2026-10-28 · 第1场直播

企业买AI到底在买什么：更便宜的工作、能接住客户的流程，还是新的业务增长？本篇从微信工具渠道、制造业驻场交付、外贸获客、财税工作台到学校和模具软件，保留具体做法、费用口径、失败与尚未解决的问题。

1. 外贸获客代理：先看懂产品、演示有效客资

深圳一位销售背景参与者被邀线下推广外贸获客Agent，但自己既没有成熟渠道，也不清楚功能和具体用法。讨论先区分社媒账号管理与搜索获客，不能用一个“外贸AI”标签代替产品定义。主持人的建议是先自己操作，弄清能找到什么客户、能否拿出有效客资，再在直播中解释并演示；可先试用一个月，降低代理前的试错成本。外贸企业需要获客，不等于任何获客软件都值得买。 另一位供应商反而主动不做国内电商与跨境WhatsApp，因为他认为客户分散、获客慢，选择公域/私域业务。两个团队的市场取舍不同。 在工具使用交流中，提到了GrokBot与Muse等社媒与内容管理工具，以及若干提供新用户试用额度的大模型调用中转通道。

一位弹幕评论者介绍自己的组合产品是“智能体呼叫拓客→信任背书→定向腾讯广告触达”，把初次触达、信任和再次投放串起来；评论没有给出成交效果。

2. 微信AI员工：真正稳定的收入、渠道贴牌与销售链路

低价单功能与渠道规模

被称龚老师的供应商介绍“一屋子AI”类微信员工工具，称有11项功能：自动回复300元/年，单功能几百元，全功能1000多元。描述属于桌面RPA、视觉与模型组合；关于硬件层控制及“技术封号0”的说法没有独立验证，并非平台安全承诺。其回忆起步时间先后出现2021与2022年6月口径，具体起步时间不确定。 其核心稳定收入称来自微信回复，短剧、广告等“明星产品”不断变化。自述全国几千代理、约1000种贴牌名字，供应商以1–2折向渠道批发，再形成约20万终端付费用户；这不等于20万人直接按零售价给供应商付款，也不证明所有功能都有同等销量。融资四年未果与用户数量同时存在，反映装机规模与投资人认可不是同一指标。 现场对渠道定价有争论：主持人举目标800、标价8000的假设，希望预留渠道收益；供应商称最高释放70%但怕价格混乱。需要算清的经营问题是绝对收益、定价权、渠道责任与开发者收益如何分配，上述标价只是讨论假设，并非真实成交价。 在竞品对比中，现场纠正了工具发音为“识流”（知识的识、流量的流），并讨论了约3,000元年费的贴牌商业模式。在无人直播与贴牌源码交易中，单纯更改前端UI与名称往往缺乏底层技术壁垒，容易陷入同质化竞争。

自动材料与真人谈单如何接力

上述供应商描述的链路是添加好友与验证、自动问候、材料与案例目录；对方忙时询问行业并推荐，随后真人电话沟通5–10分钟，再跟进。自述80%通过好友与20万付费是不同口径。现场模拟苛刻潜客时，仍暴露出工具卖家难以解释具体痛点的问题：自动发材料不替代业务诊断。 单人低价工具与企业多个电脑安装也应区分。即使某企业装100多台，也不等于完成高客单价企业咨询。对“用户认知低”“三个月生命周期”等评价仅是参与者判断，不是市场统计。工具超市几十个工具、目标10%抽成，仍需要客户连接、信任和支付闭环，目录数量本身不是商业模式。

另一个服务小微企业的评论者说，产品反馈不错、服务也好，但SaaS留存仍不满意，正在寻找更好的留存办法。有人回应，应检查是否抓到真正痛点、迭代速度和用户依赖，而不是只用满意反馈判断续用。这是另一家业务的留存问题，不是前述微信产品的数据。

自动回复工具的比较中，弹幕提到影刀、八爪鱼，也有人指出企微有官方API。这些是选型线索，现场没有展开三者在当前产品里的具体接法。

3. 三家制造企业走访：兴趣、组织和产能状态要分别问

一位参与者走访三家公司。第一家有国企背景的网安企业，自述年营收一亿以上，已有两三人做AI一年，老板本人不愿深入聊。第二家军工/机械加工企业自述规模三四亿、峰值九亿，IPO过会后暂停；创始人出生年份从1968纠正为1958。其个人不用豆包，不代表公司没有AI意愿：内部团队有需求，产能承接华为需求约三分之一，并提及安徽扩产。第三家机加企业约1000万营收、净利5%，老板不想继续做，也觉得AI没用。 第二家后续希望攻半导体、光刻机相关领域，但外部软件团队担心听不懂专业语言。参访者推测已有团队慢、缺激励等，未展示诊断证据。“全国第一”等竞争地位是自述。所谓提升5%–10%效率即可支撑200万价值只是商业谈判假设，不是合同报价、交付效果或已付款。

4. 企业AI交付：先理解现场，再报价、驻场和持续迭代

访谈与交付分阶段

现场建议让助贷中介等已有企业信任关系的人做商务、技术伙伴做交付并分成；商会关系可能仍需要关键人背书。这是一种借助已有信任关系进入企业的渠道设想。 驻场陪跑的阶段被分开：前期技术经理跟随学习客户场景，后期客户内部能建Agent，外部继续协助迭代。服务并不是上完课就走。另一位制造业实践者描述亿级以下、美的/TCL等体系供应商：先访谈老板并录音，形成方案，明确能做/不能做，达成一致签单，然后驻场。访谈不是被动记录，也会挑战和引导需求。自述同垂直方向可复用60%–70%，前段说第一家三周、第二家一周，后段又说当前三周、未来希望一周。交付阶段和口径没有完全对齐，只能理解为其压缩交付周期的实践与目标，不能当成统一承诺。 联合百度或更强团队交200万项目只是现场建议，还没有实际合作或成交。

有订单再定制，与短变现培训的取舍

供给商同样尝试Agent，但现在必须有订单才做。先深入朋友或兄弟公司的流程，找重复、AI化不足的环节，深沟通后做定制降本，不再自己猜一个需求就投入产品开发。原因是技术实现之外，获客、分发、买量、渠道链路和大厂通用产品竞争都重。

关于FDE，讨论强调去现场直接分析问题、把方案落到生产，而不是猜需求、规划评审、测试、回头再修的长链。有人因此更偏FDE培训，觉得交付重、原员工阻力大，培训变现更短。这是其对交付负担与变现周期的经营取舍。

其中“放大自己的长处、短处购买专业服务”是经营取舍：已有圈子信用就继续深化，不强行与融资团队比较。关于杭州FDE“滴滴版”拿五个目标、融资/估值口径混乱，不确认金额或轮次。

围绕一号位支持，弹幕补充了两种具体做法：先访谈老板，弄清企业战略和本次项目目标；另有服务者说，合同中首先约定一号位AI化，老板不参与的企业不接。它把“老板支持”变成合作前提，而不是只在交付后要求员工配合。

现场落地还有基础使用能力这一关。弹幕提到，有的一线人员没有智能手机，或连电脑、鼠标都不熟悉。也有人主张先梳理产线设备和自动化，再优化流程、考虑AI；工具入口和培训安排需要面对实际操作者，而不是默认所有人都会用电脑。

弹幕进一步把“培训交付”与“实际提升效率后的长期售后”分开：FDE常要反复抠细节、查AI生成后的问题；有人用“框架两个月、优化四个月”形容时间分配，也有人比作客户先粗剪、技术陪着细剪，最后约定优化边界。这是对持续完善工作量的提醒，不能把举例周期当成统一工期。

5. 园区合作：用可履行的配套服务建立利益关系

校长提出园区因空置率而需要服务吸引租户，AI编码可与Amazon、TK、Shopee、独立站、社媒等经营服务组合。园区提供会场和租户信任，团队安排每周远程课程、企微私域直播或定期咨询，把后续开店、申诉、独立站等订单的一部分利润返园区。独立站两三千、三四千及多园区扩展均是测算或设想，不是已经稳定产生的收入。 他有TK开店、申诉类服务基础，复购与转介绍来自具体问题；比如客户先有售后差评问题，再交叉销售工具。讨论强调配套服务与可履行责任，不是把几十个工具摆上货架就产生稳定收入。 另有深圳产业招商背景参与者介绍自己的渠道：个人IP、从餐饮探店转科技企业探访、原招商联系人和园区。沙龙来30人约10人有后续咨询或接触，不等于10人付费。政府夜校提供场地与信息可能有助获客，免费讲课换渠道也不等于政府采购。此为另一人的实践，不并为校长已实现方案。

弹幕还提供了一个园区合作的失败经历：园区曾以五折租金招入头部带货团队，约定共享资源，最后资源共享并没有落地。低租金引入头部和形成可用的共同业务，是两道不同的交付。

还有评论者自述，已与河北一家科技协会谈妥一起办公，由协会带其入企接洽业务。这提供了一条借行业组织进入企业的渠道线索，评论未提供后续签单。

6. 财税老师的护城河：专业审核加持续服务工作台

一位有20多年经历的财税老师认为工具容易复制，但政策解释、业务风险判断和对输出的专业审核不易直接复制。她从3月起使用近音“WorkBuddy”的工具，自述能满足本人需求；一两万客户/群体规模不是软件付费数，付费课程已有少量销售。 校长建议把工具放进付费社群与持续服务体系，而不是单卖。他自己的社群688元、400多人、近两年属于其自述，不可写成每年400人续费。例子是跨境GMV导出后转成财税所需格式，朋友4000客户原来每天人工处理；适合的工作台让客户按月上传报表，先AI整理，财税人员审核，异常线下确认，再承接后续真实业务。专业人员能验输出，是与泛程序员相比的重要资源。 2000元/年变200元、首年100元是现场价格假设，不是财税老师正式报价。AI格式转换并不等于自动合规，更不替代专业责任。她已有一万粉丝，可从内容获客与持续专业服务衔接入手。

财税任务还可细化为票据识别、归类、归档，以及代账、记账和开票环节的效率改进；评论者建议把它们组织成产品化工作流，而不只出售零散工具。另有本地LLM的部署建议，具体实现未展开。

