海女Haenyeo

UCL Finance
PA Trader｜00s
分享个人观点与AI工具

[海女Haenyeo @HaenyeoZ]

@mjjwiki 没事，你开你的，我正常先走流程，后面有机会再找你这大博主申请名额。😄

[海女Haenyeo @HaenyeoZ]

@mjjwiki 我通过你的链接申请的，刚提交审核

[海女Haenyeo @HaenyeoZ]

@mjjwiki 推广的逻辑不同，这一条明显是推广星链的，应该星链这个事业部掏钱走推广流程🤔

[海女Haenyeo @HaenyeoZ]

@crows_btc 人应该多看到自己的长处吧，也不要就把年龄定义为硬伤了

[海女Haenyeo @HaenyeoZ]

关注了jason，他回消息的��候我刚好在线，看到了。
内心感慨，随后全网都在感叹被利用、被诈骗、甚至是假账号。——但这哥们儿，能契而不舍的在乞讨诈骗两年……说明人家真的是当成事业在做，甚至第一时间马上就有人改名字发地址了，反向吃人血馒头。而我只是在感慨，甚至我的正事也没好好做下去。
还需要学习，不论是从好人还是坏人身上。去看别人好的地方，而不是感慨自己比他们好。

[MJJ百科 @mjjwiki]

看到大家都在讨论A9大佬 @Jason60704294 给网络乞丐 @Help35710585 诈骗了7万美元（大概47万人民币），很是感概。首先，大佬是真有钱，也真的心善，可惜遇到了惯犯。

推特X平台有很多大学生和高中生，作为从农村走出来的我知道他们的不容易和努力上进，我尽量写一些干货教程免费教他们挣点生活费。

互助共享的MJJ精神是当年落伍者论坛那些大佬发起的，天涯论坛也在传播，本质是改善国人劣根性问题，我目前是跟随者和践行者。如果大家都这样，那么这个社会就会加速发展，也会变得更加和谐，大家也会真正共同进步。

我为人人，人人为我！不管这个世界再怎么破破烂烂，总有人在缝缝补补！

我也希望遇到这样的大佬支持我，不说7万美元，资助一台Iphone 18 Pro就可以助力我写更多的IOS教程了。

[海女Haenyeo @HaenyeoZ]

每次打开 GPT 远程，看着界面转圈，都会忍不住感慨一遍路由：
人在中国的手机 → 过一遍 VPN → 飞到某个海外 IP → 打到 OpenAI 官方服务器 → 再绕回这台���着 VPN 的电脑。
地球对面聊个天，“光通信”居然还能把延迟压到能忍，必须上车🤣

[海女Haenyeo @HaenyeoZ]

@mjjwiki 我觉得你现在这个挺好的呀，只是还需要一些时间，加油

[海女Haenyeo @HaenyeoZ]

@mjjwiki 如果要想把这个做主营的场景的话，还是得去找流量的打法。

[海女Haenyeo @HaenyeoZ]

@mjjwiki 对，所以这个也正是自己还在想的原因，如果跳舒适圈那自己不一定做得好，如果继续做这个方向，那推特可能本身也不支持我的内容。

[海女Haenyeo @HaenyeoZ]

每次看到tia的推文都是学习

[提阿非羅TiaBTC @tiabitcoin]

