最近让AI帮我整理了一下自我分析，未来的规划等，最终决定选择AI系统工程师+SaaS之路。然后请它为我分析了未来的学习之路，实战项目方向，以及未来收益的预期，AI当然整理的很不错，但我还是习惯自己整理一遍，主要目的还是加深印象，将AI生产的内容自己消化一遍再能输出，才算真的是自己的信息。

AI系统工程师+SaaS选项

首先，这次的选择应该是非常务实的。

之前想学法语，提高日语，或者学个木工以及种地，多少是带着些理想主义的逃避色彩的，毕竟那些路子没走过，未知变数太多。

另外，我一直担心的AI抢饭碗的问题，也得到一些缓解，打不赢它，就加入浪潮好了。学AI编排，最差也能对自己以后自己做SaaS做内容有所帮助提高效率，做的不错的话，还可能做一些技术支持接一些外包之类，看起来也是有前景的。

这次不抛弃编程，没彻底重新做人设，不选择极端路线。没有推倒重来，而是叠加转型，应该算是非常理性的了。

这次选择不是“闪亮综合物体症”，而是一个生态闭环。

这次目标其实是四部分：除了做AI工程系统外，还要做SaaS工具，甚至还要做些YouTube，而英语也不打算丢。看起来依然很杂，甚至比之前三年的语言+独立游戏的目标还杂乱，但我和AI对话几轮之后，我们还是得到一个不错的结论。这四个方向不是孤立的，是一个完美的齿轮组：

  • AI工程系统（核心引擎）
    • 多Agent系统
    • 自动化Pipeline
    • 将AI和工程结合

其实，就现在对AI工程的理解，它非常类似现在的后端微服务架构逻辑。既不用需要深入了解LLM底层模型（那个调优和训练资源根本不是普通公司能做的），又能充分利用我当前对后端工程的理解，而其应用层做多Agent协作和自动化Pipeline对我当前自己想做一些项目，或者所谓的一人公司的计划，简直就是绝配。项目驱动对于AI工程系统的学习和演练也有极好的促进作用。

  • SaaS工具（变现出口，复利点）
    • 自动数据分析的工具
    • AI辅助决策的工具

这是AI工程的“副产品”。例如做一个自动化套利的polymarket工具，做一个游戏美术生成的Pipeline，或者自动的内容生产或市场宣传的工具，觉得好用了，做个极其简单的壳丢出去收订阅费。和先前做SaaS工具的区别是，第一：降低了对前端的需求，减少了进入维护地狱的概率；第二：内部嵌入了AI功能，更符合未来需求。

  • YouTube（流量和信任）
    • 只做技术记录和AI实践

这里只是做技术记录和导流，不去讨好其算法，就当作一个云端记录简历。这里分享自己搭建Agent的坑，吸引同行，工作机会或潜在用户。建立技术信用+顺便导流。

  • 英语（底层操作系统） 这是最基础也最重要的，无论看文档接海外API，还是twitter,discord混开外开发圈子，或者之后移民生活，做技术支持，这就是核心基础技能。

这次要谨记的坑

!!!极度重要!!!

  • 克制技术洁癖，绝不能过度工程化 能用第三方API，绝不造车轮；能做简单的脚本，就绝不做复杂微服务容器编排；能做CLI就不做复杂前端。目的是跑业务线，不是秀技术，不是为了架构而架构，不要复杂的第三方中间件，就用间的go,python调用AI的API，最简单的fastAPI，最简单的sqlite，不要沉迷解耦，不许追求pipeline优雅。

  • 严格执行“俩周MVP”法则 任何要做的SaaS的AI小工具，从产生想法到挂上stripe收费连接，绝对不能超过俩周，做不出来就砍。 但是“俩周MVP”法则，不是做出来一丢不管了，那成垃圾制造垃圾场。我的目的是养蛊，必须俩周做完，一周做分发推广(做个YouTube讲解，做一些discord,X基本宣传，根据SaaS不同进行不同的分发，例如indieDev,unity社区，还是crypto社区等。)，然后一周看情况，不妙就转战。【硬约束】 当前考虑的Polymarket工具是直接赚钱的工具，不是复利系统，是临时性的。 同时只允许一个活项目，不然精力会严重分散。

