2026-11-03 · 第1场直播

这一晚的讨论从团队协作、AI 编程和陪伴产品，一直延伸到论文投稿工具、工厂获客、机器人、企业交付与渠道经营。共同的问题是：工具已经能做不少事，怎样把它放进具体业务，让客户愿意用、有人负责交付，最后能收到钱。下面按案例和问题整理，保留做法、尝试、失败和争论。

1. 钱买时间：算力、试错与真正的业务瓶颈

一位跨境经营者习惯用资金换时间。他试新的实时换脸模型时，原来用 3060 只能跑到约 20 FPS，花约 3.9 万元换成 5090 后，速度接近 60 FPS。这次换设备的考虑，是用更高硬件投入换调试速度，尽快判断这条路是否值得继续。

他的试验还涉及店铺身份核验，累计花六七千元、尝试两三百次，称恢复了十多个店铺。反复验证、设备和时间都是经营成本；店铺能否恢复、资金能否正常使用，也会影响投入是否值得。

另一段跨境经营交流提到，两个半月做出约 40 万美元成交额。这里说的是成交额，经营者赚的是佣金，部分订单还涉及装货和尾款，并不是 40 万美元利润。判断一门业务是否成立，需要分清订单、发货、回款和自己实际分得的钱。

数字分身的讨论也有类似边界：目前更像围绕本人业务建立智库，离完整复刻一个人的判断还有距离。日常会议材料未必足够训练出一个能替自己处理所有事务的分身，数据是否贴合任务比单纯堆数量更重要。

2. 高薪、学历和履约：两种小团队管理经验

一位经营者偏好 985、211 和英语能力较强的人，愿意比同等岗位的市场工资多付约四五成，有的人更高。他看重的是能理解任务、主动补资料、按约交付。例如说“明天上午十点交”，比说“明天上午交”更容易形成一致预期。员工到海外工作仍有原工资和补贴，目的也包括开阔视野，不是同时给两家公司打工。

他举过一个员工主动研究客户、补齐资料并参与沟通，最后带来订单或受托业务的例子。主动性不是只等老板把每一步安排好，而是在明确目标后把缺的信息和准备工作补上。

基础工作也能反过来完善团队的 SOP。例如审核时发现原来 wiki 没覆盖的情况，员工反馈回来，大家快速坐下来补一个标准，下次再遇到就知道怎样处理。这是经营者愿意为理解力和反馈能力付更高工资的另一个原因。

另一位团队负责人不认同“高学历、高工资自然等于靠谱”。他的体验是，技术能力可以花一个月培训，但基本规则和契约意识更难补。弹性工作不等于任务可以不完成，也不等于没提前请假就离开，事后只说第二天补上即可。他更倾向于按结果合作的独立协作者。

现场还有候选人等待约两小时、面试半小时、未录用后发生仲裁，企业赔付一个月工资的经历。法律依据和裁决过程没有展开。这件事让讨论转向：即使面试和用工看似小事，双方对时间、安排和关系的理解也可能不同。

3. 灵活用工工作台：把想法与已经落地的部分分开

主持人设想，小团队不必把所有岗位都变成全职员工。未来可以把商品上架、重复整理等任务放到工作台，协作者领取、提交、结算，一个人也可服务五六家公司。他当前团队规模很小，提到最多五人的构想，这套工作台当时仍在设想中。

培训机构与地方 OPC 资源合作、由有资质的主体承接培训订单，再把专家能力组合进交付，也是讨论方向。这里的资产不是“招到多少人”，而是能否把任务说清楚、有人验收、成本与结算匹配。

4. 非遗文旅与网红统筹：卖的是两边都听得懂的方案

一位原来做后期和拍摄的人，把业务转向网红资源撮合与非遗文旅。他不做从零孵化网红的 MCN，而是根据甲方目标组织已有创作者和制作资源。

普通单子约三五万元；大景区项目可能二三十万元，由多个网红参与分配。这是项目总盘子，不是一个人的净收入，由参与者分别承担制作和传播工作。

实际流程是：先确认甲方需要什么数据、传播目标和内容，再找合适的网红或联创人选，由编导做策划，企划通过后安排踩点和拍摄。创作者可能擅长表达，却未必能把商业诉求转成完整方案；甲方也未必知道怎样向创作者描述需求。统筹者的价值就在于把两边翻译清楚。

这门生意主要依靠本地资源与关系，不是已经能面向全国自动接单的平台。AI 可以减少部分技术制作和重复劳动，但创意、审美、网感，以及组织人把项目做完的能力仍然重要。合作的人不必全部养在公司，项目需要时再组合。

