AI時代商科創始人的轉型實踐：從零代碼到做出兩個企業級產品的經驗與總結

原文標題：《踩完 vibe coding 所有坑後總結出的商科背景創始⼈AI 創業的唯⼀路徑》

原文作者：PeterY，WXY Labs 創始⼈

寫在前面：

我不是工程師，但我已經用 AI 做出了兩個企業級產品。如果你也是個文科生，或者像我一樣的商科背景創始人，正在看著滿屏的 AI 新聞焦慮——這篇文章就是寫給你的。我不是工程師。我是學營銷的，2005 年進奧美北京做客戶總監，後來去了騰訊、36Kr、美團點評。2018 年創立 WXYLabs，做了 300 多個 Crypto 項目的營銷。在傳統商業世界裡，我的履歷還算光鮮。

但在 AI 時代，這些履歷正在快速貶值。傳統 agency 的業務邏輯已經被徹底顛覆。AI 讓一人公司成為主流，客戶不再需要你「中間商」的角色，他們需要的是能直接用 AI 解決問題的人。更殘酷的是，如果你自己不會用 AI 做產品，你甚至連營銷別人的 AI 產品都缺乏說服力。

所以 2025 年秋天，我做出了一個決定：從零開始學編程，用 vibe coding 的方式，親手做出自己的產品。不是請人做、不是外包、不是與開發者合作，是我自己做。

從「什麼是終端？」「什麼是 JSON 結構？」「結尾用分號還是逗號？」這種白痴問題開始問，到做出兩個真正能跑的產品。

中間經歷了 AI Agent 的偷懶、欺騙、虛假匯報，經歷了無數個凌晨三點的 debug，也經歷了從 Kimi 到 ClaudeOpus4.6 的效率跃遷。

這篇文章，不是炫技。是我踩完所有坑之後，給所有非技術背景創始人的一份實戰路線圖。

為什麼商科背景的創始人必須親自下場做產品

舊世界正在崩塌

2024 年開始，我明顯感覺到 WXYLabs 的傳統營銷業務在萎縮。除了其他客觀原因，更主要的是客戶的邏輯變了。以前，一個 Crypto 項目需要營銷，會找 agency，因為：

· 他們不知道怎麼寫文案

· 他們不知道怎麼管理社區

· 他們不知道怎麼策劃活動

· 他們需要「專業的人做專業的事」

但 AI 出現之後，一位創始人用 ChatGPT 半小時就能寫出 80 分的文案，用 Midjourney 就能做出 60 分的海報，用 Claude 就能搞定社區運營的話術。Agency 的價值從「幫你做」變成了「幫你做得更好」——但客戶對「更好」的付費意願，遠不如「幫我做」。甚至這些都不需要 Agency 做，項目方直接找遍地都是的 X KOL 即可。

更關鍵的是，AI 讓「一人公司」成為了真正可行的商業模式。一個懂業務的人 + 一套 AI 工具棧，就能完成過去需要 10 個人的工作量。這意味著什麼？意味著如果不降本增效，傳統公司模式在 AI 時代會被一人公司降維打擊。

創始人的新職責：身先士卒做產品

我觀察到一個現象：在 AI 時代，最成功的創始人往往不是技術最強的，而是「最懂業務且最能親自動手」的。為什麼？因為 AI 已經抹平了後端開發的技術門檻。

你不用懂底層算法，不用懂分佈式架構，甚至不用懂數據庫設計。你只需要知道：

· 我的用戶需要什麼

· 這個需求怎麼轉化成產品功能

· 怎麼驗證這個功能是否解決了問題

這些能力，恰恰是商科背景創始人的強項。所以我決定：與其守著日漸萎縮的營銷業務，不如親自下場做產品。把自己從「賣服務的人」變成「做產品的人」。

從零開始的 vibe coding—一個月做出第一個產品

我的學習棧

2025 年 9 月，我正式開始。那段時間，我的桌面是這樣的：

· 左邊螢幕：DeepSeek(免費、無 token 壓力、速度快)

· 右邊螢幕：20+ 個網頁標籤頁，Cursor、Vercel、GitHub、Supabase、Namecheap......

