先别把“退出”当成唯一选项:你真正缺的是可验证的付费需求,而不是更努力地推合伙人。用一笔真实客户订单检验伦敦工作室能否赚钱,再据此决定是否退出。
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。
先分清“事情简单”与“生意成立”
你觉得事情简单,可能指打印这件事本身简单;但客户为什么付钱、付给谁、为什么比别家更值得,是另一层问题。立正在讨论家装维修项目时把这两层拆开:收费项目只说明钱怎么收,商业模式还要说明客户为什么愿意付这笔钱、为什么付给你;产品某一段做得好,不能替代对整门生意的判断1。他也提到,技术背景的人常低估 go to market 有多难,第二次创业者往往先做 go to market2。放到你的项目上:伦敦有设备和工作室,是交付能力;但还没盈利,说明“谁为哪项价值付费”尚未被验证。这是 AI 根据上述判断对你处境的推演。
用一笔真实订单检验盈利路径
AI推演你主攻国外市场,可以先不问“怎么让合伙人更投入”,而问“哪一类客户会为颗粒打印的什么结果付钱”。立正对维修项目的追问是:客户只有30秒,关心的是能不能找到靠谱的人、什么时候来、多少钱、能不能修好、出问题找谁;多做的每个环节都要回到这些诉求1。颗粒打印可以照此找一个具体场景:客户要的是成品、打样速度、小批量定制,还是设计加交付?选一个伦敦本地可接触的客户,报一个包含材料、设备时间和人工的总价,看对方是否接受。这笔订单能同时检验定价、交付和合伙人实际投入。这是 AI 的应用建议,不是原文给出的处方。
合伙人的问题要落到可观察的分工
AI推演你已试过内部讨论,让不做事的合伙人“当下答应”,但时间拉长投入不足。这说明口头承诺不是有效反馈。可以借立正检查项目地基的问题:这项工作除了完成今天任务,还给下一次留下什么——更准确的判断、可复用工具、用户关系、数据或流程;以及地基最后由什么现实结果检验3。对两个合伙人,可以把“多投入”换成具体交付物和截止点,例如谁负责在本月内带来一个可报价的客户线索、谁负责把一次打印交付的流程和成本记录下来。做不到时,你得到的是关于分工的事实,而不是又一次性格判断。这是 AI 的综合应用。
现有材料没有颗粒打印行业的需求、定价或伦敦市场竞争信息,也没有你项目的财务明细,因此无法判断具体该主攻哪类客户或多久能盈利。上述订单检验只是帮你生成判断依据,不构成盈利预测。
出处
- 1你赚哪份钱,决定了产品该怎么做|切问·立正02
用维修项目案例说明收费、客户诉求和竞争优势要分开判断,可直接迁移到颗粒打印的付费需求问题。
- 2自媒体比多数人想象中更赚钱,但也很容易走偏|我被采访的一期
说明技术背景创业者常低估 go to market,支持先验证市场而非只优化产品。
- 3想获得超线性回报,先打下可以坚持的地基
提供检查项目在积累什么、由什么现实结果检验的问题,可用于把合伙人分工落到可观察交付。
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
- 这个课干啥的
这是一门教人真正把 AI 用进工作与项目的课,重点不是软件操作步骤,而是提需求、判断与动手做的能力;另有一门一小时小课供先试。
- 课代表在223年写的一篇文章里面有讲包括大语言模型是怎么来的呀?介绍这些背景资料的
按现有片段,无法确认“课代表”在2023年写过介绍大语言模型由来的文章;能确认的是立正在2023年有两份公开讲解,分别从生成模型原理和范式变化切入。
- 前辈想请我付费帮她做一档播客,我很愿意采访,但觉得采访完之后的剪辑和发布比较麻烦。一方面我觉得 AI 应该可以把后期做的不错,但实际上我自己的播客后期一直没有弄的很丝滑。我不太知道怎么判断这件事合适。我想的是,我可以收很低的费用,只负责采访。或者用相对高一些的费用,把采访和后期都接了。不太想接负责找外包剪辑同学以及和外包同学沟通,之前自己试过比较麻烦。
按你的约束,更稳的是低价只接采访,把后期排除在承诺之外;若想连后期一起接,就应把外包剪辑和沟通成本算进报价,而不是假设 AI 能替你消化。
- 如何做好 data agent?
做好 data agent 的关键不在模型多强,而在先把数据关系建模成图、在生成查询外加一层审计纠错,并把上线后的持续调优当成常态。
- 目前用了很多 agent,如果管理跨 agent 的 skill 更新和维护问题?
把 skill 当成需要持续运营的共享资产:统一存放、版本化、按环境适配,并给高风险改动加审批。多 agent 不是多份 skill,而是同一份 skill 被多处引用。
- 想赚钱,增加收入,普通人是不是做自媒体更好
不一定。对多数普通人,自媒体更该先当低成本试水的事业,而不是稳赚的副业;它前期大概率不赚钱,成功标准要先定清楚。