5. 青叔的 AI 编程方法：先把需求说清，再让工具写代码

青叔有十年左右金融、大数据开发经历，当前在做自己的产品。他的经验是，模糊地向编程工具描述想法，容易得到一半能用、另一半不断推翻的产品。后来改成两个阶段：先和 ChatGPT、DeepSeek 一类对话工具梳理问题，写清需求与设计，再交给 Codex 实现。

需求文档的关键不是页数，而是减少歧义。除了“应该怎样”，还要给正例和反例；架构决定下来后，新增需求也要检查是否还在原有范围内。已经确认的决定可保存为规则或记忆，减少每次重新解释。

在他的项目里，大部分代码由 AI 完成，人的工作更多转向需求、架构、检查和反复修改。需求说清以后，Bug、数据库和维护问题仍需要处理。

过去使用 DeepSeek Harness 插件要自己拼装，现在觉得 Codex 集成起来更方便，这是工具使用感受。AI 自动调参的困难也被提出，但当晚没有验证出一个解决方案。

6. RP 陪伴产品：角色不出戏，比功能堆得多更重要

青叔的产品面向约 18—24 岁的角色扮演和虚拟陪伴人群，不是普通办公助手。研究对象包括开源酒馆、用 DeepSeek 配角色提示词的玩法，以及猫箱、星野、筑梦岛、恋与深空等产品。他既用 AI 搜集信息，也亲自体验产品、看角色圈用户的抱怨，用这些反馈判断产品还缺什么。

用户痛点包括角色突然不像原来那个人、跨窗口后忘记关系、设定容易漂移，以及开源工具配置门槛高。第一版先做陪伴，角色卡、头像、表情包等逐步补；Live2D 的眼睛、鼻子、身体动作，唱歌跳舞等属于后续设想。

他还区分“知道怎么做”和“记住了什么”：技能知识与角色记忆不是同一件事。例如角色可以在获得允许后学习摄影，但不能把所有对话都无差别当作长期人格。

产品试过几版，当时大约完成一半，希望一两个月出首版并找测试用户，还没有付费验证。现场有人建议更早做小版本，直接找真实用户测试是否愿意持续使用或付钱；青叔也接受产品即使失败，开发过程仍有技术积累。社区用户还举了“大肥鱼”默认角色爱“干饭”、习惯不容易改的体验，提醒开发者注意人格设定对后续对话的影响。

7. 语音、反向提问与不迎合：怎样把 AI 用成思考伙伴

有人分享用豆包电话、ChatGPT 语音或 Live 模式聊工作，把自己的经历、性格、长处和当前问题交代进去，再让 AI 反过来提问。这样比只问一个抽象问题，更容易把真正的顾虑挖出来。

提示中可以直接要求“客观一点、批判一点，不要顺着我说”。现场用 M9 与 S450 的选择举例：把同一个问题换个倾向问，模型可能两边都赞同。它回答流畅不等于已经替你完成判断，反问、换角度和补反例仍有用。

这里的“个人数据中心”，是把可持续复用的个人背景与资料保存下来，让后面的交流不必总从头解释。怎样选取、更新和带入这些资料，仍是需要解决的工作。

8. Obsidian、规则文件与长期记忆：存下来以后，还要找得对

Obsidian 被提到作为组织 Markdown 资料的工具。保存资料、检索资料、压缩上下文和模型在当前窗口里理解资料，是不同环节；把文件存好，并不会自然获得无限记忆。

弹幕补充了记忆锚、规则文件和 Skill 保存经验的做法：稳定要求可以写下来，新任务按需带入。也有人举出旧记忆污染新问题的例子，前面谈萝卜，后面问红薯，模型仍被前文牵着走。长对话出现偏航时，开新窗口、重新提供必要材料，是值得尝试的办法，但不是每次都能解决。

是否保存、保存哪些、怎样更新，比一味延长上下文更值得想清楚。不能把“硬盘能存很多”直接等同于“模型每次都能正确理解所有内容”。

9. AIRI 虚拟直播：两场测试提供了什么信息

一位开发者用口述近似 AIRI 的开源项目做虚拟主播，弹幕也补了 AIri 的拼写线索。链路包括 2D 形象、声音、负责思考的模型、性格和习惯用语，再用 OBS 配合背景输出直播。

他做过两场 B 站测试，提到千人左右的观看规模和约三秒回复延迟。他没有细分累计观看与同时在线人数，当前经验主要来自这两场测试。

真正可借鉴的是把形象、声音、思考和人设拆开配置，而不是期待接一个模型就自然变成完整主播。

10. 模型入口、账号与中转：使用建议不等于稳定承诺

讨论中提到 Cursor、Notion AI，以及云电脑、GrokBot、Muse 等可能的模型访问入口。有人建议从这些集成入口尝试，也有人仍遇到账号和访问问题；具体入口能用什么、在自己的环境里是否稳定，需要实际体验。

