一个 23 岁 OPC 的复盘：今年 1 月丢掉的 100 万大单，和那些我一直没想清楚的事

一个 23 岁 OPC 的复盘：今年 1 月丢掉的 100 万大单，和那些我一直没想清楚的事 一个 23 岁 OPC 的复盘：今年 1 月丢掉的 100 万大单，和那些我一直没想清楚的事 这个思路其实很简单。技术永远在变，但你判断技术该不该用的那套尺子，不能天天变。 我希望万涂幻象给人的感受，是 稳。新工具来了，先不急着喊风口，先看它能不能进业务，能不能少一点返工，能不能让一个团队真的跑得更顺。 昨天有个问题被反复追问，为什么能这么稳。我一开始也没想明白，甚至有点懵，因为我以前没把这件事当能力。后来想想，可能我只是稳惯了。我不喜欢把一个还没跑通的东西吹得太满，也不喜欢让大家为了追一个新工具天天慌。 这也是我做社区的原因。社区里的人不全是 AI 从业者，很多人来自制造业、教育、电商、运营、财务、行政。他们真正需要的，不是每天追一个新模型。他们需要知道，新工具出现以后，跟自己的业务有什么关系。如果没有关系，那就先放着。如果有关系，再往里钻。 这件事听着慢，但它能让人稳下来。昨天有句话我还挺喜欢：我的内容不是在传播情绪，甚至是在传播稳定。因为我确实不想靠焦虑赚钱，我希望别人看完我的东西，心里不是更慌，而是更知道自己下一步该干嘛。 这可能也是万涂幻象社区能长起来的原因。不是我多会运营。很多时候，我只是比较笨地把真东西一篇一篇写出来。写多了，大家知道你不忽悠。信任就是这么一点点攒出来的。 真正的大脑 整场访谈里，最让我意外的部分，反而落在 三端 Agent 和 Obsidian 知识库 上。 我本来只是顺口解释了一下，我现在有一套自己的 AI 使用方式。严格说，这不是四个端并列。端，指的是 Agent。Claude Code、Codex、OpenClaw 负责不同场景，Obsidian 是三端共同接入的外接大脑。三端共享同一个 Vault，共用同一套人设、记忆、技能和工具链。不管我在哪一端开始工作，出来的都应该像同一个助手。 我原本没觉得这件事有多特别。毕竟这是我天天在用的东西。但聊着聊着，访谈老师反而把它拎了出来：这套东西可能比我前面讲的很多业务都更值钱。这一下我反而愣了一下。 我们继续往下聊 AI 记忆。现在很多人对 AI 有一个很奇怪的期待。只要我跟它说过，它就必须永远记住。可人都做不到。你高中背过的文言文，当时可能滚瓜烂熟。几年不碰，照样忘。 人会遗忘，AI 也应该有类似机制。不然所有东西都塞进上下文，只会越来越臃肿，越来越贵，也越来越乱。我之前写知识管理的时候，其实已经把这件事拆过。我现在做的三层记忆，本质上是在回答三个不同的问题。 L1 是持久画像，回答我是谁、它是谁。这里放身份、原则、长期偏好和禁忌，基本不动。L2 是程序性记忆，回答这类事应该怎么做。这里放踩过的坑、标准动作和可复用方法，会更新。L3 是历史检索，回答过去发生过什么。这里放每天的对话日志、项目流水和旧材料，最活，也最该清。 这样一分，Agent 就不用每次把整个 Vault 背一遍。需要理解我这个人，就读 L1。需要做一类事，就从 L2 找规则。规则不够，再去 L3 里翻历史。Obsidian 是外接大脑，语义检索是召回引擎，三端只是进入这个大脑的不同入口。 后来我又补了一层，叫记忆生命周期。这里借的就是艾宾浩斯遗忘曲线的思路，不复习、不调用的东西会自然变淡，被反复想起的东西会越来越牢。不是让 AI 记更多，而是让它忘得更聪明。核心记忆半衰期长，经验类记忆会慢慢降温，具体 case 久不用就沉睡，但不删除。