AI 实干派 看真正用 AI 拿到结果的人怎么做
AI 实干派 040 · 2026 年 11 月 18 日 · 周三 · 约 8 分钟读完

一个人卖 84 款数字产品月入一万美元,Swyx 一周交给 Agent 五类活

30 秒速读

内容创作·经营复盘·2026-11-18·US

谁·场景
新加坡的 Anfernee Tan,管理公司时累到倦怠,2023 年 8 月辞去总监职务,转做一人生意。
怎么用
从自己熟悉的 Notion 模板做起,用免费产品收集订阅者,再用 3 天到 45 封不等的自动邮件序列推付费产品;AI 是他的产品主题之一,也用在自动化上。
结果
他说月收入 8000 到 10000 美元(收入,非利润):Gumroad 约 70%,Substack 付费订阅约 10%,新加坡线下培训 10% 到 20%;Gumroad 订阅者约 3 万到 4 万,AI Toolbox 卖出 3000 多份。
你可以试
把自己天天在用的一套工具或模板整理成一个免费下载,配一组 3 到 5 封的跟进邮件,看有多少人下载、多少人回信。
注意
Gumroad 的邮件自动化功能简单,同一个人下载多个免费品会同时收到多组序列,已经有订阅者抱怨邮件太多,系统越大越难整理。

Anfernee Tan 在 Niche Pursuits 节目里讲了他的一人生意。起点是他本来就在用的 Notion。早期他大约每周上架一款新产品测需求,店里最多时有 84 款,价格从免费、5 美元、9.9 美元,到 77、97 美元和 100 美元的套装。他原本没抱太大期望的 AI Toolbox,后来卖了 3000 多份,属于中等价位。

收入主要来自免费品 → 订阅 → 长周期邮件序列这条链路。下载不同免费品的人进入不同序列,短的 3 天、5 天,长的 20 封、45 封,跟进期六到九个月。他的逻辑是,今天下载的人未必今天就需要付费产品,几周后熟悉了他,才可能买。

代价也出现了:Gumroad 没法在一个人进入新序列时把他移出旧序列,邮件叠加,有人抱怨。想照着做,一开始就选能管理互斥序列的邮件工具,或者控制免费品数量。2024 年 4 月他开了 Substack「Solopreneur Code」,想靠付费订阅攒一份更稳定的经常性收入。

工作提效·本周动态·2026-11-17·US

谁·场景
Swyx,Latent Space 播客和 AI Engineer 大会的主理人,同时与 Cognition(Devin 的公司)有关联。
怎么用
用常驻的 Devin Bots 认领整块结果而不是单个任务,由它管理子 Agent、自查,并用交互式页面汇报进度,代替长对话;内容发布流水线主要交给 GPT-6.2 Astra。
结果
他说一周内交出五类工作,同时从本地 worktree 转到云端运行;他还说没有 Astra,公司达不到人均超过 100 万美元的收入效率。
你可以试
挑一个你负责的问题域(比如某产品的回归测试),写清楚「什么算完成」和汇报格式,让 Agent 对结果负责一周,再看你还要介入多少。
注意
同一个模型评价两极:Matt Shumer 测了几周,说 Astra「基本不可用」,他的其他 Agent 退回了大量 Astra 子任务产出;也有人认为问题出在运行框架上。

Swyx 在 X 帖子里说,他试用 Devin Bots 一周,交出了 AEO、QA、跨平台 App 移植、个人事务自动化和视频剪辑。他的结论是:别期待「AI 员工」,我们还没有 AGI,期望过高只会失败。他觉得眼下该要的,是比单个任务高一层的东西:能对结果负责的 Agent 管理者。他说用人也按这个标准:能认领一块问题、主动带着方案回来的人,他更看重。

另一条帖子里,他说新发布的 GPT-6.2 Astra 是他用过最好的流程自动化模型,不再陷入死循环,能通过压缩上下文和写技能来学习,现在跑着 Latent Space 和 AI Engineer 的大部分内容发布流程。

反方意见同样强烈。Latent Space 当日简报整理了评价:Matt Shumer 认为 Astra 基本不可用,Pietro Schirano 认为早期问题多半出在运行框架上。换模型之前,拿自己的真实流程跑一遍再下结论,比看测评可靠。

AI 生活·本周演示·2026-11-18·US

谁·场景
Amanda Caswell,Tom's Guide 作者,在职妈妈,家里三个孩子,日程、晚饭、家务一直靠好几个 App 拼着管。
怎么用
在 ChatGPT Work 里选 Astra,一次写清全部需求:可拖动的周日历、按菜单自动生成并可勾选的购物清单、按家庭成员分配的家务、首页汇总,并要求刷新后数据不丢、不许追问、交付前自测并说明哪些没能验证。
结果
她说成品叫「Hearth」,界面好看,功能都能用,改动会被保存;生成过程比 Gemini Hydrogen 慢,11 分钟时还在测试添加、移动事件和刷新保存。
你可以试
照她的结构写一条提示词,换成自家的人数和需求(假期计划、作业追踪、家庭预算都行),关键是写明「先用示例数据,交付前自测」。
注意
Astra 目前只在 ChatGPT Work 里对部分 Plus、Pro、Enterprise、Edu 用户开放;她展示的是刚做好时的效果,长期使用和多人同步是否顺畅还要自己试。

