夜雨聆风最近我在YouTube上看了一个视频，博主叫Nate Herk，专门做AI Agency，近百万订阅。
网址：https://www.youtube.com/watch?v=IVx8OSMbTss&t=3891s
这个视频完整记录了他如何用一天时间，用AI工具开发一个功能完整的、可直接上线、可收费的SaaS软件产品。全流程从头到尾完整记录：从有想法，到做出一个能注册、能支付、能部署到正式域名的saas产品，一天完成，真的超酷，主要是真的能用且功能完善。
看完之后我最大的感触就是：会用AI的人和不会用AI的人，输出的结果会差距越来越大。
一位企业老板，三个月用AI搭出价值千万的系统
我在做AI落地的过程中，遇到过很多企业老板，他们自己针对业务场景搭建各种各样的自动化工具——包括但不限于CRM、网站、自动化工作流。
我之前陪跑过一家过亿的跨境电商企业老板，他非常聪明，也非常愿意拥抱 AI。
当时我用了三天时间帮他打造了三个网页，解决了他三个部门的一些痛点需求：
1. 批量生图工具
2. 抖音团队的服装视频批量生成
3. 广告团队的广告报表分析
在持续陪跑的一年里，我给他做了很多的培训、咨询和分享，也带着他用扣子/workbuddy等最新的AI工具去开发网站和自动化skills，到现在他已经完全学会了开发流程，能独立开发一些真正能够解决自身业务痛点的网站给他们团队内部用。
这不是个例，随着codex/workbuddy这些agent工具的harness越来越强，模型长上下文能力大幅提升，现在有非常多企业老板可以自己搭建一套既能解决自己内部需求，有些甚至能卖给同样的自动化系统了。
最近听播客，有位深度用AI的创业者让我印象很深。他平时要服务很多客户，于是在深度探索了codex/cc Fable 5这些工具模型之后，他基于自己的销售团队的流程和需求，花了三个月的时间，自己用Fable 5搭建了一套服务于销售团队的系统，这套系统如果按销售额来算，价值在千万美金级别。
他觉得这些token费花得非常值得，因为它直接解决了之前他需要搭建或外包给IT团队才能做成的事情，而且用比人力成本低的费用实现了，即便是只跑通大概70%的功能，就已经能很好地服务他的客户了。
这个案例说明什么？你对AI和业务的理解越深，就越能用AI把以前做不到的事情落地。这个系统不限于任何形式——它可以简单到一个Skill（技能脚本），也可以复杂到一套CRM系统、一个网页工具或者一个工作台，形式不限，但整体开发思路和架构性思维非常值得借鉴。
所有的企业老板都需要具备这样一个能力：首先你要对AI的能力边界有清晰的了解，实操中积累AI认知；其次，在梳理出可以被AI解决的业务流程之后，你可以自己手搓或找人帮你搭出一套真正能解决业务问题的系统。
如何用AI开发一个saas网页：六步走
我之所以推荐这个油管视频，是因为这个博主把AI开发软件的全流程拆成了一套可复用的方法论，而且他有非常规范的开发流程，我把它概括为六个步骤：
第一步：找痛点（Pain）
对于独立开发者，可能我们需要做的第一步是先做痛点需求的市场调研。
而对于企业老板来说，你们天然有非常多的场景是可以落地，而且只要你了解业务、了解团队的一线情况，你就可以自己梳理出非常多的一些痛点，再用 AI 去评估哪些是可以被 AI 代替的重复性工作。
这个博主没有靠拍脑袋想做什么产品，而是用Agent去扫描了6万多条用户评论，自动分析和归纳，找到真实的需求痛点。
用大白话说就是：先搞清楚别人到底在抱怨什么、需要什么，再决定做什么。这比"我觉得应该XX"靠谱得多。
对企业老板来说，可以用AI落地的痛点就是你每天在处理的业务流程里那些重复的、低效的、让人头疼的环节。
第二步：做项目框架梳理和包装（Packaging）
确定要做什么产品之后，这个博主用claude code作为主agent去把他想法转化成agent.md文档，然后用codex里做了品牌名、Logo、界面UI规范。