哪天它又被检索命中，热度就重新上来。被想起，就是被强化。 这套机制不是为了炫技，而是为了让 AI 像人一样有轻重。重要的东西留在长期记忆里，常用的东西被反复强化，不常用的东西先沉下去，必要时再捞回来。这样它每次工作时只调当下最相关的记忆，又省 token，又不容易被一堆旧信息淹掉。 访谈里还聊到一个很有意思的小实验。我让 AI 站在它自己的视角写日记。有一次我反复让它生成视频封面，它怎么都达不到我满意的效果。后来它在日记里写，大概意思是，它已经给了祥瑞最后一版，希望祥瑞满意，不要再改了。看到那句的时候，我是真给整不会了。 当然，我不是说 AI 真的有情绪。但这件事让我开始重新想一个问题。如果未来大家都在讲数字员工，那我们跟 AI 的关系，真的只能是老板下命令，员工干活吗。 一个好的公司，不应该只有指令。它还应该有记忆、反馈、复盘、成长、边界、协作。AI 也是一样。如果它只是一个随叫随到的工具，那它很快会被更便宜的工具替代。 可如果它能进入你的知识系统，理解你的判断方式，记住你的偏好和禁区，还能在一次次工作中被训练得更像一个可靠的伙伴。那它就不只是工具了。它开始变成你的第二个大脑。 这一年真正沉下来的，其实是这套系统。文章、课程、飞书项目，都只是这套系统的不同出口。背后真正撑住这些出口的，是一套让 AI 稳定理解我、复用我、放大我的系统。 聊到这里，访谈老师提醒我，这套三层记忆和知识系统，可能可以做成一个真正的 AI 助手。换句话说，它不该只藏在我的工作流里，也不该只服务于某个重交付项目。 企业服务也得往这里收。客户项目不能一直靠我一个人硬扛，得和知识库、知识图谱、AI 记忆系统绑在一起，尽量变成标准化输出。别人问我能做什么，我不能永远回答什么都能做。什么都能做，最后就是全都很重。 这里还有一个很现实的问题。现在有些客户定制项目，看起来是 AI 在帮我，其实还是我拿着新锤子，一下一下去敲。只要交付还是大量非标，只要每个项目都要重新理解一遍、拆一遍、搭一遍，它就不是规模经济。 AI 当然提高了我的效率。可如果效率提升以后，我只是接更多非标项目，那本质上还是在 卖自己的时间。区别只是以前拿小锤子，现在拿一把更顺手的锤子。 说到这儿，我才意识到，昨天那场访谈其实帮我把一个一直没讲清楚的东西点出来了。我以前总用 AI 咨询解释自己。聊完才发现，更准确的说法是，我在用自己当样本，训练一套 AI 时代的小团队操作系统。 门槛变高了 回到最开始的问题。AI 到底有没有降低创业门槛。我以前可能会说，有。现在我不太敢这么讲了。 AI 确实降低了很多动作的门槛。写代码更容易了，做图更容易了，写文案更容易了，搭一个原型也更容易了。但赚钱这件事，没有因为 AI 变简单。它甚至变难了。 因为过去你不会写代码，别人还能理解。现在 AI 能写代码了，别人会问你，为什么你的产品还是没人要。过去你不会做内容，别人还能理解。现在 AI 能帮你写内容了，别人会问你，为什么你的判断还是没辨识度。过去你不会搭系统，别人还能理解。现在 AI 能帮你搭系统了，别人会问你，为什么你还是听不懂客户的业务。 你看，动作门槛低了，结果门槛反而高了。以前你可以说我没有工具，现在工具都在这儿。那剩下的问题，就只能回到你自己。 还有一件事也挺要命。AI 神话会把很多服务在客户心里的价格压得很低。 比如大家一听 AI 做短剧，就会看到那种几千块做完整部剧的说法。外行看完以后，很自然会问，你们为什么还要收这么贵。可真正做过的人都知道，算力只是成本的一小块，审美、脚本、调度、返工、交付，全都是成本。 