AI 实干派 看真正用 AI 拿到结果的人怎么做
AI 实干派 023 · 2026 年 11 月 1 日 · 周日 · 约 7 分钟读完

ChatGPT 插件一周带来 1 万美元 MRR 却留不住人,理财公司让 agent 反过来提醒顾问

30 秒速读

Micro SaaS·经营复盘·2026-11-01·US

谁·场景
Jack Friks 一个人做社媒多平台定时发布工具 Post Bridge,主要靠自己在 X 上公开创业来获客。Jason Cohen 和 Tibo Louis-Lucas 在 Smart Bear Live 上帮他做了一场诊断。
怎么用
他给产品做了 MCP 和 API,最近在 MCP 里加了交互 widget,让用户在 agent 里点几下就能连好账号。产品还上架了 ChatGPT 插件市场。
结果
他说插件上架后注册量创下两年最高,那周新增约 1 万美元 MRR,五天后回落。用 API 的用户留存大约是其他用户的两倍。在他统计的 1,000 次取消里,三类人各占约三分之一:取消时还在发帖的、一次都没发过的、慢慢不用了的。
你可以试
把最近的取消用户按这三类分开,先去访谈「还在用却走了」的那批人。从 agent 渠道进来的新用户要主动带他们上手,别等他们自己来反馈。
注意
插件市场带来的流量来得快去得也快。Tibo 推测平台会按使用量调整推荐,用户上手不顺,插件可能就不再被推荐了。

Post Bridge 的增长曲线基本是两段:先涨到一千多个订阅用户后走平,后来跟着 OpenClaw 热潮又涨了约 500 个,之后再次走平。Jason Cohen 在节目里说,每月 20% 的流失意味着加一个客户就走一个,这给增长封了顶。他拿 Buffer 做对照,Buffer 约 7%。

几条建议可以直接用。一是主动带用户上手。Jason 举了 HubSpot 的例子:参加一对一上手引导的用户留存是其他人的四倍,HubSpot 干脆把引导设成必选步骤。二是只做 LLM 做不好的事。授权对接、图片视频的格式处理、带阈值的旧帖循环库(比如只重发点赞过 5 的)、效果统计,用户都更愿意交给工具,不会自己让 agent 去搭。三是先选定客户。被问到产品最擅长什么,Jack 答「我不知道」。Tibo 建议改成统一价:每个账号 1 美元,最少 30 个。理由是管理 15 个以上账号的用户心理价位在 500 美元,不是 50 美元。

给 agent 时代做工具的人可以参考:插件市场是一个新的获客渠道,但留下来的人才算数,留存要分批次看。

工作提效·本周动态·2026-10-31·US

谁·场景
Aman Singh 是理财服务公司 Arca 的首席 AI 工程师,在 AI Engineer New York 期间接受了 Latent Space 采访。
怎么用
公司自建 harness,按内部 benchmark 给每类任务挑模型,主力模型是 Claude。每个客户有一套持久记忆,记录进展、待办和负责人。agent 写查询代码后,系统把代码转成固定格式,再经过护栏检查才能访问后台数据。
结果
他说后台大部分工作由 agent 完成,安全限制全部是确定性规则。另有一个 meta-agent 分析顾问反馈和 agent 运行记录,给 harness 提改进建议。
你可以试
如果你在团队里搭 agent 流程,先列出哪些动作有风险,用代码规则直接禁止 agent 执行,别只靠 prompt 约束。
注意
这套做法需要工程团队自建 harness、记忆系统和数据护栏,个人或小团队一时搭不起来。

Singh 在访谈里说,理财工作的特点是周期长,但并非一直在运行:「走走停停,中间有很多参与者、决策点和交接。」所以 Arca 给每个客户建了记忆,agent 会持续写入:目前进展到哪、接下来几天要做什么、长期在跟踪什么、每一步归谁负责。他的概括是「agent 提示人,多过人提示 agent」。

普通团队可以借鉴三点。风险动作用代码规则禁掉,不交给模型判断。agent 写的代码不直接执行,先转成预先约定的格式再检查。人的修改意见回流成评测,用来改进流程。节目里还讲了处理一笔 10 万美元税单时的人工审批,以及帮客户找出隐藏费用的例子。