小孩問：AI 那麼聰明，我們為什麼還要學習？學習的意義是什麼？

我拿最近的例子講：

一個沒學過攝影的人，拿到一台相機，想學拍視頻，就會問 AI：怎麼拍好看？

AI 不知道你是新手還是老手，就會先給最通用的答案：開自動模式就好。

實際上，那種傻瓜模式拍出來的，根本不行。

但如果你學過攝影，哪怕略懂一點皮毛，問法就截然不同了。

你會問：要用什麼色彩空間？哪種 Log？套什麼 LUT？白平衡怎麼設？快門開角多少最好？要不要加 ND 減光鏡？

這時 AI 就當你是個很有經驗的攝影師，答案立刻具體、專業，不再是打發初學者的那一套。

一點知識，哪怕是百科式的皮毛，加上 AI，結果就很不一樣。

再比如說，音樂。

我對音樂一竅不通，如果讓 AI 寫曲子，我只會說：幫我寫一首好聽的鋼琴曲。

這是我唯一能對 AI 說的。

它能給我的，大概也就是一首打發普通人的曲子。

就算它給我一首好曲子，我也聽不出好在哪，更說不出哪裡還能更好。

但如果我懂音樂，問法就不一樣了：什麼節拍、什麼風格、像蕭邦還是莫札特、要什麼情緒，我會一樣樣說清楚。

同樣的 AI，懂音樂的人來用，做出來的東西好得多。

不只攝影和音樂，事事如此。AI 能幫到最深的，是本來知識就更豐富的人。

這就是 AI 時代的馬太效應：你聰明，AI 讓你更聰明；你笨，AI 也只是陪你把笨路走到底。

說到底，不是聰明不聰明的事。你肯學，AI 就幫你往深處走；你不肯學，再強的 AI，你也只會拿來處理最淺的問題。

AI 能為你解最頂尖的數學難題，但前提是，你腦中先有那些難題。你連基礎數學都沒有，AI 最多幫你算算賬而已。

AI 本可以是世上最頂級的佛學大師，但你毫無底子，它只能給你幾句心靈���湯。你若略知一二，它就不遜於當今的高僧大德，你也無需遍訪山林。

AI 是個放大器。

你腦中得先有東西。有東西，它就替你放大。

腦中空空，再高倍的放大器，放大出來的也還是空。

所以，在 AI 時代，還是要學習。

甚至，還更要學習。

https://t.co/grEMVGqf4H

[海女Haenyeo @HaenyeoZ]

我认为你说的这个方向是对的，但他只针对于收益企业而言，对于FDE来讲，还是应该寻找可持续有长尾机会商业模式

[Russell @Russell3402]

