信扫码需要对接链路。平台账务与投放者收入的边界仍需支付服务商及财税专业人员核对，现场没有形成完整结算方案。最终有人自称会，转私下沟通，未现场解决。

35. 两人物流ERP：第一客户交付与多客户产品化

两人团队首单十万：跨境专线物流与企业微信轻量闭环

曾任职京东的技术人员“要开心”与合伙人组成两人全栈团队，分享了他们为一家主营空运迪拜专线的跨境货代公司定制开发物流 ERP 并集成 AI Agent 的首单经验：

• 首单闭环与业务功能：系统耗时约 2 个月开发交付，覆盖货代前置仓、香港仓与中东专线的小包、集货、运力预排与仓储财务核算。前端对接企业微信工作台与微信小程序，支持客户在企微群内直接通过自然语言或拍照识别单号查询包裹轨迹，以及在入库时拍照录入仓储数据；

• 财务收益与算力成本：两人团队首单定制开发收款 10 万元。客户将应用与数据库部署在一台年租金仅数百元的轻量云服务器上，底层依托开源框架与轻量向量库，展现出小团队极高的敏捷交付速度。

连环质询：从首单定制到工业级标品的残酷深水区

现场深耕跨境物流 13 年的行业老手与资深 SaaS 开发者，对该项目展开了一针见血的业务拷问，揭示了从“单家定制跑通”到“多客户产品化”之间的巨大鸿沟：

1. “缺箱拦截与齐箱出库”的致命断层（连箱号都没有）： 物流老手现场提问真实工业级业务场景：大件家具出海通常“一票多件”（如一套沙发拆分为 3 个箱子分包运输），在清关报关、中转拼箱和末端派送环节，系统如何确保三箱全部到齐才允许出库？一旦中途漏掉一箱，如何自动向调度员报警拦截？ 开发者当场被问出底细：坦承当前系统根本没有细化到“箱号（Carton No.）”维度的跟踪能力，只能基于整批货物的总件数进行粗略比对。这暴露出初创团队在未深入传统重行业底层流程时，自认为“两个月摸透物流所有业务”的技术盲目自大；

2. 非标定制的泥潭：换一家客户代码全得重写： 物流同行指出，跨境物流各细分专线（美线、欧线、日韩、中东）的结算规则天差地别：

3. 材积重算法（如 1:300 还是 1:600）；
4. 叉车费、报关费与港口杂费在拼箱多票货物间的动态分摊逻辑；

5. 目的港多币种汇率实时冲销与账期对账。 每一家货代都有自己极度固化的潜规则，换一家客户，后台计算逻辑几乎必须全部重构，根本不存在一套通用软件直接躺赚卖给所有货代公司的可能；

6. 商业报价的一路坍塌：无法标品化时的心理脆弱： 当被问及这套系统准备以多少钱卖给后续第二家、第三家货代时，开发者的报价从最初自豪的“十万一单”，迅速退缩试探到“两三万”，最后甚至表示“只要有人给一万块钱，把现成系统、小程序和官网代码全盘卖出也可以”。这种报价的剧烈雪崩，真实反映了技术人员在缺乏持续运维服务能力与垂直行业护城河时，难以建立软件定价权的普遍商业困境；

7. 基层操作工的使用惯性与数字化摩擦： 货代一线的基层仓管、打包工人和调度员习惯了使用 Excel 配合旧系统倒腾，数字化素养极低。推行新系统的最大成本从来不是写代码，而是“教会工人、改变老员工操作习惯”的巨大驻场服务摩擦。如果做不到像飞书/微信直发那样贴合习惯，再炫酷的 AI 系统也会在换了一两个调度员后被迅速废弃。

落地自查与演练抓手：从单点定制到垂直行业标品的检验步骤

1. 垂直行业隐性颗粒度反问测试：

2. 在为传统行业开发轻量 ERP/Agent 之前，先向一线操作工调研最小不可分割单元（如跨境物流中的“Carton No. 箱号”与“齐箱拦截规则”，全屋定制中的“孔位与封边 CAD 拆单数据”）；如果系统尚未触达该颗粒度，切勿宣称“已搞懂行业”；

3. 非标算费逻辑矩阵评估：

4. 盘点不同客户在计费、分摊、账期上的差异度。若多于 3 项差异需要大面积改动核心数据库结构，应果断按“单客高价定制”收费，严禁以低价标品承诺长期维护。

36. 珠宝SaaS经营者：规模化、迁移摩擦与收费边界

翡翠珠宝SaaS的焦虑，是已有客户体系如何找到规模化新价值

另一位“金山银湖”是自己软件公司的传统SaaS经营者，不因昵称当成金山公司。他自述翡翠珠宝通用系统加小程序，有五千多企业、付费几千家，库存/财务及电商打通，主流价八千多一年，泛范围几千到一两万；称市占率第一未给证据。系统成熟、技术人数已少且AI写代码，仍担心两年后客户自行定制；加几个AI功能提升有限，定制更好用但边际成本高。他追求规模化，不想收十万八万花两月做外包。

有人说财务绑定让客户不会换，他直接反驳：中小用户会轮流试同行软件，合用才留下，没有强忠诚度；因此不能把“剩四千家也能赚”安慰当可靠经营预测。他本人不写代码但懂行业、做产品，程序员辅助；讨论赞产品经理优势只是个人观察，并非程序员无价值。软件+硬件被建议为增长方向，珠宝3D/CNC/设计CAD近音工具被提；经营者说翡翠和田玉机雕AI建模已成熟且厂商自己做，不认可轻易切入。没有确认新市场或新产品。

另一人提“斯通霍克”近音卖插件模式，未说网址/许可。腾讯Workbuddy/Skill Hub盈利评论也只是发言者判断，未核财务；原文SQL/Skill等转写混杂不据此断言其毫无用处。

软件价值点转移的三种假设，与经营者的反驳并存

讨论者提出未来有大量仅20/30/50人使用的小软件，Vibe Coding降开发成本，让年付十万的小规模场景可能成立；这是成本假设，没包含真实维护/算力/获客账。若用户少，建议向完整商业闭环按价值收费，或结合硬件，或把既有软件变成可调数据/接口增值服务。例子里软件三万、客户年赚两百万/一百五十万、硬件八十万都是说明性假设，不是项目报价或业绩。

他说已有客户三年历史数据有迁移摩擦、可做API增值，用Adobe/Salesforce作类比、称“基点转移”，没有给这些公司已按此成功转型的证据。珠宝经营者反驳软件供应者通常只能收软件费、更新需求费、开API费，难按客户产值/利润分成；应同时保留而非裁定价值收费一定可行。争论焦点由“规范开发”纠正为“可规模化业务”，不能误解为编码规范咨询。

