AI产品创业一年：都是技巧、没有感情、也毫无安全感|ai产品|创业|工作流|插件|流程图|程序员|编程|调用

C端 AI 创业的真实境况，远比外界想象的更复杂：环境成本高、同质化严重、流量稀缺。本文以一年实践为案例，剖析创业者在产品设计、流量获取与盈利逻辑上的困境与思考。

———— / BEGIN / ————

最近两年都在AI创业的赛道上瞎折腾，去年做的AI 2B 相关工作，搞了个SaaS平台想卖标品，结果却在各个公司做定制化实施，最终尾款还很难收到......

嘿，一年下来还亏几十万！这才让我见识了国内企业的付费习惯。

虽然亏了钱，但跳出“生意”逻辑，却有几个真实观察到的现象可以给大家分享，这甚至有些反认知：在很多公司那里，AI没撒用。或者说他们觉得AI没撒用...

比如，去年几家传统点的公司（水厂、工厂类），他们本来就做了一些自动化，其中一家啤酒公司自动化率非常高了，留下的员工也不是因为不能替换，而是一些“需要”，这种偏传统公司就不会认为AI太有用（当然，他们也不认为数字化有用）；

AI在低端工作这块其实帮助不大，甚至连他最擅长的客服工作，也不是老板真正关心的，因为客服多的公司大概率投流也多，老板看着一个多亿的广告账本，在客服500万的人力成本上，是没多大感觉的。

然后再说AI侵染比较严重的领域如AI医生，那我就太熟了。这个真的能做，但多模态一块暂时跟不上是硬伤，只要在查体这里不能突破，那么AI医生拼图就一定是缺的。

律师领域的情况比医疗领域要糟糕很多，他们现在数据太过分散，而且本身这东西现在比较玄幻，“正确的输入未必有正确的输出”，我们也不多做探讨；

而教师这个就复杂了，看上去跟AI医生、AI律师类似，但真的要做，第一步就卡着了，比如学生知识成长树，只要AI不能衡量学生的实际能力，就不能做到难度N+1，做不到难度N+1 就全部是低效输出。

真正的AI重灾区却是程序员领域，最夸张的是模型对前端行业的影响，因为前端场景更容易被穷举，今年各个模型发布几乎都宣布了一次前端行业的消亡，到Gemini这次貌似都8次了...

但你真要说AI消灭了程序员，那又是不对的，事实上AI Coding 的发展应该说是我们即将进入自然语言编程时代，真实在几个公司复杂AI项目的情况是：核心代码1万行左右，提示词大几十万行。

可以认为，提示词的编写就是自然语言编程，所以AI并不会消灭程序员，他消灭的是只会工具使用的那一部分，非要给个称呼我觉得可以叫代码搬运工...

所以，AI在高低两端都还差点意义，并没有业内宣传得那么牛逼，尤其是近来所谓AI完成所有的产品的代表智能体，其评判的声音挺多的。

最后再结合服务过的40多加企业，我实际实施的结果还更多是在做降本（增效的部分很少），但要将降本的功劳归功到AI貌似也不合适，他更像是数字化转型的延续，AI补足了其中20%不到的自动化工作（这也是为什么飞书钉钉死推AI表格的原因）。

额，这话匣子打开一时有点没收住，这就马上进入今天的主题：聊聊2C的一些心得和技巧的吧...

聊聊AI 2C

先说结论，我觉得 AI 2C 比 AI 2B 好做。今年决定不做2B后，我在C端打磨了两个产品（大几十万的投入）。关于个人IP这块我们后面再聊，今天重点聊聊2C产品空气小猪（基于熟人社交的英语学习工具）。

所以，我是在鼓励大家入场做 AI 2C 的产品吗？恰恰相反，我非常不建议个人、小团队进入去做AI 2C的小产品，原因很简单：环境糟糕透了，卷爆了！

环境与成本

首先，AI产品的交互一定离不开聊天，所以小程序的体验一定是不好的、不太适合的，比如我们的用户会很反感在微信聊天和产品之间切来切去；

但如果你要去做一个APP，那成本可就高了，他有很多门槛费用：

uniapp类架构是不合适的，至少使用RN，因为虚拟键盘BUG多；
算法备案，6个月、8000起；
大概率还需要电信证书资质才能上架；

总而言之，从你准备做一个AI APP到他实际上线，大概20万，4个月的周期是少不了的...