我一直不太看好现在市场上大多数所谓的 FDE

准确一点说，我不看好的是现在大家正在形成的这套 FDE 范式

它太技术导向了（可能是大厂技术裁员过多导致）

很多公司理解的 FDE，大概就是：

企业有一个问题，我派几个很强的工程师进去，理解需求、写代码、调模型、做 Agent，最后给客户交付一个能跑起来的东西。

稍微高级一点，再加一层“咨询”：

先访谈业务，找痛点，判断哪些场景值得 AI 化，然后再做方案、做产品。

���些事情当然都有价值，也能挣钱。

但我一直觉得，这条路很容易走成一种“高级外包”。

客户买的是你的人，是你的工程能力，是你的项目交付。

项目结束，价值也差不多结束了。

下一家客户来了，你再重新诊断一遍、开发一遍、交付一遍。

人越多，收入越高，项目越多，组织越重。

最后你会发现，嘴上讲的是 AI Native，商业模式却还是几十年前咨询公司和软件外包公司的商业模式。

这也是我觉得现在很多 FDE 公司没有想明白的地方：

AI 时代真正稀缺的东西，可能已经慢慢不再是“谁能帮企业写出一个 AI 应用”。

模型会越来越强，coding 会越来越便宜，Agent 构建门槛也会继续下降。

今天一个很厉害的 FDE 花两周做出来的东西，两年之后，也许业务人员自己两天就做出来了。

如果你的核心壁垒建立在“我比客户更会写 AI 应用”上，这个���垒其实是在不断贬值的。

真正稀缺的是企业吸收 AI 的能力。

一个组织能不能自己发现问题，自己判断什么问题适合 AI，自己快速做出东西，自己把 AI 塞进工作流，再根据结果继续迭代。

这才是我真正关心的东西。

所以我理想中的 FDE，进去企业以后第一件事情甚至不应该是疯狂 coding。

他更像一个 AI 时代的“组织催化剂”。

我进去，不只是为了替你的员工把事情做掉。

我要让你的员工开始自己做。

我要带着销售、运营、研发、供应链、客服这些真正干业务的人，把他们每天正在发生的工作重新拆一遍。

哪些工作可以被 AI 重构？

哪些流程已经没有存在的必要？

哪些岗位未来会从“执行任务”变成“管理 Agent”？

一个原来需要 10 个人协作的流程，今天有没有可能变成 2 个人加一堆 Agent？

然后直接让这些业务人员参与构建。

让��们自己用 Codex、Claude Code、Agent、���种 AI 工具（如果你有自己的工具当然更好），把自己的工作重新做一遍。

这里最重要的结果，甚至不是我们最后帮企业做出了多少个应用。

而是三个月之后，我们的人撤掉，这家公司还能不能继续自己长出新的 AI 应用。

如果可以，这次 FDE 才真正产生了价值。

我经常用一个非常粗暴、历史上也并不严谨的类比。

今天很多企业做 AI，有点像当年的洋务运动。

买机器、造军舰、学技术。

放到今天，就是：

采购 ChatGPT、采购 Copilot、买几个 Agent、请外面的人做几个 AI 项目，再给员工上一堂“如何使用 AI”的课。

表面上什么都有了。

底层的组织方式却完全没有变化。

这种情况下，你给它装再先进的 AI，本质上也只是给旧组织装了一层外挂。

所以我越来越觉得，AI 组织真正难的地方是组织本身。

一个真正 AI Native 的公司，它的人才结构��管理半径、决策方式、软件使用方式、信息流动方式，甚至岗位本身都会和今天不一样。

它不会只是“原来的公司 + AI”。

它应该从 AI 的能力重新倒推公司应该怎么运转。

从这个角度看，很多传统企业所谓的“AI 改造”，最后一定会撞到组织边界。

改到一定程度，你会发现真正挡住 AI 的已经不是技术，而是旧流程、旧岗位、旧利益关系和旧管理方式。

这时候继续堆 Agent 没什么意义。

你必须开始动组织。

所以我反而更看好一种更重的 FDE。

FDE 进入企业之后，一边解决真实业务问题，一边培养企业内部的人。

不是上一堂两天的 AI 培训课，然后发证书结束。

而是在真实业务里面一起干。

你有一个销售流程，我们就现场重构销售流程。

你有一个质量管理问题，我们就让质量团队自己参与构建。

你有一个运营问题，我们就带着运营团队把第一个 Agent 做出来。

员工最终获得的不��“学会一个 AI 工具”。

而是形成一种新的工作方式：

遇到问题以后，他第一反应开始变成——

这个事情能不能让 AI 做？

我能不能自己搭出来？

能不能把这个流程自��化？

能不能让 Agent 接管其中 70%？

我觉得这件事情一旦发生，企业才真正开始 AI 化。

而且从商业上看，这种模式其实比纯外包性感得多。

因为它是可以产生复利的。

我的理想模型大概分三层。

第一层，培训和入企共创。

这是入口，也是现金流。

企业愿意为员工 AI 能力提升买单，决策门槛也比直接卖几百万的软件低。

但培训只是入口。

第二层，在培训和真实业务共创的过程中，不断发现高频问题。

今天一家制造企业出现这个需求，明天另外五家制造企业可能也会出现。

第一次解决是项目。

第二次解决开始形成模板。

第五次开始形成组件。

第二十次，它就应该变成产品。

这才是 FDE 最重要的复利。

每进入一家企业，我都在增加自己的 solution library。

行业 know-how、Prompt、Agent workflow、eval、数据接口、权限方案、部署经���，都应该不断沉淀。

下一次再进入同行业客户，我不应该重新从 0 开始。

如果每个���目都从 0 开始，你做的就是外包。

如果每个项目都让下一次交付更快、更标准、更便宜，你才是在做一家产品公司。

第三层，是标准化产品。

当我已经非常清楚企业真正需要什么以后，我再把自己的平台、Agent 底座、知识库、模型 Router、安全、权限、Metering 等标品卖进去。

于是整个商业模型就变得很有意思：

前端，培训和共创赚钱。

中间，用 FDE 找需求、验证场景、沉淀解决方案。

后端，标准产品和 token usage 持续赚钱。

客户使用得越深，我越了解业务。

我越了解业务，产品越好。

产品越好，下一个客户交付成本越低。

客户内部的人 AI 能力越强，他们自己创造出来的新需求反而越多。

这才是一个真正能够滚起来的飞轮。

所以我判断未来 FDE 最大的分水岭，会是：

你到底在积累什么？

有人做了三年 FDE，积累的是 100 个项目��� 100 个客户案例。

但项目停下来以后，收入也停下来。

另外一家公司做了三年 FDE，积累的是 1000 个 workflow、几十套行业 solution、成熟的平台能力、一群已经被教育好的客户，以���持续增长的模型调用量。

