亮叔 AI OPC

阿里达摩院高级人工智能训练师 / 短视频代运营5年
帮品牌拿到：行业TOP1 | 单条4000万+播放
现用AI打造一人公司，目标：一个人就是团队
分享：商业认知 × AI实战 × 养龙虾日志

[亮叔 AI OPC @dalidaddyy]

@hannahpess

[亮叔 AI OPC @dalidaddyy]

梁文锋：克制也是一种战略

DeepSeek 有一款模型，后来把价格降到了原来的 1/4，
奇怪的是，公司群里不但没人抱怨，反而很多人在欢呼。

正常公司降价，首先担心的是收入，
DeepSeek 员工为什么会是另一种反应？

在这次近 4 小时的投资者交流里，梁文锋给出了一句解释：
“对我来讲，克制是一种战略。”

克制不是道德，是概率计算，
梁文锋说，有时候可以舍弃一些，来换更多其他的东西。

他优先考虑的，不是怎么多拿一些份额，而是怎么增加最终做成的概率。
所以，DeepSeek 把模型价格降下来；用户暴涨时，也没有急着抢用户、做超级 App 和追求变现。

这不是不想成功，而是它计算的并非眼前能多赚多少钱，而是这个选择，会提高还是降低做成 AGI 的概率。

我觉得对 OPC 也是一样。
一项业务带来的收入很容易计算，但它要占用多少时间，是否让产品偏离主线，是否有助于对自己名声的建立，往往看不见。

一个人公司不能只问 “这件事能不能赚钱”，还要问：“做完以后，我离长期目标更近了，还是更远了？”

克制不是什么都不要，而是只守住核心利益。
梁文锋说，DeepSeek 最大的核心利益，是保持团队稳定，甚至可以认为这是唯一的核心利益。

克制不是没有底线，也不是处处退让，而是把真正不能退让的东西压缩到极少数。
模型价格、短期收入和部分商业机会可以让，团队稳定和 AGI 主线不能让。

OPC 也需要找到自己的核心利益。
它可能是不能断的现金流，不能透支的个人信誉，也可能是不能偏离的核心产品。

如果什么都重要，就没有真正重要的东西。
大部分地方可以灵活，极少数地方绝不退，这才是克制。

克制也不等于不赚钱，梁文锋并不排斥商业化。

他在交流中反复谈到 “合理利润”，甚至明确计算设备多久收回成本。
DeepSeek 放弃的不是利润，而是利润最大化。

这一点对 OPC 尤其重要。
小公司首先要活下来，没有现金流的克制不是战略，只是自我感动。

正确的顺序应该是：先确定生存线，再获得合理利润，最后才决定哪些额外的钱可以不赚。

所以，克制不是劝人少赚钱，也不是把 “不要” 包装成一种美德。
真正的战略，不只是知道自己要什么，也要知道哪些东西即使能拿，也可以不拿。

[亮叔 AI OPC @dalidaddyy]

当我不再“学 AI 后”，焦虑反而消失了

我学 AI 最焦虑的那段时间，恰恰是我最认真 “学 AI” 的时候。

2年多前刚开始接触 AI，我不是因为多喜欢，而是怕自己落后。
每天都有新模型、新工具，刚弄懂一个，第二天又冒出来三个。

那时候我衡量自己的方式，是还有多少东西不知道。
AI 越强，我越觉得自己追不上，就越焦虑。

后来这种状态慢慢变了。
我不再专门给自己安排 “学习 AI”，而是直接拿它解决眼前的问题。
要做图文，就让它参与选题、写作和复盘；
要优化工作，就把流程交给 Agent；
想做小程序，就一边做一边补产品、代码和测试知识。
哪里卡住学哪里，学完马上用，结果好不好也能立刻看到。

最近看《十字路口》整理的一场关于AI时代下怎么学习的对谈，其中一位嘉宾许恒不是科班出身，却打了 30 多场黑客松，拿过 21 次奖。
他回忆道，他早就听说过 Skill，但一直没有真正去学，直到比赛要求他必须在有限时间里做出作品。

他说很多人是 “脑子懂了，手不会动”。
我很认同，他的方法就是四个字：以练代学。

现在回头看，我不是不学 AI 了，而是不再为了 “学会 AI” 去学。

AI 根本没有学完的那一天。
真正有用的学习，一定要落到一个具体问题上。

以前 AI 每升级一次，我都觉得自己又落后了一截。
现在它每升级一次，我只会觉得，我又TMD变强了！

[亮叔 AI OPC @dalidaddyy]

进入 AI 时代最快的捷径，就是先用上 Codex

如果今天只能推荐普通人学一个 AI 工具，我会直接推荐 Codex。
我甚至愿意把话说满一点，进入 AI 时代最快的捷径，就是先用上 Codex。

很多人用了两年 AI，干的还是问一句、答一句、复制粘贴的活。
Codex 不一样，你告诉它要做什么，它会自己读文件、写代码、跑测试，发现问题再改，最后把能用的东西交到你手上。

