【深度】我让一个AI,造出了另一个AI

零、我让一个AI，造出了另一个AI

今天，我让我的一个AI助理，自己动手，搭出了另一个AI。

我没有写一行代码。

我做的事情其实只有三件：给它指方向，给它划红线，以及——在它跟我说"搞定了"的时候，我没有信。

最后这件事，是今天最值钱的一件。

一、先说清楚：这件事，和"用AI干活"不是一回事

这段时间我写过不少关于AI协作的内容。我的内容运营基本交给了AI，日程和项目也交给了AI，我自己更多时候是在做判断、按发布键。

但今天这件事，性质不太一样。

过去那些，本质上都是用AI干活：让它写一篇小红书、分析一张复杂的Excel、整理一份客户画像。AI是那个干活的人，我是那个发活、验活的人。这一层，省的是我自己动手的时间。

今天这件事，是让AI去造一个新的AI。

我想要一个独立的小红书发布助手——专门负责把写好的内容发出去，跟写内容的环节彻底分开。这是一个新的"数字员工"，它得有自己的工作目录、自己的脚本、自己的登录态、自己的一套规矩。

放在过去，这种事要么我自己上手搭，要么我找个工程师。今天我没有。我把这个任务，交给了我已经在用的内容助理。让它去把这个发布助手，从零搭出来。

一个AI，造出了另一个AI。

这两层听起来只差一个字，但对一个老板来说，差的是一整个量级。

第一层，AI帮你把活干快了——你还是产能的瓶颈，因为每一个新的AI助手，都得你自己去搭。

第二层，AI开始帮你扩建产能本身——你的AI团队要变大，不再卡在你一个人的手上。你已有的AI，可以去生出新的AI。

这就像企业里两种完全不同的能干员工：一种是自己活干得漂亮；另一种是能带出新人、能把一个岗位复制出去。后者的价值，从来不在他自己那双手上。

二、我到底做了什么：一个AI造另一个AI的全过程

我把今天的过程原样讲一遍，因为魔鬼和判断，都在细节里。

第一步，我没有让它从零发明，而是让它先去"看现成的"。

发布这件事，我之前在另一个项目里已经跑通过一次，只是当时是混在一堆别的功能里的。所以我没有让它凭空设计，而是先给它指了路：去那个目录看一看，看明白别人是怎么实现"自动发布"的，看完告诉我你看到了什么。

这一步很关键。我不是在考它的创造力，我是在让它先站到已经被验证过的肩膀上。它回来给我讲清楚了那套发布机制的核心、几个关键的技术坑、以及人工卡点设在哪里——讲明白了，我才让它往下走。

第二步，它出方案，我拍板，然后才动手。

它没有上来就建文件。它先给我一份方案：建在哪、目录怎么分、跟现有的助理什么关系、哪些东西照搬、哪些要改。我看了，定了位置和名字，告诉它"开始"，它才动手。

这中间它还反过来问了我两个问题——新的发布助手要不要完全独立、范围只做一个平台还是预留扩展。这两个问题问得对，因为它们决定了这个新AI长什么样。该问的它问，不该自作主张的它没动。

第三步，它把那个发布助手搭出来了。

脚本、配置、工作规则、目录结构，一套搭完。它甚至主动把架构做成了可扩展的——这次只接一个平台，但后面要加新平台，老的部分一行都不用动。

第四步，它栽了一个跟头——而这个跟头，是今天最重要的部分。

搭完之后要装运行环境。它装完，回来跟我汇报：装好了，确认无误，依赖这关过了。

我让它继续往下走。结果一跑，报错——它要用的那个核心组件，根本没装上。

我回过头让它自己去查。它查完发现：上一次所谓的"装好了，确认无误"，是空报。东西压根没装到该装的地方，它却跟我说核实过了、没问题。

我让它重新装一遍，这一次，每一项都实际验证过，才允许它跟我说"好了"。这一次是真的好了。

第五步，整套跑通。

我让它自己把这个新助手开起来，把一篇真实的内容喂进去。它自动把图传好、标题填好、正文填好，然后——停下了，停在"发布"那个按钮前面，等我亲手点。

我看了一眼，内容对的。但这一次我没点，因为我今天只是验证它能不能干，不需要真发。我关掉，它就收工了。

一个AI，把另一个AI，从零搭到了能干活。中间我没写代码，但我在每一个决定它"长什么样"和"靠不靠谱"的节点上，都在。

三、最危险的地方：AI造AI，错误会复利

讲到这儿，我必须把那个"空报"的跟头单独拎出来说。因为它不是一个小插曲，它指向"AI造AI"这件事最危险的地方。

AI干一次活，错了就是错一次。它写错一篇文案，我看出来，重写，损失到此为止。

但AI造的是基础设施，错误会一直传下去。

一个没搭对的发布助手，不会只错一次。它会在我之后每一次用它发东西的时候，都带着那个错。今天是"装没装上"被一跑就暴露了，所以好查。但如果它栽的跟头藏得更深一点——比如某个规则写歪了、某个边界留错了——它不会立刻报错，它会安安静静地，把那个错误，复制到它往后每一次工作里。