7. 从工厂维保转做AI项目：先守住已有客户的信任

滁州黄总有工厂与政府维保关系，曾研究数据标注但认为专业标注竞争激烈。他希望找技术合伙人，核心不是自己学会所有编程，而是能准确告诉客户什么能做、不能做。当地伙伴便于见面协作，也有人认为远程可行；比现有工资高30%是招人建议，不是当地薪酬事实。 塑料粒子工厂建设产线、更换坏件等重复工作想减人，现场口头说可落地，但物理维修的替代仍只是口头设想。财务法务等扩展也只是机会。已有维保信任是一项资产，错误承诺会损害长期信用，不能让通用“AI都能做”盖住实际边界。

8. ISO认证公司的两种需求：审核资源调度与业务工具

内蒙古李总的认证公司掌握审核老师、企业与专业分布，希望让多机构老师跨地区调度，优先使用本地合适老师以节省差旅。这是认证审核资源调度，不是校长误听后的FDE接单市场；目前仍是调度平台需求。 现有销售靠人工打电话、筛客户资料，员工传达可能不准确；试过AI SaaS却无法应对企业追问，希望AI电话更自然，但不是伪装真人或无同意外呼的认可。另一个方向是输入企业基本表格，辅助生成管理体系文件；参与者说自己做过国军标/9001文件系统加AI，生成的文件仍须与企业真实经营情况核对。 按销售、研发、生产等类型先划分企业，再聚共性需求；通用低价工具获取反馈，之后做定制，是现场构想。老板访谈可增加约10分钟AI业务介绍和案例体验，但需客户允许使用业务资料。能接触老板与能管理1000个FDE团队是两种能力，技术质量管理不能省略。

9. 沉浸式演艺剧场：公域流量如何接进企微与订单

泉州一位实体经营者介绍餐桌加舞台的宫廷宴式项目，每天三场，夜间可用酒吧/室外露台。他自述投入2500万，预计月营收先说600万、后说700万至800万，五个月回本只是预测，不能将收入、利润与回本混为一谈。 痛点是公域客户流向企微时损失，设想链路为AI短视频/直播获客、企微链接快速承接、AI接待、访客和订单留痕、再由员工服务。尚未展示所有环节打通；现场建议先试成熟产品而不是从零开发。对体量较大的项目，只盯节省一两名员工未必抓住价值；AI也可用于演艺剧情等创新，但没有交付结果。3000万至5000万资金、地方资源等为本人陈述，不等于政府订单或固定项目预算。

10. 算力盒子的八位数：意向、合同额和利润分开算

王哥先用八位数收益描述项目，追问后变成总合同额八位数；实际仍在意向谈判和采购流程，自述有500台需求，不是已签约回款或交付。原盒子型号近音“DDG叉/Spark”未确认；找到约4万成本、加工到5万不能直接算成每台1万净利润。海外美元结算、客户历史知识库环境测试表现良好等同属自述，采购周期仍长。 ToG讨论涉及合规自查、财务支出、人员投入产出、RAG资料搜索与国产化；原“50以上”无明确单位，不补成50万元。重点需求是检索与核对真实资料。

11. 社群和案例的经营价值，不等于融资金额已确认

主播先称拿五亿融资，后说五个小目标估值/风投，同场口径冲突，未展示款项或合同，具体融资金额与是否到账均无法确认。其社群费用为398元。开放分享案例帮助互信、带来连结，是经营方法；不等于案例源码已开源或所有分享都获授权。1600粉丝一单40万是个案自述，不是粉丝平均价值。 另一位曹操供应商说视频号少量视频爆发、近1000粉丝、几百好友、40–50转化，其中约一半同行；“转化”未逐笔明确为付费，不可全计成交。本人纠正是视频号，不是主持人转述的抖音。他经营的是另一套企微/个微回复业务，与龚老师的产品分开。

12. 交易Agent和直播培训：已有客户也要给出效果证据

交易经验十多年的参与者自述过去有亏损，想把交易Agent变成产品，未提供收益验证。建议到X做推广是渠道想法，不是合规认可，更不是保证投资效果。 张扬有直播带货培训客户基础，希望找数字人和短视频技术伙伴。讨论要求先给自己的获客量、转化、客单价，而不是把旁人提出的30/50客户、10%–20%、699–999假设写成实际业绩。他自己的全域投流Agent仍在内测且没跑通，需要人处理变化；部分数字人供应商质量未满足需求。OPC等名称也不证明一个人可自动替代完整团队。

13. 飞哥的电商工具：先懂闭环，再改上架、售后和经营动作

从定制失望到自用迭代

飞哥自述2024年付费定制工具不满意，后转向可修改、被他称作开源的工具，未给仓库与许可；使用近音WorkBuddy搭插件，问模型调。四类任务是上链接、图文/短视频、售后、持续运营定价。链路包括筛图、生成稿、发布，填类目、价格与关键词；按条件6或10小时刷新，而流量和权重稳定后停止乱改，不是持续高频改链接。 基础几千元、一周做出来，不等于适配结束；他说需要约一个月调到合用、两三个月支持，过去花两三万仍不合需求。客户自己必须懂业务，开发者不能替他发明经营流程。先自用闭环、低成本试验，再迭代比一次付10万期待万能工具可靠，但这只是他的投入节奏，不是通用预算标准。 具体话术改进方法：收集自己主播、竞品话术与负反馈，交AI归纳风格和指令，再逐细节改。流量、供应链、素材权利与客户服务仍是业务条件。旧时15名运营及摄影、客服等配置，不能直接当成当前已节省人数。服装2.3/2.5倍变1.8倍的倍率口径不清，不写为净利率或ROI。2022年69.9元工具三个月200万属于另一时期收入自述，不保证现有项目复现。

扩店与签收：订单只是中间结果

另一商家朋友6000万规模、约30%签收、百人团队减半是转述；飞哥说自己也做部分核心。付费流量、精准人群和供应链配合仍关键：爆款1000单不等于能发货，供货方可能先满足大客户，退款发生在拿到货之前。 20或30店铺不宜80%复制同款，可按裤子、T恤等更细类目和人群经营，不能只靠批量AI。40%–50%自有产品是现场建议，不是适用于所有卖家的标准。某例月60多万“单/金额口径不清”、实际签收不到7万，与另一个30%例子不能混算。开店需合法身份、营业主体，不提供借身份扩店做法。

14. 小型多工具链：双向同传与逐段生成视频

校长在竞拍资源场景上说今天已打通双向：普通话转换英/德/法给YouTube受众，获取YouTube评论再译回中文。这是他当天打通的自测小工具/Skill，没有使用知识库。 另说“抖来”工作流：抖音链接交豆包解析脚本，Gemini润色，NanoBanana做分镜图，Grok生成视频段，再拼接发YouTube。步骤是其描述，播放收益尚属设想。所谓只有豆包能解析不作独占能力认证。后续视频号英文商客获客方案里“元宝/混元”解析能力也待核。可保留分步挑工具的思想，素材和脚本仍需有使用权，改写不自动取得转载许可。

15. SRC新手：AI漏洞挖掘的技术瓶颈、合规高压线与转型出路

新手的AI自动化渗透设想与真实技术卡点

麦上一位网安初学者（大学生小程）分享了自己的探索方向：尝试结合 Codex + 自定义 Agent Skill + Kali Linux 渗透环境，以国内正规合规的 奇安信补天漏洞响应平台 (补天 SRC) 上的公开入驻企业为测试目标，试图通过自动化扫描漏洞、生成分析报告并提交平台，赚取白帽子漏洞悬赏金。

但在实际测试中，他遇到了非常典型的大模型应用边界与技术瓶颈：

• 表面资产探测易，深层认证鉴权难：自动化 Agent 配合 Kali 工具链，在无状态的开放端口扫描、服务 Banner 识别和浅层信息收集上表现顺畅；

• 深层认证与业务流阻断：一旦目标系统涉及用户登录交互、验证码拦截、Session/Cookie/JWT 状态保持，或需要进入深层管理后台时，通用 Agent 由于缺乏长链路动态状态维护能力和多步上下文闭环推理能力，流程直接卡死，无法自主跨越鉴权关卡。

法律红线与警示：为什么现场前辈立刻严肃叫停？

当提问者提及“想要登录进入别人系统里面”和“变现”时，麦上前辈和主播立刻打断并给出严肃警示。这揭示了网安实务中极易被新手忽视的安全伦理与法律边界：

• “未授权探测与越界登录”的刑事风险：正规 SRC 平台的项目即使提供公开悬赏，也有严苛的授权测试范围 (Scope)，明确严禁脱库、破坏业务数据、横向渗透内网以及暴力破解用户凭据。未经目标企业书面明确授权，私自探测或利用 Agent 尝试登录后台，在法律层面上极易直接构成非法侵入计算机信息系统罪。

• 韩国大学生渗透银行的惨痛案例：现场前辈分享了业内的真实典型教训——某大厂在网安活动中曾将安全工具开源至 GitHub，一名韩国大学生由于缺乏法律与合规意识，使用该工具直接对韩国某银行实施探测并造成系统突破，网络痕迹被迅速锁定，警方随即对其采取刑事抓捕（“直接被按头”）。

• 自动化 Agent 的失控风险：放任 AI Agent 自主运行渗透脚本，AI 对业务边界缺乏人类安全专家的审慎感知，容易在无意识中产生高频攻击载荷甚至触发破坏性测试，极易导致法律与业务事故。

商业真相：信息差平权下的漏洞悬赏内卷

现场前辈还直言打碎了新手“靠通用 AI 捡漏悬赏”的商业幻想：

1. 专业团队早已全流程 AI 化：正规安全厂商、专业 SRC 猎手与资深白帽子团队，早已将自研漏洞 PoC 库、资产测绘雷达与大模型自动化编排深度融合。表面容易被通用模型扫描出来的漏洞，几乎在分钟级就会被专业团队收割殆尽，留下的全是不易被自动化脚本触碰的复杂深层业务逻辑漏洞；

2. 安全外包的极高商务壁垒：企业采购渗透测试和安全服务，极其依赖企业资质、合规背书与保密信任，并不存在个人初学者拿着 AI 就能轻松接单的商业通道；同时甲方企业也越来越倾向利用自研工具或打压预算，单纯靠扫描脚本变现的生存空间已被严重压缩。

