2026-10-23 · 第1场直播

这一场从AI工具创业谈到企业需求、达人营销、工业获客、个人IP及经营风险。

1. AI创业先看付费价值，而不只是代码产能

小团队组合能力与产业理解

开场提出“无边界创业者”：小团队可调用全球资源和AI，在产品设计、代码、市场分析、客服、内容和工作流之间组合能力。这里有价值的是组织思路：先拥有一个明确的客户问题，再按需调动能力，不必先复制传统公司的全部岗位。产业理解、知道客户愿意为什么付钱、能把资源串成生意，仍被认为是资产；技术越便宜，越需要区分“能做出来”和“有人买”。

有参与者称其公司已经用本地和云端Agent承担秘书、销售、增长等角色，但没有展开可复现配置、权限或交付质量，因此这里只能把它当作岗位组合的探索。

原型、客户意愿与可承受的探索成本

一位连续创业者认为AI首先放大已有服务能力；人人拥有相似工具后，竞争对手也会变强，自己的相对优势可能不增反降。因此应先看客户买的是什么价值，而不只看自己生成了多少代码。现场更具体的建议是，向认为可能购买的目标群体描述产品，问他们是否愿意付费；几十人都不愿付费时，先检查真实需求、替代方案和成本，而不是继续投入重开发。

“几十人”和“不愿买就坚决别做”是他给资源有限者的建议；口头意愿仍要经过实际成交检验。AI的价值之一是让探索性原型更快、更便宜，判断想法是否可行，但不会自动解决用户分发和渠道竞争。成熟产品即使有需求，仍可能遇到大公司已有流量优势。

他自述从2024年4月至2026年4月跟风做过多个AI工具原型，没有推向市场；理解实现原理是一种学习收益，但想成为产品时发现缺传播途径和独特价值。对比明星产品创始人的流量与不可见投入，他不认为做出相似功能就能复制爆红。他提到Open Cloud、Open Code、龙虾类、orgbody等项目线索，但名称身份尚待确认。

更早投资酒店、酒吧的失败也被用来反思需求判断：现场热闹不等于经营赚钱，真正收益来源可能有社交、资产配套等目的。对于能直接获得较小收入的工作A与高风险创业B，要把家庭资产、亲友资金和个人信用一起纳入代价；最后他仍主张保持乐观、在可承受成本内探索，而不是宣布普通人一律不应创业。

另一段借势讨论提醒：不要高估个人能力，做成事情常常还依赖他人的力量和时代趋势。

ARR自述与软件之外的壁垒

一位参与者称，自己的产品上周达到25万美元ARR，有资本关系给出25倍估值；他强调对方看重的并非软件本身，而借此追问AI普及后的壁垒。这里的25万美元是ARR口径，不是已收到的现金或利润；融资尚未确认。

同场存在两种市场观点：一方认为甲方AI能力提高，原本会买的单点工具现在能自己做；另一方认为多数客户仍不懂技术、编程和AI，信息差和服务仍有市场。前者源于自己的能力变化，不能代表所有客户；后者也没证明信息差能持续多久。可吸收的经营认识是按具体用户能力定产品价值，并动态调整，而非因“未来会被替代”就拒绝当前生意，或把短期信息差写成永久护城河。

成功叙事、流量与实际经营结果分开

讲者大段批评一种“先宣称AI挣到钱，再教别人挣钱”的现象：通过成功身份、流量和不可核验的集团合作故事形成可信感，后来卖课收入又被用来证明早先叙事。这里最值得记录的是证据结构的漏洞：咨询不等于合作、卖课收入不等于学员能复制的项目收入、流量数据不等于业务结果。这些是识别宣传与实际经营成果之间差距的观察角度。

用户害怕错过AI变化、失去职业机会的FOMO心理，可能让“我也能像老师一样赚钱”的承诺显得可信。把这种情绪需求和已经验证的学习效果、实际交易证据分开，才能判断自己买的是明确技能、交付服务还是单纯的成功幻想。讲者所谓“吹牛不犯法、别人无法证伪”等不是法律事实或免责理由。

反方也指出：能将直播做到五百、一千人并稳定卖课的人，本身有销售和内容能力，不是随便一个新人就能复制。即使项目看起来门槛低，也还有渠道、表达、运营、资源与运气。最后的态度不是完全悲观，而是不要因风口焦虑赌上负担不起的信用和家庭资源。

2. 智能法务失败复盘：需求、使用习惯、成本和信任

真实付费需求仍可能撑不起软件生意

讲者自述2016年至2022年做智能法务，最终亏损两千多万元。他起初看到的是普通人有法律纠纷，但找律师贵、距离律师专业知识远，于是希望做面向普通人的智能咨询服务。这个观察只说明问题存在，不直接证明用户愿意买软件。前段他用“没人付费不要投入”表达普通创业者的现金约束，后面又明确承认项目确实有真实付费需求，失败原因需要往下看成本和交付，而不是停留在“没有需求”。

更具体的失败在于研发、客户和交付方式脱节：合伙人是资深律师，理解高额付费律师的要求；研发团队却自信网页、App、移动互联网方式更先进，认为没有使用习惯的老律师应该来学软件。结果把大量钱花在教育用户和推广上，甚至有四五十人销售队伍。某月短暂盈利，又增强信心继续投入，最终总体亏损。值得带走的是：不能拿一个盈利月份代替整体研发、推广、服务成本；也不能让用户迁就工具来证明团队先进。

公司快倒闭或倒闭后出现ChatGPT，讲者一度觉得这种一句话输入、自动分析的聊天方式正是当年想做的；随后意识到，若基础模型已经完成相同通用功能，仅靠一个咨询输入框就难以解释独立产品价值。他的叙述顺序不支持“ChatGPT把该公司打倒”，也没有披露精确版本；这是事后对产品边界的再认识，不是所有垂直软件都没价值的证明。

用户也可能购买人的解释与责任关系

另一位做过医疗基础服务、标注的参与者说，有用户先问系统，再去见为后台提供数据的专家；两边结论相同，用户仍愿意付车旅和专家费用去面对面确认。这个故事没有展示诊断记录，不能证明系统已经具有相同医学能力。它提出一个商业问题：用户付钱时可能购买与某个可信人的互动、解释和确认，而不是只购买一条信息。法务和医疗决策风险高，信息答案相同不代表服务体验与责任关系等价。

现场也有人预测，重复获得一致答案会使部分人逐渐信任AI；另一部分人仍偏好线下专家。权威认证能否改变认知、年轻人是否更接受AI都只是讨论判断，尚不足以判断某年龄层的偏好，更不能证明AI替代医生已经成为既定路线。这里讨论的是服务价值和信任，没有足够材料判断具体医疗效果或政策变化。

3. 已有客户资源怎样变成AI业务入口

数码租赁与软件销售者的代理或技术合作选择

一位有数码租赁、SaaS和源码/App销售经验的参与者，自述手里有安徽工业客户及本地人脉，想进入AI却不知道卖什么、找谁交付。建议有两个入口：一是找有经验的本地技术合作者，由自己负责客户、需求和关系，由对方交付；二是先代理已有成熟产品验证客户需求，减少一开始就定制开发的负担。招聘网站、当地招聘渠道被提作找人方式，但没有实际撮合结果。

“有大厂朋友”不等于已经拥有交付伙伴。讨论强调关系强度和利益绑定：对方是否愿意持续投入，能否约定分工和收益，才是资源能否使用的关键。技术人和营销人的沟通差异需要靠共同项目补齐。利润分配被提到，没有合同、比例或风险分担细则。

本地可见的人才和项目较多集中在GEO/SEO一类营销业务，但讨论混杂搜索优化、AI回答露出和付费排名，这些方向的机制与交付应分开理解。所谓交付重、客单低、加盟两三年趋饱和等，是参与者的市场判断，没有统计依据。

间接的一百家工厂资源，要先走到真实访谈

一位参与者说手里有上百家工业用户。追问后明确：主要通过做环保检测和售电的兄弟接触，是间接资源，并不是本人已经维护的一百个付费客户。另一位用自己做店铺风控、吸引两万多粉丝来解释：关系之所以持续，是因为别人有问题会找你，需要知道自己到底凭什么被需要。间接介绍并非必然无效，但熟人有名单、熟人愿意领你去、老板愿意说真实问题、老板愿意付钱，是不同层次。

建议的具体动作是让兄弟介绍去工厂喝茶，先问近期经营怎么样，把老板最痛苦的事情记下来；别一见面就推GEO、智能体或工具。可能对方缺客户，也可能订单足却想出海、缺外贸业务员、缺周转资金。需求要来自实际工厂，不能让直播间替一百个未知客户定义问题。首次聊天先摸底，必要时多次沟通；问到自己做什么，只需说明在筹备AI资源与技术，尚需按企业真实需求匹配，不抢着讲产品。

收集后再找共同问题，带着具体场景问技术团队怎样解决。“每天三家、一月一百家、九十想出海、六十缺业务员、五十共同需求”均为建议和示例，不是已做访谈或五十订单。共同问题只能形成待验证的潜在客户群，仍需确认预算、效果与交付。做商务也必须了解AI能与不能做什么，避免因急于入局承诺超出能力。

青海申报团队：保留原业务，探索可复制小产品

一位青海西宁的四人团队经营项目申报、政策咨询，涉及高新、专精特新及专项资金，自述客户约八成生产制造、两成信息科技。原服务的不确定在于审核方是外部，必须依企业条件和最终结果，无法承诺百分百通过；其接触的奖补变化又增加销售和交付难度。这是本人业务环境描述，缺政策文件，不能推广成全国具体奖补已取消。

另一重压力来自客户自己招聘人员做申报：批量外包难以做深，客户认识到部分流程不是不可跨越的壁垒后，可能不再续外部服务。团队想利用对老板、高管的直接触达和历史信任，先找一个小而可复制的AI产品，再慢慢拓展；旧业务暂不停，不是立刻放弃收入来源。他以自己使用的讯飞听写会员三九八或四九八举例，想要交付边界更固定的东西。这不是已选定代理产品，也没有说明报价周期。

主持人提出两条选择：自己或让有兴趣的同事学习，把行业场景与一点技术结合；或者找懂AI落地的合作方，由现有团队负责理解企业和关系承接。团队确有喜欢钻研AI的销售但无技术基础；学习需要时间，不因别人一个月接单就保证同样速度。所谓这些客户付费能力强是主持人的判断，不是已卖出的订单。关键未解决项仍是客户具体想改善什么、交付哪个小任务、合作方怎样验收，而不是先囤一个“AI产品”。

4. 从原行业长出AI服务：先理解旧交易，再找新工具

原行业提效与另找AI生意是不同委托

一位获客服务商当时正给无人机培训客户赶方案，自称已更垂直，没有披露获客渠道配置、收费、实施步骤和结果，目前仅能确认他在给这个客户做方案。他观察到两种老板：一类仍看好既有行业，想用AI补获客等短板；另一类原行业竞争变差，想干脆转做AI项目。后一类不是单纯给旧业务装工具，而是寻找新生意，需要重新核算手上资源。

服务商计划下周一与一位做劳务、人员派遣相关业务的老板谈，把对方已有资源与某个可落地项目匹配。会谈和项目选择当时都还没有完成。他还观察成都部分卖课团队并不依赖线上流量，而与学校、培训机构合作，将已有客户转化到新课程。这反映了一种渠道经营逻辑：不是技术懂得最多才能开单，原有客户关系和合作方可能提供入口；没有披露成交或分成，也不能称无需技术或普遍成功。

外贸资源中的同声翻译与SEO工具

李校长介绍自己的客户主要是希望出海的跨境商家和外贸工厂，过去做过传统外贸、跨境平台和海外社媒。新的AI工具围绕既有业务的流量和辅助环节展开。

一个正在开发的项目是直播竞拍相关的同声翻译：店铺资源和客户资源已经在手，把工具做出来后串起现有业务。项目仍在开发。另一个方向是为独立站配套自动化SEO工具，他自称一个网站的品牌词已进入谷歌首页；只对应品牌词，不是泛关键词全面排名成功，更没有流量营收数据。

方法论是保持对客户、供应和交易的理解，用新方式重新处理旧业务的获客效率和沟通障碍，而不把熟悉的生意全部丢掉换一个AI概念。讲者所谓“所有工具围绕流量”也应理解为其业务策略，不要求所有AI创业只做流量。

5. 达人建联SaaS：产品、试点、获客和收费选择

已有注册与付费，自动化仍待试点

创始人自述全职创业约半年，另有两名兼职程序员。一边做软件、AI Agent、本地模型和知识库项目服务，一边做达人建联SaaS。目标客户是需要找达人带货的商家和商务团队，输入来自精选联盟、蒲公英等平台的达人资料和联系方式，产品提供达人CRM、数据查看和联系工作支持。直播提到自动加微信的目标，但没有讲清授权接口、实际成功率和可靠性，已披露的信息还不足以确认整条触达链路已经自动运行。

收费口径：基础版99元/月，商家版499元，后者在该句没有独立讲明计费周期。竞品一年上万元为讲者对比口述，只代表这次对比中的价格印象。已经有几百名B端注册用户，有付费和续费但不多，没有付费人数、转化率、毛利或营收报表。产品已经提供七天免费试用。

产品的瓶颈不是“完全没有访谈”：创始人已经逐个问过用户。用户反馈缺某些功能，团队补上后，仍然没形成预期付费。这个案例提醒：提出需求不等于愿意付款；新增功能也不一定解决真正的购买阻力。主持人追问用户是否一次就联系完所需达人、是否因此没有复用需求，这是待验证的留存假设，不是查明的原因。

创始人随后澄清，现在仍是SaaS，不是智能体。下一步已找到几家公司试点，每家公司约有十来名商务：先让人把系统用起来，观察哪些地方不顺，再把每天重复动作改为自动化，完成试点后形成案例，并考虑与试点客户一起推广。这是清晰的演进路线，但仍属计划，当时尚未达到已交付的全自动达人商务阶段。

五种获客路径及各自进展

第一，行业关系。前MCN和直播从业者建议进入选品会、主播商务、小二和群响等圈层，让产品进入目标客户已经活跃的网络。这里没有“进群即成交”的结果，核心是垂直客户匹配。

第二，联系互补渠道。一个做3C数码租赁的人分享自己后进入市场时，联系人人租的商务，把对方做不动的客户与自己做不动的客户互相介绍。落到达人SaaS上，就是与同类产品的合适合作方讨论那些因价格过高未成交的客户能否得到不同定位的服务。创始人确实联系过竞品人员，也听到客户嫌贵，但当时只是聊天，没有谈成转介绍和利益合作。这里讨论的是与有权合作的商务建立关系，而非冒充他人。

渠道方法的可用边界是对方有权合作、客户授权及职业义务允许。后续讲者自己强调“不违反公司职业道德”。这类合作的关键，是找到双方有权提供、且确实互补的服务。

第三，企业线索加人工销售。工具“探迹”被点名：按行业找企业线索，配置业务员联系目标商家，邀请试用，让对方实际查看达人粉丝、营销数据等。讲者称自己以前用过，没有给本次SaaS的实测转化率。这条方法是业务建议而非已执行结果；应优先使用有权使用的企业联系方式并尊重拒绝联系。

第四，试点客户成为案例与渠道。即达人SaaS试点中的先使用、再自动化、再案例传播路线，价值在让产品宣传依附于真实工作变化，避免只有功能演示。

第五，行业博主的贴牌合作。它的利润逻辑与普通佣金分销不同，后文单独讨论其合作结构。五条路径可以并行试验，但直播没有证实任一条已经解决这个产品获客。

KOC的绝对收益与贴牌品牌控制权

创始人说已经找过KOC，分成给得很高，甚至80%，对方仍嫌产品价格低。意见领袖并不一定愿意做某工具的“业务员”。如果本来有自己的影响力、能自行定价和包装产品，只拿低客单价的一部分可能不符合他的生意。

建议的替代方案是贴牌：先让行业博主真实体验，工具有效后，围绕博主自己的业务和品牌做产品；允许少量功能差异化，配合其战略和客户，而非要求博主围绕开发者品牌做推广。举例是开发者底价假设2000元/年，博主可能定价1万、9000或1.98万；这些全是演示议价空间的假设，不是实际成交报价。改三五个功能也是举例，没有交付承诺，贴牌更不能擅自扩成源码买断。

