把 AI 用在“从想法到第一版”和“从第一版到可靠系统”两段路上：Vibe Coding 仍有价值，但价值在快速暴露真实需求，而非停在 Demo；需求从真实使用和错误版本里长出来，SaaS 与 Agent 是否被替代取决于它提供的是界面还是判断。
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。
Vibe Coding 的价值在暴露需求，不在交付产品
立正把 Vibe Coding 看作让人从“问 AI”进入“让 AI 帮我造东西”的一步，它能解决个人单点痛点，但最擅长的是顺利路径：需求清楚、数据简单、用户只有自己1。一旦遇到异常输入、权限、部署或需求迭代，Demo 就开始崩1。所以它的价值不是直接变成产品，而是让你先看到一版真实的东西，从而发现原来的想法哪里不完整——很多正确决定在看到错误版本之前根本不存在2。你做出的东西停在 Demo，通常不是代码写得差，而是跳过了 discovery（通过真实版本弄清该做什么）和 ownership（用户依赖后持续保证正确）这两段2。想提升，可以选一个自己真会长期用的 Demo，让它面对一个你控制不了的真实输入或真实用户，观察哪里先坏、你愿不愿意继续负责。
需求从真实使用里长出来，AI 用来换认知确定性
找需求不是先想一个点子再让 AI 实现，而是先做出能检验的小步，让现实告诉你哪里不对3。立正提到，拿到模糊需求时先拆成能检验的小步，结果不对先找原因而不是换工具再试3。AI 的用法也类似：代码和 token 已经变得很便宜，值得用它们去换昂贵的“真相”——也就是这件事到底该不该做、怎么拆、结果好不好4。配环境、调端口这类费劲但不让人变聪明的“假困难”可以交给 AI，判断和取舍留给自己5。所以“用 AI 干什么”可以这样分：让 AI 承担实现和试错成本，你承担定义问题和判断结果。
SaaS 和 Agent 是否被替代，看它卖的是界面还是判断
关于 SaaS，材料里的区分是：纯逻辑层加界面的应用型 SaaS 可能被 Agent 直接驱动数据库而取代；核心提供推理、知识和判断的 SaaS 不会，因为它卖的不是 UI6。Agent 也不是做完就一劳永逸：模型版本、API、成本、prompt 和 eval 都会变，上线后要持续迁移、调优、修边界情况，所以它更像长期运营而非一次性交付7。这意味着大模型变强会压缩“把界面搭出来”的价值，但不会自动替掉“判断什么行为正确、并为持续正确负责”的部分2。对个人来说，值得积累的是后者。
SaaS 与 Agent 的判断来自投资视角的现场问答和 FDE 讨论，不是对具体产品的预测；那场现场问答的归属为分享整理，未逐句确认发言人。
出处
- 1AI产品的六个层次
给出 Vibe Coding 所处层次和它最擅长的顺利路径、典型崩坏点。
- 2Don't build: 看清demo和production之间的鸿沟
讲清 Demo 与产品的鸿沟，以及 discovery、ownership 两段为何没被 AI 压缩。
- 3假学习的终结
说明从工具到方法、从原型到产品的学习路径，适合核对“如何提升”。
- 42026年最重要的能力之一，AI原生思维
可回到原文核对这部分判断
- 5AI替你做出来以后，你还会什么？｜哥大客座课程回放
可回到原文核对这部分判断
- 6Agent 时代的投资与生存法则｜Indigo 西雅图线下分享 Notes & Insights
提供 SaaS 分两类判断的现场问答，适合核对“SaaS 会不会消失”。
- 7AI Agent 时代的 FDE：把模型能力落到真实业务里
可回到原文核对这部分判断
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
- 如何在codex上用好鸭哥的上下文系统来进行某个市场、业务的探索？