自己掌握 harness 还有一个好处:换模型供应商不受限制。代价是要有工程投入来维护。

原文:Latent Space
AI App·观点访谈·2026-11-01·US

谁·场景
Hector Serrano 19 岁加入 AI 语音输入工具 Wispr Flow,当时产品还没找到市场契合,现在他是内容负责人。他在 Lenny 的节目上讲了这套打法。
怎么用
他组建了一支约 50 人的创作者团队,批量制作用户视角的短视频广告,再拿去付费投放。创作者的报酬是这条广告投放额的一部分,广告投得越多,创作者拿得越多。
结果
节目介绍称,Wispr Flow 过去一年收入增长 30 倍,按 20 亿美元估值完成融资。这些增长不全来自 UGC 广告。
你可以试
做消费级 AI 工具的人可以先找三五个创作者小规模试,按投放额分成,让报酬和广告效果直接挂钩。想做内容副业的人,可以把「给 SaaS 拍 UGC 广告」当成一个接单方向。
注意
按投放额分成需要公司本身有付费投放预算,冷启动阶段没钱投放的产品用不上。

Lenny 在本期节目介绍说,这是 DTC 品牌用了多年的打法,现在被搬到了 SaaS 上。Serrano 认为付费 UGC 是眼下最被低估的增长手段之一,YouTube 则是 SaaS 最被低估的渠道。他还有一个说法:最好的营销人「对 AI 过敏」。

这套机制的关键在报酬结构。创作者按广告投放额分成,表现好的素材会被追加预算,创作者收入跟着涨,公司也就不用逐条评估稿费值不值。产量做到每月数百条,团队就能持续测试大量素材,留下效果好的。

小团队的门槛在于产品本身要能在几秒的视频里演示出效果。语音输入这类当场就能看到差别的工具比较合适,需要长时间配置的产品很难拍。

AI 认知·观点访谈·2026-10-31·US

谁说的
Aaron Levie 是 Box 的 CEO,他在 X 上发了一条帖子,获得 600 多个赞。
核心观点
他提出一个简单的检验:如果你现在做的事在没有 AI 时也做得出来,你多半还没把 AI 用到位。
依据
他的依据是能力变化:约半年前,AI 最多帮你更快地产出原本就会产出的东西;现在原型应当完全可交互、功能更多,调研应当覆盖这个主题能找到的所有事实,业务流程应当能从过去的失败里学习。
对你的意义
给下一个任务设两个目标:一个是按老标准做完,一个是只有借助 AI 才够得着的版本,比如原型多做一项关键功能,调研多覆盖几个分析维度。
争议·条件
Levie 自己也说 AI 的智能「仍然参差不齐」,并非每个维度都强过人。产出变多了,检查的工作量也会跟着变大。

Levie 在帖子里的判断是:我们正在进入一个 AI 在多数维度上比人更聪明的阶段,人和 AI 各补所长,结果会出现质的不同。这是他个人的判断,不是已经发生的事实。

这个检验对工作方式有实际影响。很多人用 AI 的方式是把原来的流程提速,比如更快地写文档、更快地出原型。按他的标准,这只是半年前的用法。把目标往上调,比如原型可以直接交互,调研可以覆盖所有维度,再看 AI 能把你带到哪里。

要注意这条标准的适用范围。它更适合原型、调研这类多做一点就有额外价值的任务,不适合合规、财务这类要求精确、稳定的工作,后者更看重少出错。

今天可以做的一件事

如果你有付费产品或在做副业服务,今天导出最近的取消或停用名单,照 Post Bridge 的方法分成三类:从没用过的、慢慢不用的、还在用却走了的。每类挑两个人发一封短邮件,问一个具体问题,比如「你后来用了什么替代?」。手上没有产品的话,就从这周的任务里挑一件,套用 Levie 的检验:写下按老标准的做法,再写一个只有借助 AI 才够得着的版本,两个都做出来比一比。