可复用的提问不是“我都给80%了为什么还不卖”，而是“渠道每单赚多少、是否掌握定价、是否能以自身品牌服务客户、需要的差异化由谁承担”。讲者把失败归为工具无用或利益没谈好，这是他的归纳。

七天试用、基础免费和现金流的分歧

产品当前七天试用。有参与者建议基础功能免费一年乃至长期免费，收入来自高级模块、定制和系统接口开发，类比QQ基础功能与增值服务；其理由是软件基础能力已经开发好，复制给更多用户的边际成本较低。

其他人反对一年免费，强调初创公司现金流，认为试用最多一个月、免费可能降低重视。基础免费是否可行，需要另外测算服务成本、获客转化、免费用户是否真会买定制、付费模块边界；直播没有这些数据。这些仍是建议，公司当时并未确认调整价格；免费用户是否会转成付费，仍要具体测试。

6. 把行业专家经验写成动作：参数、判断与合作收益

一位实际做海外谷歌、Facebook推广的参与者，采取的是与专家密集对话：SEO、Facebook投放、独立站，既有付费咨询也有免费交流。抽取的不是“广告很重要”之类观点，而是能指导动作的决策：例如旅游广告如何拆分，一天投多少预算，什么时间投，目标落在表单、消息还是网站，以及为什么做这种选择。再把专家这些经验用代码和Agent实现。

合作分工上，懂行业的人贡献决策知识和客户，技术方做实现；对方带来客户时，讲者提到可给40%–50%的返佣，属于本人口述合作安排。讲者自称反馈很好、推进快，但没有转化率、广告ROAS等。

对平台原生Agent的疑虑，他的回答是跨平台、跨业务经验的整合仍有价值；这是产品定位判断，而非证明任意专家Agent都有壁垒。真正值得保留的是抽取粒度：把“什么条件下选什么动作、动作参数是多少、结果导向哪里”交给技术实现。

7. 插件产品与基础工具：销售收入和渠道返点分开

另一位从抖音直播电商转型的经营者，称一两个月逐渐转为AI业务。他用原词“OBC点”搭建插件和类似知识库的内容，收费卖给消费者；插件不是调API，而调用“V8点”和“Codess”的CLI，用户因此需要安装相应基础工具。这几个工具名均是近音线索，身份尚待确认；已知的是“插件调用本机CLI”，而非另建API中转。

在商业闭环上，他首款插件单月销售约1,000份，顺势为基础平台沉淀了近千名新用户。为了降低初次上手门槛，团队前期依托平台赠送的新用户积分（如2,000注册积分与每日100签到积分）支撑日常调用，暂未强制要求用户额外自购算力中转；但随着高频深度使用，持续消耗Token后必然面临算力充值或接入企业级API的门槛。

他想把已经带来的C端新用户接入推广返点。介绍人称C端确有渠道，但企业成立一年、注册资本一百万、网络经营类目等有要求，优质情况或可放宽，返点低于B端；双方只在链接资源，没有证明获批、返佣比例或到账。知识点是售卖插件本身与替基础工具导流可以是两条收入线，而不是“千用户乘返点”已实现收入。产品具体用途、售价、退款、维护负担没有披露。

经营者对零基础转型的建议是：先选想做的具体产品，完成第一步交付，在客户使用和优化中逐渐熟悉工具。适用于已有产品目标、愿意承担交付的人；不是先收钱再随便交付，也未说明纯新手可跳过所有学习与风险。

8. 嵌入已有AI工作入口：架构监视与插件分发

高风险才提醒，用户决定后再改代码

另一位开发者做了给AI编程用户使用的架构监视工具。针对的是边做边加功能、文件和耦合不断增长，开发者没有及时意识到结构恶化的场景。它跟随Codex或另一编码Agent运行，由subagent监视；没有架构风险时不打扰，有较高风险才提醒。讲者明确说不自动修改代码：用户判断后，再让自己的编码Agent处理。这种“沉默监控—异常提示—用户决定—宿主执行”的边界，是可复用的Agent产品设计经验，区别于常驻24小时守护进程，也区别于自动重构工具。

在插件安装与安全审查上，老手的经验是绝不盲目闭眼运行安装脚本：通常先将插件源码与描述交给本地审查Agent，分析其权限范围与当前项目技术栈的兼容度后再行安装。对于社区传播的各类第三方入口域名，建议在沙箱或隔离环境中先行测试，谨慎防范恶意依赖注入与未经验证的扫描脚本。

作者尝试过直播露出，自认为不算高效；也向产品清单/社区提交PR并称已合入。这里可记录两条分发经验：行业社区清单和项目合作可能比泛直播曝光更匹配开发者工具，但没有渠道转化率。

Bloom Room的3D插花演示与服务连接愿景

讲者以“Bloom Room”的ChatGPT插件/平台接入实验为起点，讨论当用户需要本地法律、会计等服务时，将需求连接到供应方，而非让用户安装一套新应用的设想。讨论的切口是获客入口：如果用户已经在AI对话里表达需求，服务能力直接接到这个入口，可能减少“先知道产品，再下载安装”的摩擦。

此前10月22日，同作者明确把Bloom Room介绍为通过ChatGPT操作在线3D插花的工具。本场则由这个插件实验扩展到法律、会计等本地服务连接的设想。已披露的具体演示用途与更广的服务入口愿景应分开，不能据此认定已建成服务撮合平台。

讲者称已经上架并让人搜索，但本场没有展示商店页面、实际接口调用或服务成交证据。也没有证据说明豆包等平台已经支持同一接入形态。

9. 商务合作与企业交付：角色互补，还要核回款

先找业务合作者，不必立即变股东

对纯技术创业者的建议不是立即找股东，而是先找生意合作者：有人擅长具体销售，有人擅长商业框架，有人有本地客户，按业务分工即可。已有合作机会也要主动提出具体利益安排，只聊天不一定会自然转成客户。

筛选合作方的观察项是认知是否到位、有无真实客户资源、需求是否急迫、是否有权推动。这种判断不仅用于合作开头，还应贯穿项目推进、收尾和收款。讲者承认很多判断依赖经验，没有展开标准化评分方法。

他举家族高校货架业务通过高校空调等大渠道的例子：从去年七月赴杭州拜访，到营销总监同意公司两线全面合作、计划下月纳入集团推广，说明大渠道关系可能长期推进。口述同时说“一年零一个月”，与直播日期不完全吻合，不硬算周期。当时只是计划下个月推广，尚未披露推广结果。值得提炼的是渠道投入需有长期预期，也要辨别只有普通业务权限的人与真正能带资源、推动合作的人。

“老板做战略、拿资源、定方向，不必人人转程序员”是角色分工观点；也有人认为大集团经验未必适合单人创业，应保留这个异议。

流量团队与FDE交付团队的不同能力

主持人转述直播间另两个团队建立合作：一个擅长流量、曾操盘“吴彦祖学英语”相关项目；另一个擅长FDE落地，双方互补。他说已经开始跑，没有披露合同、分成、客户转化或项目验收。

另一位企业营销顾问介绍的是杭州企业咨询、销售增长、IP运营和AI入企业务。她有企业咨询与数字化背景，对GEO/“GU”相关新方向承认仍在摸索；她与前述两团队组合是不同的经营主体。

企业内外的落地角色和采购边界

企业内部老板高管推动自己的升级，与第三方服务团队给企业做项目，都是现场讨论的AI落地形式；还可能有理解需求、对接研发的中间角色。FDE在这里包含多种落地角色，不能一概理解成中间商。偏底层推理优化的嘉宾是在请教应用流程，不是这场已经向客户交付完整方案的人。制造业涉及部门、机器、生产端，电商部分任务可能一两人可做，是相对复杂度判断。

同样，功能能做不等于用户买、用户能买不等于会用、月度暂时盈利不等于累计项目回本。谈标杆企业时有人甚至说没效果客户也不在乎；可保留市场上存在追概念采购的判断和风险，不将夸大案例、无效果复制包装成推荐方法。

关于中转“无经营类目所以非法”“法不溯及既往”“规模小没事”的议论未给判例、法律文本或适用条件，不是可执行法律结论；保护关系的暗示也不转化为教程。渠道经营中的合规与持续供应问题，仍然需要独立核实。

10. 内容与获客：先定义生意，再选择客户看得到的形式

窄客群账号不以泛流量为唯一目标

招投标行业参与者提出的实际困惑是：客户群窄，不需要大量非目标粉丝；如果追社会热点，流量可能进来，但不是行业客户。回答者最初判断招标客户不在线上，提问者立即反驳，称同一垂直行业在抖音已经有做得好的账号。可见关键问题不是行业客户绝对在哪个平台，而是目标客群与内容目的是否一致。

现场建议先在带货、客户咨询、公域转私域、做人气或单纯涨粉之间明确核心目的。要垂直客户，内容围绕目标客户真正关注的问题和自己的细分产品；如果也要做泛流量，可以尝试大号小号分工、互相引导，而不是在同一个账号同时追所有目标。这是运营建议，没有给出两号联动的具体成交数据；八百多万浏览量是讲者自己的效果口述，也不能换算为收入。

另一位AI上游供应商进一步解释：企业客户和普通散客的价值结构不同，他认为十万散客未必抵一个企业用户。这个比喻表达的是客户价值和服务成本应按业务衡量，不是统一行业折算率。单日发几十上百条、追大量泛粉，若没有后面的可售服务和变现路径，不能只靠播放数字证明业务有效。

关于真人与数字人，讲者倾向真人感有助信任，但承认数字人也有爆款。她认为标注数字人就不会限流、不标注会限流，这只是现场说法，不能当成当前平台政策或流量承诺。按性别拉黑用户能够训练算法的说法同样未验证；筛选受众的想法与真实客户画像、平台推荐机制之间，仍缺验证。

工业B2B直播可以先换来有效联系

一位电商从业者转述五年前去无锡拍产品详情时了解到的工厂直播：摄像头直接对着自家织布机器，安排一个人讲机器和织布业务，必要时投流，主要看有没有人打电话咨询。模具厂的两个人站出来讲模具怎么设计，也不要求直接在直播间下单，只要对方认识他们、能加到微信，就实现了这个渠道的阶段目标。

这条链路的输入是真实生产现场和专业经验，内容是解释自己能提供什么，输出是可继续洽谈的行业联系人。它不是已测算的获客模型，也没有披露线索成本、成交率或客单价。有用之处在于把工业品的首次成交目标降到专业曝光和有效联系，而不是拿娱乐账号的粉丝标准衡量。

如果企业并不擅长内容生产，可以把流量获取与销售转化分工：向擅长流量的人买渠道，自己核算转化收益与ROI。讲者并未说所有做流量中介都无价值，恰恰认为有渠道能力就专做转化；流量获取与转化可以分工。

另一个合作形式是寻找垂直领域达人，以年度资助或小比例参股换取稳定定向宣发。讲者自述曾用每年五万至十万元、约10%至25%份额的形式建立关系，目标是覆盖行业达人渠道，并不需要100%收购。这是他的合作设想和历史口述，没有展示合同权利、估值、效果或达人独家安排，不能认为付钱就天然拥有整个行业流量。

个人IP的选题、真人信任与持续沉淀

一位企业营销顾问自述二十多年营销经验，个人账号几个月做到8.5万粉，直播最高1.2万人，能个人完成操盘。她将IP理解为依托产业长期积累的资产，而不是一次热点带来的观看量。

她现场查看主持人账号，提出的实际动作包括：

1. 从目标客户在意的问题选题，将行业实时热点、社会痛点与个人真实观点结合。技术人不要只展示技术结果，也需要让客户认识提供服务的人。

2. 头像、背景、简介、标签要一致地说明做什么、服务谁，避免内容和身份分离。

3. 她偏好本人出镜，以真人感建立信任。但随后也承认数字人能展示内容、有爆款，只是认为真人信任更强，并没有否认数字人内容的有效性。

4. 建议起步日更两三条，将产业知识、社会议题等不同内容整理为合集，让不同内容吸引的用户有继续阅读路径。她举某老师一天75条为例，但明确说不必照做；姓名口述为“陈昌龙”，待确认。

5. 不只经营抖音一个账号，还考虑其他平台和矩阵，做从公域到私域的持续沉淀。平台口述“小红、某手、视频、蝴蝶号”等不完整，平台的完整名称仍待确认。

内容策略中既提借热点，也反对只有一次性热点；其可理解的边界是让热点服务产业定位和客户关切，而非无关联追热度。“加家国情怀就会涨信任”是她的表达策略偏好。她关于账号能保粉丝数、产业绝对成为行业头部的承诺没有实证，不作为确定结果。

另一个24小时直播账号从约2000粉到100多万的案例，涉及名称“阿尔法极光”，公司名和数据未经核对，缺内容、时长、投放和成本，可作为24小时直播经营的案例线索，目前缺少足够的执行细节。

主持人补充自己观察的百万粉“大V”心理和一位数字游牧人50万至100万粉后商单变好的口述。这里适合保留为信任与商业势能的个案现象，不把50万设成所有行业统一变现门槛。

AI搜索资料：需求、规格、型号和文字字段

讨论中的GU、GO等用词指向AI搜索展示优化，确切名称仍待确认。参与者反对只靠在各种媒体发水文，认为企业最终需要品牌、短视频、直播与获客转化的整体体系，而不是一项神奇流量工具。

其中一套相对具体的内容做法是用两个层次描述产品。第一层围绕真实细分需求做科普，例如护眼电视的适用问题、如何选择；第二层清楚说明自家具体型号、规格、材料、适用场景和目标人群。资料放在品牌官网及相关文字自媒体中，让读者和检索系统能理解“我需要什么—哪款产品满足”。例子中的电视不是讲者已售产品。

产品资料不要只是一张张把字嵌在里面的长图。讲者要求销售团队在电商商品库中每个可填字段都准确填写，详情页除了图片，再放产品规格与文字；材料细节能明确就写清。这个“销售部门现在这么要求”是他的实际管理动作。至于文字一定比图像更快、更适于所有模型，或者未来详情页一定回到HTML，是他的判断和预测，不属于已验证通用性能结论。

型号和命名需有清楚的层级、配置与人群对应。讲者用汽车A3/A4等来比喻，担心只有小名而无明确结构会增加理解成本；不能因此判定昵称品牌必然对AI无效。可操作的部分是将产品矩阵、规格差别及对应需求写明，避免客户只看到一个无法判断的名称。

他还提出品牌官网之外建立垂直人群站点，例如儿童眼健康、工作人群眼健康等，各自放有价值的专题内容，形成矩阵。官网重新增值、域名可能涨价以及AI无法从某些平台抓取资料，均是当时预测，不是确定的流量红利或已验证爬取限制。做科普和写规格本身有价值，不能据此承诺AI推荐排名。

11. 资源服务的信用账：供应风险、授信和赔付

口碑、资源采购与低价预付的损失

讲者回忆2023年底朋友提供每月三十万美元的AI额度，条件是不直接转售，而是用来做产品或创造其他商业价值。他最终将资源有条件免费提供给有科研、论文需要的学生，没有从这件事直接赚到钱，却认为圈内口碑与知名度因此显著提升。这是个人经历，额度来源、授权范围和效果没有独立核实，不是可随时领取的公开资源。

之后他摸索中小企业内部AI使用和网关服务，再深入采购链，逐渐认识客户持续需要什么、有效供应商与市场价如何判断。这条演变强调需求发现和供应链学习；重点在于持续需求和供应可靠性，而非资源价格本身。关于B300采购、单位价格、巨大居间交易及有人被调查等，都是他的转述或回忆，既不是当前硬件行情，也不能作为认定某方违法的依据。

低价资源采购中，他自述曾因为报价远低于市场，预付一万美元后对方失联。这揭示的经营问题是利润空间和供应风险需要同时看：知道大致正常市场价、供应是否真实、付款后的控制权，比看到差价就押注更重要。这段损失尤其说明，不能用潜在利润代替供应风险判断；他没有展开供应商尽调细节。

他还自述曾判断某个未具名产品的市场存量足以由自己资金覆盖，加价收货后通过赠送和持续供给聚拢上下游。按他的自述，这段经历说明库存集中、渠道控制与知名度之间的联系；产品身份、实际份额、投入及合规性没有材料核实，因此难以判断其可复制性。