这里有一个很聪明的地方：他知道不同的AI工具各有所长，claude code的Fable模型很强，适合做架构设计和编排；Codex有image 2模型，擅长做视觉相关的东西，所以可以用它做界面和品牌规范，然后再把这些规范带到后续的开发里。
第三步：做规划（Planning）
在品牌和UI界面规范的基础上，博主写了一份详细的产品需求文档（PRD）。你可以把PRD理解为"产品说明书"——里面写了这个网页需要有哪些界面和功能，每个功能要做什么、长什么样、怎么交互。
然后，博主直接用提示词给不同的Agent赋予了明确的角色和任务。比如：Claude Code作为主Agent负责多任务的调度，它可以自己创建子Agent（sub-agent）去同时跑多个功能的开发，用分支（branch）或者worktree去隔离并行开发不同功能，用Git和GitHub进行多版本管理，确保不同功能开发不会互相冲突，最后再合并到主项目里。
这就是他说的"多任务并行"——尽量减少开发等待的时间成本，实现最高效的输出。最终一个人一天就能开发出一个产品。
第四步：搭产品（Product）
常规的海外网页开发技术栈是这样的：
• 开发用Claude Code或Codex
• 后端数据存储用Supabase（可以理解为"不用自己搭服务器的数据库"）
• 支付用Stripe（国内可以接入支付宝）
• 网页部署和域名用Vercel或Cloudflare
这些技术栈其实是AI帮他规划出来的。但同时博主非常清楚整个软件开发规范的底层逻辑——他管这个叫"harness"，所以他开发的每一步都非常有条理，能最大程度地发挥出AI的能力。
第五步：定价格（Pricing）
博主没有拍脑袋定价，而是用了三步检查法：
① 这个结果对买家值多少钱？
② 其他替代方案（包括手工做、什么都不做）要花多少钱？
③ 自己提供这个服务的成本是多少（支付手续费、AI调用费、存储费、客服支持）？
你的成本决定了最低价，其他选项决定了买家的心理预期，结果对买家的价值决定了最高价。这套逻辑对所有做产品的老板都适用，不只是SaaS。
第六步：做推广（Promotion）
博主的做法很务实：不急着打广告。先找3到5个小博主或社群合作，给他们体验账号和客户案例，用专属链接追踪谁带来了真正的付费用户。他的原则是：在对的人面前出现，比在更多人面前出现更重要。
他的增长手册里还有一个很实在的观点：先做3个真实结果，哪怕手工做也行。然后找30个人看结果，每天和5个人聊，帮3个人把结果做出来，自然就有人愿意付费。30个人→10个对话→3个人帮到→1个人付费，这是他第一周的目标。
这套思路给企业老板的四个启示
看完这个视频，我一直在想：这套方法论对企业老板意味着什么？我总结了四点：
启示一：你需要对AI的能力边界有清晰的认知
不是所有问题都能用AI解决，但很多你以为是"技术活"、觉得不可能自己做的事情，其实AI已经能帮你做了。关键是你要知道：AI能做什么、不能做什么、做到什么程度是稳定的。这个认知决定了你能不能把AI用对地方。
启示二：先梳理业务流程，再决定用什么工具
博主的第一步是找痛点——扫描6万条评论。对企业老板来说，你不需要去网上海量搜那么多数据，而是梳理你们团队每天在处理的业务流程。哪些环节是重复劳动？哪些环节人工做又慢又容易出错？哪些环节你一直想做但以前没有技术能力实现？先把这些梳理出来，再决定用AI怎么解决。
启示三：把你的业务理解固化成文档
这个视频给我最大的启发不是技术，而是"开发规范"。
博主做的第一件事是写一个全局的Agent Markdown文档——把开发要求、思路、业务理解全部写下来。这样AI才能理解你要做什么，才能帮你做出正确的东西。
这跟我搭建的跨境自动化系统是一致的。