PS：各位互联网高富帅不要小看这20万，紧紧巴巴都能开个小店了...

这里的结论是，虽然十五五规划一直在支持AI产业，但可能环境是出于保护普通人的角度，其实是不太支持一般人AI创业的，且不说各种资质文件审批权限，在很多办公室空置的情况下，我在成都想要一个免费办公室是一直没成功的...

而最基本的环境导致的产品周期长只是小问题，接下来两个问题几乎是2C产品难以避免的：

同质化严重

C端AI产品的同质化问题非常严重，几乎不存在任何所谓的创新点，因为你的创新点真的好，最多最多一个月，在其他产品身上都会出现。

比如，我们之前在做空气小猪的时候，就对自己产品某一块体验创新非常满意（聊天上的一些交互特性），当时看了几乎所有叫得出名字的英语学习产品，再三确定确实没有类似的，才开始进入开发。

但是，在刚开发出来的时候，我猛然发现海外钉钉、飞书也有类似功能，再打开微信一看，他妈的也有...

再然后真实推出使用的时候，粉丝用户发现了有个创业团队做着跟我们类似的事...

所以，你觉得的创新点，很可能是看得不够所致，你以为的天才点子，搞不好到处都是，这也是C端产品一定要注意的，不大可能靠单品/点获胜。

因为体验对初创团队并不是唯一重要的，所以C端产品需要尽快走向收入闭环

必须用盈利能力为中心评价产品、迭代产品，千万不要在一些自以为是的体验点上浪费成本，因为很多贴心的功能最后都会被证明其实不是必须的。

只要是C端产品，就是流量逻辑，流量到了，再差的体验也能有营收，所以我们这里进入最重要的C端产品流量板块：

流量问题

既然环境又不好，成本也不低，同质化问题还很严重，是不是C端的AI产品就一定没法做呢？

那倒也不是，这需要看个人期待问题，C端市场实在是太大了，只要创始人心力足（一定要很足，不然几乎做不下去的），一定能从这巨大的流量里面分一杯羹！

比如我这边比较轻量的案例：500日活的英语学习产品，一个月产生4万收益。

4万这个数字当然不高，而且这个产品似乎已经走到头了，很难再进一步，但很可能很多产品就只需要1000日活不到就够了，这也不失为一种小而美的存在。

只不过，就看你要不要花个50——100万的现金，去买个日活500、月入4万的可能，要记住这只是一个可能，因为他也是很难达到的...

因为，流量是稀缺的，没有可能你一个产品出来，自己发两个朋友圈就一堆人下载，爆款只是小概率事件，并且一般团队也不存在技术上的闪光点，很难吸引注意力的。

多数普通人，要做C端产品，就只能一步一个脚印，并且千万不要打广告，最好的做法是化缘...

流量化缘

关于流量化缘有非常多的做法，他属于体系化流量运营的一部分，为了帮助大家，我这里分享其中一个效率较高的策略，并且将他掰开了说。

当前几个流量大户是抖音、小红书、视频号/公众号体系，产品推荐这块特别适用于抖音、小红书。

最常见的流量化缘/节流做法，是去大主播内容那里做评论，比如我们会去英语主播的短视频评论：空气小猪这块英语学习产品，我用过真的爽爆了！而就这么简单一句话，就可以带来客观的流量收益。

所以，流量化缘的答案是不是就是大家去到处做评论呢？

当然不是，那样怎么会显得我们这个账号与AI相关呢？事实上所有的流量运营体系全部应该自动化，不然是很难打正的。

送佛送到西，具体怎么自动化（下面只举抖音的例子），我也同步分享给大家，先看视频：

如何实现自动评论

首先，自动化评论不是胡乱评论，首先还是要先获得抖音博主的视频文案，看看是不是适合，适合才去评论，甚至对用户的评论进行评论。

抖音平台直接使用Coze体系，方案是采用Coze进行前端信息采集，再结合飞书多维表格进行数据存储与操作，形成完整自动化流程。

前置参数准备

在运行自动化程序前，需预先设置两个核心参数：

参数一：博主主页链接

参数二：拟评论的内容，这个就自己随意写，一般是提供几个模板

接下来就是具体实现：

Coze获取视频

一、多维表格建表

处理工作流只要跟数据表相关，那么最重要的一步就是建表（飞书多维表格），表格字段会直接影响后面的操作思路和工作流，下面的建表截图中可以看见有按钮操作，这个后面会涉及到：

