夜雨聆风今天晚上的直播，聊了很多关于AI的事，我梳理下重要的信息。
现在用AI开发软件，不要再学任何语法类知识，毫无意义（除非定位是进软件公司做开发），而是用 AI 把想法快速做成可运行的产品。许多人会把 ComfyUI 这类工具当成终点，但更合理的理解是：它是一个“半成品引擎”，你可以在它之上封装前端界面、工作流和自动化逻辑，最终做出真正能交付给用户使用的小工具或产品。
AI 时代最重要的，不是“会不会语法”，而是“能不能把想法落地成产品”。当你把 AI 当作能力放大器，而不是问答工具时，你的工作方式会发生本质变化：从“完成任务”转向“搭建系统”。这种转变，才是个人竞争力真正拉开差距的起点。
上周的课程有讲这一点。
有人问，遇到复杂问题无法解决怎么办？
我的关键方法有两条：
第一，学会拆解问题；
第二，坚持做最小可行验证（MVP）。
不要一开始就追求“大而全”，先把一个关键环节打通，再逐步扩展。遇到旧代码复杂、容易牵一发动全身时，可以先新开最小模块验证核心链路，跑通后再整合。这样效率更高，也更不容易陷入“改半天没结果”的状态。
关于本地模型：
关于本地模型能力，要知道现实边界：做视频和生成任务时，显存是硬约束。显存不足会直接导致速度慢、分辨率受限、质量不稳定。即使高显存设备，在高分辨率视频生成上也非常慢。所以在项目设计时要先算清楚算力预算，合理安排“本地推理”和“云端能力”的分工，不要盲目追求本地全做。换句话说，本地AI视频模型的能力，远逊色与闭源模型。
关于学习路径
重点不是“先学几年编程再开始”，而是先借助 AI 建立产品化能力。对个人而言，AI 编程最大的价值是把开发门槛显著降低，让你可以在较短时间内做出中小型应用、网站、脚本和自动化工具。你不一定要先成为传统意义上的资深工程师，才能开始做产品；更重要的是先建立“需求表达—方案拆解—快速迭代—交付验证”的闭环。
我也反复强调一个观念：
学习 AI 的目标，不应只盯着“马上变现”，而是先让自己能力变强。能力变强之后，变现路径会变多。直接卖软件当然是一条路，但并不是唯一答案。你还可以通过产品获客、提升求职竞争力、承接更复杂项目、为原有岗位增加交付维度（例如在视频、设计、运营工作中加入工具化和交互能力）。
不要把学习 AI 只理解成“快速赚钱工具”。短期变现有不确定性，但能力增长是确定的。你一旦具备“用 AI 做产品”的能力，就不仅能做副业、做工具、做自动化，还能显著提升求职与协作竞争力。长期看，能力复利远比一次变现更重要。
在职业上
要避免把自己局限在单一身份里。未来更有竞争力的人，往往是“复合型人才”：懂一点业务、懂一点设计、会用 AI、能做基础开发、能推动落地。与其纠结“我到底是不是程序员/设计师”，不如把重点放在“我能不能解决更完整的问题”。
未来岗位边界会越来越模糊，单一标签（只做设计、只做剪辑、只做文案）会越来越弱。更稀缺的是复合型能力：懂业务、懂表达、会用 AI、能做基础开发、能快速交付。这不是要你面面俱到，而是要你能独立解决“从想法到结果”的完整链路。
对于大模型本身
普通个人或中小团队，不需要、也不现实去训练基础大模型。真正可行的路径是学会“用好大模型”，把它当作能力放大器，围绕真实需求做工具和产品。训练大模型是资本和工程体系密集型工作，而“调用大模型能力解决具体问题”才是大多数人的主战场。
不要等待绝对确定性再开始。机会通常更偏向提前行动、持续试错的人。先做小、先上线、先验证，在迭代中积累能力与认知，比反复观望更有效。