先用后付的客户分群、流动性和维护条件

这位服务商说自己先从小金额产品试行先发货后付款，再将模式用于企业级AI网关。额度例子从五万、十万到五十万、一百万，用到半个月或一个月时再询问结算。逻辑是客户业务持续需要这项服务，正常履约可以建立长期关系；如果有人只占一次小便宜，就把它视作获客过程的损耗。额度和坏账率都没有外部账本核验，不应理解为任何人可获得相同授信。

他强调这只适用于自己选择的客户群，不能照搬到普遍消费者或其他高退货品类。是否持续需要、有没有支付能力、产品质量与价格优势、资金体量能否承受损失，是模式成立的条件；“客户认知高就一定付钱”仍是个人判断，不能充当风控担保。

关于额度，他以五十万元流动资金作例子，认为对外授信不应过大，提到可能不超过三分之一。这个数字是口述思考值，是他讨论授信时的假设。他更关键的提醒是，即使部分坏账也不应影响流动性，否则资金链断裂会结束经营。需要用自己的数据比较客户收益与损耗，不能仅觉得好听就无限免费发放。

产品出问题后愿意赔付也是其信任策略。他说曾按三倍或十倍赔，将超预期补偿视为把广告成本直接交给客户。没有披露合同、实际赔付总额和利润，所以不能因此建议任何新项目做同样倍数承诺。客户结构方面，他自述前三个大客户可能贡献90%以上利润，这提示应按真实客户贡献分配精力。

12. 个人内容与商业服务：名气不必直接向粉丝变现

讲者介绍自己从2017年起断续分享的学习指南，后来叫“人生进阶指南”，说GitHub接近七万star、在海外关注度高，作者姓名口述记录为“韩先凯”，项目仓库、许可和star数仍待核对。

他声称从未用这个项目直接变现，认为项目分享的是个人经历、态度和韧性，直接拿来向粉丝收费会损害信任。但个人知名度可以增加其他真实服务的可信度和成交量。这是他自己的品牌定位，不表示知识付费本身都属于割粉丝；应区分购买明确服务和因名气相信无法验证的成功承诺。

直播、内容、课程还可能是模型服务或算力销售的入口，而非全部利润来自课程。讲者举国模、GLM、ChatGPT等产品的转化来解释；Kimi K3/Kisa原词不清，不擅自确认版本。检验一门课时，可以问它实际卖什么、谁持续付费、学员任务与资源成本是什么，而非只把课程热度当技术交付成功。

13. 培训证书和地方政策：保留渠道线索，核实具体资格

现场对比了工信体系相关的人工智能技能等级评价与腾讯生态约1,200元的FDE项目。在当前行业早期阶段，各类机构证书主要作为简历背景与入门学习指引；企业在实际采购与招聘时，依然更加看重开发者能否现场演示可运行的项目Demo与真实业务解决能力。各地政府对AI与OPC的扶持政策，也建议创业者紧密跟踪当地工信或科技部门的官方申报通知。

14. 工具与项目索引：按用途保存未确认线索

其他值得跟进的线索还有：

• 人生进阶指南、GitHub：用于理解长期个人内容与商业服务的分离，作者称接近七万star；仓库身份和许可待确认。

• 讯飞听写/科大讯飞：项目申报服务商自己购买的会员，举三九八或四九八为例，用来说明他想找交付更固定的产品；计费周期未披露。

• OBC点、V8点、Codess CLI：售卖插件的经营者使用的组合，关键结构是插件在用户环境中调用CLI；名称待确认，没有已核仓库或许可证。

• 豆包、DeepSeek、ChatGPT、Gemini、GLM、Salesforce、OpenAI、Anthropic：主要用于解释模型、课程入口与软件替代的商业观察，没有提供各工具完整评测，不能据此排名。

• Fable、六S算、CCMax、Open Cloud、Open Code、orgbody、Kimi K3/Kisa：口述中的项目、服务或版本线索，身份不清，留待后续明确来源再补全。

15. 标书预评审与服务责任

标书预评审：产品范围、评分验证与客户信任

开场有开发者介绍面向投标企业的预评审工具。一开始被理解成做政府端业务，他随后明确不是去替采购方评标，而是让投标公司在提交前检查自己的技术方案。他说当地存在AI预评审环节，但没有公开规则文件。

他的第一期已经有一个预评审版本，第二期想再加入标书编写；讨论中没有出现已成交客户。他设想的收费是几千元代码费、每月五百元服务费，并提到在客户电脑运行或私有化方式；原文没有完整部署规格。另一位提出至少一两万元的建议，是定价看法而非客户愿付的验证。

对功能范围的反复澄清很有价值。开发者把标书拆成商务、技术、报价：商务条件较固定，报价有动态与商业秘密，自己目前主要想改善可控的技术部分。设想流程是人先写技术方案，模型给评分及意见，人再修改、或继续用AI修改，通过磨合让文本更符合评分期待。它并不掌握竞争对手的标书，也不能直接预测整体中标概率。

现场质疑集中在四个问题：

1. 评分标准从哪里来。 自己模型的高分是否对应真实评审高分，没有披露验证集或对照；让同一个模型不断打高分，不等于外部评分提高。

2. 修改意见谁来判断。 如果AI说低分，必须有人知道应改什么、改后是否仍准确。仅输出一个分数，用户的任务还没有结束。

3. 行业经验与客户信任。 是否真正写过完整标书、了解专家怎样看材料，会影响怎样解释建议。高风险文档业务的客户不一定因为便宜就信任新工具。

4. 产品增量是否会被覆盖。 模型能力提升可能吞掉单点功能，这是风险判断；是否发生、何时发生，不能用现场猜测的具体模型版本作结论。

同场有另一位做AI施工方案培训的人，基础不同：以前替客户手工写过材料，客户见过他的责任心和专业度，现在把AI加入服务，教客户自己写，减少外包费用和等待时间。这不是预评审开发者已经拥有的客户基础，两个人不能合成一个“成功项目”。它说明已有业务信用可以成为新服务的入口。

对获客，有人建议找广告公司、咨询公司、地方协会等原本能触达企业的人，把能工作的产品给渠道看，让渠道参与判断定价与适合卖给谁。开发者说自己也想找渠道，但不知道从哪里找到。这个项目披露的状态仍是产品一期和获客探索，不是已跑通的渠道分销体系。

争论最后没有形成“这产品一定有用”或“标书市场完全没价值”的统一结论。真正可以带走的是验证顺序：先明确自己解决的环节及不可控变量，再检查输出怎样被人采用、怎样与外部规则比对，最后讨论客户信任与收费。不能拿高分自评替代客户成果，也不能把别人对市场的强烈看法当成项目已被证伪。

数据、承诺与行业资质：服务边界的争议

在数据安全讨论里，有人把中小客户提供完整CRM权限、直接发资料的经历，解释成客户“不在意”。另有美国从业者反驳自己的环境会经过安全、法务等审查。实际可用的教训是：客户操作随意，不代表资料没有敏感性；同一服务模式也不能直接跨地区、跨行业复制。合同应把数据用途、处理边界和责任讲清，但合同本身不能让越权行为消失。

围绕企业数据资产与模型训练，现场讨论了脱敏业务数据与操作轨迹的潜在价值。但在企业服务现实中，数据买卖面临极其严苛的合规红线与隐私审查，正规政企客户对数据出域极其敏感；将数据变现设想当成主营收入来源存在巨大合规法律风险。

行业资质也不是AI能自动替代的部分。参与者用建筑、律师等行业举例，建议选定领域后补必要知识与资格；但个别“六月拿到司考证”的转述时点和证书口径不明，不能当成可照抄的转行路线。AI可以帮助拆学习计划，不能把学习计划等同执业资格。

招投标讨论同样存在尖锐分歧。预评审开发者希望只优化自己可控的技术部分；其他人认为关系、报价、企业履历或行业规则影响很大，甚至用“90%内定”作判断。这个比例没有证据，不能作行业事实。对项目判断真正有用的是：技术评分工具到底服务哪一类客户、客户有没有真实流程、能否取得可靠评价标准、修改是否形成验证闭环，而不是把一次直播的立场变成整个市场的定论。

16. 实体小店：研发、生产与客户交付

馒头加工厂：研发、生产、销售与财务怎样逐项用AI

一位陕西咸阳的馒头加工厂经营者分享了自己把AI用于研发、生产、销售和财务的过程。他的出发点很具体：主食竞争激烈，普通馒头用于引流，和饼、白吉饼用于提高利润，但产品仍集中在相近类别；生产环节配方多、称量容易错；销售员开车扫街找超市，常常见不到老板，即使见面也没有后续。

他实际使用的主要是DeepSeek、元宝和豆包，没有先开发App。自己的习惯是逻辑分析多问DeepSeek，私域相关问元宝，抖音相关问豆包。这是个人工具分工，不能据此认定几款模型分别掌握了对应平台的全部内部数据。他所说的“没有成本”主要指当时没有额外购买复杂软件，不包含员工操作、沟通和试错的时间。

研发：把感官目标、原有产品和利润结构一起交给AI

在传统餐饮食品创新中，这位创业者没有空泛地问模型“给我推荐个爆款”，而是将自家馒头店现有的产品结构、周边社区客群与同行低价竞争的压力完整输入给AI，共同推演差异化品类。最终碰撞出“儿童果蔬营养馒头”这一细分方向，从配方调优、造型设计到销售话术逐步落地：单店试销半天卖出40至50斤（售价8元/斤，单次增加净利约200元），在赶集等高流量场景下预计可达90至100斤。这展示了将一线经营痛点与AI头脑风暴结合的落地打法。

另一个研发例子是油面包子调味。他给AI的目标包含“闻起来香、吃起来香、吃完还有回味”，再和DeepSeek共同调整配方，并实际寻找所需原料、生产和听取市场反馈。讲者认为新版本比自己的旧配方、家人提供的版本更受欢迎。值得保留的是需求描述与试制反馈的方式，而不是把直播里的个别香料直接当成可商用配方：原文没有提供完整用量、适用原料标准和食品安全验证。

花卷调味则来自工人撒料不均：一块有味，一块还是白面。传统办法要反复称料、和面、蒸制再试吃。他让AI提供初始配比建议，缩短寻找试验起点的时间。AI给出数字并不意味着已经完成试制；适合复用的是“说明现象—给出目标—生成可测试起点—实际检验”的迭代方式，不是通用的盐量标准。

生产：把变化的数据变成工人能照着做的一张表

厂里有六款牛奶馒头，每款水、面、酵母、糖的比例不同，每天销量也不同。工人反复换算称量时曾出错，造成某一锅或某一品种报废。讲者现在把既有配方与当天要去的销售点告诉AI，由AI列出各款需要的用料与数量，输出成表格，工人按表称量。

这一环节的价值是把已经确定的配方和当天需求组织成执行清单，不是让AI每天重新发明配方。原文没有交代自动称重设备、ERP联动或自动下发工单。

他也在尝试排产与销量预测，但明确说“现在还不怎么准确”。他的下一步设想是补充半个月到一个月、每天每个销售点的数据，改善预测。已在使用的配方用量表与尚未成熟的排产预测需要分开：前者是算清已知任务，后者需要连续经营数据验证。

销售：先拿到沟通机会，再带样品完成线下成交

他描述了一次销售尝试：让AI提供准客户方向和联系方式，再生成添加微信、后续交流的话术。销售员在家约40分钟添加了11位老板，其中4位发来位置；第二天带样品去拜访，谈成2家并开始供货。这是他口述的一次结果，没有长期对照或稳定转化率。

他特别提到，客户一开始问价时，AI建议不要立刻陷入价格比较，而是先争取进一步交流。他们也试过直接报价，之后没有下文。能学到的不是“一律不能报价”，而是区分加好友、说明来意、争取见面、产品体验和最终谈价几个任务。在这个案例里，样品和线下拜访仍由人完成；客户来源的准确性和适合联系与否也需要人检查，不能把模型生成名单当成已验证线索。

财务与组织：表格先落地，部门数据尚未真正打通

他会把流水账照片或相关数据交给AI，让其整理成表格。原文没有披露自动记账软件、银行对账和税务申报，所以这里是整理工作，不是完整财税系统。

他把自己的方法概括为AI协助老板、生产、销售、研发、财务。这个框架帮助他逐项找问题，但当时各岗位主要仍是各用各的DeepSeek对话框，设定身份、行业背景，再提问。销售和生产之间的信息仍需要人开会、沟通；“老板智能体统领多个岗位、数据自动交互”的线上工厂只是下一阶段构想。

汽修厂：维修历史与客户交付单

这位经营者把方法交给朋友的私人汽修厂试用。他认为小店的客户和车型范围相对集中，可以把车牌、车型、以往维修部位等信息告诉AI，修车时结合历史信息辅助排查。这里仍由修理师傅判断、检修，原文没有证明AI能独立诊断或让学徒替代师傅。

他举出的一个具体输出是一张A4纸维修档案：本次修了什么、车辆基本情况、过去修过哪里，以及后续需要留意什么，都由AI帮助总结，打印给客户。比单纯口头说“修好了”更容易让客户明白服务内容，也把下次复查、出现异响时如何联系等提醒留了下来。讲者把打印成本描述得很低，但并未计算信息录入、核对与维护成本；他也没有持续跟踪这家店的长期结果。

值得迁移的是：从本来就发生的维修服务中，增加一个客户看得懂、下次还能接着用的交付物。把这些信息长期保存后，才有机会形成持续服务；聊天机器人本身不是完整客户档案系统。

门店选址：产品条件、候选报告与现场核实

馒头厂经营者还给朋友做过平民化特产店选址分析。他先把准备卖的东西、产品优势、客群定位和开店目标告诉AI，获得A、B、C三个候选区域以及人流、客群、街口等分析，再把报告转给朋友。朋友第二天去了其中一处当地新推的旅游老街。他本人熟悉当地，也能判断建议大体指向哪里。

自己寻找新销售点时，他会区分儿童馒头、中老年杂粮馒头等产品，再问适合哪个早市、什么时间段，附近是否有地铁、学校、幼儿园和固定摊位。产品不同，目标客群不同，选址条件随之改变。

在智能选址场景中，AI的核心价值并非直接替老板做拍板决策，而是充当“尽职调查分析助手”：将人流热力、周边同类业态密度、客单价与租金承受力拆解为一系列客观排查指标。结合平台提供的商圈热力图与调研数据，大幅缩短前期实地踩点与盲选试错的周期。

17. 日常AI协作与学习反馈

日常AI协作：提炼需求、保存背景、分类样例与反馈

1. 方向还说不清时，先说出来，再让AI提炼

有人建议：不要一开始就逼自己写出完美提示词，先把同一个方向的想法多说几遍，要求AI“把我刚才说的内容重新总结，把我想要的方向说出来”。核对是否准确，一次不够再修正。方向确定后另开对话执行具体任务，减少探索过程里不同目标互相干扰。

这更像需求澄清，而不是让AI替自己决定目标。经营者仍需要确认提炼结果是否反映真实业务。

2. 把长对话里的业务背景导出为文件

馒头厂主说，长期聊天后AI已经知道厂里有哪些岗位、不同人的特点，甚至会就某个销售点推荐由谁去。别人提醒他，不要只把这些背景留在一个对话框里，可以让AI把已谈过的内容整理成文字文件，自己保存；以后使用另一款工具时，把文件作为背景再次提供。

这样至少能减少重复解释：工厂做什么、产品结构怎样、岗位怎样协作、已经试过哪些办法，都可以形成可更新的业务资料。原话把它称作“知识库”或“长期记忆”，但技术上是否跨会话保存、不同模型能读多少，仍取决于实际产品；导出一个文件不能保证所有AI理解完全相同。

3. 内容创作按类型保存好样例，而不是混在一个大对话里

一位编导明确说自己用WorkBuddy做了Skill，把喜欢的视频按类型分类，持续把新发现的好视频加入相应类别，再让工具提炼。他感受到生成文案越来越贴近偏好，自己需要改的地方更少。

这里留下的是“样例分类—持续补充—提炼特征—对照修改量”的个人实践。没有披露视频样本、完整指令和评分表，不宜写成已验证的通用训练法，也不能把投喂等同于重新训练模型参数。