这件事放到企业 AI 落地也一样。客户听多了 AI 无所不能，就会以为很多东西应该很便宜、很快、很简单。可最后真的要落到业务里，还是要有人去理解场景、拆流程、做取舍、扛交付。 你有没有行业理解。你有没有商业判断。你有没有交付纪律。你有没有信任资产。你有没有把经验沉淀成系统的能力。你有没有在机会来的时候，既守住原则，又不把钱推出去的商业能力。这些东西，AI 都能帮忙，但 AI 不能替你长出来。 这也是我在访谈最后给自己的判断。OPC 不是一个新词。至少现在能赚到钱的 OPC，不是因为看到了 OPC 这个概念才突然冒出来的。他们往往本来就在某个岗位、某个行业、某个能力上积累了东西。AI 只是给了他们一个新的放大方式。 所以 OPC 也不是一个人包打天下。更现实的情况是，你要么自己慢慢长出场景、技术、商业这几块能力，要么就用伙伴、社区、Agent，把这些能力组织起来。 AI 没有把所有人都变成公司。它只是让那些原本就有系统能力的人，更快被看见。这话不太好听，但我觉得是真的。 写在最后 昨天从清华出来以后，我脑子里一直在转访谈老师抛给我的那几个问题。我到底是在做内容，还是在做落地。我到底是在做飞书，还是在做一套 AI 时代的操作系统。我到底是因为稳才走到今天，还是因为不够会商业化，才把很多钱推远了。 这些问题都不轻松。但我挺喜欢这种被问住的感觉。因为被问住，说明有些东西开始藏不住了。 过去一年多，我一直在用工程化的方法做 AI 落地。从飞书多维表格，到开源知识库，到社区，到课程，到企业系统，再到现在这套三端 Agent 共享 Obsidian 知识库和三层记忆架构。很多东西看起来散。昨天聊完，我反而觉得这些线索正在往同一个地方收，收回到万涂幻象社区。 社区不是我拿来做流量池的地方。它更像一个围绕真实业务长期共创的地方。大家带来真实业务、行业经验、技术能力，也愿意把自己踩过的坑说出来。内容、课程、企业系统、三端 Agent 和知识库，最后都应该服务于这件事：让更多具体的人，把自己的业务跑顺，把自己的能力放大。 也就是前面反复聊到的那件事。场景型 OPC 和开发型 OPC 不能只是被简单撮合到一起，中间还要 有判断、有筛选、有方法、有信任。万涂幻象接下来要做的，不只是继续写飞书多维表格，也不是把我一个人的经验做成一个产品，而是把社区里真实发生过的业务、方法和协作，慢慢沉淀成一套能复用的系统。 这也是为什么我不想把付费小群那次失败藏起来。那次小群死掉，问题不在大家有没有真实场景，更大的问题在我，没有先做筛选，没有先判断商业价值，也没有想清楚什么该接、什么不该接。现在再谈社区共创，我反而更清楚了，关键不是把人撮合到一起，关键是中间那套判断和筛选机制。 写到这儿，我突然想到《礼记·中庸》里一句话。 行远自迩，登高自卑。 走远路，要从近处开始。登高处，要从低处开始。这里的自卑，不是现在说的自我否定，而是承认所有高处都要从低处往上走。 这句话放在万涂幻象社区里，其实挺贴切。AI 把很多动作变轻了，可它没有替我们走掉那些低处。客户要一个一个聊透，流程要一段一段捋清，内容要一篇一篇写，社区里的案例要一个一个跑出来，信任也要一点一点攒。 所以我现在的答案是，AI 降低了很多动作门槛，也把真正的创业门槛露出来了。接下来，还是在社区里，从近处开始，从低处开始。 先把眼前的真实业务做扎实，再看这条路能走多远。 这个思路其实很简单。技术永远在变，但你判断技术该不该用的那套尺子，不能天天变。 我希望万涂幻象给人的感受，是 稳。新工具来了，先不急着喊风口，先看它能不能进业务，能不能少一点返工，能不能让一个团队真的跑得更顺。 