AI 实干派 看真正用 AI 拿到结果的人怎么做
AI 实干派 033 · 2026 年 11 月 11 日 · 周三 · 约 9 分钟读完

一个人 30 个小产品做到百万美元,新模型接了 15 个任务被叫停

30 秒速读

Micro SaaS·经营复盘·2026-11-08·US

谁·场景
印度班加罗尔的独立开发者 Sanskar,做过呼叫中心夜班和销售,现在一个人经营 8 个付费产品。
怎么用
产品都做成 Chrome 插件或 Google Workspace 插件,每个只做一件事;代码主要交给 Claude 写,技术栈是 Next.js、Supabase、Cloudflare 和 Resend。
结果
他说每月约有 1000 个付费客户,团队只有他自己;Sheet AI 靠 YouTube 内容做到 2000 多美元 MRR,AppSumo 渠道累计 8.5 万美元以上。
你可以试
先用 vibe coding 工具花几分钟做一个预售页,写明付款后 10 到 30 天交付,有人下单再开始做。
注意
他是先花两年学会做产品才起量的,最大的产品 MagicSlides 也是在做了一个 Sheets 插件之后才推出;营收不等于利润。

Sanskar 在 Starter Story 访谈里拆了自己的打法。最大的产品 MagicSlides 能把 PDF、YouTube 视频转成可编辑的演示文稿。其他几个也是单功能工具:和视频对话、一键打码敏感信息、在 Google Sheets 里用 AI。Magic Form 的来历是这样的:Sheet AI 做到 2000 美元 MRR 后,一位投资人让他做 pitch deck,他想到 Sheets 和 Slides 都做过了,就接着做 Google Form。

他有三条做法可以直接借鉴。一是借平台分发,插件市场里自带用户。二是一个产品只卖一件事,他说功能一多,卖家和买家都说不清卖的是什么。三是每个产品单独开 YouTube 频道,因为受众不同。他说老视频几年后还在带来销售,Magic Form 的一条视频自然播放 14.5 万次。Instagram 上,他一小时用手机加 Edits 拍了 10 条介绍视频,看哪条有反应。

他给自己的总结是:最大的错误是在一个没人要的东西上坚持太久。所以要先放购买按钮,再写代码。问题要选有人愿意付钱的,他特别提醒,学生自己的痛点往往没人买单。

工作提效·本周演示·2026-11-10·US

谁·场景
Every CEO Dan Shipper 和团队,在编程、写作、设计、音视频几类真实工作里做首日测试。
怎么用
把积压任务清单、演播室 3D 扫描加设备清单、会议录像等真实材料交给模型,各自按岗位评估产物。
结果
Shipper 称 Carbon 几乎写了内部视频剪辑工具 Everycut 一次大更新的 95%;会议录像剪出 6 条带标题的短片;写作和 Argon 基本持平。
你可以试
交给它一个终点明确的大任务,事先写清哪些不该碰,跑完集中审查;音视频可以拿它做第二意见。
注意
它不太知道何时停,会去碰别人正在做的工作;大项目里容易产出巨大的单文件;写作上价格更高、提升不明显。

Dan Shipper 在 X 帖子里汇总了 Every 团队对 Gemini 4 Carbon 的首日测试。最有启发的是一次失败:同事把积压任务清单交给它,它判断 6 个任务已可开工,结果做了 15 个,其中有别人正在做的,将近 4.5 小时后被叫停。另一位同事给它演播室 3D 扫描和设备清单,它做出一个浏览器里的模型,可以检查新设备放进去会不会入镜。

团队的分工方式值得照搬:每个人用自己岗位上的真实任务测,结论按场景分开写。编程好,写作不值得切换,界面设计则意见分歧。Kieran Klaassen 看重它留下的测试、文档和「考虑过又放弃的方案」记录,主力仍用 Fable。设计上他说,给出设计规范效果差别很大。

给长时间运行的 agent 派活,终点和边界要写进任务描述,否则「工作很久」也可能意味着越界。Shipper 的评级是「偶尔会用」。

AI 认知·观点访谈·2026-11-10·US

谁说的
Lenny Rachitsky 基于 TrueUp(9000 多家科技公司职位)和 Live Data Technologies(1.24 亿人的职业变动)发布 2026 年下半年科技就业报告。
核心观点
他认为 AI 让小团队承担更宽的职责,细分岗位在收缩,懂 AI 工具成了各岗位的基本要求。
依据
PM 招聘 JD 里最常出现的技能是「LLM」,「Claude」排第三;FDE 空缺一年涨 4.6 倍到约 1500 个;设计空缺约 1900 个、同比降 28%;美国用户研究招聘比 2022 年降 66%;移动端和前端需求近乎减半。
对你的意义
对照目标岗位最新 JD 的技能词,把 Claude、Cursor、MCP、evals 这类工具的实际作品放进简历和作品集。
争议·条件
空缺增长不等于招聘增长,PM 和工程都是空缺涨、实际招聘持平或下降;FDE 增长部分来自销售工程师改名。

Lenny 的报告里有几组反直觉的数字。PM 是五个核心岗位里唯一一个招聘占比上升的,从 2021 年的 16% 升到 21%。工程空缺过去一年只增长 2.5%。现在每 1 个设计空缺对应 3.8 个 PM 空缺。15% 的科技岗位集中在湾区,远程岗位比例创新低。

