你还在用 AI 聊天，别人已经用 AI 干活了过去两年，所有人都在教你怎么写 Prompt。结果呢？ChatGPT 帮你写文案，Claude 帮你改代码，Midjourney 帮你出图——但每一步，最后点按钮的还是你。
打开 Blender 做 3D 建模，你得自己拖节点。用 GIMP 修图，你得自己调图层。用 Kdenlive 剪视频，你得自己拉时间轴。AI 只是个嘴替，真正的体力活全压在你身上。
这就是为什么 99% 的人搞 AI 副业赚不到钱：AI 帮你”想”的部分不值钱，值钱的是”做”的部分，而做，恰恰没被自动化。
现在，这个局面被打破了。
港大开源 CLI-Anything：给 AI 装上一双”手”香港大学 HKUDS 团队开源了一个叫 CLI-Anything 的项目（仓库：https://github.com/HKUDS/CLI-Anything ，Apache-2.0 协议，目前 4.8 万+ star），思路极其凶狠：把各种专业软件改造成 AI 能直接调用的命令行工具（CLI）。
什么意思？打个比方：相当于给每个软件装了一个 AI 能拨的电话号码。 以前 AI 想操作 ...
引言：两个信号拼在一起，画面就变了半年前，写 prompt 是 AI 时代最性感的副业。一条精心调校的 prompt 在 Gumroad 上卖 $49，两个月成交 800 单，单人月入过万美金的故事刷遍了中文互联网。
但那个窗口正在关闭。
原因很简单：prompt 是”一次性消费品”。换模型失效、换场景失效、被同行复制失效。它不是资产，是耗材。
现在，两个新信号同时出现：
信号一（社区端）： 一个叫 Sepia 的项目，专门做”去 AI 味”的写作 skill。它不是一段 prompt，是一个几百行的 skill 文件。两天之内，GitHub Star 从 563 涨到 768，增速 36%，没有衰减迹象。一个细分到”写作风格校准”的 skill，凭什么两天收割 200 多颗星？因为它解决的是真实痛点——所有人都讨厌 AI 味，但没人愿意自己写规则。
信号二（学术端）： arXiv 上出现了一篇论文，叫 WikiSkill。核心思路只有一个：让 AI Agent 在执行任务的过程中，把经验自动沉淀成可复用、可跨模型迁移的”技能库”。换句话说，学术界已经在研究怎么让 AI 自己生产 sk ...
痛点：99%的Agent创业者，正在用”程序员思维”做产品打开你的同行群，是不是这个画风：人人都在做Coding Agent，对标Claude Code、Codex、Cursor。产品介绍第一句话永远是”AI程序员”、”全栈工程师”、”一键写代码”。
这打法有两个硬伤。
第一，客户池窄到见底。愿意付费用AI写代码的，要么是独立开发者，要么是互联网公司CTO手下的研发团队。中国绝大多数中小企业没有研发团队。剩下95%的企业员工——行政、运营、市场这些非技术岗位——天天和文档、表格、PPT打交道，但他们根本不会用Git，也看不懂代码。你拿一个Coding Agent去卖给他们，就像把Python教程卖给财务总监。
第二，客单价被GitHub Copilot锁死。Copilot定价在几十美元/人/月区间（据源帖称，未独立核实），你做个国产替代，顶多卖到200人民币/人/月，老板砍价砍到80你都得含泪签单。
真正的金矿在另一边：办公Agent。
套利：被技术圈集体低估的”办公任务”赛道2025年Manus在中国市场跑出来了一条完全不同的路。它的核心差异不 ...
手动搬运视频这门生意，正在被一条自动化流水线终结。
过去做 YouTube 内容搬运到 B 站，一个人要干五个人的活：盯频道更新、下载视频、听译字幕、翻译校对、投稿填标签。一条 10 分钟的视频，熟练工也要折腾两小时。现在 GitHub 上一个 3070 star、515 fork 的开源项目 Y2A-Auto，把这套流程压缩成了一次 Docker 部署加几个配置项。视频一更新，机器自动下载、自动翻译、自动烧字幕、自动投稿，人只需要在 Web 后台点一下审核。
这不是效率提升，这是成本结构的重构。
搬运生意的本质：信息差套利B 站和 AcFun 上大量高播放账号，底层逻辑都是同一个：把 YouTube 上的优质内容本地化。科技测评、编程教程、海外综艺切片、AI 领域的新演示——这些内容在 YouTube 上发布后，国内存在一个天然的时间差和语言差。
谁能最快把”生肉”（无字幕原片）变成”熟肉”（带中文字幕），谁就吃到首发流量。先发优势在推荐算法里非常现实，同一个选题，第一个发的人和第二天发的人，播放量差距可能很大。过去这个窗口期靠人力硬扛，一个人盯三五个频道就到极限了。自动化工具的意义 ...
