本文根据一次近两小时访谈整理而成。应嘉宾隐私要求，文中隐去了具体公司、学校、部分项目名称与可识别身份的信息。
一、AI 浪潮里，最先被改变的可能不是产品，是人的位置
很多人谈 AI，会先谈模型，谈 Agent，谈 Prompt，谈 MCP，谈某个工具又把某个工具干掉了。
但这次访谈里，最打动我的不是某个具体产品，也不是某个技术路线，而是一种位置感的变化。
本次我们访谈的嘉宾曾在一家头部 AI 应用公司工作过一年半左右。离开之前，他已经不是完全意义上的“上班族”心态。他把那份工作称为“副业”——并非因为它不重要，是因为他心里真正想做的事情，早已经在下班后开始生长。
那段时间，他常常晚上五点睡，早上九点起来上班。一天只睡四个小时，白天交付公司任务，晚上推进自己的产品。
后来他选择裸辞。
外人看，这是一个年轻人从稳定工作里跳出来创业；但从他自己的叙述看，更像是把一个已经占用太多时间的“副业”放下，回到自己真正想押注的主线。
他的话听起来狂，但也真实：
“我不是从公司逃出来，其实是终于不用再把自己的主业挤进深夜。”
这也是我想把这次访谈整理出来的原因。
它不是一篇“普通本科逆袭 AI 公司”的爽文。那种叙事太廉价，也太容易把人的复杂经历压成励志模板。这里我希望记录的是：在 AI 加速一切的时代，一个年轻开发者如何重新理解公司、产品、风险、机会，以及自己应该站在哪里。
二、AI 对小公司的意义，也许不是浪潮，是斩杀线
谈到 AI 对公司的影响时，他没有用“机会”“红利”这些词。
他用了一个更狠的词：斩杀线。
在他的理解里，AI 对大公司和小公司的意义并不一样。
大公司有钱，有组织，有渠道，有生态，有数据，也有能力把 AI 变成内部资源协调的一部分。AI 对他们来说，是工具，是杠杆，是把已有体系再放大一轮的能力。
但对很多小公司来说，AI 并不一定是救命绳。
因为 AI 降低了产品开发门槛，也同时降低了竞争者出现的门槛。你能更快做出一个产品，别人也能。你能让员工用 AI 提效，员工也会意识到：既然我现在一个人也能做更多事，为什么不能自己出去试试？
他的判断很尖锐：
“AI 不是平均分配机会，它更像杠杆。原来你有一千块，我有一百块，我们差九百；现在都乘以十倍，差距变成九千。”
这句话可以解释很多事情。
AI 的确提高了所有人的效率，但当效率提升是普遍发生的时候，它并不会自动让弱者追上强者。相反，它会把已有的资源、渠道、组织能力、认知差距继续放大。
所以他对很多小团队的“AI 化”并不乐观。
如果一家公司原本就没有清晰的组织协作，没有稳定的资源调度，没有对用户需求的准确理解，只是因为 AI 来了，就希望每个人都变成“超级个体”，那本质上只是把管理问题包装成技术问题。
AI 不能替你完成组织建设。它只会放大你原本就拥有的能力，也放大你原本就存在的混乱。
三、技术很爽，但市场不为你的爽买单
这位嘉宾最早进入 AI 公司，并不是靠一个漂亮的学历标签。
他大三时做过一个面向求职场景的小 Demo：抓取面经，形成知识库，再读取个人简历，根据目标公司生成针对性的面试题。那时 MCP、RAG 这些概念还没有像现在这样铺天盖地，但他已经在尝试把外部工具、文档读取和面试场景串起来。
这个 Demo 后来成为他进入那家 AI 公司的契机。
但在公司一年半之后，他对“做 AI 产品”的理解并没有变得更“技术崇拜”，反而更“反技术崇拜”了。
他说，程序员最容易犯的错，是以技术为先。
技术当然重要。没有技术，很多事情根本做不出来。但如果只沉浸在技术本身，最后很容易变成“学爽了，但赚不到钱”。
尤其在 AI 时代，单纯的技术实现会越来越容易被复制。稀缺的不是“我也能接一个模型”“我也能做一个 Agent”“我也能封装一个对话框”，而在于你能不能找到真实场景，能不能贴近市场，能不能解决一个具体的人愿意付费的问题。
