一场 Builders Table 的五个共识和五个独识
作者注【这是一场由雅芳组织、在原点学堂举办的 AI 交流圆桌。我以两个工作流的创建与使用者、以及行业观察者的身份参与,真正接触到这些实操者们的精气神。】
这场桌上,已经没有人再聊模型选型,Agent 怎么做。大家开始讨论 Agent 进入业务之后,谁来用、怎么留、怎么收钱。
Claude Code、Cursor、Agent、RAG、Workflow,正在变成一套默认配置。
真正反复讨论的问题变成:
AI 怎么进入真实业务?怎么进入用户每天都在使用的软件?怎么获得第一批用户?怎么证明自己的价值?又怎么完成商业闭环?
技术,在这里已经不是终点,而是默认前提。
桌边坐着小二十位背景完全不同的人:有长期做产品的,有软件工程师,有设计师,有内容和品牌从业者,有服务传统产业的人,也有刚刚开始做产品的年轻人。
有人已经用 vibe coding 上架过多款 App,有人在公司内部做机器人和 MCP,有人把内容生产变成自动化 Workflow,有人正在做浏览器工具、个人 AI 助理,也有人拿 AI 服务传统企业。
他们未必对所有问题有一致答案。但两个小时下来,五个共识逐渐浮现。而在每个共识旁边,又出现了一些更值得继续追踪的独识。
编程构建被压薄,后续链条仍在
共识一:做出来,已经不是最难的事
过去做一个产品,中间隔着一条很长的链路:产品设计之后找 UI,UI 之后找前端,前端之后接后端,然后测试、部署、上线。很多想法甚至没有机会接受市场检验,因为第一关就过不去——没人把它做出来。
这次桌上最明显的变化,是这道墙正在快速降低。
现场有一位长期做产品、只有很短开发经历的 Builder,现在已经通过 vibe coding 上架了约七八款 iOS App。
也有人过去不是工程背景,现在已经可以靠 AI 完成自己的产品原型、版本迭代和 App 开发。
工程师则走得更深:用 Coding Agent 做 MCP Server、机器人、API 封装以及企业内部基础设施。
AI Coding 带来的变化,并不只是程序员写代码快了。它实际上扩大了:谁有资格成为 Builder。
以前最先被问的问题是:这个东西能不能做出来? 现在越来越应该先问:这个东西到底值不值得做?
独识:动手能力在被买平,判断力在重新定价
现场还有一类人很有代表性。他的技术知识并不属于典型的专精型工程师,反而是很多方向都了解一点,但没有在某一个技术栈上挖得极深。
过去这种状态有一个明显问题:你大概知道产品应该怎么做,也知道某个问题需要调用什么能力,但真正落到具体接口、框架和工程细节时,很容易卡住。
AI Coding 改变了这件事。他真正需要掌握的,越来越不是每一段实现代码,而是:
· 这个问题属于什么类型?
· 应该拆成哪几个子问题?
· 哪一部分应该调用什么能力?
· 最后怎么把它们组合起来?
AI 去补局部执行,人去做整体判断。
这意味着一种新的成本结构可能正在出现:局部执行知识越来越便宜;真正稀缺的,是知道应该让什么能力去解决什么问题。判断力未必在涨价,但它在总成本里的相对占比,正在上升。
未来优秀的 Builder,未必是每一项技术都做到最深的人,反而可能是那个最知道该调用什么的人。这类人既不像传统产品经理,也不像传统程序员——他可以从问题定义,一直走到产品上线。
共识二:模型越来越像原材料,工作流(Workflow) 才开始成为产品
现场聊 AI 设计、内容生产和企业工具时,有一个非常明显的共同趋势:大家越来越多讨论怎么把不同能力串起来。
做 AI 设计的人,不只是写一句 Prompt 生一张图。真正工作的是:模型怎么连,节点怎么搭,参数怎么调,遇到 bad case 怎么补一个自定义节点,最后怎么让研发把这条工作流工程化部署。
做内容的人也一样。一篇文章之后,不只是调用一次模型,而可能变成:
文章 → 摘要 → 图片 → 动画 → TTS → 视频
企业场景更加明显:
自然语言输入 → AI → API → 企业数据 → 卡片 → 用户操作
于是模型逐渐从产品本身,退到了一个更像能力供应商的位置。
模型提供能力,Workflow 组织价值。真正能够稳定解决业务问题的,通常不是一次 Prompt,而是一整条 Pipeline。
独识:最好的企业 AI 入口,是不需要入口
现场有一个企业 IM 卡片的案例,很值得单独拿出来。
传统办公里的一个小动作,可能是:收到通知,打开长文档,找到重点,再进入一个页面,填写,确认,提交。
现在有人把它改成:AI 把核心信息抽出来,生成一张卡片,用户直接在卡片上完成决策和操作。整个过程都发生在员工原本就在使用的企业 IM 里…