37. 把自检循环放进任务执行，而非争论万能模型

新讨论提“Loop Engineer”近音概念，将拆解、调研、编程、审查放进循环，靠机制、自检、筛选拦错误；并没有给已发布论文或工具。RAG结合BM25、上下文属于模型还是Agent、科研是否使用LLM、多模态能否推理等发言互有冲突，不能把“多模态只能看/生图不能推理”“严肃领域都不用LLM”等绝对句写成行业知识。主持人要求回到自己真实案例，减少纯术语争论，也是直播社群提高信息质量的组织方法。

38. 零售营销：历史活动资料与组织目标一起整理

零售会员运营：从历史活动资料萃取到品牌专属活动能力

“魔法师老板”服务大型零售品牌会员运营，不从泛泛AI native口号接任何条线，而只做熟悉的营销领域。客户每年三四十到六七十甚至上百场活动，以PPT、表格、Word散落在不同设备；团队先收集理解复杂文本素材，借助多模态、向量、推理、RAG、本体等萃取往年时段、活动与效果经验，形成针对甲方的Skill和业务定义/推理层，再按中秋/双十一等时间生成候选活动。这是其自述在做的方式，未给数据字段、因果评估、自动执行权限或最终转化数字，不能补成自动投放SOP。

价值是同时解决客户与服务方运营团队“又做活动、拍脑袋三四方案仍不满意、被要求预测”的实际困难；不是把旧系统推翻。讲者选择AI加一层，认为大企业不敢直接把全业务交AI。其过去咨询经验中有老板借改革调整部门/裁员，是经验观察，不认证所有AI转型动机。自述从业二十多年，零售懂而车间/生产供应链不敢都接；FDE被邀请个人“人天一万二”，但本人还有公司不能随便去，不能当已成交通用市场价。对别人培训出FDE人天一万/半天一万多的说法为转述，仍强调付钱不等于懂所有业务。

FDE先分辨组织问题与技术问题，再决定是否接

接零售案例，大家提醒若老板只想借FDE处理员工/组织矛盾，最后可能把难解决的内部问题归咎乙方、不付款；不是技术创新咨询天然能办。魔法师补上海跨国客户有全球智囊、较早接触境外模型，反而重合法合规、会等验证，不盲跟中台/大数据潮流。他今年仍想找合适品牌正式试FDE，以前主要出服务/产品；当天先在内部运营线调研，五个人讲同一流程各说各话，最终需老板明确目标和改法。这是其调研困境与判断，不能概括员工意见无价值或所有问题只问老板即可。

主持人以分享实战“亮肌肉”让潜在合作方看见，鼓励真实案例交流建立业务联系，称直播间最高建联订单四五十万，未给合同/回款，不作直播获客收益承诺。

39. 金融审核：规则、人确认与经验库的版本闭环

金融垂直审核产品：规则计算、反馈经验和版本评测三条闭环

“灯塔”自述做金融，曾在上市公司历经技术/产品/市场业务线后创业。其垂直审核产品由表单、档案、客户视频/照片等多维材料生成检查报告，原人审一笔十来分钟，现约一分钟报告，是自述效率未给样本或同口径实测。金融要求合规、数据私域不能外流，不把其体验泛化为合规认证。四五个月产品思路、架构、开发约80–90%自己做，朋友补部分。

他投入最多三件事：一，抑制错误，模型做推理后计算交规则引擎，复杂任务拆细Prompt聚焦，大/小模型各做适合工作；二，记录用户纠错，标准规则和学习的规则并用，而非每次实施人工抹平客户差异；三，每个版本用历史样本评测，对比好坏，有观测结论才升级给客户，避免一次改动带来退化。刚上80%准确是说明场景的初始口径，不把“用一千次越来越好”当可证单调提升。他强调阈值取决业务：有些20%错误可勉强使用，严肃任务1%也不可容忍，没有达到所需信任就仍要逐单人复核。

工具用过Cursor、Codex，额度耗尽换国内模型，自述工程变复杂后DS等代码/解释更费理解力，海外模型解释较易读；是其成本与可理解性体验，不作全球排行。

自进化的实际实现是经验库分流，避免自动改坏主Prompt

另一发言者提醒知识有时效，自进化可能积累坏经验，金融行情/宏观因子需不断更新，最终人机协同判断；灯塔回应自己说的是审核人员经验相对稳定的场景，不是股票量化预测，两类不可混用。他已做的最简机制：动作→反馈→人工纠错→对错误场景、原因和案例反思归因→记录经验库；下次相似错误检索经验，纠正后继续。并非重新训练底座模型。

零售方曾试模型自动改提示词，发现走偏；灯塔也担心原Prompt覆盖一千场景只错一两个，直接改主Prompt会破坏原本成功路径。他的选择是正常流程保持原Prompt，把错误场景另路由经验，而非全量自动改写主Prompt。其“不能改Prompt”是面对当前方案风险的主张，不是技术上不可实现。

金融自学习补充：审核后才能生效，不让单次纠错直接污染经验

灯塔明确正常千场景继续原Prompt，少数错误转新轨道；动作后反馈可自动或人工，但必须归因、验证才生效。他的金融场景仍由人看报告最后确认，十分钟人工审核缩为约一分钟理解报告再确认，非机器替代合规审核人。具体如印章有效性、话术是否引导买卖/适当性等，模型推理、程序兜底；用户把图片分错栏目后手调，系统记录痕迹，先审核这种调整是否标准，通过再反向归因入经验库，不能“用户一改即学习”。80分→两三月升一两分为说明长期累积的设想，非已测年度曲线。

他把个人AI使用历程分为聊天、编码、多轮讨论方案、给目标自行迭代、产品设计人机协同原生架构，再到未来跳出LLM的新协作范式；最后一层是未来想象，不认证已具备全部阶段。自述2016年所做ToB产品至今年销七八千万，不能转成新金融AI产品销售额。零售方提醒只有“买没买”结果而无过程数据时，优惠券/商品/冲动等复杂归因无法确定；拆小问题也不自动补出不存在的数据。金融审核相对可观察的人纠错条件，正是区别于消费归因/股票预测的适用边界。

40. 五十人ERP咨询团队：收费共创与局部排程

五十人ERP咨询团队：本地Agent共创一个月，排程只局部改善

新连麦者近二十年ERP/IT咨询、约五十人团队，9月起用自己的本地部署Agent，与一两个客户共创场景。动机是数据主权、深度客制化、把应用场景沉淀为企业AI资产；不是证明所有云产品不安全或不能定制。他发现需求不清、客户不配合/测得慢，与ERP实施同样重。