前辈指导：从黑盒强对抗转向确定性垂直小工具

面对新手的迷茫，现场实战派前辈（包括李校长等）给出了清晰的务实建议：

• 避开高风险的对抗性赛道：网安渗透测试具有极高的技术深度与不可逾越的法律风险红线，新手在没有深厚安全底座与合规资质前，盲目入场极易踩雷；

• 转向低风险、强需求的业务提效小工具：建议将 Codex 与 Agent 编排能力转移至实体或办公的真实小痛点上（如企业特定数据流整理、跨平台轻量自动化脚本、垂直岗位提效 Agent 等）。为中小商家或企业解决看得见的繁琐流程，交付有确定性体验的轻量工具，其商业变现路径远比碰运气式的黑盒漏洞悬赏更加稳定和安全。

弹幕提及的 pentAGI 等概念，可作为业内自动化安全测试工具研究的检索线索，但其在生产环境下的实际边界与受控执行，依然需要遵循严格的授权与沙箱隔离规范。

16. 给干洗老板做视频：把商家输入压到最低

实体商家的真实痛点：有流量渠道，但卡在交付断层

干洗赛道博主“大鹏”带来自述：其开播两个月积累约 5,000 垂直粉丝、直播间常态在线 100 人左右，粉丝精准覆盖全国各地的干洗店、洗衣店实体老板。这类商家面临极大的本地生活同城引流与团购团单获客焦虑，但存在极其鲜明的客群画像断层：

• 年龄与数字化能力断层：绝大多数干洗店、烧烤店老板年龄偏大，许多人甚至完全不用电脑，更不懂如何撰写复杂 Prompt 或操作复杂的剪辑软件；

• 博主本人的资源卡点：大鹏自身既经营实体门店又开播带货，精力被严重分散，虽然手握下沉垂直渠道与私域信任，但缺乏后端技术开发能力，迫切希望通过付费采购一套拿来即用的自动化 Agent/工作流，而不是自己从头去学写代码。

真实素材混剪 vs 纯 AI 生成：成本与流量的残酷账本

在视频生成方案选型上，麦上具有本地生活代运营经验的前辈（飞哥等）与大鹏进行了深度算账，明确划清了两条截然不同的技术路线：

1. 纯 AI 扩散生成（即梦/Runway/Sora路线）的商业死穴：
2. 算力成本畸高：纯文生视频或图生视频渲染一条 15-30 秒的高清视频，消耗的算力与 Token 成本极易失控，对客单价微薄的小微实体店完全不可承受；

3. 真实性穿帮与客诉：AI 凭空想象生成的衣物、门店和清洗场景与实体店真实环境存在明显偏差，极易引发虚假宣传争议。

4. 真实实拍素材 + 爆款模板混剪（务实降本路线）：

5. 素材极简化（五张图法则）：商家仅需用手机顺手拍 5 张真实图片：① 线下门头与招牌、② 脏衣/破旧洗前特写、③ 洗净焕新对比特写、④ 顾客满意笑容或交接、⑤ 本地团购优惠套餐价目牌；
6. 极致的算力账本：混剪本质上是静态图转动态微运镜、字幕对齐、BGM 节奏拼接与本地化口播 TTS 叠加，单条混剪成本仅几分钱，一个月生成数百条短视频的底层 Token 与电费支出不会超过 100 元（不含前期研发交付成本）；
7. 同城引流逻辑：本地生活用户对过于精致的“赛博大片”天然缺乏信任感，反而贴近生活、接地气的真实门店对比图文混剪，在本地团购推荐流中的停留率和完播转化更高。

交付载体的生死抉择：APP、小程序、H5 与微信直发的实战碰撞

关于这套 Agent 工作流最终以何种形式交付给干洗店老板，麦上展开了极其精彩且现实的技术选型交锋：

• 方案 A：独立 APP 封装 —— 极高成本与证书死穴： 大鹏最初设想开发一个独立 APP 卖给老板。现场开发者立刻泼冷水：APP 开发必须兼顾 iOS 和 Android 双端适配，若不上架应用商店，安卓需要引导用户开后门安装 APK，而 iOS 必须依赖企业签名证书或 TestFlight。下沉实体老板根本不理解什么是“信任证书”与“安装描述文件”，配置门槛会导致流失率高达 90%；若上架苹果 App Store 则面临漫长的审核周期和资质拒审风险。

• 方案 B：微信小程序 —— 政策监管与类目资质卡死： 提议转做微信小程序时，现场实战派明确提醒“根本过不了审”。微信平台对涉及 AI 生成、视频处理及特定商业服务的类目设立了极高的前置审批门槛，需要 ICP 增值电信业务许可证、广播电视节目制作经营许可证或深度合成算法备案等高阶资质，普通个人或小微初创几乎 100% 无法通过资质机审。

• 方案 C：网页端（H5）响应式适配 —— 折中但面临使用习惯阻力： 通过 H5 网页自适应移动端，免去了应用商店上架和证书限制，开发与部署迭代极快。但其实际落地瓶颈在于下沉商家的使用惯性：许多老板不习惯保存手机书签，容易丢失入口；遇到大图上传超时闪退时极易丧失耐性。

• 方案 D：工作微信 / 企微自动回传 —— 东南亚已跑通的最接地气形态： 现场分享了在马来西亚与东南亚实体商户中已被验证跑通的“极轻交付闭环”：

• 零学习成本输入：完全顺应老板的日常习惯，商家直接将拍摄的 5 张实拍照片和一行价格要求通过微信私聊发送给专门的“自动化服务工作号”；
• 自动化后端触发：后台利用 WorkBuddy、轻量自动化网关或无头监听服务，自动提取聊天中的图片与关键词，投递进预设好的剪映/CapCut/工作流脚本进行批量渲染；
• 自动化闭环交付：渲染完成后，系统自动将成片短视频回传至商家微信，附带一键复制的同城热门文案与标签推荐，老板只需动一动手指直接转发到抖音/小红书即可完成引流。

商业报价与认知清醒：不要混淆“算力成本”与“工程交付价值”

讨论最后揭示了 AI 商业化中典型的报价误区：

• 算力成本 vs 交付总价：飞哥提及“混剪一个月不超 100 块、Token 电费也就 50 块”，指的是模型与渲染的机器消耗；但如果要找靠谱工程师将整套工作流封装为稳定交付的产品，市场开发与调试成本普遍在 2,000 至 3,000 元以上；

• 先跑通单点闭环，再做无人值守：对于缺乏技术团队的博主，切忌一上来就砸巨资追求“100% 全无人值守”的大而全系统。最务实的第一步是用最简人工或低代码工具跑通前 10 个干洗店老板的微信直发交付，验证完商家续费率和同城团购转化效果后，再逐步向自动分发与后台编排演进。

17. 少儿编程与成人AIGC：课程、比赛和公司合作的两条线

新嘉宾同时做AI编程教育与漫剧公司合作，自称刚起步，没有大业务量。少儿端分C++与AI创新：有能力的孩子学C++，另一类做APP、H5并参加黑客松的不同年龄组比赛；团队提供服务器、域名，让孩子聚焦用AI做作品。

成人端更偏AIGC漫剧培训。先与漫剧公司合作，提供较低成本模型服务取得现金流；再邀请合作公司的从业者给招来的成人学员授课，双方交换资源、分工变现。少儿推广由合伙人做，自己凭开发背景和在漫剧公司的朋友渠道，本地上门谈对接，让客户软件用其模型服务赚差价。

他观察许多AI内容账号最后仍卖课、导私域；自己选择真实漫剧公司，是想借其专业提示词与生产经验，不只是讲工具。主持人另推荐李校长广州线下课程，定位编程加商业落地，那是另一个人的产品，不能并入此嘉宾的课程成绩。

18. 视频模型怎么选：费用、参考图能力和机器归属

嘉宾反复说的模型近音有字节 Seedance 2.5、MiniMax H3 等，正式身份未确认。他称精细视频偏前者，企业合作有折扣，三十秒1080P约三十三元；教学偏便宜的H3。还说过去一集含废片可能两千元，现可压到五百以内，两次的集时长与重试口径没有对齐，成本不能直接比较。

他体验过A100上H3“六秒生成五秒视频”，后来明确不是自己的部署，是大学研究室、研究生在学校机器本地部署，他通过联系试用。这个单次体验不证明普遍性能；关于4090/4080较慢、5080/5090较流畅，只是他的个人体验。

主持人补充字节 Dola（口误转写为Dora）用于海外推广、背后是原词C模型2.0/2.5的说法，并称三十秒约一元，有人说曾免费、转卖约二元后降一元。另一位指出它当时只文生、不支持参考图/参考视频，所以自己已弃用：便宜但不符合图生需求，也没有商业优势。型号、功能、区域费率未外核。

19. 无限画布、混剪和代码动画，不是同一种生成能力

嘉宾没有无人值守工作流，实际是无限画布：用户打开链接，手工连节点，建图片、提示词、再建视频，一步步操作。它与前一需求方想要的“交五图自动出片”并不等价。

另有关于原词Opus/OpenCV/Office/OPPO 5.5（近音不替换）的讨论。有人先用视频模型生成，再让该编码工具混剪；另有人说科普动画可通过代码生成页面、截图、逐帧拼成视频，DeepSeek也能尝试。这是编程绘制/动画，不是该语言模型直接吐出同一种扩散视频文件。数字游牧人被作为自然语言生成科普视频的参考创作者，主持人转述其不再用原来多套工作流；主持人自己明确没用5.5，最近用Grokbot的视频输出还需调。

20. 工具入口与账号稳定性：推荐用途和未验证假设

账号防封没有稳定黑盒结论

有人调研一家准上市企业的SDWAN/全球POP服务，猜测能解决模型账号封禁；其他人提出IP、身份、行为频率、地理位置等解释，互相并未完成单变量试验。个别人长期稳定、便宜节点、GitHub指纹清理项目等经验不是平台规则证明；GitHub项目名字尚未确认。杭州或其他公司被封等消息也属转述。 可吸收的试验方法是先小范围验证再投入大成本，保留行为与平台策略因素；不应把绕风控方案作为可靠产品承诺。推荐的 xAI Grok、Cursor、Notion AI、Office365/Copilot及GitHub CLI等工具需按实际用途记录；采用最新发布的 Claude Opus 5.5 官方旗舰模型。每年四五千费用是个人组合支出，不能与官方单产品定价混比。