4. 真需求讲不清，就画出人、任务和交接

多位参与者建议业务方先拿A4纸画树状图：老板下面有哪些业务，业务下有哪些岗位，各自处理什么任务，信息怎样在岗位间流动。技术方最缺的往往不是又一套框架，而是知道企业到底怎样工作。

馒头厂主想做的不是单独再建几个聊天窗口，而是把真实员工和虚拟岗位连接起来，员工日常互动形成的知识能反哺业务。这个想法还没有做成产品。对他的建议是先看看飞书多维表格、飞书、钉钉、企业微信已有的协作形式，找出真正需要的部分，再决定是否用AI连接，避免从零造一整套系统。

5. 把AI建议放回低成本的真实行动中

选址、销售话术、配方与生产表的共同点，是有实际任务和反馈。AI先提出可能性，人做小范围验证，再把结果带回去修改。直播里并没有证明AI第一次就对；相反，排产不准、销售话术有失败、产品物性有落差，才是继续对话的材料。

6. 不知道自己还缺什么时，让AI反过来问

对“我连没想到的问题都不知道该怎么问”，现场给了一个具体办法：设定企业咨询或战略顾问角色，让AI在持续对话中主动追问背景、现状和矛盾，帮助自己发现潜在痛点。它与固定问卷不同，适合继续澄清未知问题；角色提示本身并不是模型训练，也没有保证能自动发现全部经营风险。

学习AI：语音追问、真实问题和同行经验

这位教育经营者还分享了一个适合跨行业探索的提问方法：让豆包按职业、角色和应用场景整理对比表，看看学生、员工、经营者分别用AI解决什么问题；再把这些用途放回自己的行业资源与当前工作中。表格是帮助打开观察面的材料，不能直接当作市场调研事实。

另一条路径是找到已经在解决具体问题的人，围绕自己的卡点追问，而不是把所有工具操作先学一遍。他连续两周听不同人的业务与技术经验，强调自己还要提取、蒸馏，不把每位嘉宾的观点都照收。在直播讨论中，很多行业经验并不会主动写成教程，而会在追问、反驳、补充条件时显露出来；有意识地保留这些条件，比只记工具名更有用。

经营者也会处理很小的需求，例如让豆包为一个孩子的英语单词提供记忆线索或记忆建议。小问题不因收入小而被排除，积累真实反馈再按周迭代产品。对商业咨询从业者，他提出可以先把已有客户组织起来做交流、信息传递和资源连接，不必先开发复杂系统。这是建议，尚不是经验证的咨询获客收益。

进入AI的节奏可以不同：一位经营者认为，原业务尚未受明显冲击时，可以先观察别人如何落地，等成熟后采购；教育经营者因为找不到同行经验、自己也愿意学习，选择亲自探索。两条路径都有成本与机会，不应写成人人必须追每一波工具。直播中“Dify、扣子都淘汰了”是参与者观点，并没有证明这些工具已经失去使用价值。

主持人给新手的路径是打开豆包语音通话，直接谈自己的工作场景、困惑与想法；哪里不懂就追问，让它用大白话解释，持续一两周形成使用习惯，再一步步学其他工具。这依赖兴趣和自学能力，不是人人无需课程的保证。声称该入口始终使用最强模型、免费额度如何等，是当时的使用印象，不能当永久产品规格。

“不要先猜AI懂不懂，先提出问题”是另一位用户高强度使用一个多月的体会；同时还应知道哪些判断必须自己懂、哪些结果要请专家把关。用AI把工作中的术语解释清楚，比只追热门工具名字更能积累可用能力。自学和培训是不同选择，不把某位无编程基础者的进度当统一学习周期。

18. 售前演示与客户联系

让老板理解价值：问卷背景与现场问题演示

馒头厂经营者分享了一种自己已经试过的业务沟通方法。与先讲技术架构不同，他先通过一份问卷了解企业。问卷原来16个问题，觉得耗时后压缩到10个，用来收集企业经历、产品结构、经营现状等背景。具体完整题目没有公开，不能凭空补成一套“十问模板”。

把这些信息提前交给AI后，再在老板面前用老板自己的DeepSeek等账号，让老板提出最近最头疼的一件事或几件事，可能涉及生产、销售、管理、财务。AI在知道背景的情况下给出思路、方向和下一步动作，老板能直接判断建议是否贴近自己的处境。

讲者认为效果来自“这个问题我正在烦，但它帮我想到了遗漏之处”，而不是先解释AI多先进。他说问卷版演示后，对方连续联系，希望他再去看看厂里怎样让大家用起来。这个结果是后续沟通机会，不是已签付费落地合同。

他还提出用录音卡替代不好填写的问卷：围绕问题和老板交谈，录音整理后交给AI提炼，再导入演示账号。问卷版已试与录音版的改造方案要分清，不能把录音版也写成已完成验证。

另一位AI服务商也反思过销售失败：自己给老板解释微信控制、AI员工和背后机制，已经觉得非常详细，对方却仍不明白。复盘发现，对方想知道的是“你能替我解决哪件具体事，要付多少成本，最后交付什么”，而不是再学习一遍服务商怎样搭系统。

直播里有人把“知识库版本管理”翻译成“能回看过去作了哪些决策，知道改了什么”；把办公Skill翻译成“某岗位的具体活能少做哪些”。这些是表达价值的例子，不是已经向所有客户兑现的功能或30%提效保证。

SaaS客服：省掉回复工作以后，怎样保留客户联系

一位设备和SaaS经营者有200多个中小企业客户，主要在微信群服务。客户忘记某功能怎样操作时，原来由员工翻说明书、分步骤回复。后来员工先问豆包，再把答案发群；再后来直接把说明书链接给客户，让客户自己问豆包。

他的意外发现是：客户和自己不联系了。客服提问不仅是成本，也是发现新需求和商机的入口。把问题完全赶到外部通用工具后，他反而看不到客户遇到什么。

因此他提出一个尚未实现的新方案：在群里保留自己提供的服务入口，客户通过小程序或网页对话框提问，后台根据自己的说明书回答；再让助手定期询问客户最近有哪些困难，积累问题，寻找原先根本没有想到的需求。他甚至想允许客户问业务之外的问题，帮助还没有AI使用习惯的人先用起来。是否做小程序、具体怎样接入，当时仍在询问。

有人建议考察企业微信和知识库等已有方案，减少自研。另一位服务商称自己已有带微信能力的AI员工方案，但没有在直播里演示或核验功能。不能把“市面已有”当成已完成选型。

这段还澄清了一点：客户分为几类，表面有200多家，实际相似需求可能只有两三类。与每家都重做一遍相比，可以整理共同问题、回复和服务记录，提高复用。进一步用企业资料做供需对接，是另一位参与者提出的未来构想，不是这个客服系统已经实现的能力。

19. 沙龙、代理与培训经营

线下沙龙：线索、到场、拜访和成交要分开算

一位做投流、电商和直播带货的人，准备在苏州、南京举办AI企业落地沙龙。他已经尝试广告，口述抖音约100元得到一个电话号码；朋友圈相关广告账号被停，是他自己的投放经历，不能扩大成所有账户都无法投。

他设想花约4000元让20人来免费沙龙，再通过培训或开发回收成本。现场有人进一步估计可以成交两三单、讨论四万元客单价，但他随即承认“还没跑整个流程”，后端产品也没有确定。100元是电话线索成本，不是到场成本，更不是成交成本；20人、4000元、两三单不能组合成已经实现的利润模型。

他的真实下一步是找江浙沪能承接的团队合作，希望第一场先不亏钱。别人建议他发挥投流优势，把获客与交付分开；另有人建议用短视频、图文、适量推广把客户引入私域，单次不来还能长期经营。小红书试投、线索降到50元，都是后续尝试或目标。

同场另一位已经在做落地服务的人，给出了更具体的现有链路：自媒体及采访视频引来咨询，结合过去产业园区、招商资源，组织线下认知沙龙，再转为企业拜访。他口述一个阶段每月约3场，每场约15人；另用“20人中5人可去企业拜访”举例。这里衡量的是拜访机会，不是付费成交，也不应照搬现场随口说的20%——20人中的5人本身是25%。

他的沙龙收过50多元或99元，内容大体相同，意图用小额费用筛选愿意为知识付费的人。活动通常周五、工作日举办，目标是企业老板。他没有证明所有地区都应该收费、所有线上成交都必须经沙龙，只是分享自己采用的转化环节。

培训产品也需要说清边界。认知课回答AI是什么、能做什么；垂类实操教某行业怎样做；入企培训要结合岗位；开发定制需要真正交付系统。现场讨论的“三五千听几天课”是定价与购买意愿的判断，不是已成交价格。客户听完认知课，不等于已经学会操作，更不等于企业改造完成。

代理与培训经营：渠道、分佣、升单和委培

代理资格并不自动产生客户

一位下沉市场参与者正在问聚合AI办公工具的代理价值，原文有WorkBuddy等近音称呼。他得到的建议分成两派：一派认为三四线可做培训、有政府客户资源则可研究对应业务；另一派认为当地现有企业未必有足够需求。提问者口述的申请条件包括注册资本一百万元、三名销售、若干证书、五万元代理费与一万元其他费用，并称可能可退。证书到底两个还是三个、费用名称及退还条款都没讲清，所以只能保留为待核的询价线索，不能当官方招商政策。

他还描述订阅充值可能有30%分润。讨论者提醒，应先盘点自己有没有能触达、能成交的客户，再决定是否支付代理费、雇人和投入时间。拿下一张代理身份与跑通本地业务是两件事。

培训渠道的收益来自组织与转化，也有背书过度的成本

有人观察到一条线下培训营销链路：第三方借助大厂相关品牌身份，联系商协会组织企业主听课，售卖去异地大会的门票并附录音卡，再在大会推企业落地方案。他口述后端客单可能几十万到几百万、组织方可能分到40%，但没有合同或结算凭证，不能据此认定任何具体大厂官方采用这套分佣。

这段的实用问题是：组织客户的人为什么愿意帮忙、成本谁出、后端是否有真实交付，而不是只看会场热闹或品牌名头。有参与者反对过度追逐头衔、场地和背书，称见过现金没赚到、流水和年框越做越大的人。也有人认为在某些渠道业务里身份确实有作用，观点没有统一。实际应分别核算背书带来的客户、占用的时间、必须支付的现金，而不是把有头衔视为收益。

同理，馒头厂主已经电话询问过地方案例征集，并被要求提供书面材料，但明确没有获得补贴。其他参与者关于政策资源与奖励的说法只能作为查询方向，不能把活动邀请或案例入库写成必然获奖。

引流产品与后端交付要划清楚

一位服务商说自己的AI超级员工报价一万二千元，并让当地代运营帮助找老板，原意是保证交付质量。另一位建议把简单产品降为约两千元，扩大合作人数，再把真正需要定制岗位Skill的客户转向更高收费的服务。他举过一万元进阶学习、三万元更强定制的层级，但后者名称有误识，且这些价格主要是现场经营建议，不是已验证成交漏斗。

讨论中有人把“卖一百份就是二十万、卖一千份就是二百万”当作算例。这种乘法忽略获客、退款、服务能力和实际使用率；更不能把客户先买后发现不能解决问题当作必然合理的升单路径。值得提炼的是：低价体验、课程、复杂定制分别承诺什么，升级时增加哪些实际能力，必须说清楚。前端热闹不等于后端有效。

另一位服务商现场想到“部署腾讯小微相关助手，再做GEO类优化，第一年1000、第二年500”的小额服务。他还没有发布视频或完成销售；名称及具体功能也不清楚。它体现的是以低门槛单点服务试市场的想法，而非可直接售卖的成熟套餐。

入企委培是合作构想，不是已经建立的职业通道

有流量的一方提出，把客户直接交给有行业交付能力的团队，自己收佣；另一条是收学生长期培训费，再向实施团队支付委培费，让学生跟随真实项目观察并做小任务。现场先说约五万元一人，后来给出拟定五至七万元的长期项目。声称一个月能招一百人，是销售能力预估，不是已有学员数。

这个构想利用了一方有生源、另一方有现场项目的互补关系，但没有披露企业是否同意外来人员进场、保密边界、学习任务、带教负担、学员产出、费用退款或就业承诺。不能把“本来就要去现场，顺便带人”当成没有新增成本的培训。

关于“工信部绿本、FD认证”的讨论，还有价格一千七到两千多元、代理成本约五百元、有人说不用考试、有人又说线上答题等冲突口述。颁发主体、证书名称、查询方式和效力均未确认。它可以提醒读者区分课程、培训证明、技能评价和职业资格，不提供买证渠道，也不把这些报价作为合法认可资质的证明。

智能体分销：899元产品、陪跑和交付中心

一位原非技术背景的分销经营者，用一个多月通过与AI反复沟通，搭建自己的小程序交付中心。他原本做贸易相关服务，进入AI约两个月；具体开发工具、代码质量和验收没有给出。交付中心用于连用户、渠道、交付者与分院，和原厂用于生成内容的小程序不是一个东西。原厂的口播、混剪等智能体主要本地部署；小程序是附赠能力，不是全部产品的执行位置。

当场反复确认的套餐是899元、四个智能体。经营者说原本本地部署要2060显卡，给推广带来瓶颈，也有较高退货反馈；这只是该产品的配置描述。他声称一分钟做四五条混剪，但没有视频长度、质量、硬件和后处理数据。

服务绝不能做成简单的卖激活码。团队将899元套餐定义为“工具+服务”的一揽子交付：涵盖1个月深度陪跑、365天日常答疑与必要的远程排错。在利润分配机制上，严格实行“客户验收评价后结算”：渠道拓展方分润30%、现场交付方分润20%；若个人同时兼顾销售与交付，则可获得50%分成。这种利益绑定机制有效倒逼了交付质量，避免了“只管售出、不管售后”的乱象。

获客靠直播、视频号、原有关系和转介绍；他设积分鼓励推荐。后来计划用招聘平台招兼职推广，但尚未验证。本人明确尚未回本，另有代理直播一个多月没有达到预期；所以不能拿原厂一次直播五六十万销售额转述，去推算普通分销商也能很快回本。付费路径是先买899，再付9800代理，后成为约7万元分院，决策约一个多月；本人得到的是品牌和销售资格，不等于办学许可。买权益而不实际卖、不会交付，支出本身不能产生回报。

产品可替代性引发争论。一方认为WorkBuddy、Codex可做类似功能，另一方认为普通用户省下学习、开发和试错时间就有购买理由。经营者的长期设想是交付中心未来接入多家好产品；当前仍只有这一家，还不是多品牌平台。后续还有原词“奇克劳”的9800元数字员工产品，由“50员工”当场改成12员工、50技能；具体功能无展开。

最重要的技术澄清是：他说本地智能体“不用算力”后，别人追问，本人随后解释声音调用MiniMax API，文本转换和视频提取调用阿里云百炼API。他口述某条音色调用一两毛、其他几毛，且依赖新用户赠额。这说明本地安装程序不等于所有推理都本地、不等于没有云服务成本；免费额度不应当永久单位成本。没有证据把“视频提取”写成文生视频。

他开始尝试给已有客户免费咨询和报告，后续实施收费，借录音、笔记加AI分析缩短整理时间。这是转向服务的尝试，没有给出相应成交与回本数字。其他人的建议是多比较新工具，不因已买授权把自己锁在单一产品内。

20. 制造业交付：客户、系统与试点

制造业外贸CRM：功能、报价、交付与实际单量

一位团队在佛山、本人在上海的服务商，介绍制造业外贸、工贸一体的CRM方案。它涉及知识与版本管理，以及辅助WhatsApp、邮件交流的“话术僚机”。他给出软件或基础模块两三万元、完整方案约十万元的口述报价，但没有完整模块清单，不能据此复制一套所谓标准套餐。

他称已经落地多家，当下每月大约3—5单。有人顺势乘以十万元推算“每月三五十万”，他马上纠正：有的客户不买完整包，实际达不到。这是一次重要的经营口径修正，订单数不能直接乘最高套餐价。

对交付能力，他说正在不断SOP化，约十个人天、整体两周左右；进一步拆成约五天部署和后续一周左右长尾、培训工作。若客户没有任何知识库、材料也缺失，要另外收费整理和搭建。真正的人天与日历时间并没有细分清楚，不能承诺所有客户都以同样周期完成。