Amanda Caswell 在 Tom's Guide 记录了这次测试。她故意让几个功能互相依赖:选好的菜要自动进购物清单,家务完成要反映到每个人的周进度,改动要在刷新后还在。她觉得这些不起眼的部分,最能看出模型能不能做出真能用的东西。

提示词里有三句可以直接抄:「用真实感的示例数据,让我马上能测」「每个按钮和计算都必须能用,不要静态稿」「完成前检查并修复问题,告诉我哪些没能验证」。生成过程中模型会汇报进度,她可以随时打断改方向,比如换配色。

这次没有交出任何个人账户或真实数据,用的全是示例数据,风险很低。真要填入家人日程,先弄清数据存在哪里(这类页面通常存在本机浏览器),换设备或清缓存可能丢失。

工作提效·本周演示·2026-11-17·US

谁·场景
开发者 Simon Willison,在研究怎样放心地试用本地模型,不怕出错或遭提示词注入后破坏本机。
怎么用
三种实现提供同一个 localhost API(v86 跑 WebAssembly 里的 Alpine Linux、Apple Containers、微软 Quicksand),Pi、Claude Code、Codex 需要执行代码时都调用它。
结果
沙箱自带可选的 HTTP/HTTPS 白名单代理,运行中也能在界面上改;另有凭据替换机制,Agent 能发起带认证的 API 调用,但看不到密钥本身。
你可以试
如果你在本机给编码 Agent 开了执行权限,先把它的执行环境换到其中一个沙箱,只放行项目必需的几个域名。
注意
这是演示模式的参考实现,需要自己配置 Agent 去调用它;Apple Containers 版只适用于 Mac。

Simon Willison 在博客里介绍了和 Prime Radiant 合作的外置沙箱模式。常见做法是把整个 Agent 关进容器,这个模式只隔离代码:Agent 跑在沙箱外,每次要执行代码,就把请求发给沙箱服务。三种实现接口相同,可以随时换底层隔离方式。

有两个设计适合直接借鉴。一是出站白名单:Agent 写的代码只能连你允许的主机,即使被提示词注入,也很难把数据发到别处。二是凭据替换:真实 token 留在代理那一侧,Agent 手里只有占位符,调用 API 时由代理换成真的。

对在工作电脑上跑 Agent 的工程师、对试用来路不明的本地模型的人,这两点都能降低风险。

Micro SaaS·机会观察·2026-11-18·US

谁·场景
Brendan Hellweg,曾在巴尔的摩市长办公室工作,参与搭建过 300 人的新冠公共卫生项目,现为 Holly 联合创始人,在 Supercompanies 节目受访。
怎么用
用 AI 在成千上万个各不相同的政府岗位名称之间做数据对标,帮市、县、州的 HR 主管定薪酬、定岗位要求、准备工会合同谈判;这类工作过去要请昂贵的顾问。
结果
他说客户从 1 家增长到约 100 家;针对加州一项新法规的合规计算问题,团队约一周做出方案,再推给加州其他受影响的机构。
你可以试
如果你熟悉某个传统行业的顾问型工作,列出其中「数据量大、规则明确、每家都要做」的环节,这类环节最适合做成软件卖给一整类客户。
注意
政府采购要满足资质和合规要求,节目里他说销售快的前提是机构急需;没有行业经验和人脉的人很难进入。

在 Supercompanies 这期节目里,Brendan Hellweg 说 Holly 最初做的是坑洼上报 App,后来发现政府机构不缺需求,缺的是人手,于是转向人事和薪酬。他认为,在成千上万个岗位名称之间做对标,这种规模只有 AI 能现实地处理。

两个做法可以参考。一是同一个法规问题做一次,卖给所有受影响的机构:加州那个合规方案就是这样推出去的。二是按工资总额的比例看推理开销,不设固定预算,也不用 token 排行榜比谁用得多。他还提到,工程产出加快后,PM 和工程师的配比成了要重新考虑的问题。

今天可以做的一件事

从你手上反复要做的一件事里,挑一件写成一条完整的提示词或任务说明,交给 AI 或 Agent。说明里写清三点:什么算完成;先用示例数据跑通;交付前自己测一遍,并列出哪些没能验证。做完记下总耗时和你改了哪些地方。这份记录用来判断这件事值不值得长期交给 AI,以后也可以整理成第一个免费下载的模板。