最难自动排程共创一个多月：客户从Excel转系统，客户口述提效10–30%，AI一次排二十版本供挑，但参数/准确性未明显改善；继续深挖可能像几百万APS无底洞。其他大研发/供应链全贯通先搁置，排程仍硬做，不说已全部拉通。建议先按简单/复杂和ROI好坏排序，避免少数AI人力陷入一个复杂场景。

团队要求能在现场聊完需求后5–30分钟用自有Agent做Demo尽量现场做，而非反复AI生成需求文档来回修改。让客户看可见物、讨论几轮细节，需求可能锁到95%是其感受，非正式统计。FDE还需主动坐客户工位旁看每天工作/操作，不能只听抽象要求。其五年后企业唯一IT入口Agent、无需各系统账号是预判：先用Agent接现有ERP等，不是当前客户已实现。

张总的Agent入口愿景与当前付费共创，应分开记录

张总补充自己确已收钱帮客户做几个场景，眼下痛点是业务局部/跨模块混杂、客户自己讲不清，不能只归咎模型能力。他希望总结方法论、培训与Agent可用度，带客户自己一个个沉淀场景，现仍积累中。声称简单查询对接各系统基本能做，但权限、复杂流程多次交互与业务改变更难；“每个员工一个Agent、后端透明、做不到IT介入”仍是目标，不是已交付集团全员部署。主持人与其他人提醒只谈当前可落地/可收费项目，一年五年模型演变不可预测；张总认为技术已有基础但业务实施深水，两方观点不强行统一。

主持人另澄清与一凡/曹总只是业务介绍，不把关系当联合交付项目；常州OPC峰会及上海火山峰会仍与部门沟通、无确定日期。另人建议用老干妈企业AI巡检“600减400”报道做客户营销案例，未提供文章原链/日期/测量范围，只留待核线索；不能刊成已核企业事实或ROI承诺。

41. 单点指令交付：U盘不等于私有模型

“木林/木离”近音发言者说不会技术也可把指令装载体/U盘，解决单步或单点问题，称变相私有化、降价容易成交；但未讲本地模型/联网路径、运行环境和如何不泄密，不能把放U盘就认证私有部署安全。其有价值提醒是别承诺所有问题，企业知道痛点也可能觉得不改无所谓，高价且效果未知难成交；工厂账务等风险可能数月后才显现，现场跑通不代表长期正确。

她声称解决幻觉、用豆包和DeepSeek等但没有可见方法/实证，引发多人追问。提出让企业填部门、规则/模型采集表后嵌入交付，被另一人称自己做过类似单子，却仍不能保证覆盖通用企业；双方未展示系统和效果。另一方用“内部定义1+2=4、数据不外流”说明专属业务知识不在公开模型，不能用常识答案替代；不是数学真的改变，也不是要求提示词盲从。上下文未来变GB就降幻觉也是未经验证猜测。这条思路目前只能支持单点需求讨论，尚缺运行架构与实际交付验证。

42. 微信QQ标准产品：价格实验、技术稳定与市场合伙人

微信/QQ自动化产品：市场合伙人跑通低价标准版，技术方让利聚焦产品

另一位回访者说原从大客户定制抽标准化微信/QQ自动化产品，自己产品技术强但市场弱，近二十多天引入曾合作的市场合伙人，前端接触客户、推广代理/直播销售都交对方，市场拿大头，自己赚小头释放精力做产品/技术和选择性定制。明确“不是我自己跑通市场”，应保留协作角色。

其称推99试用版每天一两百个、日一两万，未给后台/退款/成本/持续天数，属于经营自述；之后“999一个月100个约十万”是对比标准产品商业性的说明假设，不混为同一个实际价/已售量。定制今年接几个大单，每单两三个月、精力投入回报不相称；私有化也能赚钱，但他个人更看好标准化，非所有定制不赚钱。产品对第三方平台的授权与风控边界没有说明，跑通功能不等于这些问题已解决。

标准化产品的完整价格实验与技术边界

回访者后来被称“曹操/孟德”，明确不只垂直行业：原B/小B部署“基本五个”单位不明、转化低，降到千元内拓C端。其在9月20日前后找擅直播朋友试99，一天百余份自述；还试298/月体验、1998、998等，现倾向99体验、年部署998左右达到平衡，周期不明的价格不并成固定套餐。标准化跑通的是市场价格定位，而不仅产品技术。他说早先朋友介绍定制大客户二十多万，之后抽成通用包；这位讲者的二十多万元定制客户，与前述两人物流团队十万元首单是不同案例。

技术自述识别与执行分两层：纯视觉识别，Mac需授权屏幕录制及辅助功能、Windows也有版本，原生系统权限执行；他列举个微、企微、QQ及“沃斯”近音，讨论中又说Watch up，可保留为WhatsApp口述线索，未核对官方集成授权。该方式并不自动证明无封号/平台授权/数据不出境，讲者“安全”不能变保证。与市面“石流”近音产品类比也未核。

新增聊天记录转发解析已自称可用，计划两天后上线：Mac端开放转发到应用可抽群订单等总结，Windows未开放但说可一键转发；开放功能不等于开源代码。底座称用Codex开源框架、Hermes执行、几百内置Agent/开源组件，没给仓库/许可不认证具体清单。

不做本地视觉模型：先本地筛选真正需回复的消息/图片，再调远端Agent，减少无效调用；图片稍变缓存不命中是其成本痛点，不能按文本量估全部token。他提OpenAI“6.1 SO/Soul/6.0 Luna”、Gemini“3.8/3.1 Flash”等混杂版本，保留口述待核、不自动修型号。称当前强模型可用，Flash约三分之一价、公司单号年token千元够；未来6.1 Luna设想年二百/十分之一仍未推出实测，不能把预测当现在成本。他给998客户含200元token硬成本，除此维护、网络、渠道分成没有完整利润核算。国内模型/蒸馏被掐等评价均其个人判断不核事实。

网络/模型服务称自有中转只供自己的多个软件，现接微软云模型，可切谷歌/Claude，地域经验与稳定性为自述，不能将“新加坡解决所有问题”当保证或绕过限制指南。企业本地定制仍有市场，原三四月前Codex+Hermes产品嫌旧可能重做；双创始人一偏产品一偏技术都写代码，标准客服自动化最难稳定性，不等于复杂企业Agent无难度。计划继续选高使用率、跨企业有共性的场景做标准包，由市场伙伴承接售前，尚无新的联合产品交付。

自动回复的状态管理和单账号限制，不能被“纯视觉”标签掩盖

新消息检测后续明确屏幕录制/OCR持续监测，约每秒识别；识别、坐标/快捷键切换和鼠标执行不等于每秒调用大模型，真正生成回复才调用。Mac辅助功能/录屏需用户授权；“签证通过”可能签名近音，保留不认证系统公证。筛哪些信息值得进入模型是核心工程细节，而不是全屏每帧都上传。

