机会在于个人生产力工具的长尾需求远未被满足,且做第一版的门槛极低;挑战在于 vibe coding 只擅长顺利路径,从玩具到可靠系统之间隔着权限、数据、部署和长期维护的漫长中段。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
机会:长尾的生产力需求还没被满足
材料里的观点集中需求已经被 GUI 和通用软件覆盖,但大多数人的生产力需求是长尾的,没有被很好地满足。有人用二十块钱的工具魔改出五百块钱产品的效果,这个价差就是集中需求与长尾需求之间的空隙,也被称为用户自己生成的软件。分发成本高是过去做不成的原因,而当自然语言调度算力越来越简单,个人做工具这件事才第一次变得可行1。所以机会不在再做一个通用工具,而在你自己或一小群人真实存在、但市面上没人专门解决的那个具体痛点。
挑战:顺利路径之外系统就开始崩
vibe coding 最擅长顺利路径:需求清楚、数据简单、唯一用户是你、报错不严重、不需要长期维护和多人协作。一旦出现边界情况——用户输入不规范、接口报错、权限出错、模型输出格式不稳、部署失败、需求变更——系统就开始崩,产出停留在演示、原型和一次性脚本,很难直接承担高价值、高风险的任务2。另一层挑战是可见性偏差:社交媒体上展示的是从想法到第一版的速度,很少展示从第一版到可靠系统的漫长中段,权限、迁移、数据、客服、异常处理和长期维护都很少进入信息流,只通过这些内容理解产品建设,容易把最适合传播的工作切片当成全貌3。
先判断你做的是玩具还是工具
AI推演一个可试的判断方式:做完第一版后,故意制造几个不顺利的输入或场景,看它是稳定给出可用结果,还是立刻需要你手工兜底。如果每次都要你亲自收拾,它目前还是一次性玩具,适合自己用、不适合给别人用;如果它能扛住这些异常,才值得考虑部署和让别人使用。这个区分也对应一种心态差别:把 AI 当外包看,你只验收结果;要让它变成能长期运转的东西,你得自己承担那些不进入信息流的中间工作4,3。
材料讨论的是通用机制和他人案例,没有你具体的工具方向、使用人数和维护意愿,无法判断你手上这个项目属于哪一类。
出处
- 1郭宇:财富自由很简单,难的是之后的事情
讲长尾生产力需求与集中需求的差距,适合核对机会从哪来。
- 2The Six Levels of AI Products
系统列出 vibe coding 擅长与崩溃的具体条件,适合核对挑战部分。
- 3想获得超线性回报,先打下可以坚持的地基
说明可见性偏差和第一版到可靠系统之间的中段工作,适合理解为什么展示内容不等于全貌。
- 42026年,AI胜任力模型:从聊天党到架构师
给出把 AI 当外包的心态和一次性玩具的局限,适合判断自己处在哪个阶段。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 我结合我的爱好,vibe coding 了一个 K 线模拟训练软件,正式版发给了我的一些朋友使用,我 0 距离接收他们的反馈,并持续迭代优化,这个过程给我带来了很大的正反馈,我希望能以这个作品为起点,未来做功能更强大更深入的软件产品,为中国 A 股的散户交易者提供有价值的服务
你现在的路径和「通用工具围着真实工作长成自己的软件」高度一致,下一步最值得读的是从作品走向产品要补的那几块:重度用户、demo与生产的鸿沟、以及产品价值结构。
- 总觉得现在学习新东西,技术没有什么意义了,因为ai能比你做的快10倍,同时也觉得任何东西/poc都没有门槛,我能几天之内学习新的技术,并deliver。如果我能,我相信别人也能,那我的竞争力到底在哪里? 学更广的知识还是干别的什么?
几天做出一个能跑的东西,只证明你当下交付得快,不证明能力留在你身上。竞争力更可能来自撤掉帮助后仍能判断、拆解和交付,以及别人做不出来的深度。
- workbuddy普通人怎么用
普通人用 AI 的关键不是学会某个工具,而是从“偶尔用一用”变成“让 AI 成为核心生产力”,并围绕自己反复做的一件事持续积累。
- 如何学习 ai
学 AI 要当手艺练,不是当知识背:围绕真实任务动手,用“撤掉帮助、隔段时间、换个条件还能不能做”来检验自己是否真会。
- ai时代如何赚钱?
立正认为AI时代赚钱的关键不是抓住某个风口,而是把认知和方法练出来:用经营者的视角看待工作,学会识别真正创造价值的事,并且相信赚钱的唯一方式是给别人创造价值。
- 课代表一直说要像学习一门手艺一样工作,这个怎么理解,什么是手艺,学习手艺的时候需要注意什么,如何精通一门手艺?
手艺不是熟练重复,而是能不断往深里钻研、越做越发现学问的活能力;学它靠动手试错,精通靠长期坚持。