我搭建的这套系统，首先要做的第一件事就是梳理一个全局规则。
当我们在用 Codex、Workbuddy 这类 Agent 跑任务时，这个规则可以规范地把输出结果存放到对应文件夹，并按照日期或不同品类、类目进行分类。
这套系统的核心逻辑如下：
1. 系统全局规范和任务编排：基于 Codex 之类的 Agent 打造本地体系框架，用全局的 Agent Markdown 文件来控制整套系统的任务编排与数据流转。
2. 执行方式：具体调用 Skills 去完成每一步任务，Agent 可以通过各种方式编排这些 Skills，并把全局规则写入 Agent Markdown 文件中。
3. 本地存储：所有资料和输出结果都会存放到本地，方便进行二次核验。
4. 记忆与自我迭代：系统具备不同类目的 Memory 和全局 Memory，能记住用户在执行任务时每次提供的反馈以及对输出的所有要求，从而实现自我迭代
实际上，好的AI开发都应该有一套规范系统的管理方法：
• 全局文档（agent.md)：把业务理解、开发要求、技术规范写在一个文件里，每次开工前先读它，让AI理解你的业务全貌。
• 阶段交接(session handsoff)：让AGENT每做完一个阶段就写一份交接文档，记录做了什么决定、改了哪些文件、还有什么没做完。这样即使上下文太长被清空聊天记录，或者新建一个任务窗口或项目，AI也能理解之前做过的任务和上下文。
• 持续追问：像采访一样，通过系统化提问把"你脑子里的想法"完整地提取到文档里，不让任何关键信息只存在于脑子里。每个回答都即时存档，防止信息丢失。
这三件事看着简单，但决定了你用AI开发出来的东西能不能用、能不能持续维护。博主之所以能一天搭出产品，不是因为他的提示词写得多花哨，而是因为他的文档结构化到了极致——AI拿到文档就知道该干什么，不需要人来反复解释。
启示四：形式不限，从最小可用mvp产品开始
不用一上来就搭一个庞大系统。
先做一个Skill解决一个具体问题，跑通了再往下走。一个客户先用起来，跑通了再复制。
我的客户里就有真实案例。一家员工近500人的亚马逊电商公司，我们从选品分析、Listing生成、到批量生成产品素材图，一个环节一个环节地搭，最后实现80%运营流程自动化。这些都不是一天搭出来的，而是从一个最小可用的版本开始，不停根据反馈进行持续迭代。
现实提醒：一天搭出来的是原型Demo，不是真正的产品
说了这么多好处，我也要泼一盆冷水。
博主自己也说了，从生产的角度来说，真正稳定、可靠、可运行的产品并没有那么容易做出来。一天能搭出来的是一个原型——验证"这个思路可行"，但离真正能稳定服务客户的产品，还有很长的路。
这条路需要什么？需要很强的工程化落地能力（harness）去完善整个基础架构。说白了就是：
• 出了问题能看见、能定位、能恢复（可观测性）
• 系统跑起来之后数据是准确的，不是"大概差不多"
• 高峰期扛得住，不会一忙就崩
• 安全合规到位，客户数据不会泄露
这些是"最后一公里"的功夫，也是AI目前还不能完全替代的部分。
但核心思路——用AI把你的业务理解快速变成可用的东西——这个完全值得每个企业老板去学习和借鉴。
写在最后
回到我最开始的那句话：会用AI的人和不会用AI的人，输出的结果会差很多。
这个"差很多"不是差在工具上——工具大家都能用。差在对业务的理解深度、对开发规范的掌握程度、以及把想法变成现实的执行力上。
如果你是企业老板，我建议你做一件事：花30分钟，把你最头疼的3个业务流程写下来，标注哪些环节是重复劳动、哪些环节你一直想做但没有技术能力实现。这份文档就是你用AI搭系统的第一步。
如果你不知道从哪里开始，可以扫码做一个免费的AI自动化诊断，我会帮你看看哪些环节可以用AI解决、怎么排优先级、大概需要多少投入。
扫码领取「企业AI自动化转型诊断表」
30分钟免费诊断 · 获取业务AI自动化诊断方案