回复生成期间又来连续新消息，旧答可能失时，团队曾卡很久；讲者说解决方式涉及放弃当前生成、重录屏取新上下文，但原句反复且被另一人插话“还没修”，未展示可运行状态机。新消息合并、中断以及旧答作废，仍是需要独立验证的工程风险。

讨论“多线程”一度混淆同一账号多个好友与多个登录账号。讲者最终承认当前PC本地产品做不到十账号同时，只做一登录号，尚不支持多账号并发；别人说网页版/虚拟机可多登，产品方不做且担心账号风险，分歧保留。后续有人提自己指定机型、底层系统定制的手机产品来合作，不是当前PC软件已支持任意手机或群控；声称证书/风控解决也没证据，不给规避检测操作。单机单号怎样服务几十人客服组织，仍是讨论中的使用障碍。

30秒回复预算与极简上手，是产品取舍而非通用性能保证

前段多账号建议是在集中后台归集手机信息方便几十客服管理，未达成合作；开发者反问多开浏览器成本更低只是争论，不是其现产品已经支持多开。另一开发者实测某Luna约一分钟回一条，产品方把延迟拆成屏幕检测/切换/筛选/执行前端工作流，与知识库/Agent调用两段；新消息算法有人用透明度对比，不能都写同一方案。

曹操称自己进入Agent后30秒须含知识库完成回复，失败重来第二轮；早期十秒不够，试十五/二十再三十，老Windows可能更慢。称Windows最好仅达Mac体验95%、差两三秒，是个人测算，无设备/测试集，并非平台固有指标；旁人也质疑电脑影响。高阶模型近音速度比较/对竞品“石榴”慢的看法未核不作广告。

上手流程追求小白：启动后引导进平台，填个人昵称/群昵称，Agent和工作流预置，尽量看视频即可用；现有设备直接下载Mac/Windows软件，不要求客户换机是产品取舍。另开发者集知识库/数据库/用户画像较复杂，承认前端慢；曹操建议先把拿消息和回复链路做好，画像/历史聊天记忆另算。用户画像和历史聊天记忆还涉及采集范围与授权，需单独约定。

其Mac聊天转发解析功能计划最多两天更新，可统计电商群下单；Windows仍缺同等开放分享。解析自测可用与新版本正式发布是两个阶段。其目标客户包括美业、美甲、化妆品店等小B的客服与销售。

美业/销售自动回复产品：任务、记忆与电脑端范围

曹操进一步以美甲、美业、化妆品店说明需求：店里不能一直盯个微/企微回复，就把Agent定位销售、销转、运营或客服，用企业知识库接消息。现已做自动回复、主动触达及聊天总结。例子是建一个明早九点任务，上传图片或文件，逐一添加要发的昵称，定时发文字+图/文件；这不是宣称已获平台官方授权的群发方案。聊天摘要的触发有时间、消息条数、总字数三个条件，达到其中一个即可；三十条是举例。摘要保留意向客户和咨询事项，下次调用记忆，讲者说已自动做，不是只有将来想加。

他负责产品设计与前端，另一个技术合伙人负责后端，两人不是一人全栈；尚未做手机端，主要电脑端。另一人问云端虚拟手机，他否认自己这样做；关于IP、封号、定制换机缩小用户面为风险讨论，设备改变也没有消除账号风险。他认为企微更稳定只是口述经验。旁人建议截图/OCR定位扩网页端、闲鱼/千牛等，声称自己测过，但讲者明确说拼多多/千牛今年尚未做，当前先扩市场，有需求才考虑小红书/抖音，并非已支持全部平台。

他将摘要和用户画像区分，提Mac个微可多选转发最多100条到其他应用，是其当时对功能的说法，未外部确认。他也提到生信网页抓取基因库/疫情数据等早期技术兴趣；这些经历没有提供可复用的完整业务流程。

同一业务的前后讨论：2026-10-12的相关讨论；2026-10-15的相关讨论。

43. 行业协会的商务连接提议

一位做商业分解者愿免费帮技术人讲变现/拓客，自述已累积约九家产业行业协会商会、目标三十家，希望技术与企业老板对接；刚起号三天、计划直播，尚无这些协会带来客户成交证据。这是潜在渠道合作构想，现有九家联系并没有对应已签合作或稳定客户线索的证明。

44. 差异化、定价权与商业模式选择

标准清晰、门槛低的任务被称搬砖，难形成差异化和竞价能力；不是劳动没有价值，而是可能只赚基础劳动成本，行业逆周期甚至亏损。可走不同路径：规模效应让仓储物流供应链每一环更便宜；网络效应随用户规模增长摊薄边际成本；垂类长尾长期建立定价权；非标审美和市场洞察可以让部分用户特别喜欢产品。蜜雪/拉布布/榴莲品种只是解释差异与成本结构的例子，不认证品牌案例的完整财务。

后续有人主张用AI最快发现新市场、抢时间，而另一人反驳不能把小团队追热点思路套到大企业：数百亿体量提效10%可能很有价值，零售规模企业需要整合供应链，垂类长尾也未必靠追热点。两者是不同商业模式，不合并成“只做市场雷达，别做内部提效”。

45. 金融集团推动AI：时间、绩效、功劳和责任

金融集团员工描述：上级逼子公司汇报AI应用，数据不能外发，只能公司模型；头部有智能体中台，另有企业仅搭模型环境开放业务部门自己开发。自家公司领导不熟AI，业务人员不愿将经验变Skill，少数法务合规人员用WorkBuddy接公司模型做出工具甚至可评奖。问题在组织推进，不是只缺模型。

建议给有意愿者100小时试验池，例如三个人各三十多小时，不按原KPI同时压两份工作。需回答四问：原工作谁干、搭AI的产出怎么算、功劳算谁、出错谁担责。讲者提出时间/绩效/责任流程/功劳规则；这些是管理建议，“责任在流程不在人”只是管理主张，不能视为法律免责。当无法改变组织，可给已动的人帮整理逻辑、数据、申报材料，技术风险/表达风险分担，一起报奖分享功劳，再把结果做标杆。另有人说出头会受打压、员工怕被替代，这些现实阻力说明，规则设计之外还需要观察员工是否愿意参与。

46. 多业务经营与极低token成本：自述、算账与质疑

一位创始人说二月才接AI，现AI电商50多家店一名员工、战略供应日流水约5万一名员工、自己入企FDE、AI短视频四业务。流水不是利润；其他人推其半年营收二三十亿被本人否认。他认为老板直接用强模型比经过员工传话更快，甚至声称99.9%白领可替、执行100%，都是强烈观点，未证实组织全替代。反方强调判断、创造、责任与价值不能由听话工具替代。