他反复强调一句话：
不要在办公室里幻想需求。
很多 AI 产品看起来很 AI，实际上没有创造足够价值。
比如“AI 简历优化”。如果它只是把通用对话能力包了一层壳，让用户上传简历、生成几段套话，那用户为什么不直接去问通用大模型？真正的价值点不是“帮你润色简历”，而是理解你的经历、目标岗位、项目含金量、表达策略，然后把这些东西组织成一套有竞争力的求职叙事。
再比如“AI 智能客服”。如果它只是让用户在联系人工客服之前多绕一圈，那它解决了公司的部分问题，却给用户制造了新的问题。客服的价值并不只是回答 FAQ。FAQ 可以被 RAG 化，客服还涉及情绪安抚、责任承接、复杂问题处理和最后的人工兜底。
他对低价值 AI 产品的判断标准很简单：
如果一个产品只是把简单问题复杂化，它就不是真的 AI 原生，只是在借 AI 制造流程。
这也是很多 AI 应用的尴尬之处。它们看起来更先进，但用户更累了。
四、通用 Agent 会越来越强，但年轻创业者未必应该冲进去
当我问他，年轻人现在做 AI 产品最应该避开什么坑，他的回答很直接：
不要一上来就做通用。
通用 Agent 的诱惑很大。它想象空间大，故事好讲，也容易让人觉得自己站在趋势最前沿。但问题是，通用能力一旦成熟，最先吃到红利的往往不是小团队，而是有生态、有流量、有入口、有数据的大公司。
但他也说，通用领域越强，他反而越高兴。因为通用基础能力越成熟，垂直场景里的创业者就可以更便宜、更简单地调用这些能力，把精力集中到真正行业化的问题上。
他更看好垂直应用。
但垂直不是简单套一个行业名。
不是“AI + 教育”“AI + 写作”“AI + 法律”“AI + 医疗”就叫垂直。真正的垂直，是你理解这个行业里的流程、角色、数据、约束、成本结构和付费逻辑。
通用产品要足够简单，垂直产品要足够深。
最危险的是卡在中间：既不够通用，不能靠规模和低门槛获客；又不够垂直，不能真正解决行业里的硬问题。
这类产品短期可能能赚一点快钱，但很难走远。
五、他正在做的产品：不再造聊天框，试着把 AI 放进工作区
这位嘉宾现在的主线产品，是一个本地优先的 AI 工作区工具。为了避免提前曝光未发布的产品细节，我们不展开具体名称，只讲它背后的思路。
它最初从 Markdown 编辑器切入，但他并不认为它只是一个编辑器。
他想做的是把 AI 对话、文档编辑、工作区文件、技能市场、MCP 工具、上下文压缩、多 Agent、自定义命令、定时任务、即时通讯接入等能力放到一个更统一的工作环境里。
在他的设想中，目标用户至少包括三类：
第一类是程序员。比如打开一个代码库，让 Agent 读取项目结构，自动生成 README、说明文档、接口文档，或者辅助梳理项目逻辑。
第二类是产品经理和数据分析相关用户。比如快速生成方案、策略文档、流程说明、HTML 原型图，在同一个工作区里完成预览和修改。
第三类是编剧、小说作者和长文本写作者。他提到一种类似“段落补全”的方式：不是一上来就让 AI 一口气替人写完整篇，是在人仍然掌握方向的情况下，让 AI 补足局部、提出建议、记录错误、形成个人化的写作辅助。
为什么从 Markdown 或文本工作区切入？
他的回答是：AI 时代，人与模型之间最高效的沟通介质仍然是文字。Skill、Prompt、文档、需求、方案、代码说明，本质上都可以被组织成文本。
传统聊天框的问题在于，用户看不到 AI 具体做了什么，也很难把外部文件、任务过程和最终产物自然地管理起来。聊天是入口，但不是工作本身。
所以他更想做的是：
把聊天框变成一个可以沉淀、可编辑、可协作、可调用工具的工作区。
