学AI的人最容易掉进一个坑:工具越熟,系统越交不出来
工具更新越来越快,能独立交付的系统却没变多。Ethan恩宇提到,客户不关心你用了几个Agent框架,只关心系统能不能稳定解决问题。AI视频系统的例子很具体:数字人生成只是其中一环。
学AI的人最容易掉进一个坑:工具越熟,系统越交不出来
Ethan恩宇在一条推文里写了一个现象:今天研究RAG,明天研究MCP,后天折腾新的Agent框架。工具更新快,学习资料多,能独立交付的系统没有同步变多。
他给出的判断是,AI时代值得警惕的事,把掌握工具误认为掌握工程能力。
企业场景里,客户通常不问用了什么Agent框架,也不问系统调了几个大模型。客户问的是:能不能解决问题,能不能稳定运行,出问题谁负责,最后省不省钱、能不能带来收入。
拿AI视频系统举例。一个数字人API能生成视频,只说明业务流程里有一个环节可以自动化。要变成企业能用的产品,还得处理脚本生成、知识库调用、素材管理、画面制作、字幕处理、品牌包装、内容审核、横竖屏适配、任务状态管理、视频导出和后续交付。
任何一环出问题,结果都可能不可用。数字人生成成功,字幕位置错了,客户没法用;剪辑完成,封面不符合品牌规范;接口超时后系统不知道任务是否成功,又调用一次,费用重复产生。
这些问题很难靠写一段更长的Prompt解决。需要理解API、异步任务、状态机、幂等、数据库、任务队列、错误处理、日志、部署和监控,也要判断什么时候用Agent,什么时候确定性代码更可靠。
更麻烦的是业务流程。没有实际业务经验的开发者,容易把需求理解成客户想要一个自动生成视频的Agent。深入场景后会发现,客户要的可能是减少人工返工、统一品牌标准、控制制作成本,或者让内容从需求到交付形成可追踪的流程。两种理解会导向不同的系统设计。前者串几个模型接口,后者要重做完整业务工作流。
这也是FDE价值所在。Ethan恩宇认为,FDE真正值钱的地方,在把业务需求转成可靠技术方案,并完成交付。熟悉最新框架只能算加分项。
Ted Cai在回复里说得直接:工具会迭代,能把需求拆成能跑、能验、能上的东西才留得住,工程才是moat。
AI能力继续提高,纯技术操作门槛还会下降。今天要写复杂代码的功能,未来可能变成模型或开发平台的内置能力。个人优势如果只停在某个工具怎么用、某个框架怎么配置,技术迭代后很容易缩水。
理解一个行业的业务流程,知道系统为什么这样设计、成本为什么产生、客户为什么付费、工程上有哪些约束,这些知识的迁移价值不同。未来跨领域能力组合会更重要。AI视频产品不只需要模型和软件工程,也需要镜头语言、画面构图、用户观看习惯、平台规则和商业模式。只懂技术,可能做出功能完整但体验差的系统;只懂行业却不懂工程,业务经验很难变成可规模化交付的产品。
复合型能力不靠每个领域都浅浅学一点。需要一项能独立交付的核心能力,再围绕实际业务延伸。AI能放大执行能力,行业认知、商业判断和工程责任意识不会自动长出来。
模型会更新,框架会替换,今天复杂的功能明天可能一键完成。能理解真实需求、设计可靠系统、把技术转化成商业结果的人,长期价值还在。值得积累的,是持续进入真实业务,解决具体问题,把方法、代码、经验和系统沉淀下来。
发布时间: 2026-11-17 22:25