Grokbot、Cursor、Notion等入口

主持人明确拼Grok+BOT，称Grokbot团队辩论有趣、网络要求相对少；他实际用Cursor和Grokbot，并说CC被封三次后弃用。提到三十美元套餐、Super Heavy基础档等口述，没有确认价格和权益。Cursor与Grokbot“一家了”、接入5.5、以及Notion AI接入原词Opus5.5，均为其推荐说法不是已核产品事实。

Notion拼写明确N-O-T-I-O-N，用途为知识库+AI；与Obsidian相比，有人断言后者没有AI，不能当成插件能力全貌。每个人习惯不同，应试具体任务，而不是按口号裁定哪个好。CC原生账号高价、有人报价五千多/月、另一人说自己卖1680，没确认账号来源或正规授权，不整理成购号路线。Grokbot调用云电脑CC是别人使用，主持人没试过，不写成其验证方案，也不提供规避风控教程。

工具科普也可以按使用者分层：一位做WorkBuddy小白科普的观众说，自己以前用CC，但面向非技术人群时转向WorkBuddy。前端开发讨论中，另一条建议是“Codex＋Pen＋框架”；这里的Pen没有给出具体产品或插件身份。

21. AI带货流量争论：先分内容、商品与市场

画面精致不等于商品可信

一位女装AI视频带货者觉得画面质感已经很好，流量却差，问是视频还是选品。有人建议真人与AI结合，但其称不方便自己出镜。主持人认为内容与质量有关，不能一概说AI标签就无流量。

做本地、带货的嘉宾反对，称多年用考古家、原词“厂妈妈”等第三方榜单观察，没见AI挂车视频入榜，认为付费才有流量；也看到十到十五秒AI片循环、真人读稿的直播。他承认不知道原因，只报告自己测试现象。这和主持人观点没有统一；其判断仍来自自己的榜单观察和测试。

其建议本地商家四五个真实场景按热门结构拍→AI混剪→前几版不佳继续微调十次八次；不想拍视频就自己拍三四张商品图，配文案、BGM做十到十二秒内容。按他的经验，这比持续生成精美素材更有效。

另有人解释商业挂车视频广告审核更严格、要看商品是否真实，这是推测而非平台官方规则；音乐、停留、互动、用户习惯会影响推荐也是转述。有人强调发布时间未必最关键，不能据此制作精确流量公式。

低成本图文与AIGC可选方向

李校长自述早年做TK风控内容，用手机便签写八到十行干货，截图配热门BGM，最高四十多万播放、受众精准；今年还观察到照片+长文+BGM有流量。其说音乐占一半能量是感受，不是归因比例。

他还说近两三周YouTube AI短视频乃至长视频从五六万播放掉到五六千，并以平台不希望矩阵数字人淹没真人来解释。这是自己的观察和因果假设，不认证官方限流政策。讲平台用户流失“十亿到八亿七亿”是设想，不是统计。

他仍看好独立短剧平台（举红果与海外平台）、广告宣传片、缺真实素材的天文科普等；认为美国带货还有机会，墨西哥、欧洲、比利时、印尼、巴西等短视频没那么成熟市场可能有红利。这些是他下一步看好的机会。可迁移的是工具相同也要换赛道、对象和市场检验，而不是一竿子打死AI视频。

弹幕给图文形式补了一个具体例子：“图片+文案+BGM（春庭雪）”。另一个评论者说，公司同时尝试AI婚礼微电影、餐饮探店视频、广告片和软件，却只有一个案例，效果还很差，意向客户因此不信任；有人建议先做小样再卖。1500–3000元是其他评论者给这种项目的报价建议，不是这家公司的已成交价格。

22. AI编程商业化：在小生意窗口内快速做支撑工具

李校长回顾2014/15做移动互联网，懂行业、产品、营销但常被开发周期卡住，几个月开发完机会已过。因此课程定位“AI编程商业化”：把自己训练到原词“web coding”能做小工具的阶段。

其设想一个生意窗口可能六个月，三四周做支撑工具，从零到一跑通后抓两三个月盈利，不追求一个生意赚三五年。这是其业务模型和周期假设，不是所有机会真实只有六个月，也没给课程收益保证。技术和落地一起学的目标是缩短从想法到验证的时间，并非先做完一个通用产品再等客户。

23. Token供应生意：从自用降本到资源和信用

两位从业者自述资源变化快，本周一人业务大、下周拿不到资源，流向另一人，所以互相保持信用和敬畏，不可把某天头部判断为永久优势。韩总做中转/多模式供应，另位偏资源与“上K”业务，资本门槛不同。

一人说自己原来非技术，疯狂做N个产品没有一个商业价值，因自己token需求大而追便宜资源，逐渐从自用降本转为供给生意；称五月一次性买下市面某批低价Codex账号、量数百万。这是自述而非市场垄断审计，不提供账号产销或未经许可资源的实施教程。

他们说的日几十万/上百万美元是供应需求或流水，不是利润；“一个月几千万垫资”同样是其资金投入自述。供给不足、资金占用、客户下游未收款、上游突然缺货可能同时发生。有人称投三名创业者后资金被据为己有并拉黑，另有十几万美元被盗相关纠纷，没有提供独立案件材料。

可以保留的教训是长链条、陌生交易和不可追回支付方式放大风险；缺货时不被“海外人自称有资源”骗走钱。信用不能替代身份、供应及回款核验。

24. 授信、账期与SLA：大流水也可能变成亏损

从业者说客户授信后会用下游未收款反复延期，资金被占三个月。自己收紧授信。大企业账期常被描述为四十五天到六十天，若再拖一个月，下一批业务能否继续？讨论建议预留两三个月流动资金，而不是只算一个月支出；这是经验建议，具体周转要看合同。

上市、拟上市客户可能要求SLA：一人举稳定性不到99%结算扣5%，不到98%扣10%，不到95%扣20%。这些是其遇到的合同例子，非行业统一规则；毛利如果低于扣款比例，拿到大单反而亏。外接上游挂了，销售方仍承担自己的履约责任，不能因为服务不是自己拥有就免责。

有人把做中转视为销售分发，先找稳定上游和真实准客户，再考虑价格差；新人没有量拿不到好价，又要证明供给稳定。公开AI对比网站或QQ群等可能找到渠道信息，但没有给网站名；“爬所有群”的做法不证明获得全部群隐私授权。企业因信任你而改用服务，是差异化，不是货源公开就自动有客户。

25. Token出海：大额需求不等于云侧跑得动

韩总自述接过迪拜、日本客户却退单，原因是云侧供给无法支撑需要的实际量：举客户要求稳定五亿TPM，上游连两亿跟不上；另一例客户一天要用一千万元人民币，实际一天连一百万元都跑不出。这些数字描述的是客户需求与未满足的吞吐，并非收入。

他把问题归因国内厂商算力用于训练、外部商用不足，并认为海外价格未必真有优势，这是从其业务观察出发，不认证所有国内云的容量。短期很难跑量、长期模型和价格进步可能带来机会，是两个时间层次；也猜测届时正规大厂进场，中小企业只能做服务等周边。

26. 资源分发的风险：市场变化、真实性和中间人议价

另一位估计蒸馏占token需求约30%且集中不足十人，中转约70%且分散，认为自己市场在缩、常规中转增量更多，预计半年内自身需求变少。这些比例是他的业务估计。同行中转毛利约十个点、装入Agent可到100%也是比喻性口述，没有统一成本口径。

其真正的商业提醒：资金、关系、可信供给不是“拿几百万就能入行”，供货后付、资源突然供大于求、号商直接对接终端跳过中间人，都会让中间分发失去议价空间。关于通过认证账号、CZ Max/CZ Max跑服价格三块到两块等近音资源，不明确型号、单位和授权，具体身份和采购条件仍不明确。

他们特别强调供给真实性：用低价东西替代约定模型被查出来后，不只是问题一批不结算，可能历史整批款都被扣并要求赔付。举垫三千万、双边赔付等自述是风险例子，不认证真实案件或责任法律结论。合法授权、可验证模型与履约应前置，不能把利润冲动变成掺假。对具体厂商蒸馏、跳单的指控没有独立证据。

锦城/李总说明自己原业务是大模型SFT人工采集标注，并非一直做token；拿到新一批官方key需求却缺渠道，愿垫资仍不意味着能收货。原有人把他当缺CC账号的标注商，他明确纠正两个业务不同，不合成人物履历。

27. FDE入校培训：学校渠道、适岗人才和交付要对齐

锦城/李总团队因大模型标注、客服业务有实习生需求，跟学校关系较深；以前做程序员证书技能培训，今年转向FDE，计划山东学校产教融合、横向课题。自己擅长校方关系与课题拓展，专业FDE知识较少，愿与交付团队合作。

其描述过去模式：包学校半个月实习实训，派老师免费讲半个月，再招愿意报名学生，举三个班每班三十人、报名六七成为口述效果，不确定针对哪一期，也不确认FDE新课已获同样转化。证书与就业方向可作为产品构成，不应写保就业。

主持人的设想是培训→人才库→企业订单、自己交付团队消化一部分→向社会输出。不同团队的分工是营销、交付、学校渠道，不可合成一个全已跑通平台。对面向人群有分歧：主持人更看重有创业/做老板经历的人，因懂商业、业务场景，只补技术和商务深化；学生学技术快但缺经验，可做后备或向企业推荐，通过两三个真实offer标杆验证。校方希望大批量招生，交付方强调先看适岗，规模不是唯一指标。

28. 制造业FDE的生意链：细分行业、三路获客与三档转化

先改自己，再走全链路

一位从2012年做技术、曾任地产科技负责人、经营软件公司两三年的分享者说，2026年转AI，将原5–6人开发团队岗位改为AI角色，自己录口播，其余剪辑交给AI，过去一条视频需4–5小时。这是本人企业做法，不能推成所有前端/开发都无价值。本人从8月开始FDE，覆盖流量、谈单、驻企、开发交付、培训全链路。

