机缘巧合认识了珠宝行业的朋友，让我有机会用黄金珠宝的视角来理解 AI 行业，越想越觉得很多 Agent 公司误判了自己的位置。
大模型像黄金。贵、稀有、有共识。Agent 公司像珠宝品牌，从模型公司买智能原料，再包装成产品、工作流和服务，卖给用户。
听起来好像很合理：黄金这么贵，过我一趟手，多少能留下点什么吧？
但黄金行业最有意思的一点是，黄金贵，跟你能分到多少没有直接关系。
老铺黄金毛利可以到 40% 左右，周大福大概 30%，老凤祥如果混了批发和黄金交易，可能只有 10% 上下。再往下看，金条、投资金、黄金批发，很多时候就是个位数毛利。
同样是黄金，差别不在黄金，在你有没有资格定义黄金之外的东西。
如果你只是转卖金料，加工金料，然后搬运金料，你吃到的是很薄的流通利润。用户心里有金价，有工费，有比价。你没有定价权。
很多 Agent 公司也是这个处境。
接一个模型 API，包一层界面，接几个工具，跑一下 runtime，然后说自己是 Agent。用户很快就会问：你用的什么模型？成本多少？我为什么不自己接？模型厂商为什么不会顺手做掉你？
这就是按克卖黄金，价格太透明了。
所以很有意思的是，很多真把模型成本包进去的 Agent 产品，毛利未必好看，考虑到 free trial 成本绝大多数 Agent 公司都在亏钱。
反倒是那些让用户自备 API key 的纯工具，毛利可能高到离谱。它更像街边珠宝加工。它不碰黄金价值分配，不承担金价库存风险，也不负责把黄金卖出品牌溢价。它赚的是工具费、加工费。
这对咱们 Agent 创业者是个提醒：你到底是在卖智能（黄金贩子），还是在卖智能过手之后的确定性（特定场景下的珠宝首饰）？
周大福、周生生、老凤祥、老铺黄金厉害的地方，不是它们能买到黄金。黄金是标准品，价格透明，谁都能买。它们做出来的是另一套东西：成色信用，婚嫁场景，品牌心智，库存和渠道能力。
Agent 也一样。
用户怕的是乱执行、泄露数据、搞坏客户关系、关键时刻掉链子。出了问题谁负责，能不能追溯，能不能接管，能不能长期稳定交付。
Agent 品牌的第一层不是智能，是可托付性。
再往后，是场景。
黄金能有品牌，是因为它绑定婚嫁、送礼、传承、祝福、保值。用户买的不是最便宜的金，而是重要时刻里“选这个不会错”。
Agent 如果想做成品牌，也得进入这种场景：商家运营、客户跟进、客服售后、代码交付、内容流水线、经营决策。用户不是来玩 AI 的，是想把一块真实工作交出去。
谁能在这些场景里变成默认选择，谁才有机会拿到品牌毛利。（Echo 下 Koji @杨远骋Koji 这条帖子：https://m.okjike.com/originalPosts/69f9be24af7695b4cf21b811?s=ewoidSI6ICI1NjZhM2FkMWViZDIzNTExMDBhYTA2ZWUiCn0=）
所以 Agent 公司不能只做“金料加工厂”。模型能力会越来越像公开金价，越来越透明，也越来越可替换。真正留下来的部分，是信任，交付，场景，成本控制。
我们创业之初问自己的问题是：在我们擅长解决的重要任务上，用户会不会默认选我们。
因为我们想做老铺黄金式 Agent。
大模型像黄金。贵、稀有、有共识。Agent 公司像珠宝品牌，从模型公司买智能原料，再包装成产品、工作流和服务，卖给用户。
听起来好像很合理：黄金这么贵，过我一趟手，多少能留下点什么吧？
但黄金行业最有意思的一点是，黄金贵，跟你能分到多少没有直接关系。
老铺黄金毛利可以到 40% 左右，周大福大概 30%，老凤祥如果混了批发和黄金交易，可能只有 10% 上下。再往下看，金条、投资金、黄金批发，很多时候就是个位数毛利。
同样是黄金，差别不在黄金，在你有没有资格定义黄金之外的东西。
如果你只是转卖金料，加工金料，然后搬运金料，你吃到的是很薄的流通利润。用户心里有金价，有工费，有比价。你没有定价权。
很多 Agent 公司也是这个处境。
接一个模型 API，包一层界面，接几个工具，跑一下 runtime，然后说自己是 Agent。用户很快就会问：你用的什么模型？成本多少？我为什么不自己接？模型厂商为什么不会顺手做掉你？
这就是按克卖黄金，价格太透明了。
所以很有意思的是，很多真把模型成本包进去的 Agent 产品，毛利未必好看，考虑到 free trial 成本绝大多数 Agent 公司都在亏钱。