讨论使用 Opus 5.5、GPT 6.1 等模型时，除了模型本身，也要看所选产品提供了什么接入方式。弹幕提醒，中转不等于质量一定足、所谓“满血”仍要自己测，同一个任务多时段复测比只听宣传有用。

跨境账户与身份验证的经历说明，账号来源、主体身份和资金通道都有风险。经营者尤其在意店铺恢复以后，身份、账号与资金通道能否长期正常运作。

11. 招剪辑师与判断内容：技术题只能筛一部分能力

招聘剪辑师时，可以从剪映的具体题目问起，例如人保持不动、背景移动怎样实现，再聊希区柯克、蒙太奇、声音先于画面的 L 剪等。达芬奇、Final Cut、Premiere 是进一步交流工具经验的入口，不是软件越贵水平就越高。

山地车落地的音效被用来解释“情绪共鸣”：只给一个“咚”，未必能让观众感受到重量、速度和现场情绪。创意与感受力不能只靠功能操作题测出来。

点赞、评论、收藏在讨论中分别对应认同、愿意参与、觉得以后有用；发布时间、关键词和受众匹配也值得观察。这些是运营解释与经验，不是平台已经公布的固定推荐算法。做内容要看人为什么愿意看、为什么愿意动手，而不是只追剪辑技术。

12. 海外内容与联运：同一个视频可以接不同生意

跨境团队聊到 Instagram、Snapchat、YouTube，以及华为、传音相关内容平台。传音的具体平台名称在口述中不清楚，不硬补。手机开箱、测评、游戏和屏幕相关内容，既可能服务电商，也可接房产、教育、软件等流量生意。

变现方式提到 CPS、CPM、CPC、CPD 和联运：分别围绕销售、曝光、点击、下载或更深的业务合作结算。重点是先知道流量给谁、按什么结果收钱，而不是只有播放量。

英语、查资料、理解网络与业务链路等实际能力，比只有证书更容易在合作中体现。主持人提到直播促成四十多万元合作，以及五亿元融资意向；前者是其撮合经历，后者是意向，不是五亿元已到账。

13. 99 元报告的真实项目：论文投稿匹配，不是课题申报体检

这个项目面向有论文投稿需求的老师等人群。开发者整理期刊数据库，给期刊要求打标签，包括作者单位、学历、职称、格式、主题与内容要求。用户上传稿件后，工具做匹配并给修改意见。

当时已有两版内部产品，也请老师试过，平台还没有上线；已经发生的收费是线下单次报告 99 元。后面还想加入润色、降重和邮件追踪，让投稿前后的服务接起来。

开发者认为 A 类匹配有八成把握，说的是对匹配判断的信心；最终录用仍由编辑部决定。期刊匹配解决的是“稿件适合往哪里投、哪里需要改”，并不代替编辑部决定。

14. 十万老师私域：先验证服务，再决定平台做到多重

开发者原有约十万老师的微信私域，希望从现有用户中做更深入的服务。主持人最初觉得平台过重，建议围绕精准老师群体做推广、复购和转介绍；知道已有种子用户后，才更认可上线测试。

讨论过五次免费、第六次收费，也讨论按月或按次报告，都是待试的收费设计，不是已经跑通的免费转付费漏斗。现有用户、试用反馈和线下付费报告，是这个项目比纯想法更具体的起点。

对开发者而言，下一步的关键不是把所有功能一次做完，而是看老师收到匹配意见后会不会采用、是否愿意回来、是否愿意介绍别人。

15. 投稿邮件追踪：原需求与替代路线还没有完全对上

开发者想让作者自己向期刊发稿，同时平台能知道邮件回复、提醒进度。现场提出另一条路线：稿件先到平台，经过审阅、润色等服务，再转发给期刊，平台更容易保留过程。

两条路线不同。后者涉及作者、平台、期刊三方邮箱，并不能自动解决“用户自己发出去，平台怎样看得到回复”的权限问题。弹幕也追问过，私人邮箱凭什么让平台读取，需要相应账号和可见权限。

邮件可加稿件标签、按目标期刊组织发送，量大时考虑付费企业邮件服务商和 SMTP 发送能力。免费邮箱有限额是讨论中的现实约束，但不能把多账号轮换整理成规避限制的办法。