他主要通过原咨询、律所等有存量企业客户的人合作推广。现场有人希望把这套方案放到自己的入企培训后端，在课程中安排合作团队展示，再由有需求的老板采购。这只是合作意向，尚未给出分成协议或新的批量订单。

制造业供应商交付：ERP操作、内部管理与品质三个板块

另一位服务商的对象更窄：不是泛泛的制造业，也不是直接替美的等千亿级企业改造，而是服务这些大企业下面的配套供应商。他观察到，一些供应商内部仍靠纸张工作，自己没有完善的ERP，但为了与大客户协作，又必须使用大客户提供的系统。这样的跟单工作构成了具体切入点。

服务商把方案分为三个板块：第一，帮助供应商更高效地操作大客户的ERP；第二，为供应商内部做较小范围的管理系统，先围绕BOM、库存等真正使用的部分；第三，品质管理。这里没有披露品质管理的完整实现。关于“五亿以下企业用不起来完整ERP”和“全面使用要增加五个以上”的描述，是其调研和客户沟通中的判断，不是全部制造企业的统一规律。

对接方式经过追问才明确：并没有拿到美的ERP的接口并打通底层系统。服务商主要用AI自动化操作既有系统，并把自己开发的功能组织起来。在本地Mac Mini上部署Codex等作为执行“大脑”，再部署自研系统；同时讨论了用MCP把自研系统交给工作台调用的组合。交付不是单个聊天框，也不是只装一个工具，而是设备、软件、任务和员工使用方式的整体。

运行方面，服务商说明有早上、中午、晚上三个定时执行时段，通过SSH做远程维护。客户被配置了工作和家用的两台Mac Mini。他也使用CC、Codex等进行开发，但原文一些模型、工作台名称和订阅档位并不清晰，不能据此推导唯一技术栈。订阅工具可用不等于ERP操作长期稳定，登录状态、异常恢复、权限和业务验收的详细实现没有完全披露。

现场先讲到“两三万元左右的引流款”，后面披露包含员工培训的一套合同约十万元，分两期，第一期50%。这是不同范围的产品与合同，不能把二者合成统一价目表。他自述驻场约三周，已把账号权限分配下去，交付后正在试用。跟单员原先花在ERP操作上的时间，口述节约接近30%；没有测量报告、样本和长期统计。

服务商提到订阅支出大约一千到一两千元，也说相关渠道费用按成本转给客户。但没有交代这是否为单个项目全部成本、覆盖多久、包含哪些人员与设备，不应拿十万元减去这笔钱就计算项目净利。现场关于未来AI必然涨价、全球用户数量和高价套餐含义的判断，没有进一步证据；有价值的是他选择用订阅支持高频研发的取舍，而不是这些预测本身。

他的目标客群为产值十亿元以下的供应商，三板块加一年培训的十万元方案与两三万元引流功能分开。前段说自己正从个人实施积累半标品、单量尚未起来，预留了原同事等技术人选；后面才进一步讲到已有研发团队和交付分工调整。现有试用、原有软件团队与未来扩大交付不能混成同一时点的大规模产能。

供应商项目获客与产能：从内容、沙龙到现场方案

他的获客链条比技术部分更完整。六月时，一位采访类博主拍摄他的工作内容和工作方式，视频播放量口述最终约140万，此后办过三四场沙龙；八月又因自己的内容获得咨询，开始向这类业务聚焦。渠道包括自己的账号、科技采访类博主、产业园区招商人员；线上内容或线下资源先引向沙龙，再按不同价格进入培训、企业内训及项目落地。这是他自述正在使用的转化漏斗，没有披露每层转化率。

在获客渠道拓展上，团队正重点推进制造业协会合作与企业实地游学方案。面对接入运营商大渠道的建议，创始人保持了清醒克制：运营商政企客户虽然池子大但需求过于宽泛，中小团队更容易在漫长对接中耗尽精力；相比之下，深扎拥有精准工厂资源的垂直伙伴，获客转化率往往更高。

团队组织也随之改变。他原来有五六人的研发团队，后来把部分精力转向流量、培训，交付端保留两三人；没有说所有研发被裁掉。对自己公司的开发流程，他自述需求、开发和测试已有大量自动化，最终仍由人验收，并声称某些想做的软件两三天可以做出。这不是任意项目都能两三天上线的承诺。把研发效率释放出来以后，获客与转化仍需要人负责，是这段组织调整真正值得记下的部分。

这位服务商在后续讨论中，把获客与交付进一步串为：线上内容引流→线下小沙龙建立认知→老板回去思考自己的业务→邀约现场拜访→录音与手写笔记共同整理→形成方案及报价。他说自己做过15人沙龙，约一周内有客户主动邀请，没有逐一回访。这是一段具体个人经历；另说未来协会聚20–30人能有50%以上转化，是预期而非已测数据。

沙龙不是当场堆产品功能，而是展示已经理解的案例，让老板联想到自己的企业。现场带笔记本，一边录音、一边手记；尤其避免技术人员把自己的想法塞给老板，要通过问题挖出老板自己对AI、经营和改造的期待。原文提到用“OPC一点”整理记录，具体工具不清，不能配成某个已知软件。他自述佛山一客户上午沟通、下午报价，第二天主动问转账账户，合同尚未签；这是速度例子，不表示可普遍省略合同、需求与验收。

个人精力是实打实的限制。讲者说自己通常同时并发两到三个付费客户，驻场计划尽量在一周内执行完；前端的认知培训、未成交线索由合作人员帮助，自己再安排协会交流及客户拜访。后续设想让前同事和技术人员承担70%–80%现场交付，自己抓前端；该比例是未来分工，不是现成自动化覆盖率。他因此建议小团队聚焦一两个行业，自己选择珠三角传统制造业，避免每条流量都接，最后被陌生行业的理解成本拖垮。

他称需要做“半产品”：有可演示的部分，再配现场服务；不一开始把几十万元的大而全方案交给陌生老板。此处半产品是经营提议，不是技术定义。真正与外包区分的目标，是把同一行业可重复的功能、知识和交付经验沉淀回来，下个项目能够复用。他举60%–70%复用和三周逐渐压到一周的例子，都是希望达到的交付结构。两百家客户做到上亿、协会转化50%的测算同样没有合同或样本支撑。

制造业的落点也不一定是机器控制。有讲者说配套厂流水线强调稳定，未必允许外部修改生产工艺，反倒愿意改管理层和办公室的工作：同样的人，将来承接更多规模。现场沟通如果一上来就说“减员”，会让掌握流程的员工抗拒；他主张说清楚具体给员工省掉什么工作。这种说法应与真实交付目标一致，而非用不裁员承诺骗配合。另有较高约束企业宁可不做也不要出事故，现阶段只做研发辅助、六西格玛一类辅助工具的自述。

小微制造业售前：把老师傅经验变成可试点的问题

另一位原做GEO交付与业务拓展的人，目标不是三五人的作坊，而是有车间、十几二十台机器、三四十人、通常百人以内的制造小企业。他把问题分为对内管理、生产端、对外获客。行政端的扫码报单、仓库库存、财务和ERP资料梳理，作为易理解的小入口；他认为仅做一个扫码点就收三五万，目标客户难买单。

更详细的售前来自精密加工企业：先问车间人数和机器数量，再问“坏了怎么处理、刀头磨损怎么发现、良品率通常多少、最差月份多少”。原先做法是工人报告异常、老师傅凭经验维修，刀具往往等质检看到不良品才知道该换。客户口述平时良品率约87%–88%，个别月约80%；这是谈话里的基线，不是AI后的成绩。

讲者提出的改变是把老师傅的温度手感等经验变成明确条件：温度何时算异常，出现哪些迹象应查什么，通知谁处理；让工人或学徒按步骤检查，不能解决再叫真正老师傅。同时把质检与一线反馈采集起来，发现不良上升及时提示；看材料损耗和班次报表，辨别浪费是否超出正常范围。他用自己服装生产里裁布偏几厘米就改变损耗的经历说明，老板不可能逐刀盯工人，需要数据发现问题。

这些主要是他与客户讨论后，再让AI出方案的售前构想。他说已经在跑厂家，不等于所述传感、预警、经验问答系统已上线。未披露采集设备、接线、数据频率、报警阈值、知识验证和误报处理，不应补成可执行的自动控制SOP，更不能保证良品率必升。

报价和试点采用分段：行政梳理先说三五千、半卖半送；生产不一下上八台，先拿两台机器试；对外获客系统另行演示已有数据并报价。全改可能几十万，但不要求首次全做。客户回应“下周带方案再来看看具体实施”，讲者把这称“拿下”，此时获得的是下一次方案沟通机会，尚未签约收款。

小单入口与维护边界

围绕引流款，有人举简单CRM；另一个参与者提到采购功能，在已有几千元工具上接接口，后续按月3000、年36000收费。对话又将这笔费用称维护费、尾款，首款说5000，口径没有最终合同解释。不能把它拼成所有CRM的统一价格。前一交付者说自己的项目从两三万元逐步扩到十万元，也不是同一个采购案例。

一个钢结构厂案例提供了“小单后扩展”的方向：先做简单质检环节看板，之后老板想做外贸，再卖建站及相关推广服务。讲者强调，IT基础弱不代表企业销售一定小，也不代表老板会先为技术先进性付钱。需求从原有业务增长而来，再找相应工具。

多位参与者的共同经验是，AI之前往往欠着信息化和数字化：没有清楚流程、找不到历史台账、业务资料在不同员工手里。可先完成具体数据组织和流程化，而不是说AI会自动理解所有企业。一位后来发言的技术创业者自述已交付五六家公司，包括集团营销部门；当前主要是本地部署与数字化，预计约半年后才引入部分AI。他同时把数据存储、备份、加密与合规视为交付工作，不能把生成一个页面当完整企业服务。

但“客户愿意给数据”没有统一结论。一个讲者说自己的中小企业客户会给系统权限和Excel，另一个接触上市企业的参与者说客户、研发数据不会随意外给。二者服务对象不同，不宜平均成一句“中小企业不在乎安全”。本地部署、沙箱也不能自动推出数据不上云：还要知道模型、API及数据处理到底在哪运行。本场只提出这个难题，没有提供可验收的沙箱隔离方案。

21. 汽车业务：录音、管理与内容复盘

汽车行业产品：存量关系、预算与早期交付时间线

一位长期做本地投放的人解释自己为何从餐饮、美业等多行业转到汽车：小餐饮经营利润有限，即使需要服务，也很难支持高客单价；汽车经销商本就有投放预算，长期服务更容易积累可比较案例。他举出单店月投十万元、从消耗分润中获得收入的口述例子，并提到多个汽车品牌。它们不能被写成品牌官方背书，也不能作为所有4S店的固定预算标准。

他强调的优势是长期在一个行业服务、维护存量客户，而不是刚会使用AI就能在陌生市场卖出去。自己有几千客户尚未消化，所以优先针对一个已有场景做半标品，再向存量客户推广。

在汽车行业垂类解决方案推进中，团队复盘了销售预期与现场落地的真实节奏：此前通过商务预售成功锁定了15家意向客户、达成15万元预收款，但系统底层仍处于Demo与定制联调期；经过与客户紧锣密鼓的需求磨合，当天正式推动了首家客户的上线试运行。这生动展现了B端项目从“商务签约收款”到“全线平稳投产”之间必经的交付周期。

收费上，他提出先收一笔，达到预期后再收一笔，并持续按月或迭代收费；有人另用按年和Token打包，这些不是同一人的统一方案。知识库也讨论了两层：客户本地资料仅供自身使用，另一层是行业知识服务另行定价。原文没有稳定的完整价目，不宜把“一万、十万、六万”零散数字拼成套餐。

在后续讨论里，这位汽车业务操作者又称有15家正在运营。结合前面“当天才首客用上”的说明，只能确认他在推进这批客户，不能据此说15家均已稳定验收；“100个客户、两三百万流水”是规模假设，不能列为当前业绩。早期只挑愿意合作、关系好的客户，配合差的会替换；不满意可以补原来广告服务、额外使用或退款。这解释了早期试用反馈为何较好，也意味着不能将这种筛选后的反馈外推成普遍成功率。

他给汽车客户卖的是销售转化方面的工作：提炼销售冠军话术，整理门店自己的知识库，记录“客户—销售—事件”形成客户关系信息，管理者根据接待录音复盘。报价一万元是他自己的服务报价；他说有把握交付这些明确任务，并不等于保证成交率、增收幅度或每家客户全部满意。另一位服务商确实收到过3000、5000、一万元费用，但说结果没有达到客户预期，两者不能合并为“一万元项目已验证稳定成功”。

录音徽章：硬件之外的上线推动与习惯养成

徽章并非从头研发的新硬件。汽车门店本来就有一些录音设备却没有用起来，项目先得到老板认可，再推动部门主管配合，随后由服务方亲自给一线员工培训，最后持续盯使用。操作者说主管三天里打了五六次电话才推动培训，这个过程比“给客户装个软件”更接近真实落地工作。

培训后并不立即结束。销售每天戴、每天录、管理者每天看，才能把数据采集变成工作习惯；他说可能需要一个月，是对后续养成的估计，不是已经完成一个月的追踪研究。一万元因此包含上线推动、培训和持续跟进，不只是软件授权。让普通销售去向部门负责人提要求，与服务负责人亲自推动，协调结果也可能不同；这里还依赖原有客户信任。

设备成本和服务价值要拆开：有人提到普通录音徽章硬件约70至200元，带转写的产品可以超过1000元，进一步分析又可能另收费。这些是现场报价观察，不是统一采购价。自动上传、转写、分析的具体接口未公开，不补写成开箱即用集成。未来服务一万家经销商是目标，不能当客户数。

小语种市场的潜在线索

一位从事海外游学交流的人接触到一家哥伦比亚居家护工企业，对方约有五千名员工，因此想到把录音工牌及相应分析能力用于非英语、小语种市场。他受到一则以色列企业融资故事启发，但融资新闻和估值未经核实。这里有价值的是机会发现方式：从手边真实接触的组织和被忽略的语言服务需求出发，问已有能力是否能迁移；五千人是潜在组织规模，尚无采购、部署或回款，不是五千客户。

汽车直播与投放复盘：用自己的有效资料建立标准

汽车业务操作者的直播改进链条相对明确：先整理过去已经使用过的话术框架，放入私有知识库；拿新一次直播录音转成文本，与框架比较；从偏离、遗漏或表达问题提炼下一次应修改的动作，交给主播执行。这是一条“标准—实际记录—差异—动作”的业务反馈链，而不只是生成一篇摘要。

广告脚本的输入则来自近三年已经跑出投放表现的自有素材：将视频转成文字，抽取结构，再形成新脚本。筛选依据是实际跑量，而不是素材数量多。现场有“数据比模型重要”和“强模型仍然重要”的争论，不能据此推导任何便宜模型都足够；一亿多的数字指广告投入语境，不能转换成训练数据条数或企业收入。

同样的内容杠杆也可以用于个人IP打造：用另一台备用手机通过豆包全程录音，下播后直接喂给定制的复盘Prompt，快速产出长文草稿；创作者人工精修提炼出最具共鸣的干货，再裂变为公众号图文、小红书图文与抖音短视频脚本，配合动画配音分发。该创作者通过这套流水线在单次爆款中实现了1小时涨粉1,000人的佳绩，验证了一鱼多吃的内容复用效率。

美容方向：五类产品设计与尚未跑通的获客

美容方向只是在复用录音徽章和咨询经验设计产品。前面出现“刚签一个”的含混表达，但后面明确说合作方已经开始卖、还没有卖出去。设计中的五类包包括咨询沟通分析、销冠话术学习、员工成长提醒、客户生命周期管理、管理者日复盘。它们是可以讨论的产品设计，不应写成已卖出的美容行业方案，更不能变成医疗诊断能力。

美容获客尚未跑通：AI生成前后对比图看起来像，但流量不稳定；缺少真正懂美容内容运营的人，不能把懂汽车投流、会编程直接视作会做美容获客。操作者在未跑通之前没有将这套获客服务售卖。要求服务商说明“发多少内容、希望有什么咨询或线索”是对结果的期待，不是已经做到的绩效。