他自述累计十万亿token，用1亿token20–40元算200–400万；旁人算出数亿并强烈质疑订阅、账号数和价格。双方又提0.01/0.02、0.08/0.1、0.5/0.7/0.8等倍率，但定义不明且互有冲突，无法整理为可用采购报价。讨论提出后台统计可能含缓存、模型非纯、营销夸量或账号来源异常，但均未证明该人有哪种情况。套餐20叉、70元/400元账号等口述也不是官方价格。

经营教训是极低报价必须分清token口径、缓存计数、模型真伪、可持续性与账号/付款来源，不能根据便宜就认证投入产出。有人称多个账号轮换可相对稳定，另一人明确100%不稳定、同时封禁会停服务，两种稳定性体验存在冲突；讨论中的盗刷、盗号、破解猜测没有证据指向具体人物。

47. 云端Agent与视频混剪：自动化链路及质量限制

这位接口搭建者另称自有云端Agent，微信发消息可干活、定时推送，不需本机装软件。还有无限画布、工作流，类Coze但内置自家算力，用户少配置，也可代码调外部模型；ToC几千用户为自述，ToB让代理商卖整套系统。类LiblibAI画布调用图片视频音频3D，正式产品身份与其“全球模型都有”的实际覆盖范围仍待确认。

视频流程是找视频→视觉模型逐秒理解时间轴→文案转TTS→按语句匹配画面→混剪加字幕，或文字生成图片/视频再组合。云端沙箱执行“FFMP”近音视频处理工具，具体名称待确认；沙箱被解释为安全机制但没有隔离验证。有人说和剪映混剪相似/效果烂，供方承认复杂生产不行，普通视频可用，剪映要自己上传素材只是对比口述。这不是声称已经全自动精品商业交付。

48. 工作流与Skill服务：订单价格与培训业务变化

另一位从业者做AI两三年：小企业小功能几千、系统几万；去年Coze工作流带几个人做，几百到几千到约1万有单不等挣很多，今年Skill单价常几百。他最初说“卖FDE证”，被问是否免考后明确纠正为提供培训、第三方报名、自己考试，并非买证或免考。他声称工信相关、两个月前推FDE证，双数月份选择填空较简单，早期AI岗位证售价3000–4000、成本几百，都是未经证书机构/政策验证的自述。

其商业判断是信息差+渠道资源+就业背书需求，当前容易而后续要求/含金量可能变化；不认证就业优势、官方认证资格或第三方报名是所有证书强制要求。

49. 石家庄OPC园区：场地、运营与算力转售构想

同人正和石家庄方大集团总经理谈，将旧体育场新建而空置的体育馆做县/区OPC园区；地方资源和建投场地，引网易成熟园区模式、算力支持，自己做运营、分运营收益。已申请之说不等园区已开、签约或盈利。原在研究所做市场/全国信息化建设，计算机学习背景，近两年AI研究，朋友转型咨询引来业务，并非只从纯技术背景出发。

他解释网易给底价，园区转售算力，各方盈利是设计；人才返乡可招引，核心不围绕补贴，而是地方不知道怎么做OPC/自媒体运营。河北算力支持30–40%/最多40%、门头沟半年免租/每员工培训最高5000等为当晚口述政策线索，未核申请资格或时效；地方支持可能分散在科技/工信/城投各项目，并非已有统一基金到账。部分偏远科技园免租仍收物业电暖，被另一人推为税返，他明确不是。产投LP/GP/评审委员会提问没得到统一确认，实际配置仍不清楚。

50. 保定出海平台：把通用助手需求澄清为开发工作台

另一位刚入职不到两周的保定国贸/国明近音技术人员，自述国资10亿注资、上层谈合作下发订单、金融外汇资源贯通、10月8开会后可宣传并办企业沙龙；他只管技术不清运营全貌，这些不是官方核验。别人对“政府直接主导”表述存疑，但也说不怀疑单位真实，两种定性都没有在现场得到证实。

平台主体四月招标由深圳公司开发，现地方技术团队想为接入企业做后续行业工作流：不是替原大平台重建，也不是先做长任务万能助手。要类似WorkBuddy封装行业插件/Skill/Agent、发布工程、调用阿里云OSS与内部接口，供自家开发；现已有Codex套壳方案，是可对照基线。顶流的通用平台自述Windows/Mac/Linux、麒麟适配、公有服务也能企业本地模型、完全自研，但当前主要优化智谱、其他模型长任务支持不佳。需求方研发仍需OpenAI/Anthropic、业务部署国产模型，不能拿供方“外模没优势”替其需求。现场建群介绍资源而非成交定价。

营销建议先明确如糖果企业目标国家获客、专行业流程，而非通用大而全；有人提Codex/codebase能力接国产模型并二开封壳即可，但其“Kotlin本身开源”近音与语境不稳，无法据此确认具体底座及许可证。政策组织协作争论和技术可行性要分开，校企补贴50%等只是讨论举例，并非该平台已获得补贴。

51. 独立杨哥的手机助理：从个人开发走向行业客户

随后杨哥是工科半路转技术、一个人闭门开发五个月，不与博思AI另一杨总自动合并。他先做个人微信助理，再接卖房销售专家，拟可换卖车/袜等角色，关键词触发流程、回复依角色Prompt。自述逐步打通图片、文件、连续对话，主要接手机端；不同于前述两人团队否认手机端。所有记录二次分析意向/成交可能与后续跟踪；约时间等敏感需本人介入，无紧急情况每天两份报告告诉本人做了什么、如何处理。语气习惯知识库不等已认证人格复制。

他对标豆包/WorkBuddy做自己的可视化平台，能自由换豆包/DeepSeek等，交叉用不同模型开发纠错；接物业系统、远程服务器状态、PDF/视频/音频转换为Skill，一句话检查服务器。自称信息范围小所以响应快，无基准。大厂以后可能限制模仿是他的预测，未有对应政策依据。方向是物业/电商等行业服务整合，不追通用体量；当前都接上但不细，有投入便可细化是承诺非无限能力证明。

已有几个企业网站/SEO和GEU近音优化；准备回此前管理过100多企业园区住一个月深聊。下周拟驻场QC优化，客户先说美国后伦敦，地域冲突不替他裁定，尚未交付。这是从闭门技术走向既有园区资源获客，尚未形成可确认的正式大单。

