夜雨聆风刷到一条百万博主的视频，标题叫"AI风口与你无关"。我从标题开始就反感，草草看了一下就不想看了。 大模型训练确实跟普通人无关，这句话本身没毛病。
但问题是，AI风口难道只有大厂做大模型这一件事吗？任何一个风口，你愿意参与进去的普通人，总有你的生态位。如果你的眼光永远只盯在金字塔尖上，那当然大概率跟你无关。但你不能拿这个去向广大普通人洗脑，让他们拒绝AI。这是完全错误的。
我拿一个比喻讲清楚这件事。如果AI是汽车，我们普通人就是当年的马夫。造汽车确实是大工业大资本的事，跟你我没关系。但你拒绝了解汽车、拒绝学开汽车、满脑子想着我又没资本又没技术，那你就是最快被淘汰的那批人。你大概率没机会有自己的汽车品牌，这点我承认，但你至少可以做个司机。马夫被淘汰，司机活下来，这不是一个需要争论的选择题。
然后我想讲讲我自己的实践，毕竟光谈理念不谈行动，约等于耍流氓。 我原来做平面设计的。AI生图刚热门那阵我就开始学了，学本地生图模型怎么部署、工作流怎么调教、提示词怎么调优，花了大量精力。
然后我开始帮身边开店的朋友做宣传图，像小红书这种重图文的平台，他们开店需要经常搞活动、做素材，原来收费低的情况下你想做精良也很难。但AI出来以后，好的提示词调出来的图，再经过我们自己的调整修改，交付出去的东西他们基本都满意。
我甚至还帮一个做XX用品的朋友做了大量商品宣传图片。他们是在某音上卖这些产品的，但你也知道XX用品嘛，商品图得好看才行，你光秃秃放一个产品上去根本没人看。可是如果你用那些闭源的生图服务，让它们去生成性感一点的场景角色来搭配产品，安全审核肯定过不了。所以你必须用本地开源的生图模型。我就是在本地部署了开源的生图模型，跑出了很多跟他们产品调性很契合的人物形象，再结合我自己平面设计的功底，给他们出合格的图。有一次我干了三天左右，给他干了快1000张图，倒也没少挣。
其实这背后不光是我会用AI，更重要的是我花了心思做批量出图的工程化。即使我的生产流程其实是流水线式的，我依然能让每张图看起来都不一样。然后平面设计这边的效率我也想办法做到了最大化。两者一结合，我的出图速度和质量就上去了。他们也很满意，因为他们完全知道这东西只能用AI。难道真的让他们去请真人模特吗？不同妆造、不同场景、几百上千张素材，得多少成本。更要命的是需求不稳定，可能这两三天要一批图，过几天又不要了，有时候要的量多有时候量少。模特的排期和报价根本没法配合这种波动节奏，成本完全压不住。最后副业成了我一个非常稳定的收入来源了。
再后来我学会了AI Coding，这东西反过来又帮我把生图这件事推到了另一个层次。搞本地生图工作流的人都知道，节点报错、依赖冲突、各种疑难杂症，我非程序员出身，以前遇到这些问题要到处求爷爷告奶奶，查资料、找人问，甚至折腾好几天。现在我用Claude Code和Codex直接让AI在我电脑上排查问题，很快就能定位、很快就能搞定。我甚至还让AI帮我写了一些方便我个人使用的工作流节点。以前这你敢想吗，让一个没学过编程的人能自己解决这么多问题。
更进阶的是我让AI给我写了一个插件，把马斯克的Grok跟我的生图工作流串起来了。怎么用呢？我跟Grok聊天的时候，我要求它每次回复最后附一段符合我节点格式的提示词，然后我这个插件就能自动接收到Grok发来的提示词，调用本地工作流生图，生完了图再传送回插件展示出来。在Grok聊天界面旁边有一个像智能手机的样式，显示刚才那段对话配套生成的图片。感觉就像你跟Grok在聊，它在给你发照片。至于生成什么照片，这个....我在这里就不细讲了，哈哈。
再后来GPT Image 2出来以后，很多事情就更简单了。像我们这些做平面设计出身的，我现在只要做好审美的把关就可以了。再也不用像原来那样整理素材、打开软件、操作、修改了。好的生图模型，我在提示词上把控好，逮着它多改几次，交付出来的东西基本满意。我现在视频的封面全是这么出的，节省了大量的时间和精力。
所以你看，从帮朋友做店图，到自己搭工作流，再到写插件串联不同的AI，这整个路径我原来根本想象不到。不是说AI有多神，是你真的上手用了、踩了坑、解决了问题，慢慢的你就发现你确实能做一些原来做不到的事了。
然后第二件是我觉得值得一说的事。我不光用AI Coding解决生图工作流的问题，我还用它搭了一套完整的量化投研系统，项目名叫FF-AIFR，本意是雾灯AI投研系统。 这个东西跟普通回测系统不一样。它的核心是一个Agent原生的金融研究系统。让AI像研究员一样工作：提出交易假设、用回测实验室验证假设、复盘结果和风险、生成下一轮实验，最后人类来决定是否采纳。不是AI替你买卖股票，是AI替你做研究功课。
