2026.4.12毕业2年 近期半年关于AI的一些思考

目前agent开发分布应该主要集中为：

1. 云端Agent：无文件系统的，无状态的，具有记忆必须人为去设计特定的tools实现
   目前形态：一些如deepseek、gemini等的一些官网开放给用户的基本都是基于它们自有模型封装的agent，基本就是打名号，给所有人开放使用。依旧是刺激消费 =》 模型token套餐

2. claw Agent：带有真实文件系统的，具有定时任务/心跳/动态和用户交流出来的prompt提示词【一机单/多agent】，一个agent直接看作是数字员工，完成具体任务。
   目前形态：类似openclaw，该软件非付费，开源免费，其造就的skill生态，让跨行业的人可以快速实现不同领域的demo级效果甚至是成品，可直接当作一个员工接入钉钉、飞书交流。依旧是刺激消费 =》 模型token套餐

3. 本地Agentcli：vibe coding/writing/... 模式的 人机协同的
   目前形态：用户与cli agent交互，让本地端的cli agent去和人高度协同完成任务。依旧是刺激消费 =》 模型token套餐

对于如何让用户进行付费？

我自己个人的思考是无论什么行业场景，首先要让客户去认可 或者 就是这个产品能够为客户本身自己带来价值，这个"价值"可以是节省时间、可以是快速解决特定领域问题、或者你的产品可以给它们带来利润收益，从而自己业务的闭环生态。

目前我自己看到的可以通过AI应用变现的场景：

1. Agent应用网站应用层订阅制付费，按照agent应用网站的特定业务场景使用次数 & 模型强弱范围使用权限使用。
   提供商：个人开发者、大公司、技术团队研发。通过进行整合现有AI模型 + 结合核心业务，给特定业务场景需求者解决问题，提供业务价值，实现付费。

2. AI模型层面

   • AI模型套餐付费，往往都是来源一些大公司厂商针对自己自研或者外部很火的模型 来进行设置一些模型套餐。
   • AI模型中转赚差价，购买AI模型套餐进行中转，再将中转的模型售卖分发给个人或者小型研发团队组织，赚取其中的差价
   • AI中间层也就是Agent方面的评价：你可以发现所有的Agent中间层几乎是没有说要收费的，所有利润收费都基本都是来源于token大模型的套餐以及按量计费，Agent中间层。
     提供商：大公司研发大模型团队等，目前阶段往往分为模型研发 + agentcli研发 + agent应用研发，无论什么形态最终依旧卖的是模型套餐、token。

3. 个人Agent cli使用
   跑通特定业务场景，如使用iflow cli + 特定全流程skill + 部分生图模型场景，可以以极低的价格去换取高质量公众号推文等其他场景。同样也是利用低价格的AI工具能力 + 垂直流程业务 =》 高交付结果 来进行换取业务。

对于非大厂研发，个人结合ai有哪些可落地利润的业务？面向研发、个人各行情况

1. 研发 =》做网站agent业务类：很难，除非你本身就有很垂直的业务做成网站，再去结合ai赋能你的网站去做付费，若是纯ai搭出来的一些架构模式在模型极弱的情况，非常难交付。个人核心理念就是：首先找明白你自己的垂直业务，是否不靠ai就能够跑通，跑通后才应该去进行ai赋能，纯本地native的ai应用，太依靠模型的能力，极其烧钱。

2. 个人纯流程 =》 看当前工作做的事情、业务是否可沉淀流程化，这个工作流中是否有可以使用ai去加速或者优化这个环节，如果有，加速它，并且看是否可以打通作为一个付费业务来给用户。
   比如：影楼里传统给别人p图，现在结合你自己业务能力+特定场景结合ai加速你的业务落地、成品；code领域，加速你的业务产品交付；撰写博客、公众号快速发文等等方式。这种方式看起来会更容易赚钱。

3. 研发 =》agent中间层、cli：极其痛苦，因为你推出的产品会不自觉的让别人和现有产品比较，直接就是和大厂竞争，除了能够提升你对agent的理解 & 更适配agent应用研发岗位，实际想要靠其得到付费尤其的难。
   ps：前面大半年就有在做这个事情，进行agent中间层研发，痛苦且无收益的半年，但怎么说呢也收获了很多。

困难程度：3 > 1 > 2
能够快速得到收益：2 > 1 > 3

我作为研发，在前面大半年直接投入3大量时间，也曾接触了一部分1的环节 也是很难，最近尝试2，结合现有agent + skill + 大模型，直接使用市面上现成的agent以及成熟打磨过的skill 直接面向业务，发现成本极低，同时收益较大。

上面所写，均为自己这大半年来所经历并且浓缩的个人现阶段AI与应用理解，对于ai这段时间真正是比较开创性的我印象很深的整条模型到Agent的路径为：

chatgpt聊天（模型）
-> deepseek（模型，极低成本）
-> ReAct思想（Agent开创先河起源思路）
-> Manus（基于ReAct思想）
-> MCP（Agent 工具协议规范）
-> Skills（Agent，长提示词优化，本地skill扩展生态）
-> openclaw（Agent 数字员工）

再到后面各种模型能力开始逐步突出，文本、图像、视频，百花齐放。

最后给予我自己以及其他在阅读这篇文章的人想说的话：

AI时代的到来，我们不应该去恐惧，而是应该正视，利用好现在AI能够带给我们的便利，强者恒强，细想没有AI时代前，我们对于核心业务会去写精炼复盘笔记、标准流程、研发规范，个人学习结构化思维沉淀笔记，对于可复用工程及业务，我们会去进行模板化、流程化去完成业务。
这些本质的东西我们不该去丢弃，而是更加应该去专注于思考当中，将ai去加速我们非思考的部分的落地与实现，加速标准业务流程的部分环节，进行个人能力、产品孵化的快速提升与实现，而非让这些本该我们去思考、去沉淀的过程全盘被ai给吞噬掉。

后续所有商业化相关的的内容，我将会都会围绕一个核心：是否可以给用户带来价值，是否从用户角度去考虑 去出发去做一些事情。

最后的最后附上一个我觉得非常有意义、有价值的一个图，真的拆解的极其到位：