16. 安卓安全：先看什么资产不能丢，再谈加固

现场的安卓安全讨论来自协议与本地应用研究。有人假期花七天研究本地握手协议，这也说明离线功能不能简单用“全部搬云端”一句话解决。

讨论强调优先保护密钥、客户数据库和敏感信息；复制一个前端界面，与拿到真实业务逻辑、数据和后端能力是两件事。AI 能重做页面，并不代表已经还原整门生意。

弹幕补充代码混淆、加壳、核心放后台、硬件 Key、USB 或 MicroSD 等方向。它们是可评估选项，不是现场已验证的一套全链路防护。

17. 零代码作者的健康生活 SaaS：卡住后换一种求助方式

一位没有编程背景的作者已经在用自己做的健康生活 SaaS。他的体验是，需求先聊清楚再动手，通常比不停催 AI 改代码更有效。也遇到过同一个问题卡一天，后来找人看、换模型或开新对话，把项目重新交代一遍才解决。

长对话里的调用花费可能从几元累积到几十、上百，重开后又降下来。这是具体使用经历，不能反推所有产品每次都完整重读全部代码。真正可迁移的是：当工具陷入循环，别只用同一种问法继续撞墙，换信息组织和求助对象也许更有用。

18. 自媒体自动化与多模型协作：工作流要接上自己的任务

有人用“龙虾”所指的 OpenClaw 做自媒体流程：想法进入后，继续生成字幕、配音、图片并发布，再在四、八、十六小时看数据反馈。已经搭建和测试流程，并不等于已经证明流量、转化或收益。

WorkBuddy、千问办公、豆包办公被放在易用性比较里，Hermes 被谈到记忆能力。换工具时关注的是自己哪一环更省事，不是每次出现新产品就把整条工作流推倒重来。

另一位开发者自行写多 Agent 系统，不用 n8n。模型池前面有语义路由和预处理，记忆分会话、习惯、长期等层次，也提到 RAG、向量和正反例，让较强模型审核较弱模型，或让不同特长的模型互相检查。

他的个人分工包括 Opus 5.5、GPT 6.1 做主力或对审，智谱 5.3 写代码后多层审，MiniMax M3 搜索，DeepSeek 作替代主力，以及千问图像、Seedance 1.0 Pro 等测试。这些分工来自他自己的使用与交叉审核经验。前端可能复用 DSHMIT，控制、路由等是自己的核心，第一版完成但尚未上线。

关于“Opus 能不能直接生成视频”，现场与弹幕混合了代码或矢量动画、Muse、Seedance 等不同能力。一种是让语言模型写代码、脚本或矢量动画，另一种是用视频模型生成画面，选工具前需要先说清自己要哪一种。

19. 在职十年程序员：先试交付，再决定是否离职创业

杭州一位支付行业工程师仍在职，做过 AI 辅助支付平台和校友 Web3 演示，两者都没有商业验证。他早期负责过八千人规模 OA 的软硬件、服务器和前后端，这段端到端经历，与当下产品是否有人买，是两个问题。

他的多模型任务共享、消息触发协作已经能运行，但自己还没有找到合适的业务使用场景。讨论建议保留收入，先接小的付费项目，验证交付与销售，再考虑 OPC，而不是因为系统搭出来就认定创业成立。

朋友做中转 API，进一步包装 Agent、Skill、物联网或机器人垂直能力，是另一个商业方向：给老板一个接上就能用的产品，而不是让客户自己组装底层。公司内的模型代理、团队工具驾驶舱也可连接钉钉开放能力。具体访问状态和集成效果仍需按环境验证。

另有十三年开发者用浏览器插件和自动化做抖音线索，一个人兼多个角色以减少交接；这说明可从自己反复做的工作里找工具机会，但对话没披露插件源码或完整获客漏斗。找本地技术合伙人、希望线下配合的诉求，也与单纯网上招聘不同。

20. 年轻人、课程与 FDE：学方法不等于已经会接单

一位二十二岁体育老师考虑 AI 机会，现场建议先积累判断与输入质量。做免费小产品、用自媒体得到反馈，再形成社群或个人品牌，是讨论方向，不是他已经跑通的路径。

新毕业的柠檬做过 AI、电力相关工作，当前在找 FDE 岗位，没有独立接单经历。他提到课程费用约七八千元。课程价值对他也包括学习与认识人，不只是立刻赚钱。

他转述的路径是先给熟悉企业免费做产品，得到案例和转介绍，做 IP，再延伸咨询与培训。课程宣称上百案例，他自己认为真正完整闭环的可能只有三四个；这仍是个人判断，不能把课程宣传当成功率。

他观察到的团队角色包括负责 BD 和老板沟通的人、做内容 IP 的人、技术负责人。约三个月内部培训、项目匹配和竞标，说明企业方案不是会调模型就能卖。也有人反对年轻人一上来就和有资源、有行业经验的人竞争咨询，建议先做自己觉得有意思的小产品。两种建议适合的起点不同。

FDE 本身也有争论：到底更像驻场懂业务的专家、ERP 实施者，还是项目经理与开发组合？有人看重行业知识和现场协调，有人更关注技术实施，岗位名称背后的实际责任并不相同。