反倒是那些让用户自备 API key 的纯工具，毛利可能高到离谱。它更像街边珠宝加工。它不碰黄金价值分配，不承担金价库存风险，也不负责把黄金卖出品牌溢价。它赚的是工具费、加工费。
这对咱们 Agent 创业者是个提醒：你到底是在卖智能（黄金贩子），还是在卖智能过手之后的确定性（特定场景下的珠宝首饰）？
周大福、周生生、老凤祥、老铺黄金厉害的地方，不是它们能买到黄金。黄金是标准品，价格透明，谁都能买。它们做出来的是另一套东西：成色信用，婚嫁场景，品牌心智，库存和渠道能力。
Agent 也一样。
用户怕的是乱执行、泄露数据、搞坏客户关系、关键时刻掉链子。出了问题谁负责，能不能追溯，能不能接管，能不能长期稳定交付。
Agent 品牌的第一层不是智能，是可托付性。
再往后，是场景。
黄金能有品牌，是因为它绑定婚嫁、送礼、传承、祝福、保值。用户买的不是最便宜的金，而是重要时刻里“选这个不会错”。
Agent 如果想做成品牌，也得进入这种场景：商家运营、客户跟进、客服售后、代码交付、内容流水线、经营决策。用户不是来玩 AI 的，是想把一块真实工作交出去。
谁能在这些场景里变成默认选择，谁才有机会拿到品牌毛利。（Echo 下 Koji @杨远骋Koji 这条帖子：https://m.okjike.com/originalPosts/69f9be24af7695b4cf21b811?s=ewoidSI6ICI1NjZhM2FkMWViZDIzNTExMDBhYTA2ZWUiCn0=）
所以 Agent 公司不能只做“金料加工厂”。模型能力会越来越像公开金价，越来越透明，也越来越可替换。真正留下来的部分，是信任，交付，场景，成本控制。
我们创业之初问自己的问题是：在我们擅长解决的重要任务上，用户会不会默认选我们。
因为我们想做老铺黄金式 Agent。
特别不喜欢“意志力”、“坚持”、“自律”这些概念， 我希望一切都是自然而然发生的。或是通过良好的流程设计来实现的。
例如要养成某个习惯，我不会去关注养成这个习惯要多少自律。而是去用福格模型那一套，通过一些小设计，去优化行为发生的难度，把事情变得简单。
例如要养成某个习惯，我不会去关注养成这个习惯要多少自律。而是去用福格模型那一套，通过一些小设计，去优化行为发生的难度，把事情变得简单。
最近家里搭了一套基于 NAS 的家庭影院，有一个痛点是，现在所有主流 BT 下载站，都没有办法给我一个可靠的种子健康度的排序，导致为了一个电影我要反反复复尝试多个种子，才能找到一个有用的。所以基于这个需求写了一个命令行工具，可以快速根据电影名字找到那个最适合你的种子。
项目地址：https://github.com/joway/gardener
内置了 SKILL.md ，你也可以集成给自己的 agent 做更有意思的工作，比如批量找出2025年所有top50电影的bt链接。
项目地址：https://github.com/joway/gardener
内置了 SKILL.md ，你也可以集成给自己的 agent 做更有意思的工作，比如批量找出2025年所有top50电影的bt链接。
1. 北京：每天全市所有家长都在鸡娃，还着 500 ~ 1000万的房贷，每天把工资的1/3 ~ 1/2用于小孩的补习班，而且2/3的时间还车辆限行，全员挤地铁；所有家长都被海淀的家长鸡娃带疯了。关键是北京，天子脚下，办公环境每天各种PUA的状态，工作压力也很大。我很多北京的朋友只有少数活的超脱的，大部分人的压力都异常的大
2. 武汉：从学前到小学疯狂鸡娃，特别是女方，不鸡娃就是政治不正确。作业从小学4年级开始就堆成山，初中基本上都是6点起床，12点睡觉。武汉好的是，一半家长到初中就不卷了，不是没钱，主要是看不懂了。所以，在武汉，有时候你从小学超级卷到初中一下子不卷放弃了，还是觉得很好耍，武汉果然是朋克城市
3. 河南：河南的卷主要是农村的娃比较多，从小接受读书是唯一出路的教育理念。河南的卷一般不是家长卷，而是小朋友从小就刻苦学习，所以河南从初中开始、初中、高中都非常卷，5点起床读书到半夜比比皆是。从我的分析看，河南的小朋友自己卷很大原因是每个家庭都要干农活种地，种地不但非常辛苦还不赚钱，自发的激励他们一定要靠读书来突破，长大再也不要去种地了