痛点：AI 写代码为什么总在同一个地方翻车用 Cursor、Windsurf 或者 Claude Code 写项目的人，几乎都经历过同一种崩溃：AI 输出一整段代码，你复制粘贴跑起来——构建报错、测试红屏、依赖装错位置。问题不在 AI 智力，而在于它根本不知道你这个项目的「潜规则」。
AGENTS.md 就是放在项目根目录的一个 Markdown 文件，专门写给 AI 看，告诉它怎么构建、怎么测试、遵循什么规范。README.md 是写给人类看的，里面塞满了项目介绍、贡献指南、品牌故事。AI 读到这些内容，就像一个新人入职第一天被塞了一本公司宣传册，然后被要求立刻写代码——它知道公司做什么，但不知道构建命令、不知道测试怎么跑、不知道 ESLint 规则是什么。结果就是每次都要在对话里反复纠正：「用 pnpm 不是 npm」「测试在 packages/web 下」「别忘了跑 lint」。这些纠正重复一百遍，项目还是乱。
接单场景的损失更直接：你接了一个 Next.js + Prisma 的外包，用 Cursor 帮你加速，结果 AI 用 npm install 装依赖，pnpm ...
一个人，5年，90个客户，月收入63万：ToB软件的最优解不是做大，是做对很多人以为 ToB 软件只有两条路：要么融钱烧用户，要么苦哈哈接项目。
第三条路没人讲，但有人悄悄跑了 5 年。
一个人开发工具软件，5 年只服务 90 个客户，不融资、不加班、不焦虑大客户流失，每个月 63 万到手。
他不是特例。中国垂直 SaaS 市场正在批量生产这种小团队深耕模式：不是越小越好，而是越小越稳。本文把这条路拆开，告诉你哪几步是关键。
痛点：你想做软件生意，脑子里第一个念头就跑偏了普通人想做软件生意，第一反应是：
“我要做一个平台。”“我要改变行业。”“我要融钱、烧钱、抢市场。”
然后呢？要么烧光预算，要么死在”做个完整产品”这件事上，要么发现根本没人买单。
大多数人对 ToB 软件的理解，从起点就错了。
ToB 不是 ToC，不是用户越多越好、增长越快越值钱。ToB 的本质是：找到一群有真实需求的企业用户，把一个问题解决到他们愿意每个月付钱。
客户的数量不需要多，只需要对付的钱足够真实。
机会：垂直行业的需求，被大厂和资本双重忽视了中国 SaaS 市场有一个结构性空缺。
大厂忙着做通用型产品（ ...
把行业软件喂给AI，30秒一份万字定制报告，传统人闷声月入过万的接单玩法痛点：定制报告卖得贵，但你写不出来我做咨询那几年，最怕的不是写报告。
是报价那一刻。
他上来问：「能给我做一份完整的 XX 分析吗？」我还没开口报价，他补了一句：「这种咨询，上一家报价 8000 块。」
我心里盘了一下：8000 块= 200 小时研究= 30 页 Word= 半个月回不了客户
如果我做，就得关掉手上的项目，把所有时间砸进去。如果不做，他就去别家。
这就是大多数传统专业服务人的困局：定制卖得贵，但产能跟不上。
营养师给客户做一份定制饮食方案，要 3-5 小时；律师给客户写一份法律意见，要查 2 天判例；健身教练给客户写一份训练计划，要 4 小时。
你一个人，一天写不了 3 份。
单子多到只能排队，单价却被压在 200、500、800，因为客户知道「你出活慢」。
机会：把行业软件喂给 AI，30 秒出 1 万字转机来自一个被我忽略的事实。
客户买的从来不是 AI 写得多快，是数据看起来你下了功夫。
2023 年哈佛 + BCG 对 758 名顾问做过一次实验（Karim ...
一个实验室学生,为什么能同时跑 14 条变现线早 8 晚 10,他手里跑的清单是这样:闲鱼淘机、小红书卖资料、AI 代写、接编程外包、AI 陪伴类应用、小智硬件、虚拟试衣间、AI 辅助作业批改、查/降 AI 率工具、AI 工具合集、AI 教育教赛类、婚恋交友、旅拍店转型、股票数据辅助分析。
这不像个例,这是 2025-2026 正在变成默认形态的事。
为什么 AI 把一个人跑 N 条线这件事打成了可能Carta 去年发布的《Solo Founders Report》显示,美国新设创业公司里单人创始人占比从 2019 年的 23.7% 升到 2025 年上半年的 36.3%,五年涨了 12 个百分点。Census 2023 数据年的公开数据显示,美国大约有三千万家非雇佣型企业(无员工的一人公司),合计年营收约 1.8 万亿美金,占 GDP 6% 上下,年均增长 2.7%,差不多是雇佣型企业增速的 2.5 倍。
国内同样在涨。中关村人才协会《OPC 发展趋势报告》披露,截至 2025 年 6 月,中国一人有限责任公司已突破 1600 万家,2025 上半年新注册 286 万户,同 ...