21. 流量自动化的三层目标：发出去、拿到线索、拿到对的人

嘟嘟把客户需求分为流量、效率、供应链等方向。流量不只是生成视频，还要从发布走到客资，再走到精准客资。选题、对标账号、数字人等输入，最后应连接真实客户，而不是停在“已经产出很多条”。

销售侧希望下班后也能回复、给客户打标签、按行为维护，把老销售的经验交给新人。后端又涉及知识、供应链和企业自己的上下文，这些都需要业务资料，不是加一个聊天窗口即可。

他访谈过六百多个客户，试过三百条内容，只有一百多条符合需求。素材能不能适合当地产品和客户，仍然困难；个人微信接口也构成障碍，不能把它写成已经稳定接通的自动化系统。

他算过视频模板前期准备约一百元，固定后每条两三元，一个月六百条大约一千八百元。但关键反例是：有流量，没转化。他是在找人帮助解决问题，不是展示一个已经盈利的短视频工厂。

22. 企业 AI 实施，常卡在谁愿意把经验交出来

企业流程没数字化、老师傅不愿分享、员工担心被替代，都会影响方案落地。技术团队需要老板支持，也要知道谁真正有权推动；否则访谈、整理知识和改变流程都可能受阻。

讨论中有人直言“FDE 是伪命题”，质疑把原有工作换个新名字；另一些人强调，行业理解和驻场协调本来就是真实需求。AI 不能替团队凭空获得业务知识，业务专家也不能凭一句想法就省掉开发、测试和维护。

拉新、留存、复购是不同目标；面向企业与消费者的需求也不同。即使引流成功，供应和服务质量不稳定，后面的转化与复购仍会掉下来。

23. 机器人博物馆的五十台需求：它缺的是二次开发能力

一位有心理咨询与机器人相关经历的运营者，已经有机器人博物馆、展示空间和业务机会，来找的是硬件与二次开发能力，不是泛泛的线上获客建议。

德国客户提出轮式底盘、双臂搬运一类需求，口述涉及五十台。项目还需要控制器、模型、中控、避障、行业知识和场景训练，当时还在寻找能把需求做出来的合作方。

现场建议找清华、南科大等高校研究团队做产学研合作。有人估计能省三分之二成本，这是现场对合作潜力的估计，后面还要具体算硬件和开发账。

运营者更看重品牌展示、研学和测试场景，不完全追求设备销量。围绕“全球首家”的宣传措辞，现场也争论了怎样表达展示空间的特色、避免夸大。

数据标注、数据资产交易也被谈到，但没有完整可验证交易案例。对普通企业更直接的提醒是：自己的销售与业务数据先整理好，AI 才有可用输入。

24. 门业出海：自然流、时差和人工跟进才是完整案例

开头主持人把郭总的做法理解成“抖音海外定位投流”，有人当场质疑相关投放能力。后来郭总本人明确说，自己的抖音没有投流，做了一年多连续直播，粉丝从一万到六万左右。他还提到微信已有约一万好友，其中六千左右与海外相关。

受众主要是海外华人，也有外国客户；凌晨四五点播，是为了照顾时区。郭总有十三年国际贸易经历，跑过十多个展会，业务到过上百国家，还有两支团队做 Facebook，这些长期积累与内容和 AI 一起起作用。

AI 用在前面的筛选与研究：找同行公开评论里的潜在需求，或对询盘公司做背景调查，看是否有中国进货记录、是否是批发商或地产客户。之后由人联系、发产品与视频、跟进。把五名销售变两名只是现场举例，没有披露实测裁员收益。

老挝水电移民安置、上百栋房子的门业需求，是直播中的线索，不是已成交订单。他看重义乌配套，两小时左右能组织发货，再经物流送往海外。

产品、价格与供应能力仍是基础，AI 更像辅助调味，不是替掉真实贸易能力。

25. Facebook 散单与五菱代理：先认清自己要找的客户

另一个案例是一位五十五岁的 Facebook 创作者，做外贸约八个月，不投广告，出现过七十万、八十万、百万乃至四百万播放的内容，但主要是散单，不是整柜订单。内容展示新奇产品与具体场景，播放高仍不等于整柜成交。

讨论还举桃溪兄弟、口述近似“最帅小猪”的账号，以及米粉店每天展示工作、配图文吸引附近人等例子。账号名有不清楚的，不补成已认证名单。值得借鉴的是持续展示真实工作，不是照抄视频就保证成交。

