本周问题

  • 在2026年，我是否开始把最大的精力，放在了“Agent+AI搜索+自动化”的核心能力建设上，目前具体的动作与策略是啥？

  • 如果我只能保留一个项目活下去，我会选谁？为什么？

  • 我现在做的事里，有没有哪个一旦成功就会改变整个盘子，而不是“多一个收入来源”？

  • 对于当前的团队，如果要推倒重来，最后只留一个人，会是谁？为什么？

  • 我这周创造的是“线性收益”还是“非线性收益”？

  • 这周学到的最重要的一个“未来1年会更重要”的东西是什么？

  • 哪些事情或者项目，如果现在就关掉或停止，我会松一口气？

Agent时代

在AGI-Next闭门峰会上，几位顶尖的AI专家，对Scaling Law演进、强化学习应用以及从对话机器人向Agent范式转换等话题，做了大量高密度的深度探讨

去年年初，有一段时间，经常和向阳探讨Agent，一个基本的共识是，未来谁能拥有大量的Agent每天可以自主完成各种特定的任务，谁就能掌握更大的生产力

在2026年，专家预测，Agent可能真正的可实现自动化处理人类正常工作1-2周的任务量，成为创造巨大经济价值的关键年，Agent在完成任务的能力上，会有巨大的突破

也就是，Agent会变得真正的像一个超级员工一样的存在

AI将成为一种“可雇佣的劳动者”

在大会上，唐杰、杨植麟、林俊旸、姚顺雨实际上给出了一个共同结论：当 Reasoning + Agentic + Coding 三件事被系统级融合，AI就从“工具”跃迁为“执行体”

在2026年，可见的一个大的趋势，就是会开启一个全新的范式转移，也就是AI从Chat（聊天）到Doing（做事）的转变，未来的目标是让每个人都能用AI完成一件具体且复杂的任务，而不仅仅是获取信息

这样的Agent，是符合AGI的标准的，也就是真正的通用智能体，具体而言，它们包括：

  1. 时空一致的多模态理解
  2. 可控的在线学习与适应
  3. 可验证的推理与长期规划执行
  4. 可校准的反思与元认知
  5. 跨任务的强泛化能力

对于普通个体，如何拥抱这种趋势？

  1. 认知上的升级，需要意识到AI正在从“聊天机器人（Chat）”演变为“任务执行体（Doing）”，我们其实应尝试将日常繁琐的“长任务”托管给AI，比如通过Claude code的skills来实现各种类似的个人工作流
  2. 把用好各种AI工具当成一个高优先级的习惯，姚顺雨指出，会使用AI工具的人将替代那些不会使用工具的人。这种差距就像当年使用计算尺的人与学习编程的人之间的差距一样巨大
  3. 学会提供高质量的Context：AI的价值极大程度取决于你提供的额外输入，普通人应学会整合自己的聊天记录、个人偏好和环境信息给AI，让它更“懂”你，从而提供具有个性化价值的建议与方案
  4. 保持持续的学习与耐心，唐杰教授提到的“咖啡精神”也适用于普通人，在AGI这个长期赛道上，需要长期投入和专注，不要被短期的技术波动所干扰，要敢于尝试非共识的新东西

一份新的招聘要求

优化了下团队的招聘要求和招聘方法论

首先，我们想要的人是什么样的：

  1. 有没有真实驾驭AI的能力（不只是会用各种AI工具，而是要用出好的结果）
  2. 能不能把新工具转化为工作效率或业务结构的改变
  3. 有没有长期学习能力和方法论，而不是一次性运气