表面上前三年两家公司可能赚的钱差不多。

第四年以后会完全变成两个物种。

所以我现在越来越不关心一个 FDE “能不能写出很厉害的 Agent”。

这件事情当然重要，但它只是基本功。

我更关心：

他能不能改变一个组织使用 AI 的方式。

能不能让客户自己具备构建能力。

能不能从一线业务里抽象出共性。

能不能把一次性交付变成 reusable solution。

能不能最后把 solution 重新压回产品。

真正好的 FDE，应该同时连接三个世界：

客户的一线业务，

企业内部的人和组织，

以及自己公司的产品。

客户现场不是交付终点。

客户现场应该是产品研发的最前线。

如果 FDE 每进入一家企业，只多赚了一笔项目费，这个模式的天花板很低。

如果每进入一家企业，都让你的产品更强、solution 更多、客户组织能力更强、���来 token consumption 更高，那这个业务就完全不一样了。

我觉得这才是 AI 时代真正值得做的 FDE。

甚至严格来说，它可能已经不再是今天大家定义里的那个 FDE 了。

它更像一个新的物种：

一半是工程师，

一半是组织变革者，

一半是产品经理，

还得有一点老师和创业者的能力。

听起来加起来有三个“一半”。

但可能 AI 时代本来就会需要这种奇怪的人。

未来FDE的发展方向，必定不会是是“替企业做 AI 的人”。

应该是那些能进入一家传统企业，然后让这家公司开始自己长出 AI 能力的人。

[海女Haenyeo @HaenyeoZ]

我觉得这个问题它可能存在还是心气上，因为已经拿到结果的人，你总是免不了会把这个小资金账户疏忽不放在心上，这是很正常的事情，一旦追求结果，就避免不了会想要追求快、高杠杆，那又有可能会与自己原本的交易思维有所冲突，就像乌鸦哥说的，即便是把它拆成按现实世界的规划来算，哪怕是10年时间，也要保证每年70%的年化收益。这是得多夸张的一个数字，但在加密货币的常规路径当中很少人认可这个数学路径。全都是追着1-100妄想暴富的人。

[海女Haenyeo @HaenyeoZ]

@crows_btc 其实这个也没有办法，因为有时候想法你的想法，我们也不太好去点评，甚至交流，觉得没有跟你在一个level，哪怕是其他的顶级交易员也是一样。所以想法这方面流量就是要差一些。

[海女Haenyeo @HaenyeoZ]

我在做一个给中小团队用的内部工具平台：用自然语言描述需求后，自动生成可运行的前后端代码、测试用例和部署脚本，并持续根据用户反馈迭代。现在最大的瓶颈是每次改需求都要自己写大量样板代码和回归测试。如果能用上 Devin Max + GPT-6 Astra，我想让它直接接手从需求到可上线版本的完整循环，先从我们团队内部的 3 个真实项目开始验证。

[海女Haenyeo @HaenyeoZ]

@thsottiaux i trust you. but. where？

[海女Haenyeo @HaenyeoZ]

@crows_btc 回来了，乌鸦哥。

[海女Haenyeo @HaenyeoZ]

不愧是新概念作文一等奖，这么多年了。水平依旧在线！

[H.E. Justin Sun 👨‍🚀 🌞 @justinsuntron]

https://t.co/nLMTwWr67Z

[海女Haenyeo @HaenyeoZ]

境，我觉得这个话不应该由你说出来。150块钱的订阅费，如果你真的对AI有需求，哪怕是大学生，也可以去想办法，那怕咸鱼当倒爷，折腾出来这150，而不是这个策略模式。
至少在���条路上，应该是开源，而非节流。

[北境 @0x_Northland]

刚在小红书看到，当代大学生的代差来自订阅AI

但是月均150元的ai订阅费
对于月薪1000的大学生来说确实不低
那怎么解决，能不能曲线救国？

我提个小建议，你可以注册免费的谷歌账号X5个
然后通过多开，在低使用量的情况下
一个月五个应该可以轮换运转codex

不解饿，应该能止渴