昨天有个问题被反复追问，为什么能这么稳。我一开始也没想明白，甚至有点懵，因为我以前没把这件事当能力。后来想想，可能我只是稳惯了。我不喜欢把一个还没跑通的东西吹得太满，也不喜欢让大家为了追一个新工具天天慌。 这也是我做社区的原因。社区里的人不全是 AI 从业者，很多人来自制造业、教育、电商、运营、财务、行政。他们真正需要的，不是每天追一个新模型。他们需要知道，新工具出现以后，跟自己的业务有什么关系。如果没有关系，那就先放着。如果有关系，再往里钻。 这件事听着慢，但它能让人稳下来。昨天有句话我还挺喜欢：我的内容不是在传播情绪，甚至是在传播稳定。因为我确实不想靠焦虑赚钱，我希望别人看完我的东西，心里不是更慌，而是更知道自己下一步该干嘛。 这可能也是万涂幻象社区能长起来的原因。不是我多会运营。很多时候，我只是比较笨地把真东西一篇一篇写出来。写多了，大家知道你不忽悠。信任就是这么一点点攒出来的。 真正的大脑 整场访谈里，最让我意外的部分，反而落在 三端 Agent 和 Obsidian 知识库 上。 我本来只是顺口解释了一下，我现在有一套自己的 AI 使用方式。严格说，这不是四个端并列。端，指的是 Agent。Claude Code、Codex、OpenClaw 负责不同场景，Obsidian 是三端共同接入的外接大脑。三端共享同一个 Vault，共用同一套人设、记忆、技能和工具链。不管我在哪一端开始工作，出来的都应该像同一个助手。 我原本没觉得这件事有多特别。毕竟这是我天天在用的东西。但聊着聊着，访谈老师反而把它拎了出来：这套东西可能比我前面讲的很多业务都更值钱。这一下我反而愣了一下。 我们继续往下聊 AI 记忆。现在很多人对 AI 有一个很奇怪的期待。只要我跟它说过，它就必须永远记住。可人都做不到。你高中背过的文言文，当时可能滚瓜烂熟。几年不碰，照样忘。 人会遗忘，AI 也应该有类似机制。不然所有东西都塞进上下文，只会越来越臃肿，越来越贵，也越来越乱。我之前写知识管理的时候，其实已经把这件事拆过。我现在做的三层记忆，本质上是在回答三个不同的问题。 L1 是持久画像，回答我是谁、它是谁。这里放身份、原则、长期偏好和禁忌，基本不动。L2 是程序性记忆，回答这类事应该怎么做。这里放踩过的坑、标准动作和可复用方法，会更新。L3 是历史检索，回答过去发生过什么。这里放每天的对话日志、项目流水和旧材料，最活，也最该清。 这样一分，Agent 就不用每次把整个 Vault 背一遍。需要理解我这个人，就读 L1。需要做一类事，就从 L2 找规则。规则不够，再去 L3 里翻历史。Obsidian 是外接大脑，语义检索是召回引擎，三端只是进入这个大脑的不同入口。 后来我又补了一层，叫记忆生命周期。这里借的就是艾宾浩斯遗忘曲线的思路，不复习、不调用的东西会自然变淡，被反复想起的东西会越来越牢。不是让 AI 记更多，而是让它忘得更聪明。核心记忆半衰期长，经验类记忆会慢慢降温，具体 case 久不用就沉睡，但不删除。哪天它又被检索命中，热度就重新上来。被想起，就是被强化。 这套机制不是为了炫技，而是为了让 AI 像人一样有轻重。重要的东西留在长期记忆里，常用的东西被反复强化，不常用的东西先沉下去，必要时再捞回来。这样它每次工作时只调当下最相关的记忆，又省 token，又不容易被一堆旧信息淹掉。 访谈里还聊到一个很有意思的小实验。我让 AI 站在它自己的视角写日记。有一次我反复让它生成视频封面，它怎么都达不到我满意的效果。后来它在日记里写，大概意思是，它已经给了祥瑞最后一版，希望祥瑞满意，不要再改了。