22. 施工与酒店：试用与付费验证

施工老板从10月1日开始学AI，用WorkBuddy先做模版，后加飞书，才达到“基本可用”。场景围绕工人、材料、机械的项目管理。他认识数十家同行、上百个承包团队，这是可接触的验证网络，不是已成交用户。移动定位打卡、保障和合同等是别人建议增加的功能，不能列为现有系统完整能力。

对这类新系统，现场建议先找三至五家同行，免费用半个月至一个月，观察它是否解决真问题以及别人愿不愿意为此付钱，而不是看到自己做出了功能就自我肯定。这里并没有同行付费试验的结果。尤其在行业下行时，“能做软件”和“客户有预算、有使用动力”需要分别验证。

深圳营销从业者找过六七个技术合伙人都没做成合作，后来自己用WorkBuddy做助手，先试华强北库存管理。别人感兴趣，却没表现出付费意愿；他意识到自己并不懂那个行业，于是回到熟悉的酒店场景，做业务流程工具，先让同行朋友试用，再拜访陌生酒店。陌生客户第一次拜访发生在前一天，不能包装为已规模成交的成熟渠道。

他的酒店沟通分两层：先向员工说能少做哪些重复工作，争取对方愿意介绍老板；对老板讲的是具体哪些经营数据输入后能得到什么结果、如何多赚钱，而不是空泛“降本增效”。用模拟数据演示可以降低第一次理解成本，但必须明确是模拟，不能当作已有客户收益。

工具仍有真实工程问题：修一个bug会出现另一个问题，同一源码包换设备后表现不同。他没有宣布问题已解决。熟人愿意配合使用证明了一种可行性，陌生市场是否买单是另一层反馈；不能因为朋友反馈不代表市场，就一概丢弃朋友测试数据。

23. AI研发：架构、验收与经验积累

多位嘉宾使用WorkBuddy，实际分工中有人已让Codex做规划、WorkBuddy执行。遇到反复报错，有人先用豆包、DeepSeek交叉修，但没解决，认为需求没有框清。现场建议保持业务交互在原工具中，把代码错误交给Codex或CC；“CC当架构师、Codex做执行”属于建议或下一步计划，不能冒充已经验证的最优组合。

另一个更具体的建议是先讲清架构，再逐项列验收点，让AI先围绕验收写测试、再实现，即TDD的思路。它针对的是越补越乱的问题：先固定“什么算做完”，再让生成代码服从这个标准，避免把“可以运行”当成“满足需求”。直播没有展开完整自动化测试框架，不能补写成嘉宾已经搭好的CI系统。

付款并不自动换来正确效果。另一位服务者说客户支付后仍无法满足预期，原因包括把AI当作万能、承诺过大、对运营质量估计不足。知识库不是随便堆数据就必然有效；批量剪辑或自动生成视频也要有业务质量标准。Coze在现场明确被提到，是一键剪辑工具的讨论对象，但没有开源仓库、插件配置或具体工作流被展示。

一个原产品出身的参与者先讲了反例：AI让他觉得不再需要技术合伙人，但遇到已交付项目使用PHP5.6等旧技术、漏洞没有简单补丁处理路径时，重新认识到有业务理解的架构师的重要性。他用80%搭建、20%复杂问题作比喻，没有计时统计；可记录的是遗留系统维护、风险处置与架构判断不等于零到一生成页面。具体漏洞和修复方法没有展开。

另一位自述已交付五六家企业的技术创业者，使用明确原词DeepSeek Harness结合自己研发体系，一人带十到二十个AI。他详细给出方法：先选理解且适合自身交付的软件工程流程；把需求分析、软件设计、功能拆解等变成一套自己的研发平台；每个环节设不同Skill和人工卡点；接入多Agent按流程工作；到关键节点验收；最后集成与集成测试，必要交互仍由人处理。前端框架与组件库可换，但流程与积累应留下。

这套平台用了他一年多才逐渐形成，不是两周得到“无限扩展研发团队”。其Web、ERP和数据库工作中“完成90%/省90%”为本人估计，没有工时、缺陷或质量对比。可复用的部分是把一次遇到的问题、交付、运维和售后积累成可反复执行的规则，而不只是面对通用工具临时堆一堆Skill。

另一位资深开发者则强调了个人知识库在系统研发中的关键价值：他将日常所有踩坑日志、环境依赖与接口异常结构化录入知识库，每次借助AI开发新系统时优先作为上下文检索注入。在面对外部项目合作时，他选择以Agent共享与技术顾问形式轻量参与，专注把个人工程资产做深。

24. 财务AI：数据、分析与安全分工

财务总监分享用Workbuddy做财务小工具，把Excel中多步操作集中为工具，输出看板、分析或对账。她的工具没有对外销售，只是分享以建立认知、吸引关注；主要商业化路径是财税AI培训，已经做了三门课程，尚未为别的公司完成整套财务赋能。这些不能合并为“已售卖财务Agent产品”。

她举了维修企业的数据痛点：大量维修工上传内容格式不规范，办公室人员逐张看表、复制客户要求，工作量大且流动率高。建议让AI帮助抓取、整理这些数据，再让财务把时间转向流程、判断和管理；这是明确痛点和自动化方向，现场没有给出已实施的准确率、接口和ROI，不应补成案例交付结果。

业务结合的财务应回答销售政策和报价会带来多少成本、预期怎样的经营结果，项目企业还要把每个项目的人力物力等纳入经营核算。数据中台路线与把AI当“超级外挂”、辅助分析的路线是两种成熟度，现场没有证明已经形成端到端自主决策。

关于内外账，讨论后来澄清为税务申报视图与经营管理视图、分析科目与口径不同；不能将其改写成制作虚假账目或逃税方案。财务专业人士仍需把关，预算不足可以考虑兼职专业人员，不能把节省数据处理时间等同于彻底不要财务。“三五天服务一家、再服务多家”的共享财务是设想，没有工时实测。

数据安全至少出现两种不同实践：一是先写脱敏工具，再将脱敏数据给AI；二是让AI写工具，原始财务数据在该工具中处理，不进入WorkBuddy。另一个老板自述采用物理隔离的内部小模型。三者不能混成“所有模型都在本地”，也不能据此承诺绝无泄露。有人主张公网模型也可用，另一方坚持核心数据不上网，分歧仍在。

当老板看不懂财务术语时，一个简单提问是将获准提供的报表交给AI，明确读者知识水平：“请用初中文化水平能够听懂的话解释这些财务数据。”它是信息表达上的辅助，不是替代专业判断。老板至少需要知道本月是否赚钱、现金流怎样，不能只凭工具说了什么就完成管理责任。

针对财务预算与预测需求，行业共识是切忌一上来就追求复杂的宏观预测模型：首要任务是先梳理清楚企业既有的Excel预算逻辑与流水台账，做成轻量自动化工具辅助核算。在底层数据治理扎实之前，盲目迷信通用算法很难解决特定行业的个性化经营核算。

25. 工厂数据与多Agent组织

工厂经营数据改造：统一业务号、巡查与月度核对

一位工厂经营者的目标不是把生产线上的人都换成机器人，而是把库存、应收应付、工资等经营数据收集起来，让老板能够及时看清订单、资金和生产情况。现场有人把这套系统理解为“七十多个Agent”，经营者明确澄清：实际主要是三个Agent，其余很多是脚本。后面的细节介绍又单独展开了其中数据采集与巡查两类职能，不能把Agent数量当作自动化程度。

这套改造从八月开始，已摸索两个月以上。需求由经营者本人提出和推动，起因包含语言与原有处理方式带来的效率问题。日常简单工作用本地小模型，涉及更复杂的检查和修复再用云端能力。原文提到小型Qwen、识别、翻译、数据采集等，但具体型号与配置发音含混，不把它写成可照抄的硬件选型。

经营者披露的数据整理路线比较具体：先为一笔业务建立统一业务号，让业务流中的不同表格都能沿这个号码关联；然后让AI重新整理原来的数据表，使不同来源的结构和接口能够对齐。这里的“数据治理”首先指解决表格不一致、重复和数据关联问题，并不等于把老师傅脑中的全部生产经验数字化。

在运行中，采集Agent负责取得数据，巡查Agent负责检查。各环节和数据会反映到工作台、中控台上；人工发现问题后，将问题截图反馈，巡查环节再围绕错误检查、去重和修复，必要时修改代码或补充规则。经营者反复强调，交给AI的信息一开始并不完整，业务规则必须持续补齐，因此收尾周期很长。

这套系统的验收条件也很明确：每个月盘点时，所关注的几类经营数据，AI算出的结果要与人工实际核对的结果一致，才能认为算法跑通并收口。直播时仍在核对、优化这一阶段，不能把“以一致为验收标准”写成“已经全部一致”。同样，账面计算不能替代实际盘点本身，现场并没有披露无人采集实物库存的完整方案。

讨论中出现过一次有价值的修正。质疑者最初认为这只是为了可视化而做可视化，缺少降本或行动目标；经营者解释，数据能够成为判断接哪些客户订单、资金如何安排、哪里需要补给的依据。双方最终把问题缩小到了“经营数据可观测与决策支持”，质疑者收回了先前“玩泥巴”的评价。最终决策仍由人做，AI提供数据和参考，并不是AI独立承担经营责任。

这场争论留下的检查方法是：不要只问“流程拆成了多少步”，还要问每一步出错怎样发现、谁来校验、失败后怎样回到可执行状态。能写成SOP的环节、依赖熟练工感官与预判的环节，以及经营层最后的责任，不应混成一个“全自动工厂”承诺。有人提出“能否写出95%以上情景应对方案”作为判断思路，这只是现场个人估计，不能当通用工程指标。关于隐性知识能否全部入库、已有SOP是否还需要AI，参与者仍有分歧。

模型互审与成本的比较单位

现场还提出让GPT与Claude相互review，并用真实工程任务比较，而不是只看相同跑分。不同模型在自己的任务上能否完成、能否收口，需要实际检验；关于特定型号优劣的含混说法不构成排名。算成本也应回到交付了什么工作、花多少返工和人工验收，而不只比每百万token的单价。

这位经营者的主业订单已满，暂时没有太多获客需求，所以选择先改造内部业务。他并不期待立刻变现，也承认经营数据改善不会马上表现出来。这个业务条件解释了为什么不能用短期现金回款作为所有内部AI项目的唯一尺度。

多Agent组织：触发、任务、上下文与人的决策

讨论先要区分两类问题。个人Agent代替主人交换资源、对齐需求和谈判，是一个社交产品构想，需要用户愿意提供相应信息；它没有解决企业几十个Agent如何分工、自我管理的问题。两者在直播中多次被混答。

一位非技术企业老板自述使用WorkBuddy，已让AI第一次开会并分派任务。他口述三层：哨兵网、业务流小组、参谋组。哨兵监测到业务触发点后报告；业务发生时，按该流程所需角色组成小组把事情做完。参谋组的详细输入输出、权限与机制并未展示，不能替他写完一个多Agent框架，也不能把自述“落地”当作通过真实企业验收。

反对意见是：多Agent必须有充分且适当的上下文、经验和记忆，否则互相交流可能传播错误；角色多不是目标，能力能否串成业务链才重要。组织者认为应先突破思维方式，另一方要求业务流程、输入和可验证效果。现场没有消除分歧，不能裁定他已经实现AGI，也不能把“Transformer只是语义平均”作为已被证明的技术定理。

一人公司的实践者更倾向先将单一能力固化为任务，例如每天生图、每天发内容，设定触发时间持续执行；他认为这比模拟CEO、财务一群角色开会更现实。这是实践建议，并不证明所有复杂多Agent都做不到。另有“达到国家数字化最高四级”的说法，实际只是用AI对照未具名标准的自评，没有认证和核验，不构成对外认证资质。

26. 教育业务：资料、作品与教师复盘

一位教育经营者分享的不是从零创办的纯AI机构，而是在原有多年教学业务中逐步加入AI。其自述累计接触的学生约三五百，日常活跃课外班约一百，全日制只有五六个。北京与深圳承担的工作也不同：深圳原来主要是教学教研及学习业务，北京的AI项目因自身需求推动得更快，约半年。

早期需求是为不同孩子准备个性化资料，原先需要语数英教师及教辅制作人员参与。后来开始使用GPT、豆包，并尝试讯飞相关能力。经营者说豆包图片生成替机构省过十几万元，但没有给出成本基准。这段经验的实质是：AI首先进入原本已经存在、持续耗费人力的资料制作环节，而不是先发明一个“AI课程”再找需求。

具体用法包括生成图片、出题出卷、整理思维导图，以及学生完成作业后拍照交给豆包辅助批改。他还尝试让孩子借助连线功能向AI讲题，希望承接费曼学习法；实际感觉讲给人听仍更合适，因此没有把这一步完全交给AI。他关心的是与学科、考试和可展示的学习成果结合，不把泛泛的内容输出直接当作同一种教学目标。

当AI在家中开放使用后，又出现了新的问题：孩子可能借学习名义转去娱乐，家长难管理。机构因此准备和设置设备，在学习场景中用苏格拉底式提问引导，而不是直接吐出答案。这既是使用边界，也形成了家长愿意付费的一部分服务。经营者认为豆包在其遇到的中文古诗词问题和家长使用门槛上更适合，因此逐步减少对GPT的依赖；这只是其任务体验，不是对所有版本模型的统一排名。

再往后，AI从提供资料进入了“做东西”。最开始经营者只在机构放几台电脑，带孩子通过语音通话讨论方案；技术朋友提醒可以直接做小程序，才开始从讨论转向可运行作品。他自述带孩子做过一个村庄的便民小程序。村名转写尚不确定，名称尚待确认；完整功能、用户量和部署情况也未展开。

还有一个来自真实生活的小作品：经营者自己的孩子想做电子衣橱，解决逛街时想不起家中已有衣服、难以判断搭配的问题。设想把衣服拖到3D人物上查看组合；直播时只做出了一个壳，3D拖拽搭配功能还想继续实现。这是从具体困扰走向原型的例子，不是已经可用的完整虚拟试衣产品。

课程结构在直播前一周左右才由团队确认：新进入的孩子先做十个小作品过渡，之后再进入更完整的MVP、测试和展示。漫剧、错题本等属于小作品语境，不是被禁止的方向。前面提到的应用MVP、50–100人测试、路演、进一步线上运营和销售，是课程的不同层次，不代表所有学生都已经做到最终商业运营。带孩子搭建个人知识库、每人四五个Agent工作台，以及“一人学堂”，则是接下来要推进的设想。

项目式学习也改变教师工作。每位老师要亲自做一个AI项目，与学生一起探索；上午和晚上进行复盘，各自讲自己的进展、问题和发现。教师被要求少给“你必须这样做”的命令，更多做倾听、启发、推荐沟通方式、规则把关和鼓励。在价值观问题上用辩论和多视角讨论，避免把唯一答案直接塞给孩子。这些是该团队的做法，不是教育效果已经得到独立验证的结论。

经营者同时说得很清楚：AI产品还没有梳理顺畅，尚未靠它赚到钱。不能因为有人当场称赞商业化做得好，就写成成功盈利案例。成本包含软硬件、会员和计算等，他估算过每生每月约200元，但未展开完整成本表；十元云服务不是课程或软件全部成本，三十人并发也只被问到，没有得到完整答案。咨询辅导收费与单纯加价转卖算力是不同交付思路。

他尚未向外铺开或做加盟，开号直播分享也还是计划。有关学习中心、脱离常规在校路径和升学方式，只能作为其机构自述，不构成报考与教育合规指引。真正可复用的是从既有教学痛点试工具、保留人工有效环节、让学生完成真实小作品、教师同步试做复盘，以及先解决交付再扩大宣传的推进过程。

另一个个性化练习产品线索

嘉宾转述朋友的个性化练习项目：先测出学生知识短板，再生成相应练习，用学生喜欢的卡通角色互动，之后继续练习和调整。不同年龄可能喜欢不同形象，电视端应用也被提到。可以保留“诊断—针对练习—互动反馈—继续练习”的产品思路，但不能补出自适应算法或教学有效性实验。

