00后下场整顿Agent：啥都不学就能用好AI，这才是正确打开方式

允中 发自 凹非寺量子位 | 公众号 QbitAIAI圈有个怪现象模型越来越强确实是好事但随着AI用法越发多样用起来的门槛却越来越高。ChatGPT、Gemini、Claude……即便这些模型的能力已经够强了但真到上手干活的时候就会发现一个尴尬的事情——能不能用好AI不光取决于AI有多聪明还取决于你会不会跟它说话。像Prompt工程、思维链、Few-shot、MCP配置、Skill调用……这些词堆在一起就已经构成了使用上的隐形的“壁垒”让会用AI的人和不会用AI 的人在生成结果上拉开差距。除此之外像在多轮对话的过程中还得专门花时间来审视结果不同工作内容也需要悉心调教、引导AI来生成正确结果……实属是浪费时间。但最近一个由00后技术团队打造的产品开始在科技圈引起关注。它的核心卖点简单到有些反直觉低提示词。说白了就是你不用学怎么用AI不用配什么工具链——说句话的功夫AI就能把活干了。直接拉近了会AI和不会AI的人之间的距离。例如有这样一个参考视频现在只需要简单说一句“参考这个视频制作胖鹅开赛车竞速的视频”就可以模仿生成类似的视频这款产品叫胖鹅AI我们拿它跟市面上一些主流AI工具做了几轮实测对比发现结果确实有点意思。一句话生成1分钟电商广告直接能用先看一个最直观的场景AI生成视频。我们设计了一个电商卖家的真实需求给一款蒸汽眼罩产品做一个1分钟的宣传视频要有分镜、有旁白、有对比画面能直接发小红书的那种。Prompt是这样的制作1分钟视频画面从蒸汽眼罩从冰箱取出开始特写水珠凝结旁白是产品卖点中间分镜展示使用场景结尾放使用前后对比图。在选择了Auto模式后等了几分钟直接出来一个1分钟的完整视频。特写有了旁白卡点对了分镜节奏完整结尾的使用对比画面也安排上了。效果不能说完美但作为一个直接能发小红书或者朋友圈的素材已经跨过了“能用”那道门槛。相比来看Gemini的效果是这样的整体时长显示只有8秒钟旁白说话有误字幕还乱码完全不能做到直接拿来用。这不是个例。我们又测了另一个场景一句话生成可交互的数据看板网页。提示词是对比苹果、微软、谷歌、腾讯、阿里巴巴最近三年的营收增长率、净利润率和研发投入占比生成可交互对比看板。等了大概一分钟胖鹅AI直接给出了一个完整的深色主题网页。顶部三个Tab切换指标右上角选年份五家公司各一张数据卡片往下是分组柱状图、趋势折线图、排名横条图。鼠标悬停能看数值一切可交互。同样的任务用传统方式做打开数据终端、拉数据、建表、调格式、画图熟练工少说也得一小时。现在只要一句话。这个体验跟通用问答类基础AI工具确实拉开了差距。大部分问答类AI给你的是文字回答分析给你建议给你但要变成能用的文件对不起得你自己整理。而胖鹅AI交出来的是直接可用的视频、带公式的Excel、可交互的网页看板。做金融的朋友都懂这里面的区别一个是Bloomberg终端的导出文件而一个是截屏。背后的关键是SOP这种低提示词的体验是怎么实现的我们深扒了一下它的技术逻辑发现核心不是模型本身而是一套工程化的SOP体系。SOPStandard Operating Procedure标准作业流程这词大家不陌生。任何成熟公司都有SOP因为让员工自由发挥平均结果大概率比不过一个经过验证的标准流程。胖鹅AI团队的逻辑是AI也一样。即便是AGI级别的通用模型丢给它一个验证过的SOP效果还是会更好。所以他们做的事情不是造一个什么都能聊的通用AI实习生而是造一个AI职业技术学院——针对不同垂直任务提前训练好一堆专科毕业的AI Agent。用户来了不是面对一个空白对话框而是系统自动匹配一个已经训练好的专业技工。