<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>文章 on 冷眸</title><link>https://lengm.cn/post/</link><description>Recent content in 文章 on 冷眸</description><generator>Hugo -- gohugo.io</generator><language>zh-cn</language><lastBuildDate>Thu, 17 Sep 2026 10:30:00 +0800</lastBuildDate><atom:link href="https://lengm.cn/post/index.xml" rel="self" type="application/rss+xml"/><item><title>从 AI 能力到业务结果：To B 客户的商业化实战</title><link>https://lengm.cn/post/20260917_enterprise_ai_learning/</link><pubDate>Thu, 17 Sep 2026 10:30:00 +0800</pubDate><guid>https://lengm.cn/post/20260917_enterprise_ai_learning/</guid><description>本文整理自 AI Live House 第六期分享《从 AI 能力到业务结果：To B 客户的商业化实战（第二期）》。分享嘉宾张帆，曾任智谱 AI 首席运营官，是 AI 领域连续创业者，现任元理智能（Yoolee AI）创始人兼 CEO。
元理智能专注商业强化学习（RL for Business），围绕企业业务流程和核心 KPI，提供垂直场景模型与智能体解决方案，探索能在真实商业场景中持续学习的“数字员工”。据分享介绍，团队已在多个健康服务品牌开展商业化落地。相关公司介绍可见这篇报道。
本次分享聚焦张帆在智谱和元理智能积累的 To B 商业化经验：怎样从单点能力验证，走向复杂业务中的实际交付。下文保留分享者的第一人称、观点、案例和问答；行业判断与案例数据沿用分享时的口径，不改写为本站的亲历或实测结论。新增插图为统一风格的 AI 生成示意图，仅用于帮助理解，不替代原文内容。
一、模型在进步，自己的能力留下了什么？ 其实大家可能都有一个感觉：我们每个人都在辛苦地追赶 AI，但感觉总像是驴前面挂着的胡萝卜，总也追不上。
你看，我记得到 2023 年的时候，几乎全民都在学怎么写提示词，大家都觉得 Prompt Engineer 会是一个非常有价值的工作。
到后来，凡是企业都在搞知识库，讲怎么构建自己的数据库、怎么做 RAG，向量数据库等等跟着火了一阵。
再到后面，大家开始搭自己的工作流，说 Workflow 才是关键，Dify、Coze 各种各样的东西大家都在搭。
再到后面，随着 OpenAI 等公司的产品不断发展，大家又说要搞智能体（Agent），这样 AI 才能真正动起来，于是又都开始学 Agent。
直到后来又开始讲“养龙虾”，出现所谓的“万虾大战”，一批新概念接连冒出来。
但如果我们站在今天往回看：过去两三年我们所做的这些事，真对我们有帮助吗？
无论是一个企业还是个人，我们拼命在追、在学的这些东西，有什么被沉淀下来了？什么东西是真正有价值的？还是说，我们只是在那个时候用这种方式缓解了自己的焦虑，让我们觉得好像没有被 AI 抛下？
咱们都是专业同学，感觉还好很多。其实往往在真正的企业家层面，我们看到的焦虑会更严重，因为他们更不了解底层的这几层逻辑。
所以我经常开玩笑讲：AI 真正的幻觉，不是 AI 自己产生的幻觉；AI 最大的幻觉，是它给使用者带来的幻觉，让使用者感觉“我的能力好像变强了”。
但如果你仔细想想，其实只是 AI 的能力变强了，你只是在应用它而已。
你看现在抖音上，大量的人只用一句提示词生成一个东西，然后就能在上面分享半个小时。但你想想，他只用了一句提示词，这东西跟他究竟有啥关系？其实根本没关系。
在这样一种混沌的状态下，我们会发现：越努力、越勤奋、越追，反而越追不到结果。
所以像类似的问题还有很多，我们真的得仔细想想：
我们的精力到底该投入在哪儿？ 怎么判断这个投入是有效的？ 什么东西是真正长在我们自己身上的，什么东西只是浮在表面工具层面的？ 随着 AI 能力的继续扩张，我们今天做的哪些东西其实是白费功夫？ 我觉得这才是我们每个同学真正需要思考的问题。</description></item></channel></rss>