52. 汽车诊断知识库：先定义失败，再选择检索与校验路线

汽车诊断知识库：先还原现方案及“不满意”的测量

冷心描述公司已付费为客户做一半汽车诊断知识库，编排平台口述近似Dify，具体产品身份及是否阿里平台未确认，上传文档→选切片格式→入向量库→召回→重排一类流程，效果不佳；想换Wiki/自研架构、求工期及开源参考，并非从零小白闲聊。资料规模尚不明，不能直接按一两MB的小资料选择方案。另一人给向量85–95%、大家很少用等说法无样本，不认证行业率。

建议先清楚量化当前每个失败：需求是什么、哪种问题多少程度不满足，而非模糊感觉不佳就换框架。发言者经验说“缝合”阶段可能更易出错（二八只是估计），需要看松散知识合成人可读章节时的Harness/Skill/知识来源。RAG也能做Wiki许多事，只是实现难易不同；换模型或框架不是自动根治。GitHub/Reddit可让Agent搜框架、比较适用场景，英文不懂请Codex调研；公屏打出的项目音轨没给清楚，不猜补仓库名。

按业务组织知识，保留检索原文与结构化数据两条不同路线

冷心拟保留文档有效日期/问题/标题/索引元信息，按问题章节切，常见问题先意图/索引路由，必要向量+全文混合召回，再取相关原文含关联零件一起入模型；担心Wiki关联会召回过多、切散后证据是否准确。对方路线是先按业务提取重要信息分门别类、专Agent检索再合并，预处理成本高但运行可省token；以只查合同甲乙方/金额/数量为例，可仅保留结构化字段不带原文。他明确只有业务不需要原文才这样，不能推广为所有诊断资料可丢原文。汽车诊断涉及未知组合、关联零件，原文诉求未被该例解决。

第三方提出领域知识结构化、Wiki/Obsidian网状知识关系；有人解释hypergraph/超边可连多节点、比单边更复杂，关系如何定义仍靠业务判断，这只是讨论中的概念解释，不是对Obsidian底层实现的确认。框架名称出现VK/VQ/VCP多种近音，身份待确认；本体论框架的存储方式也没有说清。小资料500–600K/1MB可全文入模型只是建议，需实际上下文与任务校验，不是大小统一阈值。

校验门禁：规则提取可用强模型，最终责任不能消失

诊断希望90%以上准确但仍不知校验依据；建议利用历史已发生问题及标准答案建立标杆，先清洗再打标签，再按客观规则/计算结果和主观取舍区分奖励/人工干预。发言者称增强学习但未给训练代码或数据，尚未形成可复用的强化学习实现方案。最后明确留人，AI辅助而非完全决定，尤其前一两年。其“没有标杆就谈不上准确率”旨在要求定义评价，关键是先说明怎样判断答案是否满足当前业务。

对工业场景，有人主张强AI用于设计、老师傅会议纪要→知识抽取结构存储→规则生成，运行可Python脚本执行，以减少幻觉/漂移；“所有工业运行都不能强AI”是其策略观点而非普遍定理。问数circle近音例子强调先理解语义再按规则生成，而非直接放任生成；具体术语待确认。

53. 两百万字小说的记忆工程：大纲、窗口、归纳与校验

同一技术分享者称三月128K窗口时做长篇小说锻造台、目标200万字，并举第七章钩子第100章收回。第一层世界大纲：世界观、修仙等级等硬约束；第二滑动窗口：当前章参考前三章与后两章（写五章参考2/3/4及6/7），范围人可调，还受模型温度；第三隔夜批处理dreaming，归纳昨天10章及检索记忆是否实际命中/采用，供后续抽取。每次API要再压入大纲，是调用成本与窗口约束，不声称模型自带永久全记忆。

四个Agent为策划将卷大纲拆章节、导演、写手、校验。校验给知识被采用的加权程度，不只是布尔；采用阈值0.8几由人定，0.84→0.845作为细微门槛也影响感受的例子，不是公开最佳数值。持久记忆自称普通关系数据库加pseudo embedding，不用Qdr近音向量数据库；时间戳/章节位置/行数定窗口边界。对方质疑语义关联不等时间邻近，靠大纲与窗口结合解释，但没有完整召回算法。

章节逐章审另每4章审，都是人为选择。长篇本来结构化且真人作家也前后冲突；文风如形容词/动词pattern可刻画，有人将允许风格变化视为可容忍幻觉空间，不能据此放行剧情事实错。提问者问受伤/丢物品人物状态如何持久保持未得到具体回答，这仍是未解决的问题。

54. 信创迁移：架构、旧驱动与元数据治理

一位工程师说预计凌晨五点完成上线，实际两点左右完成；华为服务器被问是否鲲鹏920，答“差不多”，型号不作为确认。环境提到GaussDB、PolarDB、达梦、金仓，项目Java基线17/21；GBase只是他人问及，没有使用实绩。x86改ARM，有人认为重打Docker基础镜像即可，另一人指出依赖与指令架构仍可能要改，海光C86的x86路线是另一建议，不能概括为所有信创迁移只需重打镜像。

具体卡点是SQL Server 2008 R2向“Triller”近音系统迁移，旧驱动需要JDK8而平台要求11以上；Dolphin（讲者称开源）中的“Ctenor”近音或Shell组件仍遇旧连接器问题。改用Python被提出，工程师说翌日再试，没有完成证明。以上近音具体工具名仍待确认。

另一段口述项目年份先说2015后改2021。其内部数据治理系统用Spring Boot/MyBatis：连接各单位数据源，采集库表、体量等元数据，分配权限，补齐不完整元数据而非修改原业务库，再清洗、分类分级、入湖，业务负责人申请权限使用。通用ETL难覆盖全部例外，部分仍需写专用程序。JPA/Hibernate/TopLink/MyBatis比较中，有人认为AI编码需要更强显式约束，默认补齐会隐藏校验问题；这些是实践判断，不是ORM性能或正确性评测。

55. 上市制造企业：先查系统断点，再组织AI试点

未具名上市企业：已有系统仍有断点，先梳理要查的数据

一位上市制造企业参与者说，已有信息化系统整体还过得去，问题是业务系统之间的断点与连续性：例如查询货物何时到客户处，要把一串系统里的信息关联起来。他不急于先认定某一种Agent，而想先汇集已有数据，再找缺项，缺失部分由人补找或对原业务系统二次开发。

其企业规模是当晚口述：市值先说一两千亿元，随即修正为股价下跌后几百亿元；营收经追问改为一百多亿元，员工不足四千。老板表示支持，但不是本人牵头。嘉宾对是否必须老板亲自挂帅、外部团队能否有效推进、公司内部能否协调执行存在分歧；支持预算并不自动解决组织协作。