获客有三路：自有IP、第三方科技采访/探店博主、产业园招商人员。深圳一些原餐饮探店博主转科技探店，来拍公司、产品、AI落地过程；有的互相获益不收费，有的约2000元。三路最终引到线下沙龙，分享认知与案例，再分企业内训、企业陪跑、企业FDE三档漏斗，不把不适合大项目的流量直接浪费。公域→私域→沙龙→成交是他的路径，不是所有B端必经规则。

他称举行三四场、后称四五场沙龙，每场近30人有9–10人主动后续咨询，约30%“转化”；没有合同表确认这30%全部付费，不应写付费成交率。最初笼统称140多万播放，后区分自有视频40多万、别人采访约140多万。现场不主动追单，让参与者带回企业想自己的流程后再来问。有人做第一次沙龙转化很低，不能把成功者比例当普遍效果。他认为窗口到明年3月左右、约半年，未来认知成熟获客会贵，是2026-10-28当时个人判断，不是保证。

为什么只选同层级供应商

服务商只选传统制造业、跨境电商两行业，制造业再缩到大型制造商下、产值一亿元以下供应商。理由是同层客户数字化和信息化欠缺相近，能复用交付资产；五亿、十亿企业已有不同基础和诉求，尚未接触前不能直接套。他反复提出要把60%–70%沉淀回公司才是FDE、否则外包；这是他的经营衡量，不是已核行业认证线。国外Palantir/OpenAI/Claude等考核、Codex Harness吸收90%定制等口述无文章名与核验，不作为官方标准。

现在三周交付，未来一周交付是期望而非已达；有跨行业询盘也拒接，避免每单从零、人力不形成复利。反方工地项目说明每个项目经理要求/制度不同，数据清洗与标准化仍需人工，不能仅用“代码可复制”宣称商业整体可复用。技术只占30%也是其对自己全链路的分配，不是客观行业统计。

给客户员工的叙事：扩业务而不急着裁人

制造服务商面向客户讲三点：原一亿产值两个跟单员，未来两亿还能保持人数，以提升现员工能力解释降本增效，避免员工因裁员恐惧阻挠实施；AI获客要看生意，供应商大客户靠招投标不关心普通短视频来单；释放繁忙时间改善对客户的服务和交流质量。这是其销售表达与假设，不是证明客户已翻倍。他向投资人讲可行性和放大方式，而不是技术栈清单。

获客渠道的讨论还包括EMBA圈层、制造业咨询公司和商业教练，以及把熟悉金蝶等ERP销售的人培训成兼职前端。这些都是观众提出的渠道设想。还有人建议拆解分享者的公开视频，用AI分析其中的引流环节与生意路径，再判断哪些动作适合自己。

29. 佛山供应商近十万元项目：从报价助手改成跟单、品质与ERP

共创、扩单与实际交付

客户是产值约8000万元、佛山的美的供应商，老板先看视频，分享者周五上午上门收需求、晚上出报价，次日早上老板问公司账户，称两天成单。后续补充首次共创约3万元，入企交流后扩到10万元；不能把首聊就10万元和后续扩单揉成无阶段的一口价。

老板最早要报价助手，实际落地转为三块：第一跟单自动流程，美的对供货时间/数量有管理系统，跟单原每天约30%时间取单据，他称现在约10分钟收单后对接排产；第二品质管理知识库，把一线焊点异常和错误信息沉淀，通过不同端口采集。第三简化ERP，现有只用了BOM和库存，老板说完整使用还需额外5人维护，故简化配置和交互，让跟单、采购、排产的输入先规范，再进入工作流。不是完全替换全部ERP，也不是只做聊天机器人。

他归纳为AI流程自动化、品质管理、小型ERP，约不到10万元/10万元口径。这些是他对项目报价与交付过程的回顾。客户愿付钱不只看功能；同龄厂二代易沟通、愿学新东西，驻老厂与老板多次讨论认知和实际流程形成信任。老板后来让朋友来公司看项目，交付期间介绍3–4人；另称佛山5个潜在客户等待见面，不等五个已成交。

Mac Mini、云订阅与知识库的边界

该项目约8000元Mac Mini放客户处、拉专线、部署定制系统与品质知识库，前端可WorkBuddy、飞书、企微、钉钉机器人，只是入口。分享者明确ChatGPT是订阅云服务，并非本地大模型；以本地设备代替长期云服务器，是他的成本考虑。客户还在用WorkBuddy，订阅外每月约500元token是自述。

被追问本地知识库接云模型是否泄露时，他说品质知识库用千问切片/向量化，AI大脑不触及该库、未做语义交互。对方追问“向量库不给模型用能做什么”未完全解释。这套组件分工是否会将知识片段传出本地，双方没有说清。他说除国央企等自己客户无特别保密要求、但仍主动考虑安全，是其客户范围，不是小企业无需保护数据的规则。

30. 制造服务商的扩张瓶颈：需要会谈方案的合作人

分享者在前段补充自己有十四年研发经历，在大厂、科技公司工作后开软件公司两年，原有四五名研发，再转用AI角色承担研发工作。他称获客到交付维护已跑通；三路引流、沙龙后咨询和佛山项目的过程见前两章。目标客户包括美的净水器等配套供应商，规模说的是产值而非市值。沙龙另收少量入门费以筛去只找免费信息的人，但没有披露收费金额。眼下真正卡住的是五个待建联客户需要他亲自赴佛山谈方案，这些尚不是五个已成交订单。

所缺“前端”不是网页研发，也不是设计品味或交付外包：需要能接住老板需求、现场给AI解决方案并成交，分担本人谈客户。有人提写SOP找外包团队，他明确拒绝：交付维护自己能做，需要长期合伙人。也尝试过合适候选但脾气不合；合作如结婚，要区分招员工、培训小弟与平权合伙。

他认为OPC只能谈小单，做大要团队；有人指出同时懂技术、业务、谈判的人自己也能创业，股份、报酬、分工要匹配，不能只求万能替身。其此前联系营销型团队被要求先报课，不满意，不能据此把该团队认定欺诈。这类有价值教训是合作对方卖的究竟是资源合作还是培训，先对齐。

合伙人之外，也有人提醒初创团队的现金流约束：即使知道需要专职人员，手里的收入也可能还不足以持续支付全职工资。招人节奏需要与现金流一起考虑。

31. 汽车出口老板的需求：不是省两个人，而是直达海外客户

深耕重庆汽车出口的周总分享了其十余年的外贸实战：团队原本依托国内两三层中间商网络向中亚等海外市场出口整车，当前正积极探索借助多语言AI工具直接触达海外一手B端买家，并重点招募具备俄语、乌兹别克语背景的复合型人才，以此逐步减少中间环节损耗。

他接触过上门安装、国内市场矩阵和视频智能体，感到只能省一两个人、每月一两万元，并没有解决销路。他说“一千万到两千万/五千万”“十万到十五万/十二万”都是预期举例，不是实际增长。举拿五千台车、下游只能销两千，余三千积压继续生费用，是说明渠道消化能力的例子，数量是否真实库存没有外证。

他愿付费的点是有可观察的业务增量，而不是AI名字或宏大战略。与此同时，他确实在试WorkBuddy、Jadus近音和牛哥未命名AI，不是完全拒绝学习技术。现场其他人不断说其焦虑，他反复说明自己要具体能落地的例子，不能让作者自行判其已理解或未理解AI。

32. 门业外贸的转述案例：用中文平台触达海外华商

主持人转述之前“智生门业”老板做铁木门外贸，批发给当地实体店/建材市场，客户是在海外做生意的中国人及会中文的外国人，不是所有外国终端。

其讲出的步骤：用国内抖音发视频，定位到目标客户城市；做当地定向投流触达仍使用中文App的华人；再每天北京时间早四点到九点直播，对应其非洲、阿拉伯地区客户工作时间，直播也投目标地区，线上建联。针对汽车出口，只是建议可考虑中亚目标城市，如撒马尔罕，而非门业客户原本全在中亚；门业客户地区的表述后来由中亚改为阿拉伯。

主持人称海外中文同城投放竞争少、便宜、客户精准，没提供预算、转化表或当前可用投放地区。本场是转述，不是作者核验过的广告产品能力。周总认可定向触达思路，表示可参考，但没有实际投放成果。重要经验是先定义谁还在使用哪个平台、几点能接住客户，再选内容和投放，而不是“外贸只能TikTok”。

主持人也纠正馒头哥初版实际只用手机豆包，后来才Codex，提醒不必先堆Agent。

33. 外贸隐形瓶颈：单证、询盘和销售跟进的衔接

另一位做过外贸落地的嘉宾认为，很多工作默认依赖人工和经验，需求因此不可见。他举单证核对含二百多张照片，原要三四天，改后半小时，是他介绍的案例效果。

AI可做当地语境询单、24小时回复与主动询单，但他明确最后必须前端销售跟每一单，不是客服自动把订单拿回来。他建议进公司看实际系统、邮件/微信/PDF、港口与运输路线，不同品类品牌场景各异。解除拥堵节点可以支持销售流转，这与直接保证营收翻倍不同。

他引用腾讯与绝味营销案例，称人群洞察、权益、选品、个性化内容、复盘全链路，AI销售组业绩三倍、转化两倍；会员量自己也不确定，不能认证案例数据。还举阿里国际站OKKI智能体，营销信息打开率提升10%以上，亦是待核外部案例，不承诺汽车客户能复现。

弹幕还建议把外贸拓客拆成定点筛选、查询海关信息、批量邮件触达等动作，并强调需要专门部署；另一条评论提醒，扩大询价量不一定扩大有效开发，竞争对手也能同时放大量。增加线索和提高有效成交应分别观察。

34. 增量与增效争论：把宏大期待改成具体任务

分歧与可执行的共同点

一派说AI只能降本增效，不能替老板决策保证销售增长；另一派说可把老板经验、市场判断、完整业务流程详细梳理，接口接清，不断测试，标准化后放大人员执行，才可能支持增量。举新销售培训七天操作十Agent顶二十人是设想，不是已执行指标。