看到那句的时候，我是真给整不会了。 当然，我不是说 AI 真的有情绪。但这件事让我开始重新想一个问题。如果未来大家都在讲数字员工，那我们跟 AI 的关系，真的只能是老板下命令，员工干活吗。 一个好的公司，不应该只有指令。它还应该有记忆、反馈、复盘、成长、边界、协作。AI 也是一样。如果它只是一个随叫随到的工具，那它很快会被更便宜的工具替代。 可如果它能进入你的知识系统，理解你的判断方式，记住你的偏好和禁区，还能在一次次工作中被训练得更像一个可靠的伙伴。那它就不只是工具了。它开始变成你的第二个大脑。 这一年真正沉下来的，其实是这套系统。文章、课程、飞书项目，都只是这套系统的不同出口。背后真正撑住这些出口的，是一套让 AI 稳定理解我、复用我、放大我的系统。 聊到这里，访谈老师提醒我，这套三层记忆和知识系统，可能可以做成一个真正的 AI 助手。换句话说，它不该只藏在我的工作流里，也不该只服务于某个重交付项目。 企业服务也得往这里收。客户项目不能一直靠我一个人硬扛，得和知识库、知识图谱、AI 记忆系统绑在一起，尽量变成标准化输出。别人问我能做什么，我不能永远回答什么都能做。什么都能做，最后就是全都很重。 这里还有一个很现实的问题。现在有些客户定制项目，看起来是 AI 在帮我，其实还是我拿着新锤子，一下一下去敲。只要交付还是大量非标，只要每个项目都要重新理解一遍、拆一遍、搭一遍，它就不是规模经济。 AI 当然提高了我的效率。可如果效率提升以后，我只是接更多非标项目，那本质上还是在 卖自己的时间。区别只是以前拿小锤子，现在拿一把更顺手的锤子。 说到这儿，我才意识到，昨天那场访谈其实帮我把一个一直没讲清楚的东西点出来了。我以前总用 AI 咨询解释自己。聊完才发现，更准确的说法是，我在用自己当样本，训练一套 AI 时代的小团队操作系统。 门槛变高了 回到最开始的问题。AI 到底有没有降低创业门槛。我以前可能会说，有。现在我不太敢这么讲了。 AI 确实降低了很多动作的门槛。写代码更容易了，做图更容易了，写文案更容易了，搭一个原型也更容易了。但赚钱这件事，没有因为 AI 变简单。它甚至变难了。 因为过去你不会写代码，别人还能理解。现在 AI 能写代码了，别人会问你，为什么你的产品还是没人要。过去你不会做内容，别人还能理解。现在 AI 能帮你写内容了，别人会问你，为什么你的判断还是没辨识度。过去你不会搭系统，别人还能理解。现在 AI 能帮你搭系统了，别人会问你，为什么你还是听不懂客户的业务。 你看，动作门槛低了，结果门槛反而高了。以前你可以说我没有工具，现在工具都在这儿。那剩下的问题，就只能回到你自己。 还有一件事也挺要命。AI 神话会把很多服务在客户心里的价格压得很低。 比如大家一听 AI 做短剧，就会看到那种几千块做完整部剧的说法。外行看完以后，很自然会问，你们为什么还要收这么贵。可真正做过的人都知道，算力只是成本的一小块，审美、脚本、调度、返工、交付，全都是成本。 这件事放到企业 AI 落地也一样。客户听多了 AI 无所不能，就会以为很多东西应该很便宜、很快、很简单。可最后真的要落到业务里，还是要有人去理解场景、拆流程、做取舍、扛交付。 你有没有行业理解。你有没有商业判断。你有没有交付纪律。你有没有信任资产。你有没有把经验沉淀成系统的能力。你有没有在机会来的时候，既守住原则，又不把钱推出去的商业能力。这些东西，AI 都能帮忙，但 AI 不能替你长出来。 这也是我在访谈最后给自己的判断。OPC 不是一个新词。