  • 简单的录制视频 YouTube只用于技术分享和记录，不做复杂剪辑，直接OBS屏幕录制，用最差的英语讲解代码和踩的坑，录制直接上传。只能把视频制作的成本降低到接近0，才能坚持下去。 但是基本的SEO，封面和内容钩子还是需要稍微学一下就好。

具体实现规格

  • 每个月出一个新的SaaS工具。2周编码1周分发推广1周休闲观察情况，决定取舍。
  • 每周做一次内容和想法的整理记录，3小时左右。
  • 周一到周五每天上午2小时学语言：1~1.5小时英语0.5~1小时西语
  • 周一到周五每天4小时AI系统核心，要1小时学习，3小时动手项目，即实际处理SaaS

这是一个跑10年的系统，不是短期的。执行必须收敛，不能扩散。

预期的收益

  • A：AI系统能力成功收敛。概率40%左右。

    • 建立起AI工程能力，有几个实际可用系统，少量小规模变现（小工具小产品顾问）
    • 收入演化：
    • 0-1年：800美元/月
    • 1-4年：3000美元/月
    • 4-6年：5000美元/月
    • 6-10年：7500美元/月
    • 时间支出：
    • 日工作4小时
    • 收入结构：
    • SaaS/工具
    • 少量技术顾问类的高价值输出
    • 场景描述：
    • 在西班牙有个农庄，财务已经滚起了雪球，接一些高价技术顾问单，在美洲欧洲之间候鸟式旅居。
    • 难点：
    • 执行是否持续是关键变量

  • B：AI工程能力没明显优势，但有低压技术收入和被动收入。概率30%左右。

    • AI方向尝试过，但没有明显优势；有一些副收入；偶尔接一些低压力远程收入
    • 收入演化：
    • 0-2年：2000美元/月
    • 2-4年：3500美元/月
    • 4-10年：5500美元/月
    • 时间支出：
    • 日工作5小时
    • 场景描述：
    • 在西班牙有个农庄，每天上午花1-2小时看日志回复邮件，下午自己写一些代码优化。剩余时间就打理农庄或者带老婆欧洲自驾。
    • 收入结构：
    • 远程工作或兼职为主
    • SaaS副收入辅助

  • C：AI或SaaS某个点爆了。概率10%左右。

    • 某工具猜中需求；或抓住了AI窗口期
    • 收入演化：
    • 0-2年：1000美元/月
    • 2-4年：6000美元/月
    • 4-10年：20000美元/月
    • 时间支出：
    • 极大概率已经退出技术一线，纯投资或生活导向
    • 备注：
    • 可能发生，但不要去做规划

  • D：系统失控。概率20%左右。

    • 项目太多太散；AI方向浅尝辄止，未形成任何优势
    • 收入演化：
    • 0-2年：500美元/月
    • 2-6年：2000美元/月
    • 6-10年：不稳定
    • 场景描述：
    • 此时只能依靠底盘资产，增加被动收入到4K，在美洲安逸度日。买不了大农庄了。
    • 问题：
    • 这个路径不是能力问题，而是执行结构问题。

总结

具体是哪个路，主要还是以下几点决定： - 是否精力分散：一定要通时间只做一个主项目。 - AI能力深度：不要只用AI工具，而是构建一个系统。 - 不要完美主义回归，不要跑回去重构优化重写 - 不要节奏断裂，不要做俩周停一个月 - 精力管理：能否保持长期的稳定节奏。

当前能力评估： - 工程能力：7/10 - AI能力：2/10 - 产品能力：4/10 - 执行稳定性：未知 这种配置是完全可以走入路径A的。

现在具备的优势： - 有资产盘底，不需要暴富 - 技术能力足够 - 心态成熟，不寻求赌命

要明白自己的方向： - 不要尝试“选对路径”，构建一个能自动收敛到最优路径的系统 - 目标不是去提高正确率，而是避免失控进入路线D - 耐力，理性，不焦虑；只要将时间拉到5年以上，自然而且会达到路径B或A - 只要中等的AI能力，工程整合能力，加插长期持续输出即可。 - 不需要很强的AI能力或很强的产品商业能力 - 需要系统工程能力，对多个东西进行拼接 - 一定一定要做出“能用的东西”，而不是优雅的东西