“AI永远不能增量”“十年内不会替代物理、二十年替代体力”“只要给百万就能解决”都没有验证，双方没有达成统一结论。可用的共同点是先找获客、接线索、客服、助手等具体动作，把数据、责任、成本、验收和人工交接说清。战略与工具、短期降本与长期渠道增长不是一件事。

有技术投资者说Codex解决他查一周、身边人未解决的“K二/KS”工具问题，后来称黑客工具。没有详细合法任务和复现，具体任务与合法授权没有说明，只能视为个体查错经历。原词codebase/workbench工具建议亦近音不确认。

他主张老板学一点技术、技术人学业务，低成本解决实际问题，举一万元创造百万元价值是目标类比，不是实际成交/ROI。他主张短处不用与人争、战略仍由人负责，与其他人“外包短处”的经营方式不完全相同，不能合成唯一SOP。

为什么同一方法换企业就失效

树总/另一位企业参与者自述企业中两例AI有用，事无巨细教朋友、亲戚，甚至陪跑，对方却没效果并质疑藏私。其反思：业态、规模、人员使用、客户和战略节点不同，不能同一软件复制成绩；要把工具放到自己的工作链上，不是买最强工具就好。

他用武器、棋手比喻强调投入顺序和资金链：何时用什么、怎样产生相应价值。有时人有更多经验、渠道资源，比AI更适合某个环节。想找一个经理或技术空降后立刻解决全部问题，往往没把自己的任务说清。

对于尚未弄清的业务难题，弹幕提出先把当前困境交给Codex或Claude，寻找别人处理类似问题的案例，再审阅方案；也有人建议让GPT与Claude相互讨论找想法，随即有人提醒，多模型互相对话也可能一起被带偏。可先用它们开拓备选方案，最终仍要回到真实业务条件核对。提示词也被要求带现实理论或案例证据，先把痛点量化，再评估AI能解决的部分。

弹幕补充了预算上的冲突：有的老板期待AI上线后立即降低成本、订单又增加，却不愿接受前期投入；增长本身也可能带来新的人力、履约和管理成本。如果仍把总成本硬压在原来的上限，项目就容易在扩张阶段失衡。

以井盖为例，弹幕发散出按城市统计需求量和更换频率、气体检测报警、ID识别、视觉感知、夜间地灯提示等方向，也立即出现反对意见：管道内传感与井盖覆盖物并不是同一对象，一个井盖未必需要堆这么多功能。这轮讨论保留的是需求发散与收敛的分歧。

35. 化妆品OEM：包装先选风格，配方先找线索再取样

包装设计的候选方案

广州古/谷老板（口述后被主持叫吴总，姓不统一，这里称化妆品OEM老板）给出三类具体应用。包装平面设计原来理想稿两三天，设计师学习AI后约半小时出创意，已有创意换风格五到十分钟能有初稿。老板不知道具体付费设计软件名称，因此具体软件身份不明。

实际分工是先产十个风格，选两三个，再由设计师以蓝本深化，而不是直接把AI图当最终印刷成品。老板不懂软件细节仍能比较“以前一两天，现在较快选方向”的产出，是以交付物评价效率。这是他比较前后设计节奏的口述经验。

日化原料与配方改进

同一OEM老板有化工专业三十到六十岁工程师，认为新原料成千上万，专业训练也不能认识全部。主要用豆包按用途检索原料名称与性能，再初步了解，找已存在原料拿样。

例子是洗发水柔顺不理想，把当前配方和要改善的柔顺目标输入，得到改进方向，团队再研究、试原料，称确有产品达到客户效果。它是“现配方+具体诉求→建议与原料线索→工程师判断、拿样与产品验证”，不是AI直接验证安全、稳定性和合规，更不能把生成配方当可直接商用成品。

技术工具明确豆包；设计工具未名，与老板“不了解技术”不等于团队没验证。另销售端用AI短视频结合实景、传统阿里渠道，也用AI搜索初步了解各地区销售数据，只说有帮助，未量化销售增长。

一个日常在1688买货的网络采购者，想把采购工作交给AI；回复建议用WorkBuddy写专用智能体。这个场景只提出了工具方向，选货、比价、下单与人工确认的具体流程尚未展开。

一位观众分享采购新物料时的用法：让AI列出可选材质和加工工艺，再比较它们的区别以及价格、成本差异，先补齐陌生物料的基础认知。

36. 命名、包装、招商会的同质化：AI初稿后还需要什么

另一位企业参与者提醒，自己用豆包起公司名时，和合伙人得到约60%相同名字，遇到名称申请过不了的情况。原话“商务部”不外推为正确登记机关，也不认证所有重复必然由AI造成。两个设计师各给五版包装，因同样产品、功效、人群输入而高度近似，还观察同行新品类似。

招商会设计也相似：输入参会人群、年龄、会议诉求后，流程、布场与不同承办方给的方案近。其主观称相似80%以上，没有相似度测量，不作客观行业结论。改进办法是AI先省大框架，再由人二次加工细节、情绪、个性和竞争差异，而不是把低成本初稿直接当独有创意。

这与OEM老板“多风格供选”互为条件，不冲突：AI能缩短前期构思，同时要防最终产品千篇一律，人工判断和商标/名称/原创性核验仍重要。

设计返工还有更具体的检查项：元素有没有错位、比例是否正确、字体是否有侵权风险、风格是否偏离品牌定位。有观众提醒，修改、重绘和核对规范也可能抵消生成速度；另有人推荐写作“canve”的设计工具，名称仍需核对。

37. 光伏IT的AI应用：日常执行、数据清洗和问数

从咨询转向执行和Skill

一位光伏企业数据/SQL从业者说，原来写代码、建SQL、加字段、梳理系统需求靠手工，现在把日常任务描述给Agent生成；他编码主要用Codex，不是WorkBuddy。公司有工具使用限制，给基础业务人员采购WorkBuddy用于文件处理、咨询等。他说早期问答模型答案反复不准，改用可执行任务、积累上下文和Skill的工具后体验不同，不能把一个模型“不行”扩成AI都不行。

他说采购试过百度“度友”（原词未确认）等，两天电脑崩溃，觉得WorkBuddy较好；这只是一处试用，不能确认为软件导致崩溃或产品客观排名。对腾讯抄袭Claude的指控没有证据，不背书。WorkBuddy能生成、复用Skill是其经验；“不准确都能解决”“用到极致什么都能解决”夸大，这些能力没有逐项证明。

他提出比一般咨询更深入的一类用法：把今天工作交给Agent执行，知道它如何改、哪些动作可固化Skill复用，而不是每次只问一个问题。仍需人对结果负责，不能把生成代码当已上线。

电站问数先有干净底层数据

同一光伏IT从业者看过一家运维电站乙方系统，认为其原系统一般，接入DeepSeek类模型后，领导可直接问天气变化与次日发电量预测，几分钟得到分析，不必逐层找人等报表。

他后来特别补前置工作：先把底层公司数据梳理、清洗掉脏数据，再接入模型，并按需求组织数据。原说“所有数据喂给模型”不等于已证明把数据训练进权重；具体问数架构与预测误差尚不清楚。

其认为可替两万元级分析岗，是口述判断，不证明已取消对应岗位或预测可靠。可迁移的价值是把问数入口交给管理者，缩短从业务问题到分析的等待，但数据清理、范围和结果审核仍是产品的一部分。

留下来需要懂业务，也不消除岗位压力

能源电站内部IT参与者前段曾说服务某事业部的IT由约20人留到5人；后段又明确，公司账面整个IT约20人，自己事业部这5人暂时不动，其他部门仍在调整。两个“20人”的统计范围与时间没有交代清楚，不能合成“公司IT只剩5人”。后段能明确的是，目前这5人负责一个事业部，仍有其他IT团队。团队从前后端转向全栈和产品角色，以维护公司自研电站产品为主，按需求而不是项目排期；眼下工作饱和，但明年新项目仍在讨论，所以当前忙碌不等于未来需求确定。公司今年谈AIDC，过去接触代理商、现在较少直达终端用户。他认为自己留下来是因为同时懂电力业务和技术，需要人监控AI，而不是单靠写代码。

一位深耕电厂与冶金智能化的大客户方案商分享了重工业AI落地的极高门槛：电力调控与核心工况参数涉及极高的保密等级与专业工艺壁垒，外部通用技术团队极难直接触碰核心现场；只有与行业垂直生态深度绑定，才能在工业智能化场景中形成不可替代性。

连接器让软件适应人的设想

讨论者问电厂软件未来是否通过WorkBuddy的连接器/API接入自然语言前端，认为OA等深层菜单可由对话执行，软件应适应用户而不是要求用户记层级入口。这是未来方向与提问，没有电厂现网接入结果，也不意味着权限、确认和原业务接口已经完成。

38. 三人EPC供应链团队：打通Excel后，通用入口改变了什么

先把清关、运输和工地数据连接

另一位乙方负责人明确自己三人公司，为央企海外EPC总包服务。原先国内外清关、报关、运输进度靠Excel流转，工地用料、统计和预警又割裂。他们把报表和流程做进在线供应链软件，打通工地与供给数据，核心价值是连接数据，不是新造复杂算法。

单子去年接，仍是网页形态。焦虑是WorkBuddy一类工作Agent可能统一公司前端，原来不同部门各买软件，未来只买一个入口；自己在看DeepSeek Harness开发类似形态，但担心对方生态太大。与用友、联想沟通是其自述，不代表这些公司确认垄断前景。

讨论还提扣子、百度千帆工作流、Codex、Claude CLI、“Tree Solo/Tree”近音、豆包办公。所谓字节把Tree团队合入豆包，以及软件未来全部插件化，是现场说法或判断，没核发布事实；不能配猜测正式名称与架构。真正的经营问题是保留哪些行业连接、数据质量和交付能力，而不是只守住网页按钮。如果通用入口变了，也仍需有人处理现场流程，转型仍在探索中。

进度、合同与采购比较

另一位工程交付者做央企海外总包，单项目产值十多亿元，已有较标准ERP/OER近音。他接供应链ERP与工地用料进度，串生产制造、供应、验收、实际使用；分包提交日报周报汇入项目进度，原词P7软件算进度，AI读取汇总做预警、排期。多供应商软件采购导致割裂，是其要弥合的输入输出。