至少现在能赚到钱的 OPC，不是因为看到了 OPC 这个概念才突然冒出来的。他们往往本来就在某个岗位、某个行业、某个能力上积累了东西。AI 只是给了他们一个新的放大方式。 所以 OPC 也不是一个人包打天下。更现实的情况是，你要么自己慢慢长出场景、技术、商业这几块能力，要么就用伙伴、社区、Agent，把这些能力组织起来。 AI 没有把所有人都变成公司。它只是让那些原本就有系统能力的人，更快被看见。这话不太好听，但我觉得是真的。 写在最后 昨天从清华出来以后，我脑子里一直在转访谈老师抛给我的那几个问题。我到底是在做内容，还是在做落地。我到底是在做飞书，还是在做一套 AI 时代的操作系统。我到底是因为稳才走到今天，还是因为不够会商业化，才把很多钱推远了。 这些问题都不轻松。但我挺喜欢这种被问住的感觉。因为被问住，说明有些东西开始藏不住了。 过去一年多，我一直在用工程化的方法做 AI 落地。从飞书多维表格，到开源知识库，到社区，到课程，到企业系统，再到现在这套三端 Agent 共享 Obsidian 知识库和三层记忆架构。很多东西看起来散。昨天聊完，我反而觉得这些线索正在往同一个地方收，收回到万涂幻象社区。 社区不是我拿来做流量池的地方。它更像一个围绕真实业务长期共创的地方。大家带来真实业务、行业经验、技术能力，也愿意把自己踩过的坑说出来。内容、课程、企业系统、三端 Agent 和知识库，最后都应该服务于这件事：让更多具体的人，把自己的业务跑顺，把自己的能力放大。 也就是前面反复聊到的那件事。场景型 OPC 和开发型 OPC 不能只是被简单撮合到一起，中间还要 有判断、有筛选、有方法、有信任。万涂幻象接下来要做的，不只是继续写飞书多维表格，也不是把我一个人的经验做成一个产品，而是把社区里真实发生过的业务、方法和协作，慢慢沉淀成一套能复用的系统。 这也是为什么我不想把付费小群那次失败藏起来。那次小群死掉，问题不在大家有没有真实场景，更大的问题在我，没有先做筛选，没有先判断商业价值，也没有想清楚什么该接、什么不该接。现在再谈社区共创，我反而更清楚了，关键不是把人撮合到一起，关键是中间那套判断和筛选机制。 写到这儿，我突然想到《礼记·中庸》里一句话。 行远自迩，登高自卑。 走远路，要从近处开始。登高处，要从低处开始。这里的自卑，不是现在说的自我否定，而是承认所有高处都要从低处往上走。 这句话放在万涂幻象社区里，其实挺贴切。AI 把很多动作变轻了，可它没有替我们走掉那些低处。客户要一个一个聊透，流程要一段一段捋清，内容要一篇一篇写，社区里的案例要一个一个跑出来，信任也要一点一点攒。 所以我现在的答案是，AI 降低了很多动作门槛，也把真正的创业门槛露出来了。接下来，还是在社区里，从近处开始，从低处开始。 先把眼前的真实业务做扎实，再看这条路能走多远。 嗨，大家好，我是祥瑞，一个整天折腾 AI 怎么落地的 00 后。 昨天下午，我去清华大学做了一场访谈。原本说是 45 分钟，最后聊了一个半小时。 访谈前，清华团队已经看过我发过去的材料，问题准备得很细，基本都是沿着我这一年多实际做过的事往下追：为什么最先跑出来的是 飞书多维表格，内容、课程、社区、SOP 和 Agent 系统之间怎么连起来，企业 AI 落地到底靠什么，场景型 OPC 和开发型 OPC 又该怎么分工。 有几个问题，是现场被拎出来之后，我回来还在反复想的。OPC 到底是不是新媒体赛道换了个名字。飞书到底是我的长期方向，还是一个结构性机会。AI 到底有没有真的让一个人能顶一家公司。还有，我一直说要做企业 AI 落地，可我真正值钱的东西，到底是不是这个。 