ARTICLE · 1290126

AI工具用得再熟,也不是核心竞争力

发布时间：2026-11-01 11:09:59 最近访问：2026-11-01 11:09:59

AI工具用得再熟,也不是核心竞争力

笔记本屏幕上的代码

10 月 24 日，在 1024 模力工场 AI 社区日上，贝联珠贯创始人毕玄讲了他们公司去年的一次误判。

去年 10 月，他们认定 Agent 公司最强的壁垒有两处：能让任务跑得足够久，能把通用工具用得足够熟。今年，他把这句话收了回去。

收回的理由不是他们做砸了，恰恰相反，是这两件事别人做得更快了。

他改口的依据，就是自己手上的工具

毕玄在分享里举的例子很具体。他现在用 Codex，一个任务先花时间聊清楚，然后丢过去让它自己跑，中途不许提问，一跑十二个小时，有时二十个小时。有一晚为了跑完一个任务，他重置了三次额度。

他自己做的 PPT 全部由 Codex 完成，里面的图和文字，没有一样是他自己做的。

这两件事分别对应他说的两层能力：长任务执行，和通用工具使用。一年前，这两层楼得 Agent 公司自己盖，因为大模型公司没空管。现在大模型公司腾出手了，盖得比 Agent 公司好。

他的判断是：这两层以后一定是大模型公司的核心竞争力，垂直领域的公司在这上面没什么机会，最多做点弥补。

他把答案落在四个层面，用运维这个行当来讲。

运维 Agent 每天面对的是监控数据和日志。每家企业的监控系统不一样，数据来源不一样，采集方式也不一样。这些东西不通用，大模型接不住，得有人一家一家去谈、去接。

采集进来之后是处理。一段很长的日志，哪些行有用、怎么抽、怎么压缩，全是专业判断。整段直接丢给模型，这次对了下次可能错，还特别费 token（模型按字数算钱的那个单位）。

处理完是建模。把采集到的数据和客户业务结合，做成一套能反映系统运行状态的模型。毕玄提到 Palantir（美国一家做数据平台的公司）把这套东西叫本体论（一套描述业务里有哪些东西、彼此怎么连的框架），他更愿意叫它模型。

最后一层最容易被忽略：今天建好的模型，明天系统变了还能不能用。他说这一层才是拉开差距的地方，如果模型每次都要人来维护，这个东西就不可能有用。

四层连起来：数据怎么进来，进来后怎么处理，处理后怎么建模，模型怎么自己迭代。

编辑器里的 AI 编码菜单

今年他们做 SREAgent 3.0，最大的改动是让客户不用写 Skill。Skill 是事先写好的一套操作说明，模型照着它干活。客户用自然语言描述需求，系统自己把那句话翻译成 Skill，同时让写出来的东西不破坏模型举一反三的能力。

这个改动解决的是真问题。他们发现，让客户自己写 Skill 这件事，门槛被严重低估了：写 Skill 跟写代码没多大差别，甚至还要另外学一套；写得不好反而会误导模型，效果比不写更差。

但毕玄自己说得很清楚，这个能力不构成壁垒。3.0 在云栖大会前发布，某些友商很快就有了同样的功能。

他的原话是：“只要我们有这个想法并把它展现出来，自然有人会做出一样的东西。”剩下的差别只在 Skill 写得好不好。

做 AI 交付的人，这段最该记住。功能可以被抄，能被抄的东西不能拿来报价。

垂类 Agent 的四层壁垒

你可能不做 Agent 公司，但在用 AI 干活、或者想靠这个接单。这份分享里有三条你能直接用上。

第一，会用工具只是入场券，算不上护城河。工具在降价、在被平台内置、在变简单。你上个月花两周摸熟的操作，下个月可能就是一个按钮。

第二，“精通某个 AI 工具”写在简历上，正在贬值。值钱的是“我解决过什么业务问题”，而且要说得出数据从哪来、怎么进的系统、结果怎么验证。

第三，最脏最累的那一段最值钱。毕玄说得很直白，对小公司来说，要去找那些脏活累活，并且愿意干好。这句话听着不体面，但这些脏活是这一轮里少数抄不走的东西。

你现在的位置	大概率会遇到的情况	值得往哪挪
刚学会几个工具，还没接过单	客户问“你能承诺什么”，答不上来	先接一个真实场景，完整跑一遍，从数据进来一直到结果验收
接过几单，靠工具熟练挣钱	报价被压，客户说别人也能做	把交付沉淀成一套自己的采集和处理流程
已经在做交付，想涨价	说不清自己和同行的差别	往业务建模那一层走，做客户自己的运行模型