4. 杭州：杭州的卷是那种土豪的卷，别的省的高考状元在杭州可能还是中等水平。我的天使投资人家的小朋友就非常夸张，前年来武汉我给她娃培训计算机的时候，小学3年级的小朋友，知识视野非常开阔，虽然计算机基础少，但是逻辑思维非常厉害。最牛逼的是化学已经自学到高中化学的水平了，问其原因，是他们家地下室有几百平的化学实验室，老师是妈妈请的中科院院士，配置了非常高标准的化学仪器装备和顶级英伟达GPU，这个老师给小朋友列了一系列配方，这些配方都是组合就会爆炸的，老师让小朋友把这些爆炸配方贴在墙上，然后对小朋友说，只要这些配方以外的化学物品你都可以随意组合玩，非常安全。这个就是土豪的力量，别人小学生的起跑线，可能是很多人一生都很难想象的
互联网充电｜优质资源
优质内容｜内幕消息
#出海运营秘籍👉@yunying23
AI 同时在摧毁 organic distribution
Google AI Overview（2024 年开始 default）→ 用户不点 organic links → 长尾 SEO 流量崩塌 60-80%
（Wordstream/Sistrix 数据）→ AI-native 公司即使想做 SEO 也没有目标可以 captures
Reddit / Quora 被 AI 内容 flood → algo 偏向已知大号 → AI-native 公司 organic reach 接近零
X / LinkedIn algo 越来越偏 paid promote → organic post 触达持续衰减
Newsletter / Substack 增长 实际上 60%+ 靠 paid acquisition（cross-promo 也是 paid 形式）
双重夹击的本质：AI 既增加 paid 需求（更多 AI-native 广告主），又同时摧毁 organic 替代品（让所有公司更依赖 paid）。
AI 同时在摧毁 organic distribution
Google AI Overview（2024 年开始 default）→ 用户不点 organic links → 长尾 SEO 流量崩塌 60-80%
（Wordstream/Sistrix 数据）→ AI-native 公司即使想做 SEO 也没有目标可以 captures
Reddit / Quora 被 AI 内容 flood → algo 偏向已知大号 → AI-native 公司 organic reach 接近零
X / LinkedIn algo 越来越偏 paid promote → organic post 触达持续衰减
Newsletter / Substack 增长 实际上 60%+ 靠 paid acquisition（cross-promo 也是 paid 形式）
双重夹击的本质：AI 既增加 paid 需求（更多 AI-native 广告主），又同时摧毁 organic 替代品（让所有公司更依赖 paid）。
有人问我，AI PM在用户体验层要注意什么？
我的答案是，把握人与AI协作的尺度。
人的介入过低，比如众多“一键xxx，一句话xxx”会带来惊艳感和易用性，但也会面临意图理解错误，上下文不足，生成结果可控性差的问题。长期下来，AI无法形成稳定可靠的生产力，人也会缺乏参与感而无法获得足够的成就感和价值感。就像有个说法是IKEA让人回去自己组装，反而让用户更喜欢IKEA产品，因为那包含着自己劳动的成果。
人的介入过高，比如需要频繁干预（例如给权限放行），或者工作流中必须有人工审核环节，又或者需要很多的prompt和configuration，都会打破心流体验，削弱AI带来的生产力跃升，提升使用门槛。
AI PM除了关注模型本身，还要理解用户，为用户找到最舒服的effort level。
我的答案是，把握人与AI协作的尺度。
人的介入过低，比如众多“一键xxx，一句话xxx”会带来惊艳感和易用性，但也会面临意图理解错误，上下文不足，生成结果可控性差的问题。长期下来，AI无法形成稳定可靠的生产力，人也会缺乏参与感而无法获得足够的成就感和价值感。就像有个说法是IKEA让人回去自己组装，反而让用户更喜欢IKEA产品，因为那包含着自己劳动的成果。
人的介入过高，比如需要频繁干预（例如给权限放行），或者工作流中必须有人工审核环节，又或者需要很多的prompt和configuration，都会打破心流体验，削弱AI带来的生产力跃升，提升使用门槛。
AI PM除了关注模型本身，还要理解用户，为用户找到最舒服的effort level。