最关键的是，你不需要懂代码，你只需要把需求讲清楚。

肯定有人反对，不懂代码怎么验收，怎么保证不出错？
Codex 当然会出错，但这不妨碍你先开始，开车也不是先学会造发动机。

普通人真正需要学的，是把模糊的想法讲明白，盯着结果，一轮一轮打磨清楚。

为什么我更推荐 Codex，而不是 Claude Code？
Claude Code 当然很强，但对普通人来说，上手门槛更高，环境和账号风控也更让人头疼，懂得都懂。
先跑起来再说，生财里已经有不少案例：
亦仁用 Codex 20 分钟做出 TokenRank 的 demo，拿给 100 多个圈友试用。
圈友子风今年用 Codex 做了 8 个小程序，其中一个背托福单词的小程序，一天就上线了。
我自己也用 Codex 做了拍照听写本、假期计划和拼豆有图。

所以这个判断，不是听来的，这就是我说的捷径。

过去一个想法到真正落地，中间隔着技术、团队、时间和钱。
现在，你先把需求讲清楚，就能从一个真实任务开始，一边做，一边学，一边拿到反馈。

别再收藏教程了，想尽一切办法用上 Codex，
把你一直想做但过去不会做的那件事，讲给它听。

当 AI 第一次真正替你交付结果，你就已经站在 AI 时代里面了。

[亮叔 AI OPC @dalidaddyy]

AI 时代，人的核心工作只剩两件事

从去年开始，我们就让 AI 深度参与短视频代运营：找选题、写文案、生成部分素材。
今年我又开始用 AI 做程序，几个月里用 Codex 做了两个小程序，第三个也快上线了。

用着用着，我发现一个很明显的变化：
AI 能做的事情越来越多，但人并没有因此变得不重要，
相反，有两件事比以前更重要了。

昨天参加生财线下沙龙时，亦仁正好把这两件事说了出来：
提出好问题，以及判断什么是好的。

第一，提出好问题。

做短视频代运营时，如果只是让 AI “给某个客户写一篇文案”，它很容易写出一堆句句正确、听起来高级，但根本不能落地的话。
真正的问题应该是：这篇内容说给谁听？要满足什么具体需求？最后要把用户带向哪里？

做小程序也一样，Codex 可以实现很多功能，但它不会天然知道用户真正需要什么、哪个功能应该先做，方向必须由人来定。

第二，判断力。

AI 一次可以给出十个选题和五版文案。
难的已经不是 “有没有答案”，而是你能不能判断：哪个选题值得做。

AI 降低了执行门槛，也会放大错误的方向。
问题问错了，它只会帮你更快地跑错；
没有判断力，再多答案摆在面前，也不知道哪个是好的。

所以未来真正拉开差距的，是谁能提出更好的问题，并对结果做出更好的判断。

[亮叔 AI OPC @dalidaddyy]

有人说 AI 离生产还很远，可我已经用它赚到钱了

昨天有人在我的图文下面留言：
AI 离真正的生产应用还很远，别贩卖焦虑。

我看完没有生气，也没有回复，我突然意识到：我们讨论的，可能根本不是同一个 AI。

如果这句话放在一年多前，我完全可以理解。
过去两年，我一直高频使用 AI，最大的感受就是：现在的三个月，可能相当于过去三年的技术进步。

文字生成刚刚成熟，生图、生视频就开始进入商业应用；
紧接着，Codex 又让 AI 从 “陪你聊天”，变成了真正能接手任务的 Agent。

我今年 37 岁，没有编程基础，如果没有 AI，我大概率这辈子都不会去做软件。
从头学习编程，再练到能独立完成产品，对我来说时间成本实在太高了。
但就在这几个月里，我用 Codex 先后做了两个小程序（第三个也快上线了），两个已经跑通完整闭环，也真的有人愿意付费。

所以我很难理解，什么叫 “AI 离生产还很远”。
如果一个不会编程的人，能够借助 AI 把想法变成产品，再让陌生人为它付钱，这不是生产，什么才是生产？

我不卖 AI 课，也没有资本故事要讲。
写这些，不是为了证明 AI 无所不能，更不是催所有人焦虑。

我只是想说：“用过 AI” 的差别非常大。
有人只拿它问问题、写文案，有人已经让 Agent 参与设计、编程和交付。
这两种人看到的，根本不是同一个世界。

如果你也觉得 “学 AI” 没有抓手，我给一个小建议：
不谈空的All in AI，先 All in 一个 Agent，这个Agent，就是Codex。

想尽一起办法用上它，你自然会知道，AI 到底能不能进入生产。

[亮叔 AI OPC @dalidaddyy]