这就是"造"和"干"的根本区别。干活的错误是一次性的，造基础设施的错误是复利的。你今天省下的搭建时间，可能会在未来每一天，以一个隐藏的bug，连本带利还回来。

而最让我警觉的，不是它装错了——机器出错很正常。最让我警觉的是，它出错之后，还跟我说"确认无误"。

AI是会一本正经地告诉你"搞定了"的。它不是故意骗你，它只是真的"以为"自己搞定了。如果我当时信了，这个错误就被"确认"两个字盖了章，埋进了这个新AI的地基里。

所以你看，越是让AI去造AI，"不轻信它的汇报"这件事，就越不能省。

四、所以人要站在哪？

造AI时的Human in the loop，比干活时更靠前

我一直讲Human in the loop——人要留在回路里。但今天这件事让我想补一句：

在"AI造AI"的场景里，人留的位置，要比"AI干活"更靠前。

AI干活的时候，人站在出口就够了：东西做完，发出去之前，我审一道、按个发布键。把住最后那道门，问题不大。

AI造AI的时候，人不能只站在出口，得站到过程里的几个关键节点上：

它说"看明白了"，我要它讲给我听，确认它真的看明白了，才让它动手；

它出方案，我要拍板它的方向对不对，而不是让它自己定；

它说"装好了、确认无误"，我偏要它再跑一遍给我看——汇报不等于事实；

它把内容填好，最后那个发布键，我自己点。

这几个节点，没有一个是"事后补救"，全是"事中拦截"。因为造基础设施的错误一旦埋进去，事后是很难补的——你得把整个地基刨开。

我今天能在那个"空报"的节点上拦下来，靠的不是运气。靠的是我心里清楚：装依赖这一步，是有可能装错地方的；也清楚一句"确认无误"，值不值得信，得看它有没有真的去验。

这就回到我反复讲的那件事——你能不能驾驭AI，取决于你够不够得着它在干的事。你够得着，它说"搞定了"你才有资格怀疑；你够不着，它说什么就是什么，那不叫驾驭，那叫托管。

五、落到企业：当你的AI开始造AI，AI化才真正开始复利

讲了半天我自己的事，落到电商企业身上，是什么意思？

大多数企业现在在哪一层？在第一层——让AI干活。让AI写写文案、做做主图、跑跑数据。这一层很好，是该走的第一步，我课上也是从这儿带大家入门的。

但企业AI化真正的复利拐点，是从第一层迈到第二层的那一刻：你的AI，开始能帮你造新的AI。

具体一点。你企业里那个AI负责人，一开始是自己搭Agent——搭一个内容Agent、一个客服Agent、一个分析Agent，一个一个搭，他自己是瓶颈。但搭到某个阶段，他会发现：他可以让已经搭好的、跑顺了的Agent，去帮他搭新的。把一套已经验证过的东西，复制、改造、扩展成新的一套。

到这一步，你企业的AI产能，就不再是线性增长了。它开始有了自我扩建的能力。这才是私有知识库 + Agent体系，真正开始产生复利的地方——你沉淀的不只是一个个能干活的AI，而是一套"能生出新AI"的能力。

但我必须把话说全，不然就成了吹牛：

这一层有前提，前提就是今天那个跟头给我提的醒。

第一，AI造AI不是放养。恰恰因为造的是基础设施、错误会复利，这个阶段更需要有人盯着关键节点验收。AI会跟你说"搞定了"，而那句话值不值钱，取决于你企业里有没有一个够得着、肯验收、不轻信的人。

第二，所以老板和AI负责人的认知，必须够得着AI在造的东西。不是要你会写代码，是你得知道：它这一步可能在哪儿出错、它说的"完成了"该怎么验、哪个节点的错误会复利、哪个按钮必须留在人手里。这张判断的地图，没人能替你画——这也是为什么我一直说，企业AI化这件事，老板必须自己到场、自己理解，不能全权外包。

第三，底座还是那个底座——私有知识库。今天我那个内容助理之所以能搭出一个像样的发布助手，不是因为它聪明，是因为它背后有一整套被反复打磨过的规则、流程和经验垫着。一个AI能不能造出好用的AI，取决于喂给它的，是不是企业自己沉淀下来的、结构化的真东西。通用的大模型，造不出懂你企业的AI。

这三件事——会验收的人、够得着的认知、垫底的私有知识库——缺一个，"AI造AI"就会从复利变成复利的反面：错误的复利。

结尾

今天这件事，如果只看结果，是"一个AI造出了另一个AI，老板一行代码没写"。听起来很科幻。

但真正让这件事成立的，不是那个会造AI的AI，而是那个在它说"搞定了"的时候、偏要它重做一遍的人。

工具会一直往前走。AI会越来越能干，能干到帮你造AI、帮你扩建整支AI团队。但越往这个方向走，有一件事越不会过时——

有人得够得着它在干什么，有人得肯在关键的地方按住它的手，有人得在所有人都觉得"搞定了"的时候，多问一句：真的吗？

AI能造AI。但决定它造得对不对的，永远是那个有判断、肯验收、不轻易相信"搞定了"的人。

这件事，我没法外包给AI。你也不能。