我们要的是：能把AI当作生产力工具，并主动重构自己工作方式的同事

一、面试标准一：AI能力（必看，权重最高，50%+）

看哪些方面？

1. 是否有亮点级的AI应用案例

直接要求：

  • 请你讲一个你自己用AI，显著提升工作效率或效果的真实案例

  • 最好是你自己动手做的，不是公司统一要求的

重点不是：用了什么模型、会不会写Prompt，而是：这个AI工具或方法，有没有明显改变候选人原本的工作方式

2. 是否“把AI做成了工具”，而不是只用对话框

这个点非常重要：对于面试者，关注他有没有用AI，做过一个能长期复用、持续帮他干活的小工具、流程、脚本等

例如：

  • 一个自动整理数据、生成周报的AI流程

  • 一个半自动内容生成 + 校验 + 发布的工具

  • 一个能替代自己 30%~50% 重复劳动的AI助手

这是一个非常重要的分水岭：

  • 普通：AI = 聊天工具

  • 高阶：AI = 生产系统的一部分

3. 是否讲得清「背后的思考」

面试时重点追问三件事：

  1. 你为什么要做这个AI工具？当时的痛点是什么？
  2. 你是如何拆解问题并决定“让AI做哪一部分”的？
  3. 这个工具最终效果如何？有没有反复迭代？

从这里，我们能同时看出：AI理解深度、逻辑结构能力、对“AI能力边界”的认知是否清醒

着重看AI应用能力的好处，有3个：

  1. 看他对AI的态度是恐惧、是表演式跟风，还是真正把AI当作“可驯化工具”
  2. 看他的学习能力，是否能自驱学习新事物，还是否能快速把新工具变成自己的武器
  3. 看他对AI边界的认知，知不知道AI什么时候该用、知不知道什么时候必须人来兜底

最后，核心看这个候选人，是否通过AI至少替代过自己50%的重复劳动，且不是一次性

二、面试标准二：运营能力（三选一即可）

运营能力可以不要求全面，三个有一个即可，但必须有一个“明显强项 + 案例亮点”

  1. 运营能力（内容、增长、用户、渠道）

  • 是否有明确目标

  • 是否能拆指标

  • 是否做过系统性优化

  1. 项目管理能力

  • 是否能推动多人协作

  • 是否能在不确定中推进事情

  • 是否有跨角色沟通经验

  1. 数据分析能力

  • 是否真的用数据做决策

  • 是否做过分析 → 行动 → 结果验证的闭环

  • 是否能把复杂问题用数据讲清楚

要求只有一个：这个能力点，必须有一个「和AI一样亮眼的真实案例」

三、最终面试筛选原则（非常重要）

看他是否能快速拥抱新事物，并把这种能力真正转化为工作结果

如果一个人：

  • 能主动用AI重构自己的工作方式

  • 用法明显不同于“普通用户”

  • 还能清楚解释自己的思考路径

那他的学习能力、适应能力、未来成长上限，大概率都不会差。

初始时，直入主题的极简问题参考：

你能不能讲一个，你用AI显著改变你工作方式的真实案例？

如果不用AI，这件事你原来是怎么做的？用了AI之后，最大的变化是哪一步？

最好是你自己做的工具或流程

我更关心你当时是怎么想的，以及它最终带来了什么变化

好的销售

销售最难的地方，其实从来都不在于“怎么把产品更好的介绍出去”，也不在于“是不是会说、是不是能滔滔不绝地表达”

真正难的，是在和客户沟通的过程中，能不能敏锐地捕捉到客户更深层次的真实诉求，并且在此基础上，用一种足够灵活的方式去回应和满足这种诉求

尤其是面对一个标准化产品的时候，这个能力的差距，会被放大得非常明显

这里面，至少有三个非常关键、而且非常难的点

第一个难点，是如何在非常有限的沟通中，快速洞察到客户更深层次的核心需求

客户说出来的，往往只是表层的需求，比如价格、功能、对比、流程，但这些通常都不是他真正纠结和在意的点

真正影响他决策的，往往是更深层的东西，比如风险、责任、压力、对结果的焦虑、对失败的恐惧、对成功的期待

能不能在几轮对话里，把这些东西捕捉出来，这是销售能力的第一个分水岭

第二个难点，是在产品本身高度标准化的前提下，如何通过灵活的话术和应对策略，去满足客户的个性化需求

产品其实没有变，功能也没有变，但不同客户的关注点、使用场景、心理预期完全不同

好的销售，能够在不偏离标准产品边界的情况下，让客户感觉这个方案是“为他量身定做的”；而差的销售，只会机械地重复产品功能和卖点，让所有客户听到的内容几乎一模一样

第三个难点，我觉得是最难的：如何在一种平等沟通的状态下，让客户感觉到“这是我需要的”，而不是“你让我需要的”