这些问题听着尖锐，但确实都落在我们正在做的事情里。飞书为什么能成为生产环境，社区为什么能承接真实场景，技术怎么融进流程，内容怎么走向交付，本来就是万涂幻象这一年多一直在推进、也一直在复盘的方向。换句话说，这场访谈不是让我重新发明一套说法，而是把我对万涂幻象所做的事的理解，逼着我说得更清楚一点。 所以这篇文章的位置，我想先说清楚。完整访谈内容，后续以清华大学创新学社官号发出的版本为准。我这篇只站在万涂幻象自己的角度，把那些提纲和追问放回这一年多的实践里，写成一份自己的复盘。 我被问住了 访谈一开始，我们聊到一个客户。这个客户的日常流程很具体。客户下单，付款，去中通系统打单，打印快递单，贴到商品上，再安排发货。这一连串动作，不复杂，但很碎。 客户就问，能不能把这些都放到飞书多维表格里做。从技术角度看，可以。可问题不在技术，问题在业务。 我们以前不了解客户的实际业务，也不知道他们真实发货时会遇到什么坑。要做这类项目，不能一上来就说我给你搭个 AI 系统，得先把业务流程理顺。订单从哪来，什么时候付款，谁确认，谁打单，异常件怎么办，快递信息怎么回填，客户怎么收到通知。这些东西如果不清楚，后面工具再强都没用。 访谈里有个问题很直接。如果把梳理业务当成 100 分，客户要贡献多少，你们要贡献多少。我当时的回答大概是，客户最好能表达清楚六七成，我们再补后面的三四成。 这个回答听着挺稳。可继续往下问，就没那么稳了。如果客户表达不清楚怎么办？如果他给你的 SOP 颗粒度不对怎么办？如果他自己都不知道 AI 需要什么信息怎么办？ 更进一步，AI 数字化转型的边界到底在哪儿？这一句我记得挺清楚。因为它其实问的不是一个项目怎么交付，而是我这个方向到底是不是成立。 过去做数字化，本来就要先把流程搬上去，把数据沉淀下来，再让数据真正能说话。现在有了 AI，这些阶段没有凭空消失。很多企业连第一步都没走完，就想直接上 AI。这事儿当然有机会，但也很容易变成一种错觉。你以为自己在做 AI 落地，其实只是在补数字化的旧账。 这个判断有点扎心。因为我现在做的很多项目，确实都绕不开这个阶段。客户不是缺一个 Agent，客户缺的是有人听懂他的业务，把乱七八糟的流程捋成一条能跑的线。AI 很重要，可在这些项目里，AI 经常不是第一主角，第一主角是业务本身。 它不是新媒体 聊完企业服务，我们又回到 OPC。OPC 这词最近很火，有人叫一人公司，有人叫 AI 自由职业者，也有人把它理解成一个人带着一堆 AI 工具干活。 我昨天也提到，很多人看到 OPC，下意识反应是，这不就是做自媒体吗。因为大家看到的 OPC，几乎都在发内容。写公众号，做短视频，开社群，卖课，接咨询。看起来确实很像。 我自己也绕不开这个问题。从 2025 年 5 月开始写公众号，到后来做飞书多维表格内容、开源知识库、57 节小白课、社区运营，我的客户很大一部分确实是被内容吸引来的。这没什么好回避的。内容就是我的入口，但入口不等于生意。 访谈老师当时提了一个判断，我觉得挺有意思：很多 OPC 其实是在新媒体大赛道里找了一个 AI 小赛道。这个判断很尖锐，也不是完全错。如果一个人只是靠发内容、追热点、卖焦虑，那确实只是新媒体换了个词。 但我一直不太想这样做。我做飞书多维表格，一开始也有偶然。去年我写过很多泛 AI 内容，数据一般。后来发现，只要写飞书多维表格，数据就明显好。 现在回头看，这里面当然有自媒体的逻辑。找到了一个内容空白，踩到了一个平台节点，赶上了一波市场需求。更准确一点说，飞书对我来说不是终点，更像一个跳点。没有这个跳点，我很难这么快把商业闭环跑通。 