別再追風口了——我如何從「快速出產品」的狂歡中走出來,轉向解決自己真正的問題

▋ 那段沉迷「快速出貨」的日子

說實話,當 Vibe Coding 火起來的時候,我也被那種感覺迷住了。能用 AI 這麼快速地把腦子裡的想法變成產品,那種成就感真的滿到爆炸。我記得有一陣子,我幾乎每週都在做新東西——今天做個 X 功能,明天改個 Y 工具,後天又琢磨起 Z 的變體。身邊的人都在說「哇,你動作好快」,我自己也覺得特別充實,彷彿在衝浪一樣踩著科技浪潮的尖端。

但你知道嗎?那種快不是充實,只是上癮。

我現在還記得最清楚的一個例子——我看到有人用生成式 AI 做出超厲害的產品推介功能,能把一堆圖片一鍵轉成專業級的電商影片。那時候我眼睛都亮了,馬上想「這個我也能做,而且我能做得更好」。花了一個禮拜把 MVP 整出來,還挺自豪的。然後呢?Google 用 Nano Banana 免費砸進來了。一天 100 張免費額度。

那一刻我才真正停下來想:一個新創公司怎麼可能跟得上 Google 這種燒錢的方式?我再快、再聰明,也快不過一個有無限資源的科技巨人。

▋ 追風口的真相——你永遠在替大公司試水

我開始梳理自己做過的那些「風口項目」,才發現一個規律:幾乎所有火起來的熱點主題,本質上都是某些大公司還沒有、或者說還沒有「官方推出」的功能。一旦 Google、OpenAI、Meta 這些巨頭看上眼,他們用幾個月的時間、無限的工程師資源,加上免費或超便宜的定價,就能把你辛苦做的東西原地爆炸。

最可怕的不是被碾壓——而是你根本無法贏。

你做的越好,你的成功就越能證明市場有需求,也就越能吸引大公司的注意力。你像是在替巨頭驗證市場、鋪路、教育用戶。等到他們進場的時候,你已經用完了資金、用完了精力,還要眼睜睜看著他們免費吃掉這個市場。這不是失敗,這是系統性的被設計出來的失敗。

我承認當時有好一段時間,我對這個認知感到很沮喪。那種感覺就像你拼命跑步,結果發現自己一直在跑步機上,根本沒往前移動半分。

▋ 真正的轉折——開始只為自己做東西

直到某個下午,我停下來問自己一個很簡單的問題:「我最想解決什麼問題?」

不是「什麼東西現在很紅」,而是「什麼是我每天都在遇到、每次都很煩、如果有人能幫我解決我就願意花錢」的問題。

我發現了幾個——不是什麼驚天動地的大事,就是我自己工作和生活裡真實存在的痛點。當我開始往這個方向做東西的時候,一切都變了。

首先,我根本不擔心用戶的回饋週期。因為用戶就是我。我需要什麼功能,我自己就知道。不用花時間去用戶調研、去猜測、去反覆迭代去滿足某個假想的市場。我直接做,然後直接用。

其次,我完全不怕競爭者。因為競爭者為什麼要進來?Google 為什麼要做一個只有我在用、只解決我這一個非常具體、非常小眾的問題的工具?他們根本看不上。風口是因為有「市場潛力」,而我解決的問題恰好因為很個人化、很邊緣化,反而變成了我的護城河。

還有一個更有意思的事——當我開始用這種心態做東西的時候,真的有人過來說「欸,這個解決我的痛點了」。有些人甚至主動問能不能幫忙改進。因為他們在某個環節也遇到了類似的問題。這時候,歡迎競爭者變成了真的——因為越多人想解決同一個問題,反而讓我這個工具變得更有價值,而不是被淘汰。

▋ 現在的想法

說到底,我放下的不是「做東西」,而是放下了對「趕風口」這個虛幻遊戲的迷戀。當你只為自己解決問題的時候,心反而寬了。不用每天刷新科技新聞去看有什麼新概念要趕快學、新工具要趕快用。做東西變成了一個真實的過程,而不是一場消耗戰。

我想問你——你現在在追什麼?是在追某個熱點項目,還是有一個真正困擾你很久、你一直想解決但沒人做的問題?