如果我将SaaS转为主目标，而将AI作为辅助，后果是： - 收入差不多 - 但更快获得结果反馈，更容易有行动感 - 但是会更焦虑销售，被迫关注marketing - AI做主，会是一种更偏重能力积累的；SaaS做主，会更偏产品和市场运气。 - 核心问题依然只有一个，克制住做复杂产品的冲动 - 必须只做“低维护产品”：不做平台型，不做客服密集型 - 必须限制项目复杂度：2周MVP限制，不许重构超过1次 - 必须来自自己的使用场景：必须自用->再卖，不要做想象的需求

AI系统工程师工作情况

技术栈

  • 基础编程能力【轻松搞定】
    • python/go编程，少量的JS/TS前端支持
    • 脚本编写，API调用
    • JSON处理
    • 异步调用并行调用
    • 错误处理
    • 理解Pipeline, 状态管理，错误重试，限流，日志
  • API调用和LLM调用【重点要学的】
    • 调用OpenAI/Claude/Gemini API
    • 控制temperature, max_tokens, system prompt
    • 将输入输出结构化JSON输出
    • 编写结构化，可控，可复现的promot
  • 工具调用 【也要学习】
    • LLM -> function calling 函数调用
    • 函数返回接口，再交给LLM
  • 多Agent系统设计 【要学习】
    • LangChain/LlamIndex，只需要了解核心概念即可，不要沉迷源代码
    • AutoGen,CrewAI了解多智能体agent框架
    • planner agent规划
    • executor 执行器
    • critic 检查
  • RAG检索增强 【要学习】
    • 向量数据库VectorDB，例如Pinecone, 或者带pgvector插件的PGSQL
    • embedding
    • 相似搜索/模糊检索
  • 自动化pipeline 【稍微针对学一下就行】
    • 对接各种webhook，可以借助Make/Zapier快速处理出MVP的外围管线
    • 定时任务
    • 数据流
    • 状态流转
  • 成本优化 【要针对学一下】
    • Token控制
    • 模型的选择
    • 缓存结果
  • AI + 数据系统，如SQL/Pipeline 【基本都是会的，针对加强一下即可】
  • AI + 工具生态，如插件，自动化【基本都是会的，针对加强一下即可】
  • AI + 垂直领域，如游戏方向【基本都是会的，针对加强一下即可】

注意点

  • 仅会 prompt 的人不值钱
  • 会用AI没用，必须会搭建AI系统
  • 用AI系统的人确实会越来越多

工作场景

  • 调试一个Pipeline
    • 用户输入 -> LLM分析 -> 工具调用 -> 返回结果
    • 修复BUG：LLM输出不稳定BUG；JSON格式错误BUG；工具调用失败BUG
    • 优化prompt或者外挂RAG来添加记忆
  • 添加一些feature
    • 用go写了个功能函数，将函数描述携程prompt，让大模型调用
    • 写一些 glue 粘合代码，例如接入数据库，调用其他的天气API等
  • 测试优化
    • 结构化prompt，查看记录日志之类
    • 查看token开销，将一些不用LLM处理的移除出，将昂贵的token开销进行降级或编码处理
    • 编写eval评估系统，对不同的AI或策略进行反向评估

SaaS项目的方向

自动决策化系统

AI + 数据 + 决策 + 自动化执行

Polymarket套利工具

首先，我之前搞得Polymarket套利工具，已经完成的包括 - 15分钟虚拟币市场，赚了2000多刀吧。 - 5分钟虚拟币市场，但是没有实际运行 - 天气系统市场，测试了，数据还是不大稳定可靠 期望进一步去做的，包括： - Musk推文市场 - 专家自动跟单（不是大鲸跟单）

