这个五一节我做了个总结，在 2 年多的创业里，我一共做了 25 个 AI 项目，涵盖了复杂的行业级应用、简单 AI 客服、Agent 等品类；

这个五一节我做了个总结，在 2 年多的创业里，我一共做了 25 个 AI 项目，涵盖了复杂的行业级应用、简单 AI 客服、Agent 等品类；
然后又做了 20 多场企业 AI 咨询，在先后两个创业项目都不太成功的情况下（2B 的 CEO 数字分身收不到尾款、2C 的空气小猪正在运营），终于下定决心踏踏实实做账号、卖课、做企业咨询，原因无他，ROI 高罢了...
于是乎，今年开始我有个重要角色就是扮演客服，所以有机会接触了各式各样的人，也算是开了眼界，但你要问我最讨厌的课程咨询类型的话，我会说会一点 AI 的程序员...
为什么呢？可能有些同学就要说半灌水响叮当了，但这个答案太肤浅。
如果让我说下原因的话，应该是【AI 的非对称性】。
什么意思呢？意思是现在我们很容易就能用 AI 拿到 70 分的结果，但真正难的却是如今将 70 提升到 90 分，这其实是很难，要付出的代价是很大的。
比如，随便一个程序员都能调用下 GPT 的API、也能用 Coze、Dify 实现一点工作流，解决点工作中的小事、又或者已经可以自己研究 Agent 了，会用 Skills 去解决一些工程问题......
但是呢，就是这批同学，你真的让他去做个简单的 AI 客服，但他们会发现这个效果总是不太好，而且也不知道如何进一步提升；相应的你问他什么是 AI 原生团队，让他推动部门级的 AI 升级的时候，他们往往一筹莫展；更遑论其他更复杂的场景，比如：
Agent 中 Tools 为什么总是调用不稳定、Agent 之间的通信问题、会话压缩机制、如何真正的去蒸馏一个同事，这个时候才会涉及到 AI 的本质问题数据......
那么问题在哪呢？问题当然在于【系统性】，如果真的想要了解 AI，还是得有一套自己的知识框架，至于如何形成这套框架，可以看这篇文章：
如何进入 AI 行业？这是我目前最确定的一条学习路线
如果没有框架，要么容易半灌水、要么容易被各种热点推着走，比如：
1、今天追 Manus，明天追 OpenClaw，后天再追 Hermes；
1、今天学 Coze，明天学 Dify，后天又觉得自己是不是该 all in AI Coding；
最后折腾了一大圈，时间花了不少，脑子里的东西却还是碎的，最终徒增焦虑。
普通人如果真的想进入 AI 行业，到底应该怎么学？什么该学，什么不该学？什么方向更现实，什么方向只是看起来很热闹？
这个还请大家多思考思考，如果有困惑和兴趣也可以跟我联系。