每月token五至十元、售价五十至一百、试用半个月，以及提分效果，都是转述估计，没有具体产品名和统计证据。它不是当前财税老师自己的产品，也未提供安装资源，成本与效果尚未验证。卡通角色的使用权与适用方式还需另行确认。

27. 创业经营：交付层次、增长合作与既有资源

轻量创业与行业积累：区分当期现金流和长期服务

讨论中有人主张小团队尽量保持轻：先问能否一个人借助AI完成，不能时能否合作，再决定是否固定雇人；先明确客户是谁、这次交付哪个具体动作，而不是一开始规划很宽的产品宇宙。其反面案例是一个法律咨询方向，因知识库和复杂方案堆得很重，后来难以调整。原文是转述，没有交代全部技术与经营过程，不能断言失败只因知识库本身。

一些早期赚钱经历并不体面，但能解释价值链：讲者曾有约十万量级的私域，做过论文代写，也做过导航站推广CPA。前者的收入依赖具体需求和渠道，却涉及学术诚信，不能把它当推荐创业方向；后者则是为工具或平台带来用户、按推广行为获得收入。具体品牌转写不明，不硬配网站。这些经历说明“模型调用便宜”并不是唯一价值，用户获取和完成任务之间可能存在显著价差，也同时带来责任与风险。

还有一个县城门店例子：讲者向亲属介绍某办公Agent做台账，对方此前不会。工具本身在技术圈常见，不代表当地使用者已经会用；能教人把它用于真实工作，本身可以有服务价值。工具名听起来是“巴蒂”，准确名称待确认；没有披露由此获得的收入。

讲者提出按三个月考察能否变现、不要超长期规划；其他参与者反驳，单品服务和深入企业业务不是同一种生意，后者需要持续绑定业务。他们没有达成“长期规划一定无用”的共识。短期部署、培训或内容制作服务可以检验当下需求，企业的系统改造则要考虑长期运行、验收和组织配合，不能用一套节奏评估全部创业。

PPT也被拿来说明技术意义与市场需求的区别：会做网页的人可能不再喜欢PPT，但客户仍可能需要PPT交付；第三方淘宝团队年收入一两百万只是现场转述，不能据此算普通人的收益。更稳固的一条观察是：AI降低了开始操作的门槛，并没有自动提高内容质量、运营能力和市场竞争力。能发视频，不等于会经营账号；能生成材料，不等于已有客户和交付信用。

关于直接改GitHub项目销售，现场只是一种轻交付思路，并没有提供具体项目和许可。找到仓库不意味着任意商用、改名或重新分发都被允许；需要明确所用项目、权利边界和自己的交付价值，不能把“都是开源的”当作全部授权。

内容、自有内容加投放、存量客户、渠道合作，是现场反复提及的四种入口，属于按资源选择的并列路径，不是每个人必须依次完成的四步法。

有持续表达能力的可以做垂直内容；有预算又能承接的可以增加投放；在某行业已有服务关系的可以先解决旧客户的新问题；有交付但缺客户的可以找掌握客户关系的咨询、协会或其他合作方。要把获客能力与交付能力分开评估，不能因为一条视频很热，就承诺服务所有行业。

半标品的意义在于保留重复可用的核心，再明确哪些部分随企业变化，哪些交付服务由人完成。纯定制容易每单重来；高度通用标品又容易直接面对大平台。但它不是每种业务唯一正确形态：能否复用、客户愿不愿付费、维护成本多大，都要用实际业务验证。

对于企业AI改造，另一个提醒是办公室场景涉及流程、权限、资源与信息流转，不只是装一个工具。老板赞成也不代表员工马上愿意用；员工可能担心增加负担或被替代，工具本身还需要调试。因此培训、简单工具与陪跑可以作为先体验、再改流程的方式。设备视觉检测等工业系统则是另一类场景，不能用同一套话术概括。

方案、监理与增长分成

直播里对定制服务的争论，核心不是“技术不值钱”，而是谁掌握需求、方案、客户关系与验收。如果客户的既有SaaS服务商已经加上AI，一个新团队只靠通用功能很难形成替换理由。有人确实遇到过这种情况：去小商品批发客户现场后，发现其原系统已经新增AI，自己没有明显优势。

在创业形态选择上，现场呈现了两种截然不同的务实路径：一种是保持3至5人的敏捷小团队，聚焦开发垂直提效小工具，作为现金流健康的稳健生意；另一种则是重度扎入企业做现场陪跑与岗位实训。两种模式各有优劣，关键在于团队的核心基因是长于标准化产品研发，还是长于复杂政企人际沟通。

另有人计划把自己定位为方案设计与监理：自己做前端沟通、方案，帮助客户筛选与监督实施团队，开发费用由客户另付。讨论先举过三十万元方案费，后来提出拟卖四十万元的一套服务。尤其要保留他后来的澄清：这笔方案费“不包结果、不包落地”，不是先前随口表达的保证落地效果。未给出已售出四十万元服务的证据。

他还称已与两家公司尝试更深的增长合作，其中一例是餐饮招商和品牌咨询。业务包含选址、品牌策划、招商手册等交付。他描述传统全案售价约五十到一百万元、成本二十万元；用AI辅助后希望或声称成本可到三万元，售价降到十万元，再靠投放扩大业务。这些数字是讲者口述，实际项目清单、成本核算和财务凭证没有展示。

在探讨“业务增量分成”商业模式时（例如设想帮助年营收300万的标杆企业提升至2,000万、并从中抽取30%利润增量），核心前提在于客户本身必须具备过硬的供应链与经营底子。AI扮演的是杠杆与放大器，如果企业底层业务不成立，任何夸张的分成测算都只是空中楼阁。

对“对赌”也有现场改口：最初听到这个词时拒绝，听清是增量业绩分成后又说这种模式本来就应约定业绩，否则没有分成依据。它与收固定方案费是两种合作逻辑；没有披露失败责任、计算口径、退出机制，不能补成可签署的投资合同模板。

个人提效与企业级改造：先界定交付哪一层

收尾争论围绕“超级个体/FDE”是否只是噱头。一位参与者强调企业级视觉跟踪、客服和Pipeline要多技术栈集成、部署成本与维护责任，不能只说“我用Codex做了”；另一位说获取AI能力不必本地买GPU，也可以用第三方、自研平台、低代码，按业务问题衡量。两人最终对齐到不同层：个人或企业某个员工的提效，与全公司工作流改造不是同一验收范围。

普通业务人员用扣子或其他Agent给同事做小助手，随后有人愿意订阅，是现场转述的个人机会，没有独立收入数据。帮企业月省300万、自己花3万、收费30万是讨论者举例，不是真实已完成案例。GPU型号、价格、购买渠道对自建推理项目重要，不能作为所有服务是否算FDE的单一门槛。

自动获客订阅产品的讨论还给出一个报价口径：某技术参与者先估纯技术五六万，随后明确改口约五万、到不了六万；带销售溢价可能十五到二十万。它既不是本场成交价，也不保证这一价格覆盖平台变动、长期维护或异常处理。当需求方问能否做会员标品时，回答者同时承认，未获官方接口许可的自动触达可能违反平台规则。可记录商议中的价格分层和持续服务问题，不把违规实现写成操作教程。

“先有业务，再有公司”是双方认同的创业顺序观点；不要把参赛、园区、OPC称号当客户与交付。个人调研、设计、开发、改bug和运维可以被现有Agent辅助，企业整体还需接自己的workflow。现场的“Codex不可能用于企业”表述太绝对，不应变成工具技术事实；更准确的知识是先明确是给一个员工省动作，还是替换含多角色、权限、系统和售后的完整链条。

本段还给出实用工具形态线索：智谱语音转文本、得到大脑做笔记，和“Don't type, just speak”的语音输入习惯。只点名没有输入输出细节，不能补造工作流。Tree、David等名称待确认，不自动配Trae或Dify。GitHub上的口播、OCR、地图、算法项目未给唯一仓库与许可证，尚不能确认商用条件；改写语言也不能自动消除许可要求。

社群、物业和上游渠道：已有资源怎样形成另一种生意

直播基地的商业底层本质上是轻资产空间运营：运营商联合物业产权方合作，由物业方出资提供两三千平方米的场地与硬装基础，运营团队输出主播招募、招商与供应链配套能力并共享租金流水。在选址逻辑上，即便物业方承诺免租5年，如果地段缺乏天然商业人流与物流便利性，团队也绝不轻易接盘。

token批发商“千与千寻”自述面向漫剧、跨境行业，主要向较大的中转商供货，依赖批发量而不是自己逐一获客。这个上游供货思路值得保留，但现场没有足够材料核实授权链、价格可持续性、服务质量与数据处理。后来他追问另一位服务商“客户在哪里、为什么买、优势是什么”，并建议看拼多多、闲鱼等已有交易，作为粗略需求信号；这类交易信号不能直接证明企业客户的付费需求。

社群经营也有小细节：一位操作者称自己的399元社群有助于持续交换案例、人脉，并更倾向轻量转介绍而不是动辄深度合作，后者有目标对齐成本。主持人这次又口述398元和19元两个社群门槛；保留不同说法，不默默统一价格。分享案例可以换来对方反馈和资源，但“别人产生感谢就会回报”只是社交判断，不是能量化保证的转化路径。

28. 个人记忆与持续在线Agent

个人记忆硬件：持续记录、召回与软硬件分工

一位正在创业的开发者把问题定义为：现有眼镜、胸针、手表、录音笔产生了大量独立文件，用户还要导来导去，等真正想用时又不知道当时那个平台、名字或建议在哪儿。其方向不是多做一个能录音的外壳，而是把获取、预处理、沉淀为个人记忆空间，再被未来不同AI召回组织成一套系统。

这里的“被动助理”意思是，在用户还不知道信息以后是否重要时先记下来，等需要时再找。硬件价值在于减少每次掏手机、打开软件、主动记录的动作；软件价值在于整理、关联与召回。续航和连续记录也是其关注的产品问题。关于文章由调教后的AI生成、累计数百万流量，是开发者自述，不能把流量等同于硬件销量。

提问者担心必须从焊接、读图和单片机开始。开发者的分工是把记忆系统与数据处理作为自己的核心，把电路、结构、工艺等工程执行交给外部方案商，自己要学到足以判断方案是否合理，而不必亲手完成每个焊点。这是他的选择，不代表任何硬件创业都不需要工程能力；对外包成本、合同与质量验证，直播没有给出完整SOP。

小智、ESP32、涂鸦在讨论中被拿来和量产方案比较。值得保留的提醒是：跑通演示板不等于产品已经满足量产、续航、结构和可靠性要求。现场把这些方案一概说成不能工业化，未提供具体对照，不能作为技术定论；也没有给出“小智”唯一仓库与版本，不能据此推荐未确认的代码。

开发者曾跨过游戏、计算机、量化和密码学等领域，认为掌握跨学科学习方法后，新领域可以约三个月入门。他没有披露可完整复制的三个月课程，因此这只能是个人经历。更具体的学习动作是主动搜索、问方案商、了解板子芯片和工程分工，再针对自己真正承担的模块深入，而不是把“会AI”当成无需理解硬件的替代品。

Jason描述的是面向海外的随身个人记忆硬件，结合音频、摄像头和知识关联。硬件约400美元、软件约20美元是他的计划口径；原文没有给软件费的周期，不写“每月20美元”。产品尚未销售，正在准备众筹，首批不超过3000是预期，不是已经卖出3000台。增大记忆关联和解析深度会增加token，是他讨论软件成本的线索，不是已审计单位经济模型。

形态讨论出现颈戴与耳机，而不是已经统一成AI眼镜。选择考虑续航、重量、用户长时间佩戴；对于连续记录和主动按键触发，也有不同取舍。现场关于眼镜重量、电池时长和年降本幅度缺乏验证。连续记录同时涉及周围人的知情与记录边界。

Personal Agent：持续在线与用户日常入口

一位参与者自述部署Hermes在自己服务器，接入飞书和微信，因此能24小时在线。他把Personal Agent理解为持续在线的电脑加Agent，并有主动响应的特征；新产品的区别在于把原本要部署、配工具的事情做得开箱即用。这里没有配置文件、权限设计、主动调度机制和运行质量，不能按此复现完整系统。

他提出一个有价值的产品评估角度：先看自己的日常输入在哪，而不是只看海外演示。基于电脑、邮件、YouTube、Facebook、领英的产品，和大量在手机、微信及彼此隔开的App里办公的用户，不是同一套接入条件。邮件等协议入口能给Agent持续读写的机会，封闭App和手机流程则会影响跨工具协作。他的“国内多数人不用邮件”“体验一定差”是个人观察，不能当统计；但检查客户是否真有可用的桌面入口、邮箱与接口，确实比只比模型参数更贴近需求。

原文推荐GrokBot，说总管Agent可分配其他Agent，按任务自动选模型；随即澄清不一定是所谓5.5。价格只说20刀，没讲周期；Open Source5.5、Körper及工具身份待确认，不绑定官方购买页或宣传为现价。同场还提Muse、Manus旗下Q、Today.ai等，并夹杂融资、收购说法，没有足够证据认证。可保留这些产品线索供后续核名，别把相似发音自动替换成某个熟悉产品。

对于非纯技术背景的用户，不必盲目追逐过于极客的开发环境配置，可以先从门槛较低的开箱即用工具切入。在借助第三方提供的“一键免配置安装包”时，需要注意数据安全边界，防范中间人代理可能存在的代码与敏感提示词泄露风险。

29. 模型供给：成本、客户与持续服务

一位模型供给服务商与有客户的渠道方讨论合作：供给方负责稳定的模型能力和成本，渠道方负责行业客户与销售，可以考虑白标、按量或订阅的不同组合。现场提到某笔五十万元客户费用对应几万到十万元用量的举例，并没有形成真实合同或确定分润。谁拥有客户、如何控制服务与续费关系，同样没有落到统一比例。

供给方不熟悉完整企业工作流程，因此不能把有模型供给能力等同于已经具备行业交付能力。其实际取舍也不是技术万能：有些图片方向自己价格有优势就做，其他类别没有优势就不做。对批量人脸图等应用，供给方提供图像能力，并不清楚客户后面怎样组合；提问者猜测的视频生成链条没有得到证实。

价格讨论中原文出现“厘”等单位和含混模型名，不能把六到八厘写成六到八分。某设计机构每日百万张需求、订单和收益规模都属转述，没有客户证明。真正有用的经营问题是：大量采购时谁承担备用渠道成本，主渠道失效后是否还能用售价覆盖替代成本，以及供给能力容易复制时怎样留住客户。初期先付钱、关系成熟后给账期，是该供给方经历，不是所有交易的统一规则。

Midjourney被提到用于海报和灯光视觉效果等，但没有展开完整提示词或交付参数。Image2、Omniverse及C-DOCS等词在原文中出现，身份和版本有待确认，不强行映射到其他热门模型。媒体热度与真实订单量也不能画等号，这正是供需双方交流时需要分别核对的东西。

30. 企业视频：故事、分镜与成片审核

音乐视频：人写故事、AI加工与成片审核

一位AIGC从业者介绍从音频和参考图自动生成MV的工作流。当前适用的动作较有限：单人、说话头像相对可控，多人嘴型同步和复杂动作更容易出问题，提示词理解也有局限。他提到在较好GPU上，十五秒视频大约要十分钟并可能还要超分，这是个人当时任务的观察，不是所有卡和模型的性能基准。

模型被称作“H3”，同时说到六十多GB、三十一GB及二十多GB等变体，但型号没有可靠确认。不能猜成某个开源项目，也不能把“已试多个版本”写成最优模型结论。使用租用的英伟达资源，并没有实测昇腾，因此关于其他硬件稳定性的推断不能当成比较结果。

内容生产的一条实际办法是：脚本由人先写，交给AI修改，再由人审核。它保留人的叙事判断，同时借助AI整理表达；不能承诺因此必然提高推荐量。另有人把蒸馏痕迹、隐形水印与低流量联系起来，也有人认为内容本身更关键。没有对照实验，不能归因成平台确定机制。

工具名字现场明确拼过“D O L A”，没有U；当时提及每天五条及某个“2.5”版本，不能当成现在的官方额度。“写检讨的男孩”被提到作为视频账号线索，但缺少唯一链接。上述线索值得记录以便继续核实，不能为了配齐工具清单去寻找相似名字冒充本场确认资源。