开发者AI工具

例如 CLI工具，Unity/VSCode插件，资源优化pipeline，CI/CD的AI助手

游戏开发Pipeline工具

其次，我想做的SaaS就是美术工具，特别是之前失败过的像素动画生成工具。 但是独立游戏成功率太低，到时候看情况，是否要进一步完成其相关的工具，例如： - 自动关卡剧情设计工具啦 - 剧情配乐工具啦 什么的，总之是为不同类型的独立游戏生成一些资源的pipeline工具。自己也能偶尔用用，也熟悉，卖出去也不错。

垂直行业自动化

自动报表生成，内容处理pipeline等

自动内容生成和市场工具

不管是twitter， discord宣传，回复，还是偶尔打打广告营销什么的，也不管是youtube还是网站简单SEO宣传这些，都需要一些简单内容生成工具和市场营销协助工具，也是一样，可以自己用用，也可以改改推出去，都算不错的。

避免的方向

  • 通用SaaS
  • 过于内容驱动的SaaS
  • 重运营平台的SaaS

Polymarket套利工具的位置

  • 首先，这些市场会不停的更变，维护精力会消耗巨大，收益不稳定，和长期主义是冲突的。
  • 但是，它有数据获取，市场API接口，自动决策逻辑，对于AI系统环境搭建，是优秀的测试环境。
  • 而且，它有直接金钱收益反馈，也是很不错的激励。 只是，要将这个项目降级为 AI系统训练环境，但不能做为核心收入来源。所以：
  • 不能无休止的优化收益率，例如手动优化套利策略或者手动优化参数，是没必要的。
  • 多用LLM做市场判断，测试多agent决策系统，做自动策略生成。

Polymarket套利工具实现策略

  • 流程
    • 脚本拉取天气API，历史数据，拉polymarket市场价格
    • 做数据采集，API接入，数据清洗，特征提取，概率估计，EV计算
    • 让代码规则引擎少选出部分候选机会
    • 风险过滤约束
    • LLM只对这部分少量候选做分析和解释，
    • 解释异常情况
    • 汇总多预测源冲突
    • 生成日志和复盘总结
    • 练习LLM API，prompt结构化，工具调用，workflow和AI成功控制能力
    • 最后再下单或人工确认
    • Kelly计算
    • 风险控制
    • 仓位管理
    • 回测复盘
    • 下单逻辑
    • 这里练习多agent协调，状态管理和自动化工程
  • 开销
    • 加入每小时扫描
    • 每天得到5个值得分析的，去LLM分析俩次
    • 一次候选给LLM分析，一次估计消耗输入上下文10K token，输出估计2K token
    • 一天估计100~200k token
  • token价格
    • codex plus一周大约100万token，刚刚够用，主要做精细推理，做决策和策略生成。
    • gemini flash五小时大约就支持200万token，完全多余，可以做一些高频调用的数据整理和初步分析。
    • AI不停的告诉我不能用这种限制式AI，必须用 Pay-as-you-go 按量计费，那么就接那些便宜AI试试就好。gemini便宜的100万token就几毛。
  • 优化点：
    • 只做python,go,sqlit，只做CLI，不做前端
    • 前期只做6个美国市场，其他先不碰
    • 4周，一个月成为一个会搭建AI工作流的人

进阶

  • 只有如果做Polymarket其他工具，例如15分钟虚拟币市场，专家跟单，MUSK推文，目的就是：每个项目2周，加宣传营销2周。俩个月出俩个小型polymarket工具，然后就应该，三个月有一个完整拿的出售的AI编排项目。此时，应该有一些脚本框架被沉淀了，例如：工具注册脚本，LLM连接脚本，RAG脚本等。
  • 再迭代一些游戏开发工具或自动内容发布工具，应该六个月就完全入门，这些项目可以稍微偏中型一些，但是时间限制依然不变。这时应该有AI核心框架的积累了，包括llm,rag,function_tools,workflow,eval这些了。
  • 1，2年应该有10几个项目，也完全成长为AI系统工程师，手里有2-3个项目也已经有一些收入了。