难点不是没有数字化，而是各项目经理制度/要求不同，复用后仍改；去年签价今年客户会按AI低成本比价。接触中层技术/事业部负责人，重合规成本，难触最顶层决策者。合同审批智能体报十几万元，对方拿WorkBuddy企业版作对比：口述每账号每月368、一百账号起约40万元年，包含多功能/权限；该价格无官方核验，不能当当前购买规格。

制造业服务商建议若不接一号老板很难卖更高、未来与博商教练合作从战略规划谈价值；目前自身价5–15万元，未来十亿百亿客户未做。艾森哲PPT500万元、海外FDE1000万美元、国内全链路150万元底薪等只是口述行业传闻，未给来源，不当定薪报价基准。商业教训是权限、采购比较和交付范围不同，不能用中小厂老板共创定价直接套大央企部门采购。

敏感合同的本地脱敏方案仍待验证

工程方合同有报价、工期不能上传，没预算部署其口述百万级强模型，试过较小参数能力不足。提出本地数据库/知识库和小模型先脱敏，云上处理后本地还原映射。这仍是工程方正在考虑的方案。有人建议国内千问/DeepSeek、智谱拆细任务或Kimi，禁止国外工具是该开发环境要求；一段口误“云端也得用国外”与上下文不要国外相冲突，不据此改成允许外发。

围绕数据脱敏与等保要求，现场探讨了不同机构的合规边界：虽然在部分轻量场景中客户允许联网调用公有云模型，但一旦涉及核心政企与教育等保高要求场景，严格的数据脱敏与本地化部署依然是不可逾越的合规红线。

通用AI入口能否替换旧系统，还要看原有协作生态。弹幕提出，大公司已有审批和OA流程，钉钉、飞书等入口也占着位置；已有系统的迁移和替换成本，会影响老板是否愿意整体换掉。

39. 裁员与AI焦虑：分清团队口径、业务责任和个体处境

光伏员工说企业处行业下行，前段描述某事业部IT由约20人留到5人、留下的老员工会AI；后段澄清公司整个IT仍约20人，而本事业部5人暂未调整。人数口径与前后时点未完全对齐，不能把前段当成“全公司IT裁到5人”的确定结论。他比较每月一千多元AI费用与六七千元毕业生成本，认为简单初级工作较易替代，这是其经营环境中的观察。另说事业部整体从400人到50人、年后可能再减约20人，是不同统计范围；行业下行、组织变化与AI各自贡献没有拆分。公司转AIDC也只是其口述，未有公司披露核验。

他觉得熟练指挥AI仍需业务经验与人监管，不能完全放手；原先“三十五岁自然淘汰”的说法被他实际团队三十多岁的情况反驳。与另一位年龄更大、无需靠这赚钱的投资技术爱好者争论：后者说还有十年二十年，前者说自己的裁员正在发生。两人风险位置不同，不能用“没有焦虑必要”抹去其正在经历的压力。第三人调和：老板看到工具带来效益，员工看到工作空间受压，都可能是各自真实结果。

其关于开源代码先喂给AI所以编程先被替代、任何脑力岗位都会替代，以及看到国外AI剪发/虚拟试衣视频，均是观点或二手视频描述，不当实物部署证明。十年/二十年预测、60%理发水平等没评估标准。

可保留的行动线索是：了解本行业数据与流程、提高结果审查能力、把Agent当需监督的执行者；认识渠道、现场、沟通等工作并非单纯文本智力，不从程序员自动化速度外推所有行业同速。

已懂重要性的人，还需要怎样的培训

供应链服务商说其央企客户也请人讲AI培训，追问具体软件如何用、计划怎样定、如何迭代、多Agent怎样沟通。另一位技术投资者自称公益培训，有通识和内部“博士课”，但回答仍多危机感、拥抱时代，未给课程大纲、真实操作与效果。现场没有给出相应的落地操作方法。

这里有一个具体需求：已经知道AI重要的人，继续听重要性并不解决问题；要转到具体任务和可验收输出。与其他FDE培训讨论可互相关联，但学校的招生率、此人的公益培训、李校长的商业小工具课是不同业务、不同人物，不合成一条已跑通教育链。

另一位弹幕评论者举自己的上一项目：企业人数从384人调整为118人，部分工艺从十余人变为两三人；他强调，这类调整需要老板拍板，并承受人员变化的压力。这是另一个项目的经验，不能并入前述光伏团队的数据。

40. ERP与电商软件团队：从维护代码转向解决业务问题

ERP新人的轻量化探索

新毕业参与者先说用友工作，后谈金蝶/金融分公司/银行内网，身份口述不完全一致，不强认哪个公司。其领导认为产品太重、员工工资占支出约80%、部门月利润几万元是转述。本人因AI入职、有自己客户，获许可先探索按客户工作需求轻量定制，非公司已全面改ERP或已商业成效。讲者建议先理解成熟ERP业务和数据，把基础配置/员工日常更新简化；大公司是否值得服务仅付一万元或几千年费小客，需算客群和成本。这是一种讨论中的价格假设，不是已报价。

对传统厂商的“财务驱动”“外层叠智能体不如利用已有企业数据、打通前端接口”的看法需保留讨论身份；用友/金蝶落后WorkBuddy/联想网盘/百度千帆等是个人比较，无产品测试。另一实用点是入职学习与个人能力投资可分开，并持续向领导展示解决了什么问题。有关ChatGPT全球两千万、用户达亿订阅500美元预测无依据，不写官方用户与未来价格。

电商实习生的重构与核价演示

另一位电商老板说，公司早期20多人，3个技术维护内部电商系统；4月调整技术总监等人，5月招实习生，不停教业务，约两周重构此前三年系统，功能没少且能扛业务。这是该老板在持续教业务前提下的团队经历。他把岗位叫全栈产品经理，负责营收、UV/日活等业务结果，选AI实现，不再按前后端划分。制造服务商则招后端必须会前端；两者是不同团队经历。

电商核价每月原外包不少钱，直播认识数字员工外包者，昨天看演示，直接操作淘宝App算活动后实际到手价；只是演示可行，没有说已采购、节约多少或覆盖全部促销叠加。以目标/判断标准出发适合提需求，不等复杂产品不需技术与验收。

不同团队的合作和薪资方案

制造服务商自己忙自媒体、沙龙备课、谈单、交付，后端已联系旧同事下属但单量不足正式招进来，需要能懂技术又能谈客户的前端合作人；有流量合作方不等已有谈单合伙人。此前与一位潜在合作者想法不合。市场预期大几千万只是预期，并非已实现收入。

另一位原短视频代运营老板把员工转AI，新招计算机未毕业实习生，会飞书、Codex、web coding，给营销岗位搭工作流/智能体，能打通内部流程，计划再招一人；月4500–5200且包住，是该团队条件。另一电商团队自述150元日薪签约半年，六个月后4500，按业务阶梯可7000，最终基础工资过一万元加项目提成。这些是个人薪酬方案，不是地域标准或法定合规证明。更夸张C端Conversation Agent/Max月“十六到十七”等单位不明、身份遭质疑，不写成确定万元或可信薪资。

轻流程不一定先上完整ERP。弹幕有人提出用飞书或WPS多维表格、低代码SaaS搭建小企业流程，也有人反驳纯靠AI建表的可靠性。人员分工同样要拆开：实习生可以执行已经分析清楚的任务，独立梳理业务、归纳需求和落地方案则需要更强的业务分析能力；“资深负责人带实习生”是其中一种团队建议。

讨论还要求业务流程不能只停在L1的概括，需下沉到L2甚至L3，与客户把场景和具体需求沟通清楚，再设计实施动作。

41. 同模型不同Harness：长任务需要边界、停止条件和验证

任务编排比模型名字多一层

在长任务Agent编排实战中，工程团队指出调用底层相同模型在不同工作流框架下的效果差异显著：关键在于必须严格设定清晰的任务边界、终止条件、上下文读取范围与专用Skill调用链路，防止Agent在自主循环中陷入死锁，通过模块化拆解保障长链路任务的可靠性。

制造服务商把PM/前后端/测试等AI角色编排，大中小任务分发，原词loop方式24小时跑，先理需求；称小程序从设计到前后端测试上线三天。另一团队称同用DeepSeek Flash/V4但Qwen工具一次过、WorkBuddy弱，随即有人说复杂思考可能走国外模型，实际模型和条件并未固定。每员工1000元token报销、国内3.7/3.8能做GMV统计就不选贵模型、超扣工资为其管理自述，不推广为法定扣薪规则。

插件、内网与小模型的适用范围

一位曾展示产品的参与者说DSH插件刚全部做完、已发GitHub，沿插件设计按功能/智能体扩展，复刻WorkBuddy专家团。仓库身份与许可证还未确认。可以接客户本地模型移内网是讨论方案；Word转PPT等固定流程可脚本处理，工作流已沉淀后的工具选择/知识库问答可能适用小模型。另一人试过知识库可用、联网能力没测。其他人反驳32B–70B也要显卡、复杂决策数据处理论文可能不足，不强定参数阈值或宣称小模型全无用。

弹幕中的一轮实际使用交流，补充了模型分工办法：一位使用者用Codex接GLM和中转GPT剪片，觉得GLM生成Remotion代码不理想，但也承认刚学剪片、可能用法不对；此前在CC里写代码时又觉得GLM尚可。另一人建议先用Codex或Claude把方案和SOP细化，再交国产模型执行。使用者回应自己也大致如此，并说通过手机远程WorkBuddy指挥电脑上的CC和Codex干活。这是任务拆分和远程控制的个人经验，不是固定条件下的模型排名。

一位尝试过DSH二开的观众补充：框架比较轻，面向客户的具体情况，仍有不少插件要自己做。选一个可用底座，并不等于客户化工作已经完成。

42. 客服SOP与SCRM：先整理聊天，重系统不是第一步

提问者用企微，也有多多店铺客服，老客服经验没系统沉淀，新人难教，想抽常见问题/SOP。摄影行业服务者说在做自家SCRM+CRM，本地服务器存数据，利用企微会话存档→客户会话轨迹→意向ABCD标签→销售周/月链路总结→销冠话术→跟进提醒，分老板端、销售员端。他说接近开发完成，包含CRM快则两个月，非全部已交付。对第三方原词肖邦邦成品不满、原服务会话调取API不开放，故自己搭；接口开放性是选服务商的实用问题。