有人以另一家约三十亿元产值工厂为例，建议独立第三方驻厂约一个月做评估报告。其发现的激光切割问题是：操作员为省材料，将后续订单混在一起排料，可能牺牲下游订单交付。这说明局部节料目标可能反噬全流程，但分享没有展开最终改进结果。这不是上市企业已经执行的评估；提问者也明确说，自己当前还不想逐个梳理所有场景，而想先统计数据与缺项。

杭州设备数字化负责人：不换现有系统，补关联与协作层

另一处讨论中，一位杭州上市制造企业负责人明确说，自己负责与设备有关的自动化、数字化。企业前几年已有IOT平台、数据中台及数据治理，已有类似PLM的自研系统，也有外购系统和点对点接口。各部门仍将数据放在Excel或各自业务系统，开会多、查数据耗时，希望改善信息关联与部门协作。设备工艺分析、预测性维护也是他提出的议题，不能据此认为这些项目均已立项。两段讨论的人员与公司身份未被充分确认，不能据相似诉求直接视为同一家企业。

他最初强调企业数据不宜直接送外网，但被明确问是否能接外部模型API时回答可以。因此问题不是绝对禁止一切外部API，而是哪些数据、通过何种边界参与计算，仍需具体核对。他倾向在既有系统上补Agent平台与本体关联层，并反复纠正顾问：现有系统已经有了，不想换整套PRM/PLM、WMS/MES/ERP。

顾问解释PLM中的图纸、工艺、BOM进入ERP，再结合客户需求、生产能力与供应商数据跑MRP，驱动生产和采购计划；又提出计划衔接、库存进出权限、MES报工等可能卡点。这些是待诊断假设，不是已经查明该企业故障。另一人分享七八位同事驻厂一个多月出详细报告的往事，是建议参照，而非本客户已购买或执行的服务。采购预测维护系统花五十万元是否值得，也要看具体设备、损失与效果评价，不能只看功能。

这位杭州负责人认为，关系型数据中台之外还有图像、视频等结构化与非结构化材料，想放在一起，借Agent梳理数据问题。其公司愿意支持并投入，但如何规范工作流、数据流、员工学习与适应，仍有成本；讨论没有形成已签收的落地结果。

从内部试点到组织扩散：一百小时、公共算力、可见成果

互联网与游戏从业者建议先让个人在具体工作中用起来，产生正反馈，再识别业务的数据边界、把部门能力做成可调用接口，逐步形成中台。制造业一方反驳：员工不一定能自己开发，只有论坛或通用培训并不足够，必须先有可用工具。这两种组织条件不能混为一套已经验证的转型SOP。

较具体的试点建议是：给一个项目总计约100小时，2–3名参与者分担并释放原有KPI，不是每个人额外100小时，也不是仍层层请直属上司批准；提供公共、低门槛的算力申请，避免员工自费或无约束滥用；内部论坛展示成果，让领导点赞、年终认可，奖励真正解决问题的案例。有人用商业视频节约费用或十万元算力投入举例，没有本企业财务验收。

客户希望通过活动、激励与竞赛让业务自己发现问题，IT提供支持，而非等IT猜需求。后来讨论转为先装内部Agent、准备本地算力，培训重点放在提问、背景、目标和好坏标准，而非全员掌握技术。建议先找愿意参与的小群体，测使用量与问题类型，再扩容。相关参与者提到两套“千问3.8”及一套“GM5.3 Flash”的计划，型号待确认；预算先被猜五六十万元，随后本人说二百多万元，未披露已经采购。DGX Spark、四张80G、DeepSeek4.1与十万元等是他人建议且口径未核，不形成推荐采购清单。

这组讨论还包含建电厂背景的参与者：他明确更正了“制造光伏”的猜测，并强调企业有私有业务信息，不鼓励员工自行把材料交给外部Codex或类似工具。现场对具体公司名称的猜测未获确认，也没有足够依据把他与汽车/数码设备制造企业视为同一客户。

56. 游戏行业的AI价值：内容、知识与数据经营

游戏工作不只代码生成。讨论举玩家客服、策划公告生成与审阅、为新品牌经理提供往年优秀营销案例、玩家试衣间等用途。营销方提到炫舞网页AI试衣，让玩家以新形象分享、下载，即便不能立即换算收入，也可能服务拉新与参与。美术使用LoRA/“Rora”近音定风格、定妆；像素画需要保住自有画风且数据不一定充足，不等于通用大模型随便就能做好。

关于“只有外部市场数据有价值、内部数据没价值”的绝对说法，有人用vivo消息个性化约3%的指标变化和门店选址结合历史销量反驳，指标定义与实绩未核。市场增长与内部效率可以并行，不必强迫二选一。相反，只有“我也用了AI”并不等于用得好，需要可见业务结果、可评价的输入输出和预算约束。

分享者也提到从零做游戏时先形成爽感，再连接探索和长期目标的导航，而不是让Agent一次生成固定成品；个人Obsidian配“Node.js”近音重载上下文与工作流也是线索，未披露完整实现。股票只是顺带提及，没有策略可提炼。

57. 航运经营者的Notion：先建立业务记忆，再接Agent

航运经营者说自己曾逐部门轮岗约一个月，先理解业务，再用Notion表格管理事项、提醒、身份角色与领域，父子任务关联逐渐长出来；Agent是在这套个人业务记忆之上增加分类和调用。其邮件设想或使用包括按字段分类入表、比较合同历史版本与新条款、调取谈判往事，结合历史理解对方心理；这不等于已经准确理解对方心理。

他人举航运气象导航团队五个人都跑销售的案例，用飞书、Obsidian、既有案例与天气数据库，对客户问题进行多轮、甚至约三百次讨论，生成回复或邮件；每天七点给市场、油价、新闻和天气报告。这是同行例子与方案讨论，不能并成这位经营者已经装好的系统。另一个“大专”新人一周交合同、三个月摆脱AI自建能力的试用压力案例，也只是他人组织管理经验，没有展开具体执行过程。

关于Notion是否开源、是否本地模型，讲者并不清楚；Notion是业务工具而非模型或Agent本身。先备份、导出数据，在副本或沙箱比较方案是否真的更好，是建议而非已完成A/B测试。API、SDK、MCP用游戏引擎Unity/Unreal等举例说明调用接口，但没有官方协议对照；Codex可用内部API也是能力讨论，不等于可以无限制操作企业系统。

58. 长期使用AI：费用、翻译角色与人的精力边界

有人自述每天Token花五六百元、通过中转使用，所说GPT Auto具体版本记不清，稳定只是其个人体验；另一人明确“卖算力”指国内服务器，不是卖Token，约七百元月费等近音说法不能混为同一商品。FDE稀缺不只是懂AI，还需业务与商业经验、经历失败，并在双方语境不同的地方完成翻译。

