AI创业一年复盘：从“Build快感”到“系统维护”的认知转折

事件概述

一位从新加坡NUS毕业、全职all in AI创业一年的创始人，基于自身在Agent工程、SEO系统搭建、团队协作等方向的实践，提出了对AI创业核心认知的反思：AI降低了构建门槛，却未降低长期维护成本；快速构建积累的零散产出会转化为技术债务，真正的瓶颈后移至治理、权限、质量标准等基础设施层面。

核心发现

1. Agent工程实践：确定性工程化+不确定性交给Agent

• 基于agent loop的工程优化中，上下文管理、意图理解、工具调用均有卡点。尤其是必须由懂业务的人深度参与，否则易出现执行流程通顺但不符合用户需求的问题。
• 将agent拆分为planner（理解意图、规划工具链路）和execute（按任务复杂度分四种执行模式：fast-exec、agent-loop、coordinator、ask-user）。核心逻辑是把确定性环节工程化，仅将不确定性环节交给agent，既降本提效又保障结果准确。
• 一个典型例子：用户说“帮我把这张海报改成夏季促销风格”，planner需判断是create还是modify，规划工具步骤（web_search→get_url→read→screenshot→upload→create），然后一次性执行，而非通过反复agent loop。高频、稳定的agent行为应沉淀为skill。

2. 人人可build后，更需沉淀系统而非堆叠功能

• AI降低了构建门槛，但没有降低长期维护成本。快速build产生的零散产出会变成技术债务，瓶颈已经后移至治理流程、质量标准、权限边界等基础设施层面。
• 以搭建SEO系统为例，从vibe coding写网页到自研内容管理，最终选择成熟CMS（如Sanity）做内容资产统一管理，证明了越容易快速构建，越需要系统来管理边界。所有SaaS都值得用AI原生方式重做一遍。

3. AI原生组织：程序员从“亲手写码”转向“质量编辑”

• AI native组织的核心特征是人人都可成为builder，PM、marketing、设计师都能提交代码，但也会带来权限管控难、代码可维护性差、review负担重等问题。
• 未来程序员角色会从“记者”转向“编辑”：不再亲手生产全部代码，而是对AI生成的代码做判断、筛选、修改、整合，对最终系统质量兜底。同时需要更AI原生的沙箱机制、协作流程来管控风险。

4. 创业认知：第一次build的成就感是最大幻觉，产品是长期维护出来的

• AI coding擅长快速跑通demo，但demo只是验证功能闭环，不代表能长期运行。商业产品的核心竞争力从来不是初始代码，而是长期维护、迭代、服务用户的能力，运维在AI时代会更值钱。
• AI创业需要离模型远一些，模型厂商做不了深入业务的长期交付。短期需要FDE（现场交付工程师）做落地集成，长期会成长出一批AI原生基础设施SaaS，帮用户把AI生成内容转化为稳定业务资产。
• AI时代创业更看重“通才+能业务闭环”的人才，创业者要主动推动事情发生，把握节奏，像做内容一样做产品，靠长期信任留住用户。

值得关注

• 创业者提出未来1-3年判断：SaaS不会死亡，反而被严重低估，极度缺少AI native的infra SaaS解决持续性债务；程序员不会失业，但多数人必须完成从“记者”到“编辑”的转变；AI native组织最深刻的变化是协作模式，当人人都是builder，组织结构必被重塑。