轻量先做法是人工摘/导旧聊天记录，发WorkBuddy让其蒸馏常见问答和SOP，不必等两个月系统。多多记录来源须分清：说企微存档能分析的是通过企微员工发生的对话，不能假设自动取得所有拼多多后台会话。聊天存档/同意权限仍需处理，服务者想把自身摄影行业经验再服务同行，垂直可复用是目标，未说已卖多少套。

弹幕把相关产品名写作“销帮帮”，可作为核对“肖邦邦”这一近音记录的拼写线索。

43. 小店买视频还是买新增客户：AI服务要交付什么

针对给餐饮小微店做AI视频的争议，现场厘清了其业务实质：这本质上是传统代运营业务借助AI图生视频实现了降本增效，通过一张菜品照片配合行业文案批量产出探店短视频。但小微餐饮的核心痛点依然是线下客流与口味复购，单纯依靠低价走量的线上流水线视频，很难从根本上解决门店的经营困局。

关键分歧是服务商赚钱不等商家真的新增到店客户。有人认为普通小面店用户就近吃饭，视频难转化，医美等高客单/跨区域精准需求有空间；也没有实际实验裁决所有小店必无效。应看目标客户、地域、线索到店与付费，而非生成视频就宣称商业增收。

44. 学校智能体：采购人、使用人和付款人不同

商业高中案与免费学校案

摄影服务者接高中需求：学校每学科/后勤/教导处等组室一个智能体或工作流，减老师负担，实际入口要求WorkBuddy。建议注册企业开放平台，Codex做独立软件/开放接口→连接器接WorkBuddy；回复者只做过服务器，不清楚本地电脑是否能被连接，别写本地接入已成功。备课、排课是举例，客户正在需求访谈，尚不完全懂教育。

该商业方估每学科组3000–5000元一次买断，学校出钱，初期少收希望形成可复制，更新责任被问未有明确答复。收费对象是学科组，尚未成交。另一人给孩子学校免费做历史/道法，建议小学五六年级至初中，高中忙不容易碰；他明说自己暂不商用、想先用深度绑定，将来是否投资扩张未定。另商业方卖课件9.9元/份、试用三次再扫码买断；这与免费送学校的软件、商业高中案是不同产品。

课件生成要服从教学需求

在教育行业智能化推进中，现场深度复盘了“自上而下行政推动”与“一线师生实际使用”的脱节阻力：行政立项的平台往往因缺乏针对性而遭遇基层教师的抵触；一套定制软件若无法在多所学校低成本复用，团队便极易陷入定制交付的泥潭。只有真正平衡好家长的提分诉求与学校的安全秩序责任，产品才能具备长久生命力。

45. 历史题库与个性化学习：准确、反馈和参与度的分歧

免费教育软件作者称整理1万真题，再AI扩10万题；刷题、辨题、答题、50题PK游戏促进参与，AI动态解析、按真题同类型和学生错题出题。为了准确需不断调试，一天调很烦，不是十万题已完整人审。其描述错题反复刷对清零、不懂点课件/视频、再接真人即时面授视频是成熟功能设想/经验描述，没有展示其成品全部包含此链路或提分实验。曾大学老师、创业是本人履历自述。

反方质疑作业帮/学习机已有这些、个人能否竞争，稳定教学未必越智能越好；作者反驳已有产品不等没空间，题库准确、解析准确、边界不超纲、学生沉浸与真实分数才关键。对方又提个人作答停顿、重复模式、习惯反馈更快如何定位知识问题，而不只收错题。作者坚持找薄弱点唯一刷题，被反驳只是应试观点；双方未达成共识，也没有学习效果实验裁决。

围绕题库数字化与AI答疑，现场讨论了题目与原创解析的版权边界问题。在商业化题库搭建中，尊重原创教研成果、建立严谨的答案人工复核机制，是避免版权纠纷与提高答疑准确率的基本准则。

教育产品还要与已有供给比较：弹幕点名科大讯飞、学而思、作业帮、菁优网、学科网和清北道远。题目质量的反对意见也更具体：长上下文和压缩之后，复杂计算可能出现难以逐步核查的结果，同一道题还可能得到不同答案。把“三审三校”写进要求，不代表模型真的执行了检查；最终仍要设计教师能够核对的审题与验证环节。

另一个产品方向是家长端的因材施教：收集孩子的性格、学习方法、卡点和兴趣点，再考虑怎样帮助孩子。有人用驾考宝典作反例，指出生成错题本本身并不一定需要AI；即使题目能生成，还要解决学生是否愿意刷题的问题。

46. 模具CAD二开：先写固定规则，再考虑运行时模型

先区分开发辅助与运行时调用

模具制造参与者在现有CAD/三维建模框架上二开，不改原框架，借原工具补行业侧重点、出图规范、批量操作，将自己积累的操作经验整理成规则、宏/脚本，减少反复鼠标操作。当前只是把模型当程序员，没有运行时模型交互；类似产品七八十万行，自己才几万行就发现多窗口失忆、反复强调仍旧错、修一处牵连另一处，担心放大后不可维护。

他用的字节工具先被叫Qwen/chain，后拼近音TRAECN，腾讯工具也试过；不能把字节和阿里产品直接认同。口述国内600元昼夜用一个月用不完，国外只短试和听朋友说烧token快，未做同任务成本比较。初回应以为是在用垂类模型执行工业功能，后来明确是代码开发才改口建议也试国外工具。中文训练数据库仅5%、GitHub数据合并给海外平台等没有来源，不当模型能力差距的事实解释；GitHub的AI工具被提但无名，具体产品未名。

实际建议是版本控制、模块化、先需求/规则/数据映射，别只堆代码和多开窗口，算产品能否重复卖、维护成本是否值得。有人主张二开容易叠问题可考虑重做，但本案依赖成熟CAD框架，不等应把原CAD整套重写。工业数据孤岛、离散物联网噪声、行业经验转成共享知识资产，是另位谈朋友工业转农业的观察，没给可复刻已售产品。本人说业务已有成熟经验，技术需试，不据此推公司已有多少利润。

宏脚本与自然语言交互的不同

回应者认为固定规则可让大模型写Python/Shell工程、由影刀RPA之类工具执行，运行不需要再消耗大模型token。这里“零token”仅指纯脚本执行，不包括编程、自然语言解释、软件许可、机器和维护成本；未实际演示其CAD能用影刀稳定控制。

需求随后升级：用户说画手机壳/杯子并给长宽高，软件按现有规则建模。这有自然语言交互，不再只是固定宏；也不是让模型从零输出整车几何，而是指挥软件已有功能。回应者认为这时需要运行时模型，先定义“性价比”到底预算多少、是否强制本地、响应多久、容错率、最终谁审核，而不能用“GPT五成能力”这种泛化描述。

针对Agent项目记忆，弹幕给出三步排查：先看记忆规则，再把内容沉淀为长期记忆体，最后建立知识回溯机制。模型搭配上，有人建议Claude Code接DeepSeek或GLM，也有人按简单任务交GPT、复杂任务交Claude分工。CAD讨论还出现“MCP接口”的线索，但没有提供具体CAD产品、接口或仓库。

47. 模具工具的成本与责任：本地模型、云API和行业边界

先定义预算、容错和响应时间

提问方希望客户普通电脑显存不超16G。另一人称16G连3B都跑不动、TFT/TPS受限，没有量化、上下文、量化格式或设备参数，不能作为硬件能力结论。建议把截图/OCR/视觉输入拆成鼠标坐标、点击类型等结构化数据，减少模型处理维度；这是工程化方向，不是已经证明所有CAD操作能靠坐标可靠完成。还提出十台16G笔记本、EFA/NVLink近音连集群，自己也承认带宽有限；没演示互联设备兼容、模型切分或测时，集群方案尚未验证。

随后提问者澄清不强制本地，主要成本盈利、没有技术审计要求；回应建议直接云API，没必要先折腾集群。本地/云端、工程化/Harness与模型能力是平衡，除钱还看幻觉、容错、NFR响应时间。无审计部门不等没有数据保护义务；本人明确最终模具设计仍靠人经验审核，工具只减重复操作，不应把回应者“数据可解决容错”替换成人不必把关。

产品设计、加工与材质要求分开

提问方是模具制造，机床是加工工具，产品是模具。每个零件对应模具、换手机/电脑外形内部结构也变，汽车改款多个钣金件需新模具，通用性很低。按这位从业者的经验，模具业务仍是计算机辅助、人来主导。

上游主机厂先产品外观，再拆分板件如引擎盖/顶盖/A柱，按产品要求指定材质；不是模具厂任意选择。模具本身材料、铸造方法还受工件材料、温度、热变形等影响。另一位说曾做轮毂电机应用，做六个月，建议从核心流程ETL有目的清洗数据，区分国标GB参数、非国标但安全关键参数、设计师主观经验。提问方立即提醒其应用场景有区别，轮毂电机的流程不能直接移作本案实施方案。

模具方澄清自己做的模具不上路，车身零件后续由主机厂验收；因此轮毂电机安全要求不能原样迁移。其说材料由人按制造成本、产量、零件材质、工况、表面处理确定，几分钟能给，真正慢的是建模；当前零件工序/加工步骤已由人设计好，AI优先辅助执行而非再替人推材料。这一局部职责不等同整车责任认证，也不免除模具本身的安全与质量验收。

模型费用要算完成同一项任务的总账。有观众反馈，自己用GLM完成相同工作时消耗的Token更多，低单价未必换来更低总成本；其个人体验是Claude的完成效率更高。比较时应同时记录任务完成情况、消耗量和返工，而不能只看每Token报价。

硬件体验也有反例：有人反馈自己测试时16G配置运行4B模型仍卡，但没有展开设备、量化方式和运行配置。另有人提出AI优化材料性能参数、做仿真模拟的方向；这与模具方认为当前主要瓶颈在建模、材料几分钟即可确定的任务排序不同。