先把市场或业务问题拆成一个具体受众的具体需求，再用 Codex 把已有材料整理成可续用的上下文，让它帮你验证这个判断，而不是替你一步解决大问题。
- 如何快速的成为大佬
立正不认为存在一条按步骤走就能快速成为大佬的确定路径；他更看重持续成长、对事情的信念和能拿出的实际结果，把大佬当作可合作的资源而非崇拜对象。
- 这是我写的一篇内容，我应该怎么去优化这篇文章，汽车摄影构图分享｜最近关于 AI 汽车内容的一点思考
最近一直在做其他项目，也在想 AI 内容还能往哪些方向拓展。
前几天突然翻到之前账号里做的汽车内容。再看那些画面，构图、调色和风格都有一些我现在不会再那么处理的地方。可能也是因为看画面的方式变了，之前觉得挺成立的东西，现在会忍不住多想一步。
尤其是当这些内容真的要用在自己的商业项目里，我会开始想：AI 汽车内容到底该怎么做？
以前会觉得，换一个场景、换一种风格，画面就有差异了。但回头看，山还是那个山，路还是那条路。大家用的“配菜”差不多，怎么做出让人记得住的内容，我还在琢磨。
而且车的内容也不能只顾着把画面做得不一样。做完之后，还得让人看得出这是哪个品牌的车。这个尺度其实挺难拿捏的。
想到这儿，我又会问自己：AI 是该先把摄影能解决的问题做得更好，还是去试试摄影和 CG 不太容易做到的方向？
我现在觉得这两条路都可以走。只是放进商业项目里，最后还是得看它解决了什么问题。对我来说，这也是做 AI 汽车内容最好玩的地方：画面可以一直往前试，但每次都要想清楚，它为什么要这么做。
这篇的素材和真实困惑都在，主要问题是开头先讲自己的犹豫、结尾又停在“两条路都可以走”，读者拿不到一个明确的判断。把“商业项目里看它解决了什么问题”提前成主线，全文会立起来。
- 这是我的最终版本 ： 案例背景: 我有 10 年 PM 经验，现在负责 Gemini enterprise agent 的 0 to 1 和 E2E quality。团队的底层架构每 1-3 个月重构一次，roadmap 最多只能规划 4–5 周。我入职后做的一版 roadmap方案，6 周后因为架构切换，大约一半作废。
难点在哪
技术发展太快，个人没有足够的agent框架前瞻vision 来决定哪些可以跨周期留下来，所以每一轮都接近从头开始。
能长期积累的东西（方法论、客户base）见效慢，绩效看的却是这个季度 ship 了什么。
团队规划roadmap 只看 5 周，我却要做 2–3 年职业规划，中间没有足够的深度沉淀。工作挤占大部分精力，留给生活和个人成长的时间较少。
想问导师什么
在Agent 框架高频变化的环境里，什么样的工作算真正的 impact？哪些东西值得深耕和沉淀？
公司规划周期很短的时候，个人的 2–3 年职业规划应该以什么为锚：岗位、能力，还是某个长期方向？
这种混乱是属于风险与机遇并存，我应该抓住哪个最主要的点来省耕挖掘机会？
假装你是career coach, 请帮我分析并提出建议
在框架高频变化的环境里，值得积累的是判断力和方法论这类不随版本失效的东西；2–3 年规划的锚可以放在能力与判断上，而不是某个具体框架或岗位头衔。
- 我认为 Agent 应该是未来软件的一种形式。之前是移动互联网，之后可能就是各种 Agent 的出现来代替现在的 SaaS、现在的软件。那么这些 Agent 会以什么样的形式出现？我不知道。第二，我现在没有 Agent 技术，该如何去学习 Agent？第三，我不知道我现在的想法是对还是错，因为我现在只有一个“Agent”的概念，但不知道准确的东西是什么，该怎么去做。
Agent 会以“被调用的能力”而非新网站的形式出现，入口可能还是 Codex、Claude Code 这类通用工具；学 Agent 不必先补概念，而是把一个真实任务交给它做完，在做的过程中建立判断。
- AI 时代，该创业还是工作
立正不把创业当成 AI 时代的普遍出路：创业不适合绝大多数人，但“拥有自己的用户和收入”这件事值得尽早尝试，工作也可以是积累这种能力的过渡。