五菱汽车代理商已有出口渠道和客户，中间可能经过两三手，先付款、验车再交车，一批涉及几百台。他想找直接海外 B 端买家，不是从零找国内散客，也不是只卖一五台。

建议围绕广州、东莞、义乌、广交会等场景做内容，发布定位和后续加热定位是两次机会。郭总举自己小号从五千到一万四粉丝的经验；这些是经营者的使用体会，海外二十五公里之类功能口述不能认证成所有账号都可用的官方能力。代理商在广州、霍尔果斯的仓储与本地账号尝试，还不能写成新增获客成果。

26. 直播社群如何变成合作：先让别人看见你能做什么

分享实际工作，比只说“我懂 AI”更容易建立信任。有人先在直播间讲案例，彼此关注，再私下聊一小时，才进一步讨论业务。主持人并不是唯一知识来源，后半夜也有人继续主持、补充自己的实践。

这个渠道的价值在于可以听到对方怎样拆问题、哪里有资源、哪些事做过，之后再找契合点。但不能把一次交流、加微信或合作意向写成已成交。

27. Ella 的工厂获客：渠道、预算与有效询盘一起看

Ella 早年做过上百家天猫店群，最高年份流水上亿元，疫情期间模式受冲击、发生亏损。后来接飞鹤品牌代理团队，原外包月业绩不足五十万元，接手三个月后双十一提到单场百万元，随后双十二到两千万元；三亿元是线下与电商合计口径，不是她个人直播净收入。之后做 MCN 撮合达人与品牌，因广告成本、供应端利润等问题在 2025 年底关掉。

六月开始做 AI 时，一位小家电 OEM 工厂老板找她合作。工厂已开约二十三年、做外贸十年，过去主要靠外贸公司和货代接单，国内业务毛利不足十个点。生产和认证能力已有，老板想与她一起尝试直接做外贸、拿到产品更完整的利润。

她花约三个月搭独立站、海外社交媒体、阿里国际站、两个 1688 店铺，再做落地页和广告。这里有广告、订阅、Token 与试验预算，不是一个人零成本按按钮就接单。

九月取得一百多条有效询盘，她定义的有效包含客户身份、需求和采购计划；十月四批客户验厂，六条生产线排到次年。这些进展来自她原有的运营经验、工厂供应能力以及新的渠道投入。

她想复制给同类工厂，但当时还没有自己的技术公司和完整交付团队。下一步要补的不只是获客，还包括谁为别的工厂实施、维护和验收。

28. AI 服务怎样被客户搜到，内容又该长还是短

针对工厂与 AI 服务，现场建议建设自己的服务网站，把实际案例、行业关键词和本地需求写清楚，让搜索能把有需求的人带过来。所谓有公信力的文章与发布渠道，应建立在真实内容上，不是伪造新闻或借权威名义包装。

内容有两种观察角度：一种用关键词、问题和投放测试找询盘；另一种强调把痛点、逻辑与情绪讲深。传统中小企业老板可能需要七八分钟理解风险，三分钟未必讲得完，但不能推出所有长视频更真诚、短视频都是骗流量。

有人做汽车内容，短促的价格痛点话术能聚起数百人，却自己不喜欢这种表达，半年后停了。适合自己的表达方式，也影响持续性。

粉丝量和在线人数是基础信号，却不是唯一目标。更应接着看目标客户有没有看到、愿不愿留资、销售能否承接，以及投入的人力、时间、Token 和广告费。弹幕也提醒，不能因为要看转化，就说粉丝完全没用。

从自己熟悉的资源和第一批客户找“窄门”，比复制别人的表面动作更有机会。别人背后有哪些行业关系和信任，未必写在公开视频里。

29. 于总从服装起步：行业知识、技术和销售各有位置

于总从服装设计、批发、香港买手、电商等经历进入 AI。他先在自己业务中用，再给身边女装客户做小幅改造，围绕采购、做货等熟悉流程交付。面料、地区用工、生产和成本利润这些知识，让他更容易听出客户问题。

早期五六台笔记本的团队，后来扩展成合作网络。重项目由自己定策略、外包技术，再留内部审核，配合合同与付款，并不是把全部交付甩给外包就结束。

他提到过去为两三天课程花七八万元，是个人寻找资源与学习的经历，不是所有人都必须购买的门票。他更认同行业老手、技术负责人、强销售三种能力合作，不要求一个人什么都会。

换到法律、财务等陌生行业，需要可信的行业输入。关于老板助理是否能提供足够信息，现场意见不同：有人认为缺少多年行业经验，有人看重助理跨人事、财务、业务的全局视角。可以保留这个差别，而不是断言“找助理就解决行业知识”。

技术人要学会理解经营和销售，老板也要理解技术能做什么、不能做什么。自己能用 AI 做个 MES，并不自动证明已经满足生产、安全和维护要求；弹幕用“自己会做凳子，不代表椅子厂没价值”表达了这个意思。

