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

如何在 10 個指標看出 OpenAI Agent Kit 能否「扳倒」n8n?一次看懂 2 大代理人平台的勝負關鍵

如何在 10 個指標看出 OpenAI Agent Kit 能否「扳倒」n8n?一次看懂 2 大代理人平台的勝負關鍵

在最新的比較實測中,AI 自動化創作者 Nate Herk(Nate Herk | AI Automation)直言:「In short, my answer is no.」──他認為 OpenAI 在 2025-10-06 推出的 Agent Kit 並不會直接取代已存在多年的開源自動化平台 n8n(初版 2019-10-08)。本文將重組 Nate 的實測內容,逐項分析兩者在使用者門檻、觸發器、工具整合、模型支援、前端嵌入(UI)與部署控制等關鍵面向,並呈現評分數據與原文引言,供想選用或評估平台的讀者做出判斷。 * Agent Kit(OpenAI Agent Builder)發布日:2025-10-06。設計定位:以「快速、視覺化、

By andy

# N8N 還是 Claude Code?選錯一個,你會在維護時哭出來——實戰經驗談

前陣子有位網友問我一個問題,我當時停頓了一下,因為我意識到這個問題問得很好。他問:「到底什麼時候該用 N8N,什麼時候該用 Claude Code?」 我一開始想給出一個簡單的答案,但後來發現——其實沒有簡單答案。真正的分水嶺,不在工具本身,而在於你後來會怎麼活著跟這個東西相處。 ▋ 關鍵不是技術,是你的記憶 想像一下這個場景:你今天花了整個下午設計一個自動化流程。邏輯很複雜,涉及多個 API 串接、條件判斷、資料轉換。當時你腦子很清楚,一切都有道理。然後一周後,你的主管說:「欸,那個流程能不能改一下?」 你打開檔案。看著自己寫的程式碼或配置。三秒鐘後,你的腦子一片空白。 「我當時為什麼要這樣設定?」 這時候,如果你用的是 N8N,你會慶幸自己的決定。因為整個流程就像樂高積木一樣擺在你面前,一眼就能看懂每一步在幹什麼。「啊,這裡是連接 Google Sheets,那裡是做資料過濾,這邊是呼叫 AI API。

By andy

# 我用 Gemini API 破解了 YouTube 影片秒找關鍵畫面的問題——花了一年才想通的事

在我開始用 Gemini 的 API 之前,我其實在這個問題上卡了很久。你知道那種感覺嗎?就是你明確知道自己想要什麼,但市面上的工具就是不給你。 ▋ 那些沒辦法的時代 最一開始,我想做的事很簡單——從 YouTube 影片裡自動找出特定的畫面。聽起來沒什麼,但當你開始想要把它實際執行出來的時候,馬上就撞牆了。OpenAI 的模型?它們根本不讓你直接處理影片內容。Anthropic 的 Claude?同樣的問題,他們也會限制你對影片的存取權限。就像被隔著一層玻璃,明明看得到東西卻摸不著。 我試過各種繞路。有段時間我想用影片截圖搭配 OCR 去識別,但那效率慘到不行。也想過自己寫爬蟲去抓影片的文字敘述檔,但 YouTube 上大多影片根本沒有,或者敘述檔品質爛到不能用。那段時間我真的很挫折,感覺就像在黑暗裡摸索,不知道哪條路才是出口。 大概花了快要一年的時間,我一直在想同一個問題,嘗試不同的方法,然後一次又一次地失敗。有時候是技術層面的問題,有時候是成本太高根本行不通。那種反覆的無力感,現在回想起來還是有點難受。 ▋ Gemini

By andy

我正在做一個瘋狂的實驗:讓AI掌控我80%的線上形象,看看會發生什麼

老實跟你說,你現在看到的我—聲音、影像、文字—大部分都不是我本人。 這聽起來很詭異,我知道。但這正是重點。 我不是隨便玩玩,也不是為了作秀。我是在親身經歷一個別人都在談論、但很少有人真正去試驗的東西:如果AI能掌控你超過80%的線上生產力,會發生什麼事? ▋ 大多數人的想法都停在20% 現在很多人用AI的方式是這樣的:拿它來寫個開場、潤色個段落、幫忙生成幾張圖。AI扮演的是助手角色,人類才是主導者,還是靠人力來賺錢、維持信譽。這樣當然安全,也很聰明。 但我想知道的是另一個問題。 如果我不是偷偷用AI,而是讓它在前台直接面對你,掌控我80%以上的聲音、文字、影像表現,會怎樣?會崩潰嗎?會被識破嗎?人們會察覺不出來嗎?還是說,這樣的模式本身就會帶來一些我根本預料不到的怪事? 我沒看過有人真的這樣做過,所以我決定自己試試。 ▋ 為什麼我要這樣折騰自己 你可能會問:「為什麼?這不是自找麻煩嗎?」 確實是。但這就像任何真實的實驗一樣,你不下水,你根本不知道水溫。

By andy