二、工作流

然后是获取博主主页下面的视频链接，工作流会调用第三方插件，抓取博主主页下的所有视频链接。随后，通过一个代码节点，对原始数据进行梳理和清洗，确保数据的规范性。

这里需要注意的是，出于数据安全和稳定性考虑，如果长时间用建议自己做插件，我们是自己写的插件，这里是因为做知识分享所以用三方插件

处理好的数据，通过Coze的飞书插件，写回到我们第一步创建好的飞书表格中：

完成配置后，需将飞书官方插件的授权模式设置为【共享授权】，如果没有这一步，飞书将无法向表格写入数据，导致流程中断。

工作流搭建完成后，将其发布。然后再次进入工作流，选择 “API导出” ，格式选择 Shell。保存此刻Shell弹出的所有信息，这是连接飞书与扣子的“密钥”。发布工作流后再次进去工作流选择API导出：

API导出后选择Shell，Shell里面的信息需要保存起来：

下面的代码框里，就是你的工作流被封装成的标准API接口命令：

curl -X POST 'https://api.coze.cn/v1/workflow/stream_run' \
-H "Authorization: Bearer cztei_lYWpar1ZtBmln2Mi9yYRlXM8PRKPklSdnb4TYaMEQGR8b" \
-H "Content-Type: application/json" \
-d '{
 "workflow_id": "7565718953651535872",
 "parameters": {}
}'

三、飞书发送请求到工作流

之前建立飞书表格的时候有预留的按钮列，其本质是一个被飞书封装好的API触发器。点击它，就等于向扣子工作流发送了一次请求：

填入“密钥”：将第二步中保存的 Shell 信息（主要是cURL命令中的关键内容），准确填写到飞书按钮的自动化配置中：

现在你只需在表格中点击按钮，飞书便会自动调用扣子工作流，获取博主的最新视频链接并回填到表格中。

下面是流程图，除了获取到视频链接，还获取到了视频相关信息比如点赞量，评论量等信息：

在这个基础下，我们再聊聊视频转文案：

视频转文案

针对抖音平台中同一视频存在的多种链接形态，当前“扣子工作流”在提取博主信息时面临识别障碍。具体而言，抖音视频链接主要分为以下三类：

1. H5分享链接 

 格式示例：https://www.iesdouyin.com/share/video/7467447222242725129\ 
此类链接目前无法直接读取，但可通过提取路径末位的 video/7467447222242725129 获得视频ID（即 7467447222242725129）。

 2. 标准视频页链接 

 通过将视频ID嵌入标准路径生成：https://www.douyin.com/video/7467447222242725129\ 

 此URL可供插件调用以提取信息，但在实际测试中调用失败率较高。

 3. 带参数的视频页链接 

 示例：https://www.douyin.com/video/7467447222242725129?modeFrom=searchResult\ 
该格式在实际调用中报错率相对较低，稳定性优于标准视频页链接。 
此外，将原始分享链接直接转换为视频详情页URL，也可在一定程度上提升解析成功率。

现在获取的视频链接全是这种格式

https://www.iesdouyin.com/share/video/7467447222242725129

我们的系统获取到的原始链接多为第一种。这时飞书多维表格的AI 字段就派上了用场，它可以将原始链接批量转换为高成功率的带参数链接格式：

转换成功后，我们配置第二个按钮，其原理与第一个完全相同，只是请求另一个专用于“视频转文案”的扣子工作流：

视频链接转文案工作流：

这个工作流的核心是接入了千问的音频转文字功能，它能返回三种文本类型：带时间戳的文稿、标注发言人的文稿，我们最终选择的纯文本

值得注意的是：我也尝试过使用飞书本地的视频转文字服务，但其背后可能依赖第三方供应商，时常报错且非常消耗 token，综合性价比不高。

最后就是自动评论了：

自动评论

在上一步我们解决了视频链接与文案的自动采集后，就到最后一步了：实现自动评论。

纯代码实现路径崎岖且封号几率非常高，经过尝试，我找到了一个更高效、更稳定的解决方案：用影刀RPA自动化工具，模拟鼠标操作，实现自动评论。

影刀可以精准地模拟人类的鼠标点击、键盘输入等操作，绕过复杂的技术接口，稳定地执行任务。更重要的是，影刀可以接入飞书多维表格。