现有材料能给出几类可核对的落地案例:客服与前台语音、绿卡申请材料优化、瑜伽建议、AI占卜,以及编程和多媒体生成。它们共同点是嵌进具体流程,而不是单做一个聊天框。
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。
案例集中在三类场景
材料里的观点第一类是客服和接待。Jove Zhong 说,他们做的是人和 AI 统一的平台,让客户挑一些容易上手的环节交给 AI Agent,比如补寄信用卡、减少等待和转接;他还提到没有 call center 的牙医、咖啡馆、花店可以用 AI 当前台接电话、约时间、给店主发摘要1。第二类是专业文书。一个学员项目帮 EB2-NIW 绿卡申请人扫描最新政策、提取简历信息,再生成和修订事业计划提案2。第三类是个人生活与情绪场景。一个项目根据生理周期和身体状态生成瑜伽练习建议,并用规则引擎区分练习建议和医疗判断;另一个项目用 AI 生成塔罗、六爻等占卜结果并作解释2。
真正落地的系统要接进工作流
按立正文章里的六层框架,第六层不是单个 agent,而是 agentic core 加真实产品场景,需要三样东西:AI 嵌在用户原本的工作流里,比如侧边栏、内联编辑、一键应用;AI 有上下文、记忆、权限和数据流;系统能按事件主动触发,比如定时任务、邮件自动判断紧急程度、项目风险提醒3。用这个标准看上面的案例,客服平台接的是电话和工单流程,绿卡助手接的是申请材料流程,瑜伽项目接的是个人身体数据,都属于“AI 成为系统的智能层”,而不是加一个聊天入口2,3。这是 AI 依据框架作的归纳。
被点名的成熟赛道与边界
材料里的观点Jove Zhong 把 voice AI 说成已被证明的 top three 赛道之一,另外两块是 coding(Cursor、Claude Code、Codex)和多媒体生成(音乐、图片、视频);他认为 coding 竞争非常卷,多媒体需要大量投入,而 enterprise AI 是很多企业主愿意尝试的方向1。他也强调不会有一天完全自动化,菜单结构、吸引什么客人、用什么语气仍需人判断,FDE 现在的作用是补上 AI 落地的最后一公里1。这些是他的判断,不是已被普遍验证的结论。
材料里的案例多来自课程学员项目分享和一期访谈,不能当作行业全景或市场规模的证据。《他的FDE团队从30人扩到100人》1中部分发言标注为待定,未用于回答。
出处
- 1他的FDE团队从30人扩到100人,但为什么很多大厂工程师甚至不知道这个岗位?
Jove Zhong 讲客服语音 AI 的实际用法、客户类型,以及他对 coding、多媒体、企业 AI 的判断。
- 2用“AI产品的六个层次”,分类AI Architect学员项目,结果如何?
提供三个具体落地案例:瑜伽建议、绿卡申请提案优化、AI 占卜,并说明各自的设计与风险。
- 3AI产品的六个层次
给出判断 AI 系统是否真正落地的框架:嵌入工作流、上下文与记忆、主动触发。
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。