心理课件、伴侣角色、情绪支持被用于Notion与模型个人体验；Opus动画导演分镜Prompt约25美元也是个人费用口述，不是官方报价或疗效。升级二百美元方案只是建议。本地部署的动机可能是隐私，不一定更便宜，也不适合要求每个个体经营者自行部署。

有人自述连续两个月每天睡三小时后住院一个月，这是过劳风险的个人经历；直播中把各种病理与AI使用直接关联的说法没有医学依据，不据此诊断。长时间调试造成判断疲劳，比“再多跑几轮”更需要休息、明确停止条件和人工核验。

59. 猕猴桃短视频：剪辑降成本之后还要验证获客

参与者为亲属果园使用DeepSeek与Claude Code，让Agent挑选、标注已有视频，配文案并剪辑，提到Whisper及克隆声音，但具体语音链路未说清。本人明确不是生成新视频，也没有自制前端工具；是调用Agent处理已有素材。二三十秒几毛钱、五到十分钟是自述成本与时间，没有投放或成交数据。因此，不能用这组数字代表生成式视频反复生成的成本。

顾问将问题拆成市场定位、给谁看、曝光、搜索或店铺收口、转化支付：剪辑便宜只解决其中一步。每天十条二十条可能很快耗尽素材，必须看真实观看、点赞、询单等反馈，再改文案和剪辑Skill，而非随机重排已有片段。有人提到“陈/沈长文”近音一天七八十条、累计一万九千条，只是举例，不是建议以数量直接换结果。真人日更二十条可能练表达，自动重复素材不一定有学习过程。

审美也不是只看人物漂亮或一个模版脸，要看角色、场景与个性是否匹配。嘉宾称妻子曾做腾讯视频相关业务，后来接外包广告每分钟五万元、顶级原画师每小时三千元，都是特定高端业务自述，不是普通果园短视频应有的收费标准。内容制作、获取流量、承接转化是三种能力，精品与利润也不能画等号。

60. 精密仪器与外贸：按可交付场景切入FDE

曹总谈一家做精密气体仪器与过滤器、已有二十年积累的企业，年产值一两亿元，利润说“几千”但单位不明。客户真正需要把过去非标解决方案、技术知识沉淀给员工，不是再造百科；已线上沟通过，计划后续在周一之后进场，具体日期未定，近期项目尚未签约。项目仍处访谈准备阶段，尚未上线。

另一外贸企业在湖北做管道、消防棒近音、阀门，二十年面向五十多个国家、约一百客户，希望未来二百客户是目标。需求可从员工报价、图像识别或培训这样小场景切入，不一定一开始做“1+N”组织改造。报价还涉及地区、竞品、历史合同与销售知识；购买按产品、地区、箱量等查海关数据的API是讲者说法，未给供应商或授权范围，不能认定存在普遍可用的官方接口。

跨行业按“报价”场景复用共同SOP与变量，是方向探索，并非已经证明同一产品通吃。曹总自身报价方案不等于已完成这家外贸业务。

61. 培训与定制的现实：员工意愿、现成工具与合同边界

培训与经营：销售动作、管理知识和员工意愿

另一位“小金”分享自己的咨询分支，约五十人、三十销售，六千万元到八千万元是目标口径，不是已经增长。销售改进从联系速度与频率、每天连接客户、再用匹配案例深化沟通入手；从B站WorkBuddy培训挑约两小时相关内容，截页做PPT、配自己的声音，浓缩成约三十分钟课程，之后一个月内部练习迭代。尚无依据把培训认定为收入增长的原因。

餐饮加盟公司口述五十员工、三十门店、十五品牌招商行政再加三管理，人数相加含混，不自动修成五十三。管理层知识掌握多、一线不愿分享时，先通过引导式采访，让人讲故事、书面问题配语音回答，沉淀可用SOP，比直接要求交文字更易推进。未来一百或一千门店只是扩张愿望。不同部门各用GPT、DeepSeek、Kimi、豆包、千问、飞书，数据割裂，因而想统一豆包/飞书；五天没有变化也暴露员工缺少意愿或安全感，统一工具没有自动带来组织采用。

工作手机“云客”涉及收集业务记录的口述，账号、客户资源与员工知情授权边界尚未说清。另一位FDE举员工担心密码、客户数据及岗位被取代的例子，主持人提出派自己的人进企业执行甚至换人，是有争议的建议，未有曹总已经认可或实施的证明。商业教训是角色、权限、利益与信任没有解决，技术上线也难生效。

飞书与定制开发：现成功能反证、费用和交付边界

“小金”质疑定制服务价格，提飞书/豆包席位每年一千多元及算力近乎免费，属于个人口述而非核过的官方定价；他自述四个月成交约五家客户，涉及三个行业的客户出现员工抵触；这是个人样本，不是“三家客户”的统计，也不是行业比例。他主张大厂服务小B，其他人认为大厂偏超大客户，直播没有证据裁定覆盖范围。

有顾问先用Codex、DeepSeek等给客户定制，客户后来指出飞书已有相同能力，因此转向代理现成Agent加定制插件。这证明应该先比现有功能与集成成本，不证明所有定制开发都无价值。飞书API、知识库、多维表格及权限被称能覆盖很多ERP功能；“绝无幻觉”被图片识别不完整、Excel自动补全错误的例子反驳，主张者也承认不清楚为何，只是自己行业暂没遇到，不足以形成产品保证。

合同应明确本次交付哪个Agent、解决什么、交付边界，无法确认的能力排除或分期。选择紧急重要还是重要不紧急项目要看付款与执行条件；培训一天不超过五千元“不赚钱”等评价只是讲者商业判断，没有统一成本表。曹总派人在客户AI组织中做培训是其正在采用的方式，不等于整套转型已完成。

62. 受控入口与人审：缩小出错面，保留写入门禁

有企业产品通过页面操作触发固定提示、合同约束与反思步骤，而非只给空白聊天框。这仍使用语言模型，只是用户操作入口与上下文受控。ERP中可把人工订单照片做OCR、填入字段，再由AI检查与人确认；财务数据不能人人可读，禁止查询和允许某角色输入是不同权限，不能混为“模型知道所有数据”。另有人提到ERP左侧工作台、右侧Agent栏、监听页面操作的原型，但没有展开足以说明成熟通用能力的细节。

强工作流、多个Agent互检与模型自报百分比置信度均不等于校准过的正确率，尤其不应将未经验证的生成自动写进数据库。ChatBI里员工宁愿让BI专业人员给数字，是要明确人的责任；不代表有人工就自动免责。ABCD受限选择、人工审核、动态市场与节假日字段等是控制错误面的建议，基础数据质量仍决定上限。