企业内容生产：选题、剧本、分镜与传播

门窗家具服务商遇到两类目标：终端零售用户，与门店、代理商等B端客户。企业说自己不仅缺工具，还缺内容、精力和曝光，希望有不用做内容也能见效的捷径。需求方当时没有现成产品，想先讲通逻辑、找到交付能力后再卖，不能把讨论写成已经交付的门窗获客系统。

系统开发者按自己工作台分口播、剧情、剧情加种草、科普四类，举剧情流程：先选题，按题形成剧本；明确人物关系；做人设形象参考图；再做视频分镜；根据模型单段时长拆提示词生成。他提C站3.5/3.0与Mini H3及30/15秒，名字和规格不清，只能保留线索，不能猜成可灵或海螺官方版本。该流程说明生成视频不是一句话：人物连续性、镜头与段长本身就是任务拆解。

另一个自媒体经验是，拍真人一两分钟口播，集中录完后交AI剪字幕、特效、音效和动效；原词Cloud Code，不能因它不像剪辑工具就替换成剪映。它区别于全AIGC生成。曾做海外企业片的参与者说，真正好看的片还考验编导，自己因竞争多不再主做；转述某制作商约600元/秒是特定报价，不是行业现价，更非利润。

内容运营也有不同目标。一位讲者认为企业视频的价值是让目标地区的人知道“这里有某公司、做什么”，不能只盯点赞数或要求看一条就买。每条七八元到十元只是他口述，缺少成本构成。另一方仍追问低播放是否能有效带客，现场没有给曝光到询单、成交的统计，不能以生成便宜解决了传播问题。

围绕竞争者内容和评论区获客，出现过一个直接的负面经历：在同行评论区抢客曾让对方上门质问，行业圈小会伤信誉；设计漂亮等产品本身的信息也可能比“为什么别人视频爆了”更值得企业研究。内容素材库应保留自己的可用素材与业务认知，不能把原文的未授权改写说成可任意复制的创新。

31. 独立站：供应与分发探索

一位有健身内容经历的经营者此前积累过约九万粉丝，后来尝试独立站。其团队刚搭好后端，公司才一个多月，选品主要还是看产品和网站呈现，缺少稳定数据与供应优势，推广还在摸索。这不是已经跑通的AI全自动电商。

现场谈到成人品类、社交平台广告和KOL合作。品类合法、广告平台允许、账号与渠道能稳定运营是不同问题；参与者对政策的说法没有核实。对经营而言可保留的是：前端能生成、后端能处理订单，并不能证明获客渠道已经成立；先少量测试、明确受众、再决定扩大投入，是当场建议，尚无结果。

AI可以协助写针对受众的内容、整理KOL及评分候选，但没有披露真实的筛选字段、名单与转化结果。专业内容要给行业语境，不是靠通用AI批量堆相似文本。其他关于账号矩阵和平台限制的讨论，不应被误写为稳定通用的增长公式。经营者之前也试过token业务，但因缺乏稳定上游没收到订单，这个失败阶段同样应保留。

另有参与者说软件团队目前只在内部用AI提效，还没有对外产品。不能把同一场中别人的客户与收入贴到这个团队。多人的经验可以用来比较路径，但有意愿合作、交换资源，并不等于已经成交。

跨境一人公司嘉宾选择成人娃娃这一窄类目，做3D挑选式展示独立站，自找供应商而非加盟。他认为AI降低开发门槛之后，流量端更难，自己拼不过综合平台现成流量，因此尝试以窄需求和社媒触达避开正面竞争。TikTok、Facebook、X社媒矩阵还在搭建，X账号也尚未做起来。这是业务选择与进行中的渠道建设，不是已跑通的盈利案例；不能将其写成人人适用的蓝海，也不能把成人品类的营销效果或平台准入当作已核实事实。

32. 产品壁垒与GEO：可见成果和经营结果

产品壁垒：复制界面不会复制运营与历史数据

对“任何产品都能被AI复制”的焦虑，其他嘉宾区分可见客户端和不可见的服务端能力。复制界面或交互，不会同时得到原来的用户关系、历史投放与成交数据、风控、排序权重和运营资源。微信、抖音只是举例，不应扩大成“所有百万用户软件绝对不可能逆向”的定理；离线计算器与复杂在线产品也不能混为一谈。

在考察3D AI生成与相关教学时，必须警惕“演示即巅峰”的工程陷阱：很多公开演示依赖高度定制的预制贴图和锁死提示词，在特定视角下看似完美，但客户稍改参数或更换模型就容易崩溃。交付验收时必须针对多变场景进行压力测试。

广告投放方面，有人建议用AI分析自己的数据，再人工调整看效果；全自动投放是否可行存在分歧，现场并未提供可验证方案。复刻竞争者大致方向，并不等于拥有对方的出单历史和动态权重。保留“分析—人工调整—看反馈”的有限建议，不扩写成全自动代投承诺。

有人因为包式软件较易复制而担忧开发产品没有意义，自己也曾复现某类社媒工具但表示不售卖。可提取的商业教训是：产品若只有包装和信息差、缺少服务端、历史数据及持续运营，单次交付的可防守性可能很弱；反过来，学会做界面也不等于复制了竞争者的商业系统。不提供未经授权的逆向、许可绕过或批量账户操作步骤；法律结论也不凭嘉宾一句话认定。

GEO与投流：曝光、推荐、客资和成交是不同目标

GEO交付者强调企业先要有能梳理的业务资料和数据资产，太小、缺少积累的企业不一定适合。他称因此拒过两个客户。另一位曾给GEO公司投流的人说，十几个客户带来的主要负担反而是售后，客户会问“保证多少客资”，团队不断换售后人员。两段经历都说明卖可见性时，不能把收录、推荐、询单和成交混为一个承诺。

在微信生态与主流大模型知识库（如豆包）的收录机制讨论中，从业者分享了平台算法迭代对信源权威度（如要求多个独立高权重信源交叉验证）的严苛要求。在实战运营中，紧跟官方规则更新、建立多渠道内容矩阵，是防范单点算法波动风险的关键打法。

投流运营者想把四五年经验、关键词中的兴趣与行为、时间变化、eCPM等做成AI精细化获客产品。现场回应者说已有杭州公司做AI千川插件：把投流数据反馈给AI再调整计划，但未给公司名、链接、价格或效果。这是找竞品研究的线索，非现成采购建议。双方也没有证实GEO排名衰减与广告eCPM是同一机制。

另一个较明确的经营观点是，对电商先谈品牌曝光、信任和转化辅助，不要直接保证客资；短视频获客除了生成能力，素材与配音的表现很重要。它保留的是业务目标和评估层次，不是“投流谁点两下都能成功”的结论。

33. 内部销售：接待、人工成交与失败复盘

内部销售闭环：初聊、归档、人工报价和未成交复盘

开发者称自己为熟识企业兼职开发，系统只在该老板公司用，目前不对外出售。完整规模是五个功能系统加一个中台，共六套，不是六个都独立对外销售的产品。流程覆盖客户怎么来、来后怎么接待、成不成交、服务离开后如何再回来；具体全部系统名没有列齐。

已披露的接待链是：客户进来，先让机器人聊；边聊边打标签，将提供的信息整理成客户资料放软件；到高意向节点提醒人工接手；真人继续谈价格与成交；后续对话清洗入知识库，为下次提供材料。所谓成交阈值没有字段、数值和效果测试。不能把“AI认为会成交”当事实，也不能自动把全部成交聊天变成正确可复用标准。

多平台与移动端的界限被问得很细。他自述有安卓、鸿蒙、小程序、Web与Windows，尚未写iOS。手机主要是看中台、通过API发指令；实际账号操作在远程电脑或虚拟机，各模块执行。平台包含小红书私信、快手、抖音及部分办公通讯工具的说法，但没有逐个平台验收。

尤其不能把“聚合提醒”写成“所有人工消息统一回复、再也不切App”：企业微信机器人会通知哪个平台哪个客户意向高，人工仍需打开原微信、小红书等客户端找到用户回复；十个账号可能仍要切换。他明确让人接价格，是担心自动答出亏本价。虽然说可继续设自动，没有风险控制和价格权限细节，不能承诺自动谈单。

未成交后的工作更有参考价值：回看客户走到哪一步，分析是产品不合、沟通出错，还是销售态度问题；发现产品问题由老板补产品，发现销售不认真则培训并按内部规则扣分。开发者讲过人工看到高意向标签后，以为已无需沟通，粗暴逼单反而把客户赶走的例子。标签是辅助，不替代倾听和后续说明；系统分析也不能凭一次未成交就认定员工有错。

讨论中给出十几人回复减到四人、另说六到两以及八名老师工资等不同数字，岗位与阶段不清，不能合成统一裁员或成本收益结果。所谓“替代客服月薪几千、token只几百”，未含维护、调试和错单损失，只能作为当事人的付费判断：老板更看接待质量与转化是否可用，而不只看单次调用费用。

模块销售是开发者给别人的建议：参考财务软件，各模块能单卖，预算足再加中台联动，预算少逐项买。当前系统本身暂不对外，不能当可买清单。他还提出闭源停供拖延客户更换的做法，这类做法会损伤合作信任。更值得考虑的是替换企业流程确实涉及迁移与连续服务成本。

AI接待与内容风格：适量回复、数据质量及未解决的问题

参与者对AI客服有分歧：一方先用于产品介绍等基础咨询，人手处理不了大量消息时价值明显；另一方认为高客单ToB有受训人员、交付信任和复杂细节，不能直接全部自动。渐进方式是先由人工回复，AI积累材料，看到回复可靠再逐渐增加权限。案例没有给标准验证集、放权阈值或准确率，只能记录这个思路。

知识库并非多就好。他们谈到已有聊天记录要按不同人员、客户分类，部分业务还需语音回复及音色；开发者称国内原始数据需要筛选、知识库有污染问题。具体清洗算法与授权流程没有展示。行业被问到时本人拒绝透露，其他人猜教育，不能将这一套写成已验证的教培项目。

自然回复的需求被一个售后例子说清：用户说手机有裂纹影响摄像，第一步可能只想收到“我知道了，我看看”，不需要长篇完整推理；真正问参数时又需要充分解释。因此问题不是所有回答越短越好，而是按沟通阶段给适量信息。讲者换Skill、换Harness试过，但担心固定短回复让详细问答也变短；这是其当时实现的限制，不能上升为所有Agent不能动态切Skill。

另有人做内容，觉得AI只能给框架，完整稿枯燥；尝试把反常识开头、故事性、传播策略及喜欢的风格加入，仍不满意。所谓模型DNA只是表达风格的比喻，后面交替说数据、微调、架构和评分。问到Actor、奖励模型及SFT配置时，对方并未给模型名和训练脚本，只说基于GitHub一个算法项目修改。这不能认证他已训练PPO，更不能整理成成功的风格微调SOP。Don't be silence/Don't be serious有不同原词，最多保留待确认Skill线索。

一个做自动剪辑的参与者希望系统理解情绪高潮，在特定帧插网感图、强调情绪点；另一人建议试CLIP，没有现场试验。这里值得保留的是具体研究目标与失败：已有自动切片并不等于能判断何处应该爆梗、抒情，工具推荐也不等于已完成。后续Transformer逆向、注意力历史、KV压缩、GPU瓶颈和世界模型讨论中，术语和因果说法混杂，未提供实验与论文，另列技术核实线索，不作为业内知识定论。

34. 工具、项目与待确认线索

• 小智语音桌宠：一位开发者计划把桌宠的LLM接口指向自己的服务器，模型可以换，记忆保留在自己的系统里。这是架构意向，没有公布仓库、许可证、硬件和已完成演示，不能补造开源链接。

• 服装消费者共创：有人提出消费者先用AI表达服装图片，聚集意向后由商家核算价格与回本量，再做图片到3D、后续生产。两三千件是众筹规模举例，不是订单；最大卡点是材质光泽、垂坠、颜色与真实裁剪的表现，3D外观不能直接等于可生产纸样。

• Shopify、WordPress：卖货独立站经营者明确提到正在搭建。另一位刚做入境旅游获客站，主要卖客资；两条业务不能合并成“旅游独立站已盈利全流程”。

• WorkBuddy：本场有明确英文名称和编导Skill使用案例。ASR在其他段出现WorkBuddy、Wakabuddy等近音，不能把它们擅自替换成Coze、Dify或WPS；涉及具体功能时仍要看对应发言。

• 飞书多维表格、飞书、钉钉、企业微信：作为既有协作产品参照，帮助不懂技术的人表达工作流与数据交接。仅凭被提及不代表已为馒头厂完成部署。

• Dify疑似提及：原转写是“Defy”，发言者说自己没有使用，未提供用法；保留为名称待确认线索。

• “UCP”、feed提交与跨境获客：有人提到谷歌相关路径，但没有展示接入步骤和结果。记录线索，不替换为其他广告平台或编出免费获客教程。

• “DBC Carnes／DeepSeek Karnis”：在更强定制、界面与开源讨论中出现的近音名称，身份未确认，不直接认定为Dify Cloud、DeepSeek某官方产品或其他项目。

• GU／GEO、微信Cloud等近音词：本场原文存在术语混杂，先保留实际业务意图和待查名称，不用常见术语把不确定处补圆。

上述项目没有给出唯一仓库地址和可复现配置，适合继续核名，尚不足以作为安装清单。

讨论中有明确语境的工具包括豆包、DeepSeek、飞书、ChatGPT、Codex、CC、Coze以及反复音译的WorkBuddy/Workbuddy。相近发音仍可能指不同产品，不能只按音译对应。CC相关分工部分是建议，不都属于已用；反重力在现场有人没用过，不编使用体验。

WebBuddy/Verse、Gorillabot/Gorkobot/37GrokBot、FollowToy、Image2与“香蕉不拉拉”、VGS等，保存为待确认线索。原文不足以确定准确产品、版本或仓库；这些名称不足以确定对应的模型版本或3D引擎。中转服务还需要另查授权、计费、稳定性和数据处理责任。

其他可继续核实的产品与行业说法

后段明确提到的工具还包括DeepSeek Harness、Hermes、MiniMax API、阿里云百炼、MCP、智谱语音转文本、得到大脑。DeepSeek Harness在研发工作流中被完整说出，不能只理解为DeepSeek基础模型；Hermes是参与者自述部署到自己服务器、再连接飞书和微信的方案。MiniMax和百炼则解释了“本地安装”产品仍可能依赖付费云API。CLIP被推荐用于理解画面和情绪的自动剪辑研究，现场尚未试验。GitHub上的口播、OCR、地图和算法项目没有唯一仓库，许可与可商用范围还不能确认。

另外，OPC一点、千问办公、百度搭子、Claude Code、树林同学、Kiki、创建/创见学院、奇博士/极博士/奇克劳、GrokBot、Open Source5.5、Körper、Muse、Q、Today.ai、CC Server、C站3.5/3.0、Mini H3、Don't be silence/serious、Tree、David等名称存在近音或身份歧义。正文保留各自被讨论的用途，但不将相似名字自动对应成产品官网。GrokBot“20刀”没有给计费周期，个人记忆硬件“400美元+20美元软件”也没有软件收费周期，都不宜直接拿来计算月费。

还有几组业内判断适合作为研究问题，而不是现成结论：

• 融资与行业规模：有人转述Wonderful于2025年创立、融资5.5亿美元，Today.ai融资2亿美元，以及咨询每人天五万元、千万美元级项目。消息来源、币种和融资/估值口径未展示，不能以这些数字证明类似生意的利润或估值。

• 模型训练与风格：有人用PPO、SFT、Actor、奖励模型描述自己的尝试，但没有模型名、训练配置和脚本；不能据此认定已经完成有效训练。模型“DNA”更多是表达风格的比喻。

• 底层技术瓶颈：Transformer逆向、注意力历史、KV压缩、GPU瓶颈和世界模型的讨论，没有实验或论文支持。可把它们列成后续查证主题，不因发言自信就当作技术定律。

• 宏观应用说法：软件90%替代、漫剧占60%算力而90%亏损、AI能力越强创业机会越少、国家已经禁止AI裁员，以及关于某食品企业大规模裁员的故事，都没有可核对材料。这些话提示了参与者的市场焦虑，不能替代行业数据或正式政策。