很多人迟迟不动手，是因为太想先想清楚

我以前做很多项目的时候，最大的问题不是缺乏执行力，而是太想先把它想清楚。

做内容，要先想清楚定位、选题、风格、平台；
做直播，要先想清楚流程、话术、转化；
后来想做小程序，也会想功能、页面、用户到底要不要。

想的时候都很认真，通常还伴着自我认定和否定的内耗，结果经常是：
想了一圈，时间过去了，风口也过去了，最后什么都没做。

后来我才慢慢意识到，很多事情不是想清楚以后才开始做，而是做了以后，才会慢慢想清楚。

我最近看到刘润一篇文章，里面有个判断我很认同：想清楚再动手，其实反人性。
因为人很难只靠想象知道自己真正想要什么。

就像你让一个人凭空描述一个页面，他可能会说简洁、大气、有科技感。
但你真拿出三个版本，他一眼就知道哪个不对、哪个可以继续改。

需求不是一开始就完整存在脑子里的，很多需求，是看见一个东西之后，才被逼出来的。

这也是 AI 对普通人最重要的改变之一：
让 “先做一版看看” 的成本变低了。

以前一个想法要变成东西，可能要找人、沟通、花钱。
成本一高，人就会忍不住先想清楚。可越想清楚，越容易卡住。

现在不一样了，你可以先让 AI 做个粗糙版本，先有一个能看的东西，再围着它改。

做内容也是一样，不要总想着先搭好完整体系，可以先写一篇，后面看数据反馈再调整。
做小程序更是一样，不要等商业模式全想明白，可以先做一个最小版本，让真实用户试一试。

我现在做拍照听写本、假期计划表，包括接下来想做拼豆图纸小程序，越来越接受这件事：第一版不用完美，它的价值不是证明你很厉害，而是帮你看见问题。

很多事，想是想不清楚的，
先做出来，才会慢慢清楚。

[亮叔 AI OPC @dalidaddyy]

为什么我更愿意做小程序，而不是知识付费？

首先我不是反对知识付费，
相反，我以前也做过卖过，也买过很多别人的。

但做完两个小程序后，我越来越确定：我更想做能直接交付结果的产品。

第一个小程序 “拍照听写本”，现在已经有 500 多个用户，也开通了广告分成。
第二个 “假期计划表”，做了一个月，现在每天新增至少 100 个用户，也已经有了付费用户。

这些数字都不算爆款，但对我来说已经足够重要。
因为它证明了一件事：一个非程序员，也可以用 AI 把真实问题做成产品，并且跑通从内容到用户、从使用到收入的0-1的闭环。

知识付费当然有价值，但它很多时候更像买书。
你买一本书，几十块钱只是很低的成本。
真正的成本，是你后面要花时间和精力去阅读和实践。

知识付费也是一样。
很多时候，它交付的是方法、认知、甚至一大半是情绪价值，真正的问题还是要用户自己回去解决，学员之间的效果也是天差地别。

但产品不一样，
一个好的产品，应该直接帮用户完成一个任务。
拍照听写本解决的是：孩子没人报听写时，能不能自己完成练习。
假期计划表解决的是：暑假计划能不能不靠家长天天催，也能执行下去。

这就是我现在越来越喜欢小程序的原因。
它不是告诉用户 “你应该怎么做”，而是直接把一个动作做出来，让用户立刻用上。

更理想的状态是：产品即交付，产品即销售，甚至产品本身也能带来流量。

接下来我想做的第三个小程序，方向是拼豆图纸。
因为我女儿喜欢拼豆，但她平时找到的图纸经常不太理想。
我也希望她的一些照片、喜欢的物件，能变成专属的拼豆图纸。

我试了一些现有工具，至少在小程序里，还没找到特别好用的。
所以我想自己做一个，
同样从真实问题出发，用 AI 做出一个小产品，再用内容找到第一批用户。

不成功也不要紧，现在用AI做产品，“失败”的成本足够低，
某种方面来说，快速失败=快速成功。

感谢codex这样的AI Agent工具，让我终于有机会，把解决一个问题直接做成产品。

[亮叔 AI OPC @dalidaddyy]

AI工具越学越多，为什么你反而越来越焦虑？

两年前，我学 AI 的状态应该和很多人现在一样：
一个新模型/工具出来马上试，一篇相关AI文章火了马上收藏。

前前后后十几个大模型、几十个 AI 工具我都用过，
但那段时间，我并没有觉得自己变强，反而越来越焦虑。

后来我才发现，问题不是 AI 更新太快，而是我学 AI 的顺序错了。

很多人把 “学 AI” 本身当成目标,为了学而学，
今天学一个生图工具，明天试一个视频模型，后天又去研究新的智能体框架。
看起来很努力，其实一直在被外部的更新牵着走，没有自己的主线任务。

我最近看到一篇文章，里面提到 OpenAI 高管教练 Joe Hudson 对 AI 时代能力的判断。
他说，真正稀缺的不是知道多少工具，而是四件事：
判断力、面对冲突的能力、承受失败的能力，以及和自己对话的能力。

这几个点其实正好解释了我的变化。
以前我看到新工具，第一反应是 “我是不是又落后了”。
现在我会先判断：它和我的主线（要做的项目）有没有关系？

如果我的主线是做内容，那我真正需要关心的是选题、标题、结构。
能让这些环节变强的 AI，我就用；暂时用不上的，我就先放一边，而且用中学效果是最好的。

AI 不是一个你要学完的学科，它更像一个杠杆，前提是你得先知道自己要撬动什么。

没有主线的人，AI 越强，噪音越大；
有主线的人，AI 越强，他越强。