这背后有一个判断：AI 工具最终不能只停留在“问答”，而要以一种合适的方式融入进现有的工作流。但具体以什么方式融入，他目前的答案是，文本编辑器。
六、裸辞创业，最容易被美化的是“自由”
“裸辞创业最容易被外人美化的一点是什么？”
他想了一下，说：很多人会默认，你敢裸辞，是不是说明你已经赚得比打工多了？是不是手里已经有很多钱？是不是已经万事俱备？
但真实情况通常没有那么漂亮。
他给自己留了一些缓冲，也有存钱习惯，但没有把裸辞包装成某种已经胜利的姿态。对他来说，裸辞不是功成名就后的庆祝动作，而是一个资源重新分配动作。
时间不够，就把时间买回来。
精力不够，就减少消耗。
担心协议和边界问题，就把身份切干净。
他并不否认风险，只是选择用另一种方式处理风险。
当我问他有没有止损线，他没有说“做到多少收入就继续，做不到就放弃”。
他说：
“我不会选择不干，我会选择换一条路继续打。”
这更像一种游击战。
不去押一款产品定生死，是同时试几个方向，有些项目做主线，有些项目做小闭环，有些项目和外部合作，有些项目承担现金流。
如果一个产品半年后没有达到预期怎么办？
他的回答也很干脆：开源。
开源可以换声量，可以换信任，也可能成为下一条路的入口。
如果钱不够了怎么办？
他说，那就回去打工。
“从群众中来，到群众中去。”
这句话听起来像玩笑，但其实很清醒。打工不是失败，创业也不是封神。它们只是人在不同阶段获取资源、积累认知、重新出发的方式。
七、创业不在于逃离不自由，是主动选择另一种不自由
我问他：创业是在追求自由，还是主动进入另一种不自由？
他的回答是，两者都是。
自由在于，时间可以由自己安排，关系可以由自己选择，项目可以由自己判断。没有合同约束的人，不想聊可以不聊，不想接可以不接。
但不自由在于，一旦事情开始转起来，人就会被事情推着走。
合作方会找你，客户会找你，项目会找你，机会也会找你。表面上没有老板，实际上每一个未完成的事情都可能变成新的老板。
这可能是创业最真实的一面：
你离开了一种明确的不自由，又进入了一种更分散、更隐形的不自由。
打工的不自由来自组织结构，创业的不自由来自目标本身。
如果你什么都不想要，当然可以很自由。但如果你想把一个东西做出来，想让它活下去，想让它赚钱，想让它被看见，你就必然会被它牵引。
所以创业并非“终于没人管我了”。
创业是：终于没人替你负责了。
八、普通学校学生的机会，不在标签里，而在更早进入真实世界
访谈接近尾声，我想听听他对学弟学妹的建议：如果一个普通本科生想进入 AI 行业，该怎么办？
他的回答一开始很欠揍：如果已经大四了，之前完全没有基础，可以先去学校旁边工地看看有没有岗位，因为搬砖暂时还不会被 AI 替代。
玩笑之后，他给了更认真一点的建议。
如果你完全没基础，又想走技术路线，要么考研争取时间，要么毕业后系统自学。不要幻想看几篇教程、调几个 API、做一个聊天框，就能真正进入这个行业。
如果你本身已经有基础，那就直接往 AI 相关岗位投，补 AI 工程、产品、模型应用、RAG、Agent、工作流、工具调用这些知识。
但他最强调的不是某个技术栈，而是认知。
他说，传统技术仍然要学。学 Java、Python、数据库、网络、操作系统、工程化，并不只是为了找工作，而是为了提升自己理解复杂系统的能力。
AI 是认知放大器。认知不够，AI 放大的也只是混乱。
这句话对很多正在焦虑的同学很重要。
不要因为 AI 火，就立刻丢掉所有基础，转头追每一个新名词。MCP 火了就学 MCP，Agent 火了就学 Agent，明天又有新框架，就继续换方向。这样看起来永远站在前沿，实际上很容易永远停留在表层。
如果让他回到大二大三，他会怎么安排成长路线？
他的答案是：
坚持一条自己的路，不要听风就是雨。