我很好奇。我們可以聊聊。

Read more

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

很多人問我,在 Claude 裡面,Project、Skill、Connector 這三個東西到底差在哪裡? 什麼時候該用哪一個? 老實說,我一開始也搞得很混亂。 但實際用了一段時間之後,我發現其實邏輯很簡單。 先從最基本的開始:Connector 是對外的資料來源 如果你需要從外部拿資料,比如說接 Google Calendar、接 Notion、接你自己的資料庫,你就需要 Connector。 它就是一個 MCP 的連結,讓 Claude 可以去外面抓資料回來。 沒有 Connector,Claude 就只能用它自己知道的東西,沒辦法碰到你的資料。 Skill 則是內部的運算邏輯 Skill 沒有辦法對外連接。 它只能在內部用 Python 或程式碼執行。 你可以把它想成是一個 Controller,專門負責處理運算的部分。 比如說,你想讓 Claude 用特定的格式改寫文章、

By Andy Lin
讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need 最近我在 Claude 上快速搭建了七大 Agent。 原因很簡單:你的助理應該是越使用越懂你。 而 Claude Project 有個關鍵功能叫 Memory,它會根據你不斷詢問的過程,主動提取記憶。 這就是我認為 AI 助手真正強大的地方。 GA 分析助手:從進階到客製化 自從我串接 GA MCP 後,這位助手已經變得非常厲害。 漏斗分析、訪客來源、異常事件追蹤、站上任何問題都難不倒它。 但我想要的不只是這些。 我希望它隨著時間,能夠對齊我的知識,知道我要什麼。 你不用想太多,不用一次設定好整個 instructions。 試著使用一週,再回頭看看 memory,你會發現它已經根據你的行為開始學習客製化了。 許多助手不需要懂老闆要什麼,但網站分析不一樣。 因為我沒有那麼多美國時間,

By Andy Lin
AGI 來臨:兩大 AI 巨頭的預測與警示

AGI 來臨:兩大 AI 巨頭的預測與警示

在近期的達沃斯論壇上,Anthropic 執行長 Dario Amodei 與 Google DeepMind 執行長 Demis Hassabis 進行了一場關於「AGI 之後的世界」的深度對談,揭示了 AI 發展的最新進展與未來展望。 AGI 時間線預測 Dario 重申了他去年的預測:在 2026-2027 年,AI 模型將能夠在諸多領域達到諾貝爾獎得主的水準。他表示目前 Anthropic 的工程師已經不再親自寫程式碼,而是讓模型來完成編寫工作,人類只負責編輯和周邊任務。他預估在 6-12 個月內,模型將能端到端完成大部分工程師的工作。 Demis 則持稍微保守的態度,認為在十年內有 50% 的機會實現 AGI。他指出編程和數學領域較容易自動化,因為結果可驗證;但自然科學領域則更具挑戰性,需要實驗驗證,且目前模型在「提出問題」和「建立理論」

By Andy Lin
讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

最近我嘗試做了一個 Agent,專門用來分析我的身體健康狀況。 這不是什麼有商業潛力的專案,純粹是出於好奇。 我想知道現在的 AI 到底能幫我們把健康分析做到什麼程度。 資料從哪來? 要讓 AI 分析任何東西,首先得有資料。 我第一個想到的就是 Apple Health。 因為我每天戴著 Apple Watch,它本來就會自動記錄睡眠、運動、心跳這些數據。 除此之外,我也在嘗試另一個經絡檢測的儀器,有點像中醫把脈的概念,只是還沒整合進來。 我覺得如果未來能把更多資料源串在一起,應該可以做出更有意思的應用。 技術架構其實不難 我用了一個叫「Apple Health Auto Export」的 App。 這個 App 可以把健康資料透過 REST API 自動傳送到你指定的伺服器。 資料打到伺服器後,我再處理並存到 Database 裡。 接著寫一個 MCP Server,然後在

By Andy Lin