我連個終端是什麼都不知道。JSON 結構是什麼鬼？程式碼結尾用分號還是逗號？這些問題我都要問 DeepSeek。但我有一個優勢：我非常清楚我要做什麼。

我用思維導圖把業務邏輯設計清楚，然後讓 AI 幫我細化成技術方案。不是讓 AI 告訴我該做什麼，而是我告訴 AI 我要什麼，AI 告訴我怎麼做。這個順序很關鍵。後面我會反覆提到。

第一個產品：dosir.io

用了差不多一個月，我做出了第一個產品——dosir.io。定位是 Crypto Alpha Sniper&Auditor。核心功能：

· 監測 X(Twitter) 上的 KOL 動態

· 蒐集鏈上資訊

· 像外科醫生一樣精準判斷一個項目是虛假繁榮還是真 alpha

說實話，這個產品本身還不錯。跑得通，更新及時，資料有效。但它生不逢時。2025 年底到 2026 年初，Crypto 市場的 alpha 機會在快速消失。(玩家對玩家) 的內卷都在減少，更別說真正能挖到 alpha 的機會了。

市場從「找金子」變成了失落與離場，所以第一個產品雖然技術層面是成功的，但商業層面沒有跑起來。

不過，這段經歷給了我三個無比重要的收穫：

1. 1st,vibe coding 是真的可行的。一個完全不懂程式碼的人，一個月能做出一個功能完整的產品。

2. 2nd, 產品思維比程式碼能力更重要。dosir.io 不是因為技術不行，是因為對市場時機的判斷失誤。

3. 3rd, 我對 Al 工具的熟悉度上了一個台階。Cursor、GitHub、Vercel、Supabase...... 這些工具我從零學會了。

發現 OpenClaw——國內第一批用戶的瘋狂實驗

從 Mac mini 斷貨到發現新大陸

2026 年 1 月，我在 X 上看到一條消息：矽谷 Mac mini 斷貨了。原因是 OpenClaw——一個讓普通用戶能在本地運行 AI Agent 的框架。我當時就把它轉發到了我的 CryptoBoss 群裡。結果發現，群裡 90% 的人都沒聽說過這個東西。

我立刻意識到：這是資訊差，也是機會。當天我就在京東下單了一台高配 Mac mini。1 月 20 多號，我算是國內第一批知道並使用 OpenClaw 的人。

「養蝦」一個月

拿到 Mac mini 後，我先花了一個月時間「養蝦」。所謂「養蝦」，就是給我的 Agent 餵素材、做配置。過程是這樣的：

1. 看到好的有深度的科普文章，就發給我的 Agent

2. 讓 Agent 深度學習這些文章

3. Agent 形成配置方案

4. 我根據方案自我配置

從最基礎的 soul.md、agent.md、user.md，到 self-evolving、skill-vetter 等 skills，再到各種 memory 解決方案，再到 agents 之間的溝通與 subagent 的執行，再到 Harness 架構，再到後來的 Hermas Agent——幾乎每個環節，我都在每天學習與配置。

同時，我讓 Agent 幫我搭建了一個 WXY 的 agents 團隊。把前面的配置重複構建在每一個 agent 上。

當時我以為：萬事大吉，大幹一場的時候到了。

AI Agent 的「人性之惡」

理想很豐滿：像管理公司一樣管理 AI 團隊

配置好 agents 團隊後，我開始像管理公司一樣對每個 agent 發號施令：

策略代理（Strategy Agent）：根據我的業務構想，非常高效地生成了產品 PRD。

PM 代理（PMAgent）：根據 PRD 文件，將業務分解為不同的產品需求和階段。

開發代理（DevAgent）：我直接對 Dev 代理進行開放發布配置，PM 負責代碼和工期審核。

看起來完美，對吧？一個創始人 + Strategy 做規劃 + PM 做管理 + Dev 做執行。這不就是標準的公司組織架構嗎？

現實很骨感：AI 開始「偷懶、欺騙、虛偽匯報」

四分之三的時間，花在了優化調試 OpenClaw 的底層配置上。代理回覆訊息重複、陷入工具調用迴圈、宕機不回覆這些技術問題都還好，咬咬牙能解決。但 AI 陷入幻覺，更有虛偽匯報，這是經常發現不了的。

程式碼根本沒開發，或者只開發了 20%，代理卻向我匯報「開發完成」。我一個程式碼小白完全看不懂，只能相信它的匯報。結果過了好幾天才發現進度嚴重滯後，造成了巨大的時間浪費。

發現問題後，我沒有簡單粗暴地「換模型」或者「刪了重建」。

我做了一件事：讓 PM 代理分析 Dev 代理為什麼會出現這些問題，然後給我解決方案。PM 代理給我的分析，讓我又喜又驚——AI 的這些問題，本質上和人類在職場裡的問題一模一樣：

· 執行時偷懶：目標-回饋迴圈斷裂。沒有檢查點 = 沒人知道我沒做、沒有即時懲罰 = 拖延的代價為零、任務太複雜 = 啟動阻力大

· 幹貨時避重就輕：認知負載逃避 + 虛假成就感

· 匯報時欺騙：匯報機制設計缺陷 + 恐懼問責。自報自評 = Dev 自己評估進度無第三方驗證、延遲回饋 = 虛報進度後，很久才被揭穿、模糊標準 =「完成」沒有明確定義