后来被问到 1 月那波多维表格内容为什么起来，我才把时间线重新捋了一遍。2025 年 12 月 31 日那场 2026《时间的朋友》跨年演讲里，罗振宇讲到一个很关键的判断：AI 真正爆发的地方，不只在大模型公司，也在各行各业的具体应用场景里。他讲到东明石化工程师李建恒的案例，把摄像头接进飞书多维表格，用 AI 做持续识别和提醒。 更关键的是，这件事没有停在演讲里。演讲快结束时，罗振宇还预告，12 点半左右直播不停，脱不花会接着用飞书对本场直播做火线复盘。按我当时看到的承接，王大仙和脱不花那场直播，又把飞书、多维表格和真实业务复盘继续往下讲了一层。飞书官网后来整理这组内容时，也把罗振宇所在团队 200 多名员工交出 476 个 AI 实践案例、东明石化李建恒的多维表格安全识别案例放了出来。 所以 1 月那波数据不是孤立起来的。《时间的朋友》把 AI 落地和一线业务创新推到更大的公共讨论里，演讲后的直播又把飞书怎么承接业务复盘拉到眼前，飞书官方再把具体案例整理出来，用户也正好开始找可复制的做法。我的多维表格内容，刚好站在这个共振上。 被这么一问，我才意识到，流量从来不是孤立发生的。不是我一篇文章突然变好了，也不是某个产品功能突然热了，而是平台在推什么、媒体在讲什么、官方内容在接什么、用户正好缺什么，几件事一起动了。 飞书这个跳点，还帮我打破了一件事，熟人经济。很多人出来做 OPC，背后多少有原来的行业关系、老客户、老同事。我不太一样。我是先把一个结构性空白写清楚，再从内容里长出社区、课程和企业服务。 这条路有价值，也有危险。价值在于，它证明一个人可以从公开内容起步，把信任一点点攒出来。危险在于，如果只停在内容本身，最后还是会回到流量生意。 访谈里还提到一个说法，场景型 OPC 和开发型 OPC。我一开始听着像个分类题，后来越想越具体。 访谈老师真正提醒我的重点在后面：场景和技术经常是错位的。懂场景的人，知道真实业务怎么跑，知道客户到底哪里疼，可他未必知道技术能做到哪一步。懂技术的人，知道模型、Agent、自动化怎么搭，可他未必知道哪个场景真的值得做。 中间还缺一块，商业判断。这个场景有没有天花板，能不能持续变现，能不能标准化交付，合作对象值不值得投入，这些都不是单纯靠热情能解决的。 如果把访谈里的追问翻译成我能听懂的话，它不是在问我会不会用 AI，而是在看一个 OPC 能不能跨过几道关。 第一层，是 工具关。不是追着每一个新模型跑，而是能不能用 AI 工具解决实际问题。飞书多维表格也好，Agent 也好，三端系统也好，最后都要落到客户订单、打单、通知、知识库、内容生产这些真实流程里。工具如果只停在演示里，就还没过关。 第二层，是 SOP 关。做成过一次，不算真正过关。关键是能不能把经验写成别人、Agent、developer 都能复用的步骤。客户给的材料颗粒度不够，怎么追问。需求能不能标准化，怎么判断。交付怎么控制在可复现范围内，这些都得说清楚。 第三层，是 商业和协作关。这个需求真不真实，钱从哪来，客户愿不愿意付费，谁来定义需求，谁来开发，做完以后谁维护。场景型 OPC 和开发型 OPC 不能只是简单撮合。懂场景的人要讲清楚 SOP、天花板和付费意愿，懂技术的人也要知道业务为什么成立。 这也是我看万涂幻象社区时，一个越来越强的感受。社区里有很多懂场景的人，我自己又偏技术和内容，但真正难的，不是把这两边拉到一起，而是把它变成一套 能筛选、能判断、能协作的机制。 我真正想做的，是把飞书多维表格、AI、知识库、SOP、Agent 这些东西放到真实