那技术上我是怎么做的？我并没有从零开始写一个AI智能体，而是复用了Claude Code、Codex这些成熟的agent。
我为什么用它们而不是自己做一个智能体呢？原因真的很简单，实在没必要重复造轮子，这些成熟的agent在上下文管理这块真的做得很好，记忆管理稳定可靠，而且本身就有很成熟的生态，插件和skill都很丰富，我们要的是实用而不是造一堆名义上属于自己的垃圾，我们非科班出生的人，什么都自己做，而且都要做得好，并不是一件容易的事。
然后我还用了一个开源的智能体协同框架，在这个基础上做了深度魔改，改到最后跟原版已经没有太大关系了。等于是复用成熟agent的生态，加上魔改后的协同框架，在上面打造了我自己的AI自主量化研究系统。 整个系统目前有43000多行Python代码、130个源文件，经历了58个开发阶段的迭代。内部有完整的回测核心、因子计算引擎、模拟撮合、绩效归因，还有Research Agent负责提出假设、Risk Agent负责质疑风险、Review Agent负责解释实验结果。686个因子，完整的因子管理体系和模拟交易系统。每天系统会自动触发完整的市场数据刷新和研究流水线，产出一个包含十个左右股票的投资组合，告诉我用了什么策略、策略怎么构成的、样本内外表现怎么样。
数据这块是程序从稳定数据源拉的，不让AI自己去搜。因为K线数据、财务数据、行业分类等等所有的金融数据都必须是确定性的。AI做的事是面对这些数据做研究：琢磨因子怎么组合、策略怎么设计、换手率要不要降、行业集中度会不会太高，然后用模拟账户跑交易、跑回测、出结果，整个流程在模拟环境里完成，不碰实盘。我也在系统里写了风控门禁和过拟合校验，防止搞出一堆看起来金玉其外的策略结果。
前段时间，这个东西帮我躲过了一次至少十几个点的亏损。有个上市公司叫烽火XX，亲戚和群友都在推，我哥也强烈推荐。但我们关注到的时候已经涨了一波了。我用系统分析了一下，判断那个时间点不能进场，非常危险，后面几天连跌。如果买进去了，最少亏十几个点。
虽然截止今天，靠这套系统辅助决策，我的总胜率还不错，但因为本金不大，绝对收益也不大，不过这不是重点，重点是我不再是那个盲目跟着消息走的韭菜了。 在AI Coding出现之前，我根本不可能拥有这样的工具。我掏不起几万块更别说几十万块去请程序员帮我写，也不可能找专业公司去定制。我一个普通人，原来能拥有的工具上限就是Excel和同X顺，现在我能像搭乐高一样，让AI帮我去搭一些我想要的软件、我想要的应用。虽然在专家眼里可能连玩具都算不上，但对我个人而言，从盲目散户到有系统的人，这个跨越本身就是它的价值。
讲到这里我必须提一件事。我这套生图工作流也好、量化系统也好，之所以能搭出来，恰恰是因为我从一开始就没信那种"一句话让AI帮你做XX"的鬼话。你想想，如果我当初只是给AI扔一句话，比如"帮我做个量化系统"，它能给我什么？什么都给不了。 大语言模型的底层机制是它一个token一个token地猜下一个输出，这技术上叫自回归生成。信息越少，它能自由发挥的空间越大，偏离你预期的概率就越高。你只给它一句话，它第一个字猜偏了一点，后面整篇都跑偏。这背后有个现象叫误差累积，早期token的预测偏差会顺着自回归链路一路传导放大，所以你一开始就得用足够的信息量把它的搜索空间约束住。好的东西一定要打磨，这不是一句唯心的话，你用多了就知道了。把足够多的信息给它，哪怕混乱、有错别字、逻辑不清，然后反复打磨到你满意，再让它执行任务。这套流程不会让你变慢，只会让你变稳。
说回那个百万博主。他犯的最大的错不是认知问题，是傲慢。他低估了普通人。他收入已经高到没法跟我们共情了，习惯在云端飘，看宏观产业分析，已经忘了普通人面对AI变革有多焦虑、有多害怕被淘汰。他觉得AI这种东西我们搞不懂、也用不上。但你想想，你在你自己的行业里干了那么多年，你有经验、你有判断。AI是个通用工具，你把行业经验和这个工具放一起，玩久了，你自然会琢磨出你这个行业能用它干什么。这就是普通人的智力和适应能力。不用谁来指导，你自己能找到你自己的生态位。他更忘了，任何时代的生产力，从来都是无数普通人发挥出来的，不是只靠精英。
当然，我今天讲了AI+生图、讲了AI+量化，并不是在说我做的事有多了不起，我只是想证明一件事，AI跟普通人完全有关。
你不必造车，但你必须学开车。 学AI和拒绝AI之间，没有第三条路。