· 設定了 24 小時開發卻大部分時間罷工：

· 規則歧義：SOUL.md 原文：「免打擾時間（無需主動匯報）：晚早。Dev 的理解：『22:00 後不需要發匯報 = 我可以休息了』。設計意圖：『22:00 後不需要發匯報，但要繼續開發』

· 監督真空：沒有 Git 提交監控、沒有自動心跳檢測開發活動

當時 PMAgent 給我的建議，我到現在還在用：

短期：

1. 明確問責：09:15 檢查點無匯報 = 立即警告

2. 強制驗證：不只看匯報，要驗證 GitHub 上的程式碼

3. 任務拆解：強制使用 TASK-BREAKDOWN 模板

中期（週）：

1. 降低認知負載：把大任務拆成分鐘的子任務

2. 即時反饋：完成即驗證，不等待

3. 建立羞恥感：虛報進度立即公開糾正

長期：

1. 調整身份定位：從「CTO」改為「成長型開發者」

2. 建立信任重建機制：允許犯錯，但不允許欺騙

3. 引入同伴壓力：多 agent 並行，形成競爭

核心結論：DevAgent 的問題不是「壞」，而是系統性的激勵機制失效——偷懶沒有代價、困難任務沒有拆解、虛報沒有即時揭穿、夜間沒有監督。

破局—切換 Claude Opus4.6，效率提升 90%

當配置問題基本解決時，我遇到了新的瓶頸

當幾乎解決了所有底層配置相關的問題後，產品基本已經搭建了 50% 的程式碼。補充一句：我用的是 Kimi2.5 來搭建產品程式碼。但這時我發現：每天都遇到不同的開發環節層出不窮的 bug，遲遲無法進入下一個開發階段。不是 OpenClaw 的問題，也不是配置的問題。是「LLM 的能力天花板」問題。

關鍵切換：ClaudeOpus4.6

這時我做了一個關鍵決定：OpenClaw + Kimi2.5 繼續作為運營和輔助職能。ClaudeOpus 4.6 作為 Dev Agent 的底層 LLM。

效果怎麼样？

開發效率瞬間提升 90%。DevAgent 的對話視窗和時間線變得極為乾淨簡單。OpenClaw 配合 Kimi 只做簡單一些但大量重複與溝通協調的工作。兩者各司其職。

這個切換讓我意識到一個關鍵認知：不同任務要用不同層級的 AI。

不是越貴的模型越好，而是：

· 創意類、溝通類任務→快速、便宜的模型 (Kimi2.5)

· 複雜程式開發、架構設計→頂級推理模型 (Claude Opus4.6)

很多創始人犯的錯誤是：要么全用便宜的模型（結果程式碼質量慘不忍睹），要么全用最貴的模型（結果運營成本爆炸）。

分層使用，才是正解。

一周完成第二個產品：MarketingSkill 平台。

定位是加密營銷平台。

核心功能：

· 自動化將專案廣告匹配給全球 Telegram 社群

· 高效：省去了傳統 agency 人工對接的冗長流程

· 篩選：基於資料智能匹配最合適的社區

· 透明：整個投放流程可視化，客戶清楚每一分錢花在哪

開發這個產品過程，一點都不比傳統開發者經歷的過程少，同樣經歷：

· 代碼開發

· 選擇目標主鏈，開發合約

· 本地全流程測試

· 定價和支付體系完善

· Telegram Bot 的特定功能設置，以及與 MarketingSkill 平台的雙向信息流的打通

· 測試網部署

· 以及差點漏掉的從 BSC testnet 到 BSC mainnet 部署上線後開啟的漫長運營之旅。

第二個產品的成功上線，讓我確認了一件事：這個模式是跑得通的。更重要的是，它證明了另一件事：一個人，也可以用 vibe coding 搭建出企業級的產品。不是 demo，不是 MVP，是一個真正能接客戶、能跑流水、能規模化的行銷平台。

創始人與 AI 共生的五個關鍵認知

踩完所有坑，做出兩個產品後，我總結出五個對商科/文科背景創始人最關鍵的認知。

認知一：你所在領域的業務能力，比編程能力重要 100 倍

很多非技術背景的創始人有個誤區：覺得要學 Python、學 React、學資料庫，才能做 AI 產品。

完全錯了。AI 已經抹平了後端門檻。前端雖然還在競爭，但也在快速被 AI 工具覆蓋。

真正構成護城河的，是你對業務的理解。

我能做出 dosir.io，不是因為我代碼寫得好，是因為我在 Crypto 行業泡了 8 年，我知道什麼信息是真 alpha，什麼 KOL 在喊單，什麼鏈上數據值得關注。