30. 从数字化到 AI 决策：企业现场首先是组织问题

零售讨论把收银、支付、ERP、SaaS、数字中台、硬件工牌等信息接起来，再考虑用百炼、Dify 等组织知识、做经营问答与决策看板：什么产品好卖、为什么卖得动，再把判断反馈到内容和运营。连锁企业能分摊成本，小企业未必承受得起同样配置。

更难的是人。两个干了二十年的部门负责人互相冲突，老板不愿直接站队，反而希望顾问推动协调。隐藏知识、利益和责任不理清，软件未必能用起来。“五千万元营收以上”只是个人谈服务对象的经验范围，不是企业需要 AI 的统一门槛。

于总提到六成咨询、两成内部流程、两成资源匹配，是自己的工作分配体会，不是行业标准。对老板讲方案，要能解释投入产出和风险，而不是只讲模型参数。

31. 工业刀具磨损：比泛泛说降本更具体的 AI 场景

东莞大朗一个高价值钛材加工场景，用工业高清相机和算法观察刀具磨损，提前预警，减少刀损后继续切削带来的损失。它把师傅的观察经验，转成一个可以尝试检测的具体问题。

预警准不准、能减少多少损耗，要放回具体工厂的材料和工序算账。弹幕也指出刀具磨损检测早已存在多年，所以价值不在宣布自己发明了新领域，而在特定工厂能不能做得合适、经济、稳定。

32. 投资客户还是收服务费：两种关系不要混成一种成交术

有人提出与企业共同投入、五五分，通过财务与风险评估、利润分配协议合作。另一方认为，既然是客户需要服务，就应该支付服务费，不必技术团队每次都投进去。

前者承担经营和资本风险，后者主要承担交付责任，不能只因为“共担风险容易谈”就把所有项目都改成合伙。双方对该不该投钱进去仍有分歧。

33. 四百人制造企业出来的团队：五十万方案遇上十几万预算

一位来自约四百人、三十多个部门制造企业的负责人，过去近一年做过工业质检、本地 Agent、模型、手机与云端机器人，现在做 AI 公司。他觉得真实企业知识很多，客服不只是回答几句，还牵涉订单、ERP、圆通中通等物流、工艺原料、售后破损 OCR 和小额赔付。

他希望先建立完整知识分层和业务关系，再做客服，全案估计至少五十万元；客户只有十几万元预算，第一期不足十万元在他看来难做。他还提到年营收八亿元的电商客户，也存在预算与工作量不匹配，并不是所有预算低的都是小生意。

另一方强调从反复出现的小场景切入，连锁门店或大量网点可以把成本摊开。拆出一个可用部分、分别定价，客户用起来再升级，是给出的建议，不代表这个项目已经签约。

分歧真正落在范围：完整整合企业知识与系统，和买一个标准客服模板，原本就不是同一件商品。

34. 核价 Agent 与建筑三件事：范围小，也要保留错误成本

核价场景需要工艺路线、BOM、材料价格波动、CAD、历史报价和成本表。客户从两万元谈到愿意七万元，也愿花三个月做标注训练，但开发者担心错价造成损失，后面还得二次审核、修正。他担忧即使短期能跑起来，过两周出现错价，仍得有人负责复核和赔错后的处理。

建筑行业另一个建议是，把自动 CAD 出图、读图和预算看成三种产品。先做读图或预算，再做更复杂的自动出图，是一种拆范围思路，不是所有行业都能照搬的三步 SOP。

与客户讨论预算时，可以把能独立验收的结果说清楚，但不能为了容易卖，就省掉数据准备、人工复核和持续维护的成本。

35. 酒店与尾房：免费获客、佣金与免费无限部署不是一回事

酒店案例做了一年多，逐步把爆品获客、客户回复、订房、手机客控、自动调价、财务报告等模块组合起来，还谈到融资额度服务。经营者讲到三到五个点的佣金，是具体合作口径，不应一律写成软件净利。

房地产尾房案例另提到按成交两个点分佣，把引来的客户交给答疑和后续成交。收入取决于最终成交，因此获客之后还得有答疑和销售承接。

有人愿意免费提供前端获客，因为后面卖商品或成交能拿佣金；制造业负责人则反对免费无限部署，认为培训、技术、客服和后续使用都要花钱。两边讨论的是不同收入来源，不能把免费部署统一赞成或统一否定。