这两种状态在客户心里是完全不同的

如果客户觉得是被你推着、说服着、拉着走的，那么他的抗拒感、警惕感就会一直存在；但如果他觉得这是自己想清楚之后的选择，那这个决策会非常稳定，也更容易真正成交

最近，参与了几次销售场景，能非常明显地感受到：好的销售和普通销售，在这三点上的差距是非常大的

普通销售往往是一上来就开始“输出模式”，不停地介绍产品、讲功能、讲优势、讲案例，对客户“哐哐一顿说”，对自己的产品“哐哐一顿鼓吹”

但这种方式，在这个信息极度过载、客户防御心极强的时代，其实是很容易产生反效果的

真正厉害的销售，并不是说得最多的人，而是最懂客户在想什么、怕什么、要什么的人

创业公司的10种死法

  1. 创始人不专注，做的事情太多，导致组织内耗严重
  2. 创始人认知没有跟上技术与行业的变化
  3. 现金流断掉，融资或收入模型没有建立起来
  4. 团队的专业性、执行力发生了严重倒退
  5. 战略混乱，方向摇摆
  6. 盲目创新，在伪需求、伪创新上耗费了大量资源
  7. 管理成本太高，“管理者”太多，能落地解决问题的人少
  8. 乱花钱，成本结构不合理
  9. 商业模式不成立，无法赚到持续的钱
  10. 合伙人或核心团队分裂

战略要稳，战术要快

创业的过程中，需要有一个清晰的方向、模式，以及明确的北极星指标，这些核心要素，不要轻易改变

在这个原则下，具体的策略：

  1. 锚定不变的东西

  • 确立清晰的愿景和核心目标

  • 以此为基础划定边界，边界感还挺重要的

  • 明确”做什么”与”不做什么”

  • 有所为，有所不为

  • 聚焦资源，避免分散

  • 在前进中快速迭代

  • 朝着既定方向探索时，各种测试和尝试都可以快速落地试错

  • 通过小步验证，获取有价值的反馈

  • 最终实现，用小结果驱动更大的决策

今年的6个AI心法

6个AI心法

  1. 一定要用最好的模型

用最好的模型，使用成本可能确实会高一些，但一旦用习惯了，就会发现它能帮你创造出更多的可能性

而且，用最好的模型，真正节省下来的，是自己的时间和精力，这个回报，远远大于你为了省钱去用便宜模型带来的那点好处

比如：Claude 4.5，Gemini 3，GPT-5.2

  1. 使用和学习最好的AI工具

不需要用很多工具，但一定要选几个足够好的、专业级的工具，长期使用，形成稳定的工作方式

在这个基础上，保持对其它AI工具的好奇心

比如：Claude Code、VS Code、Warp、Raycast、Cursor

  1. 日常对话也要用最好的模型和对话类AI产品

不仅是写代码、写方案的时候才用AI，日常的思考、交流、判断，其实也非常值得用最强的模型来完成

这会极大的提升你的日常AI对话质量

  1. AI First

有任何问题、想法，其实都可以优先和AI共创一轮

不管是写创业想法、产品思路、原则、方法论，还是公司经营相关的东西，都可以先跟AI聊一聊

然后再基于自己的判断，去找到你真正认可、真正重要的点

这在我看来，是AI First非常核心的一条原则

而且，一定要敢用AI去实现任何你想做的东西

不管是工具、网站、着陆页、方案，还是公司内部的各种工作流，都可以交给AI先跑一轮。比如给自己写了一个AI浏览器和APP，效果都非常好

本质上，是用AI去改变和重构你自己的能力结构，优化你的生产力构建方式

  1. 在使用过程中，不要纠结AI产生的那些“看起来很弱智”的东西

比如错误的代码、低质量的输出、你不认可的观点，或者不符合事实的结果

这些都是正常的，就像你和一个很厉害的人交流，他也依然会犯很多错误

关键不在于AI对不对，而在于你有没有判断力

  1. 建立自己的审美能力

这种审美，确实需要时间慢慢积累

但也有很多可以刻意练习的方法

比如在工作中，去找这个领域最顶尖的人深度学习；在你研究的垂直领域里，找到世界级的作品，反复看、反复拆

这些都会非常快地提升你的审美水平，从而提升你在各个方面的判断力

这里说的“审美”，不是指面向狭义的艺术、绘画、电影或音乐，而是一个非常广义的能力

包括你怎么看一个网站的整体水平、文案质量、一次沟通的信息密度，甚至是一件事做得是否克制、是否高级