举个例子当你输入“帮我做1分钟的产品视频”系统不会把这个任务直接丢给一个通用Agent从头开始跑。它会先识别你的需求属于“1分钟视频制作”这个垂直任务然后把这个任务分配给专门为此优化过的SOP来执行。这个SOP是提前训练好的它知道1分钟视频需要规划分镜结构、匹配旁白节奏、设计转场逻辑而不是像通用模型那样默认生成10秒片段。这套系统背后有两个核心技术模块第一个是个性化智能推荐引擎。它基于用户标签、历史数据、任务类型等维度从SOP库里自动匹配最合适的那一个。一般是推三个按置信度从高到低排序。用户不用纠结选什么模型、配什么参数点一下就行。第二个是SOP生成引擎。当系统里没有现成SOP能很好地解决某个任务时用户可以发起优化请求。这个引擎就像一个AI程序员会自动建立一个评价标准然后把市面上的竞品都跑一遍看看同样的问题别家能做到什么程度再在这个基准之上反复迭代直到找到最优解。有意思的是它还会测试SOP的泛化边界。比如一个专门针对钙片保健品视频优化的SOP它能不能也用来做维生素的视频如果能范围就扩展到保健品。如果还能做运动鞋的就继续扩展到消费品。它会自动测出边界然后标定这个SOP的适用范围。这样一来随着使用场景和数据积累越来越多SOP库就会越来越丰富能覆盖的垂直任务也越来越广。用团队自己的话说就是领域越窄的SOP能力越强但无数个窄SOP拼在一起就能覆盖足够广的需求。从耳提面命到心领神会如果用一个比喻来理解胖鹅AI的定位——Manus、OpenClaw这类Agent像个名校毕业的实习生。聪明是聪明但让它干什么全靠教。格式、口吻、字数、边界条件你得从头开始调教教完一件下一件还得重新来。本质上你在培训AI。胖鹅AI的思路恰恰相反它不用你教而是直接给你配好一个职业化服务提供者。系统已经根据你的行业和需求把最合适的垂直SOP匹配好了。你丢任务进来它按流程交付结果。你不用告诉它怎么做只需要告诉它做什么。这其实回答了一个更深层的问题AI工具的最佳交互方式是什么不是让所有用户都学会写出完美的Prompt是让AI去适应人的习惯。不会写Prompt的人显然比会写的多得多。聊到产品理念时胖鹅AI团队提了一个有点扎心的观点学AI是一种无用功。这话听着极端但仔细想想逻辑是自洽的。过去两年AI培训班赚得盆满钵满教Prompt工程、教Agent搭建、教各种工具配置。但问题是你花三个月学完的东西AI自己可能已经学会了。今天你研究怎么调Skill、怎么配MCP明天AI自己就能搞定这些。胖鹅AI团队创始人是这样说的AI可以轻松掌握1000个模型的优劣和成本人学习这些东西本质上是浪费时间。未来人用AI的能力大概率不如AI用AI。那什么是AI搞不定的答案是——搞定客户。从LLM套壳到Vibe Coding套壳真正的机会不再是让会用AI的人更会用AI更重要的是让具备行业理解和客户沟通能力的人直接把需求封装成AI解决方案。换句话说未来要绕开的是“必须先学会用AI才能使用AI”这道门槛甚至能让完全不懂AI的人和精通Vibe Coding的人的生产力相近。所以终局可能是AI负责干活交付结果人负责搞定沟通和信任。这其实就是胖鹅AI正在构建的体系——用AI根据客户需求生成专用SOP个性化引擎把任务精准派给垂直SOPAI按流程交付。整个过程用户不需要学会任何技术。回到文章开头那个判断AI越来越强但用起来的门槛越来越高这个困境不会自动消失除非有产品刻意去解决它。胖鹅AI是目前市场上为数不多在认真做这件事的产品之一。当同行都在卷参数、卷多模态能力的时候这个00后技术团队选择了一个更朴素的方向让AI从“需要你教”变成“直接用就好”。这条路能不能走通还需要时间和市场验证。但至少方向是对的。AI工具的下半场不是比谁更强而是比谁更容易用。