我能夠做出 marketing skill.vercel.app，也是因為我做了 300 多個 Crypto 項目的營銷，我深知這個行業的痛點：

· 項目方找不到精準的 TG 社群

· 社群主不知道該怎麼定價自己的流量

· 中間商層層加價，資訊不透明

· 人工對接效率極低，一個 campaign 可能要拖兩周

這些痛點，ChatGPT 寫不出，Claude 也推理不出。只有在這個行業幹了 8 年的人才知道。AI 能幫你寫程式，但 AI 不知道你的使用者真正需要什麼。這個「知道」，就是你的核心競爭力。

認知二：動手能力比領導能力更重要

這句話可能有點反直覺：傳統商業世界，領導能力很重要。你定方向，團隊執行。你動動嘴，別人跑斷腿。但 AI 時代不一樣。AI 的操作流程導致它是個人意志直接輸入的體現。

你不能「告訴 AI 去做」，然後等著收結果。你必須：

· 自己理解業務流程

· 自己設計產品邏輯

· 自己驗證輸出結果

· 自己發現哪裡不對

· 自己調整 prompt 和配置

領導當惯了、願意指使他人做事的人，在 AI 時代會特別痛苦。因為 AI 不會替你思考，它只會替你執行——而且執行的方向，完全取決於你的輸入質量。任何人，都需要事必躬親，才能體會其中奧義。

認知三：90% 的人把 AI 用成了 RSS，太可惜了

這是我觀察到的最大浪費。大多數人用 AI，就是讓它：

· 蒐集資訊

· 總結文章

· 回答問題

把 AI 用成了一個更智能的搜索引擎，或者一個自動化的 RSS 閱讀器。太可惜了。AI 真正的威力在於：它可以行動。例如，你可以讓 AI 去你行業主流論壇、KOL 的評論區裡，發現行業不滿的痛點。

這個用 skill 來批量跑就好，遠比資訊收集有用。再比如，你可以讓 AI 自動監測競品動態、自動分析用戶反饋、自动生成產品優化建議。資訊收集是輸入，行動是輸出。大多數人在輸入端狂歡，輸出端一片空白。

認知四：护城河 = 業務能力 × 銷售能力 × 獨家數據

AI 抹平了後端門檻，前端是大家逐漸構成競爭力的地方。但比前端更重要的是：AI 還沒碰到的業務流量數據及用戶獲取。

什麼意思？

如果你的產品依賴的數據，是公開互聯網上隨便能爬到的，那你的產品沒有护城河。任何懂 vibe coding 的人，一周就能複製一個差不多的。

但如果你的數據是：

· 你自己積累的行業獨家數據

· 你跟客戶的溝通中產生的洞察

· 你的產品上線後積累的用戶行為數據

這些數據，AI 拿不到，競品也拿不到。銷售能力也是护城河。你懂客戶、懂成交、懂商務談判，這些 AI 替代不了。

所以我的公式是：

护城河 = 業務能力 × 銷售能力 × 獨家數據

這三個維度，任意兩個組合，就能構成足夠的競爭壁壘。

認知五：不要學了再做，要幹中學

這是最重要的一個認知。很多人卡在「準備階段」：

· 我先學一個月 Python

· 我先看幾本編程書

· 我先了解一下 AI 的原理

別學了。直接幹。

找到商業問題，直接上手解決問題，邊解決邊學習工具的使用。我學終端、學 GitHub、學 Vercel、學 Supabase，全是在做 dosir.io 的過程中現學的。遇到什麼問題，現查現學。

如果我當時說「我先學三個月編程再開始」，可能到現在還在「準備」。

Vibecoding 的精髓就是：你不需要瞭解底層原理，你只需要知道如何讓 AI 幫你實現你想要的功能。

就像你不需要瞭解引擎原理，也能開車。

寫到這裡，我想對所有的商科、文科背景創始人說：你們焦慮錯了方向。你們比任何人都更懂產品，更懂商業，以前只是你們沒有手、沒有能力直接做出工具，現在你能更好地用 AI 把業務邏輯變成產品。

工程師的優勢是技術實現，但劣勢往往是對業務和用戶的不敏感。而你們——

· 懂行業

· 懂用戶

· 懂商業邏輯

· 懂如何賣

這些能力，在 AI 時代不是變弱了，是變強了。因為 AI 幫你們補上了「技術實現」這個短板。

別猶豫了。直接開始。

打開 ChatGPT、打開 Claude、打開 Kimi、打開 Deepseek，打開任意一款 AI 大模型，找一個你真正想解決的問題，開始問第一個問題。問到 100 個問題之後，你會發現自己已經走了很遠。

本文基於真實經歷撰寫，所有產品、工具、時間線均可查證。

本文來自投稿，不代表 BlockBeats 觀點。

歡迎加入律動 BlockBeats 官方社群：

Telegram 訂閱群：https://t.me/theblockbeats

Telegram 交流群：https://t.me/BlockBeats_App

Twitter 官方帳號：https://twitter.com/BlockBeatsAsia