36. 398 元是什么价：低价标品与高价定制分开算

现场讲到一个标准模板按 398 元单价卖、支持贴牌，年销售几百万元。另一个报价先说 368、后说 398，口述不同，不强行改成同一个确定套餐。

低价模板交付已有功能，高价项目还要接企业自己的知识、ERP 和流程。这能解释为什么有人卖几百元，有人报几十万元，却不一定谁骗谁。

套餐中还出现 9.9、39、99 元培训，398 元客服，以及 2980、29800 等不同层级。它们来自不同产品和合作安排，不应编辑成人人照做的固定漏斗。有人会明确只支持一个月，之后不充值或升级就停服务；关键是预期说清楚，不是承诺永远免费。

37. 两个大客户与技术团队：收入和成本各怎么算

一方说自己的月营业额约两百万元、利润一百多万元，主要靠两个大客户，以及现有产品的小幅调整和项目经理、应用开发的几万元人工。另一段又谈到技术团队每月二三十万元，能先烧半年一年。这些是不同阶段或成本口径的陈述，不能直接得出通用利润率或保本线。

免费计算额度有人提出每客户每月五千元，另一产品又说每用户每月两三百元，随后讨论五六十元封顶。这些是争论中的估算和方案，没有统一成结算后的成本。

低线城市团队如沈阳、石家庄、济南，客服三四千、负责人五千，也是经营者的人员安排口述，不代表任何地区、任何工作量都能按这个价交付。

产品形式包括本地桌面 Agent、知识库和 ERP 工具、MCP 接百度地图或企查查，手机端知识助手、免安装云端机器人，以及未来的语音摆件。真正落地仍要看客户使用频率、支持量和每次调用成本。

38. 做渠道，不只是把技术交给会卖的人

技术方顾虑：早期合作分成看起来好，后续升级时技术被替换怎么办，分配规则会不会改？商业方则希望工具两分钟能解释、五分钟能学会，不愿听一百个 API 功能。双方当晚没有完成长期分成、升级、数据和客户归属的协议。

把复杂能力封装成 Skill 或“超级员工”，能降低演示和使用门槛，但不是贴个新名字就能无人服务。渠道商能招商，不等于能给终端商家实施；现场因此谈到区域运营中心接交付、用腾讯会议做培训，由渠道继续服务客户。

需求方向包含获客、产品可视化（例如装修参数生成效果图）、客服和商家服务。金融额度是另一个提及方向，不能和这些功能一起写成已验证效果。

有用的产品包装应该让客户知道自己输入什么、得到什么、哪一步仍需人。只讲分佣和招商，不讲最终用户为什么会持续用，讨论就容易离开真实交付。

弹幕里，一位既做智能体也做定制系统的创业者说，企业确实有需求，自己也正在驻场实施，但下一单还没有着落。会交付，与持续找到客户，是两道不同的问题。

39. 会销账本：借已有信任，还是自己搭一个会场

一位经营者建议，别一开始就从零做观众。已有付费课程、私董会和销售渠道里，可能正好有适合的客户。争取十到二十分钟上台，用 PPT 和演示讲清一个工具，能借用已有信任。

他比较过花 29800 元参加活动，与自己组织活动的成本。自办小活动约十万元、大活动约三十万元，可能由十到二十家共同分摊；产品出场也谈到五千到一万元等例子。金额是具体经营交流，不是每场活动的标准预算。

五百人活动、一月三场、百分之十五等数字在口述中算得并不严整，不要替它做成精确转化表。与其照抄一个比例，更应追问实际来了谁、是否有预算、演示后由谁承接。

线上、电话和线下的信任不同。对方若已在付费社群里了解你，和接到一通陌生电话的起点不同；获客方式还得与产品价格、演示难度和后续服务相配。

40. 面向消费者的助手：能卖给渠道，不等于用户会留下

消费端讨论关心的是记忆、日常助手和个人收益；渠道端关心的是容易讲、容易学、可以继续卖。两种需求可能相通，也可能冲突。用户为什么转介绍、补贴花多少、免费额度以后怎么收，都没有在当晚得到统一答案。

弹幕补充了 TRAE 宝这个个人助手线索，提到全局和项目两类使用范围，可作为后续体验方向，可先围绕自己的资料管理和任务需求试用。

微信自动化还谈到屏幕识别、OCR、视觉与界面控制，PC 或手机不一定依赖 API。观众追问识别错误率、多窗口、多账号怎么处理，也有人说单窗口切换仍要人工；这些问题未被完整回答，不能写成零错误、已稳定多账号运行。

手机端初期成本较低、部署快，是现场的选择建议，不是所有场景结论。最终还是要看用户每天做什么，出错谁处理，服务成本怎样覆盖。

41. 最后一项未答问题：短剧本地模型的预算

临近结尾，有人想在本地部署或训练模型做短剧，希望减少持续付费，询问大概需要多少预算。当晚没有给出完整答案。可以把问题留下：先分清本地推理与训练、文本与视频任务，再谈显卡、数据和成本；但本场没有足够信息替他报价或配机器。