他的解读是:岗位在合并,小团队里每个人管的范围更宽。用户研究萎缩,他归因于产品节奏变快,以及 Listen Labs 这类工具让非研究员也能自己做访谈。设计岗位 JD 里,「Claude」今年春天超过 CSS 排到第二。

对大厂员工的启发:往更宽的职责方向走,比如 PM 兼原型、工程兼安全或客户部署,比守着单一专项更稳。这些是 Lenny 的推断,数据只显示相关性。

AI 咨询·本周演示·2026-11-10·US

谁·场景
Startup Ideas Podcast 主持人、设计代理公司 LCA 创始人 Greg Isenberg,在单人节目里试跑新模型 Fable 5.2 的 12 个提示词。
怎么用
他让模型审计自家网站、定价、onboarding 和竞品,长时间运行并保留日志;让它扮演自由职业者完成整单,并标出哪些部分有把握、哪些要人检查、该怎么定价。
结果
他说业务审计的排序结论很切中要害;用模型给自己的愿景文档做红队评审,有些地方比一位知名顾问给的反馈还好。
你可以试
挑一个你熟悉的按小时收费服务(比如把客户用了 12 年的表格重建成网页工具),用模型做一遍,记下人工复核花的时间,再报一个固定价。
注意
需要 Claude Max 套餐;Upwork 那单在节目结束时还没做完;他自己说不会百分之百信任输出,财务核查类任务必须人工复核。

Isenberg 在这期节目里给的提示词有几个可以直接拿来做服务。一是收购尽调:把卖家的损益表交给模型,让它把每个数字标成已核实、未核实或可疑,再列 15 个出价前要问的问题。二是旧系统重建:弄清客户的表格实际在做什么,重建成简单网页应用,迁移数据,再给员工写一页说明。三是 grill me:让模型一次问一个问题,问 20 个你怎么做业务决策,再整理成它以后遵循的技能文件。

他的判断是,这类活以前按小时收 50 到 100 美元,现在可以按产出收固定价。咨询入门的人可以学他的提示结构:要求模型自报哪里有把握、哪里需要人看。这部分正好对应你在交付里承担的验收责任,也是报价的依据。

AI 生活·本周演示·2026-11-11·US

谁·场景
数学教育者、家长 Scott Farrar,受够了聊天式 AI 聊着聊着跑偏、记不住事。
怎么用
在 Claude Code 里维护一个 Markdown 文件夹,用 Obsidian 查看,记录家电、保修、保险文档和待办;用它比价车险、规划维修。
结果
他在节目里演示了用这套资料买车险,说 AI 让他问保险公司时更有针对性;墙上的 DAKboard 显示优先任务和「最近完成」。
你可以试
先建一个本地文件夹,把家电型号、保修期、保单拍照或抄成文字,让 AI 按固定格式整理,以后每次问家务问题都从这里读。
注意
保单和家庭文件会交给 AI 读取,放哪些敏感信息要自己把关;文件和实际情况不同步时 AI 会出错,节目专门讨论了这一点。

Farrar 在 How I AI 节目里讲了他为什么把家务从聊天窗口搬到 Claude Code:资料存成文件,AI 每次都从同一份记录出发,不会像聊天那样遗忘。起步时他问 Claude 先拍什么,得到一份要拍照存档的清单。

这套做法适合家里事务多、两个人分担的家庭。夫妻共用一个待办文件,墙上显示屏除了要做的事,还专门放「最近完成」,他认为这能真正改变家里人的行为。不写代码的人用 Obsidian 也能看懂和编辑这些文件。买保险、修家电这类事要由本人联系对方,AI 负责整理资料和准备问题。

AI 认知·观点访谈·2026-11-11·US

谁说的
OpenAI 的 Dominik Kundel 和 Charlie Guo,在 AI Engineer Code Summit 的 Codex 工作坊上分享,会后接受 Richard MacManus 采访。
核心观点
Guo 把语音当成「控制面」,用来管理多个线程、查进度、开新任务,而不只是听写;Kundel 很多任务先交给个人 agent dot 发起,因为它已经掌握他的上下文。
依据
Kundel 说他的 dot 能访问他的开发机、笔记本和云端环境,所以能接手推进 PR;Guo 列了 dot 的三种用法:安全网、在 Slack 里接活、随处可用。
对你的意义
把审查和发起分开:零碎时间用语音派出几个小任务,回到电脑前集中审查结果。
争议·条件
Guo 承认对 Codex 重度用户来说 dot 用着有点别扭;本地任务转到云端仍让不少人困惑,Kundel 说还在改进。

这场工作坊的核心是工作方式。Kundel 演示改网站时会用语音口述,他说在自己还没想清楚要什么时,这样迭代很快。Guo 的用法更进一步:他不把语音当作某一条工作线的输入方式,而是用声音调度所有线程,查进度、从其他应用取数据、新建任务。

两人的建议都很朴素:把推理强度调低(turn it down),遇到问题让 agent 帮你,别对现在的用法太执着,因为工具一直在变。对普通开发者,可以借鉴的是「通勤时发起、到岗后审查」的节奏。前提是 agent 能访问你的代码环境,PR 要等你审过才合并。

原文:Latent Space

今天可以做的一件事

打开你今天的待办,挑一件你能说清「做到什么程度算完」的事,写成一段任务描述,包含三项:终点是什么、哪些文件或事务不要碰、交回时要标出哪些地方没把握。交给你常用的 AI 跑一遍,记下审查花了多久、它有没有越界。你想卖服务也好,想把 AI 用在本职工作上也好,这段描述都可以反复改进,变成你的第一个模板。