AI 是提效工具，不是替你建立根基的工具。越是变化快，越要有一套能承受变化的底层能力。
九、怎样做一个拿得出手的 AI 项目？
他觉得，很多学生做 AI 项目，最容易犯的错误，是把 AI 当成一个“装饰件”。
原来有一个图书管理系统，负责增删改查、借书还书、用户管理。现在为了显得跟上时代，就在旁边加一个 AI 聊天框，用户可以问几句话，系统也能回答几句。
这当然也叫接入 AI，但很难让人觉得这是一个真正做过思考的项目。
因为 AI 没有进入业务流程，只是被贴在了系统表面。
如果还是以图书管理系统为例，一个更认真一点的做法，应该是先回到真实场景里看：图书馆里到底有哪些问题，是过去的增删改查解决不好的？
比如，用户不知道书名，只记得大概内容，系统能不能通过语义检索和 RAG 找到可能的书？
比如，管理员上传进货、出库、盘点表格，AI 能不能自动整理数据，再调用系统接口完成录入？
比如，读者说自己最近想看某类主题，系统能不能基于馆藏、借阅状态、库存位置，给出真正可借到的推荐？
这些能力听起来仍然是“图书管理”，但它已经不只是管理后台了。AI 开始介入找书、借阅、盘点、推荐这些具体流程，系统也就从一个课程作业，慢慢变成了一个接近真实业务的作品。
所以，判断一个学生项目有没有含金量，不仅看它有没有接 AI，还看 AI 有没有改变原来的流程。
如果只是给旧系统加一个聊天框，它仍然是旧系统。
如果 AI 能读数据、理解任务、调用工具、参与决策，并且在关键节点让人确认，它才开始有一点 AI 原生的意思。
也正因为如此，他给了一个很有意思的判断方式：
不要一上来就问“我要做一个什么 AI 项目”。
可以先把 AI 想象成一个真实的人。
假如你现在多了一个助手，他能读文件、写内容、查资料、调用接口、执行任务，但他也可能犯错，需要你在关键节点拍板。那么你会怎么安排他？哪些事情可以交给他？哪些地方必须由人确认？哪些数据要给他？哪些工具要开放给他？他做完之后，结果应该回到系统的哪个位置？
沿着这个方式想下去，项目就不会停留在“AI 问答”上，而会自然进入流程、权限、工具、数据和反馈。
这时，它才更像一个拿得出手的 AI 项目。
十、给学弟学妹：先让自己进入正循环
访谈的最后，我让他给学弟学妹一句不那么鸡汤的建议。
他说，现在很多年轻人都处在“奥德赛时期”：二十岁到三十岁之间，方向没完全确定，能力还在建立，机会若隐若现，焦虑又非常具体。
这段时间不必急着给人生下结论。先多试几次，多撞几次墙，路往往是在行动里慢慢长出来的。
投简历没有声音，做项目没人看见，写东西没人反馈，产品没人用，这些都很正常。早期的声浪本来就有限，重要的是别中断自己的节奏：做出来，放出去，听反馈，改一版，再放出去。
愿望强烈到一定程度之后，人会开始换路。目标还在那里，只是你终于承认，眼前这条路已经走不通了。
他说：
“坚持自己的路走下去，走一步看一步。未来还长，不是三年就定死的。”
这句话并不热血，但很适合这代年轻人。
因为我们面对的不是一条清晰的上升通道，而是一个持续变化的系统。旧的确定性正在松动，新的机会又不够稳定。你很难靠一次选择解决所有问题，只能靠不断行动、不断修正、不断提高认知，去换下一张入场券。
不要把浪潮当答案
这次访谈结束后，我最大的感受是：AI 浪潮当然重要，但浪潮本身不是答案。
它会推高一些人，也会淹没一些人；会放大能力，也会放大幻觉；会降低门槛，也会提高真正竞争的强度。
年轻人最容易误解的是，以为时代变快了，自己就必须更频繁地换方向。
但也许恰恰相反。
越是所有人都在追热点的时候，越要问自己：我到底理解什么？我到底能做什么？我到底愿意为哪个问题付出足够长的时间？
AI 不会替你回答这些问题。
它只会把你的答案放大。
原载于创意妙计。原文标注为原创内容；版权及转载要求以微信原文为准。