别再泛泛地学AI，先练这 6 种能力丨Greg Isenberg
公众号名称：晚点再听LaterCast
作者名称：Capihom
发布时间：2026-07-08 22:21
我们每天为你更新硅谷最新的 AI 创业与科技播客总结，让你与前沿保持同频。全文约 4000 字，如果你现在没有时间，试试转成播客稍后再听晚点再听LaterCast
很多人说自己要“学 AI”。
通常下一步就变成：收藏工具清单，追模型更新，看别人怎么写提示词。看起来很勤奋，时间花下去却未必踏实。每隔几天又冒出一个新产品、新工作流、新名词，你很难判断自己到底在进步，还是只是被信息流牵着走。
Greg Isenberg 在这期视频里换了一个问法：几年后，AI 已经能写、能做、能搭出很多过去要靠人完成的东西，那人还该练什么？
他给出六个方向：搭 Agent，做分发，把 AI 接进硬件，替一个圈子筛信息，自己做产品也自己找用户，以及把人带到线下房间里。
我更愿意把这期当成一张反焦虑清单看。它少谈工具熟练度，更多谈 AI 越强时，人还得负责哪些更麻烦的东西：目标、信任、注意力、反馈、现场感，还有真实世界里那些不听话的约束。
一、会搭 Agent 的人，会先接住公司的混乱
Greg 说，未来最有用的一类人，是能把 Agent 搭好、管好，并且知道什么时候该用本地模型的人。
乍看像提示词工程。Greg 叫它“prompt engineering 的成年版”。你不再只是给模型一句话，然后等一个回答。你要给 Agent 合适的上下文，接上工具，设好权限，让它记住必要的信息，知道目标是什么，也知道什么时候该停下来检查自己。
这很接近公司里真实会发生的场景。很多团队很快就会有十几个 AI 工具、几十条工作流、一堆半自动化的脚本。每个工具单独看都能用，连在一起就开始打架：谁有权限看客户数据？谁能发邮件？谁需要人工确认？出了错怎么追踪？节省了多少时间？
这时候，公司缺的是能把零件接成系统的人。漂亮 prompt 反而排在后面。
Greg 给了一个很小的练习：做一个每日简报 Agent。它可以读取三个信息源，看你的日历，扫一个笔记文件夹，再整理你保存的链接。最后先给你看一版，等你批准，再发出去。
这个练习不炫，但很扎实。你会碰到上下文、检索、工具调用、权限、评估这些问题。它最后的标准也很土：有没有省下十分钟？有没有抓到你漏掉的信息？产出能不能直接用？
学 AI 如果只停在聊天框里，很容易产生一种错觉：模型回答得好，工作流就完成了。可在公司里，麻烦常常从“回答之后”才开始。
二、会做分发的人，先听懂需求再发声
Greg 提到的第二种能力，是懂分发的营销人。
在他这里，分发的重点不在发布频率。第一步是知道注意力在哪里，人们已经在为什么焦虑，他们描述问题时用什么词，以及你怎样在开口卖东西之前先建立信任。
这句话对 AI 创业尤其刺耳。因为产品越来越容易做，landing page、SaaS、内部工具、自动化脚本，都比过去快太多。问题随之转移：当大家都能做出一个像样的东西，谁能让用户在意？
Greg 说，接下来厉害的营销人会更像一个混合角色：做研究，也讲故事，还得懂媒体和社区。他们能把一个洞察拆成一条推文、一个短视频、一条 YouTube 标题、一封 newsletter、一个落地页标题，甚至一套销售开场白。
他建议的练习是：给一个小众人群做“分发地图”。比如牙医如何用 AI、独立顾问、地产经纪、Shopify 店主。先写下这群人的注意力去了哪里：他们看哪些 newsletter，听谁的播客，混哪些 Reddit 线程和 Slack 群组，搜什么关键词，已经为什么工具付钱。
然后写一句他们真的会说出口的话。比如：“我知道应该更快跟进线索，但等我坐下来处理时，一半人已经冷了。”
这句话比“提升销售效率”好用。一个像人话，一个像方案页。
接下来再为同一个想法写二十个 hook：好奇、恐惧、身份、钱、后悔自己没早点知道。别等产品做完再问“怎么推广”。动手之前就该问：这个东西指向了人们已经有的哪种欲望？
AI 让产能变便宜，需求没有变便宜。能把需求听准的人，比只会把工具跑顺的人少。
三、机器人和硬件，会把 AI 从屏幕带回现实
第三种能力听起来离多数互联网从业者远一些：机器人工程师，或者更宽一点说，能把硬件、AI 和制造连接起来的人。
Greg 的理由很直接。过去二十年，软件是最轻、最快、回报最高的创业场域。未来十年，机会会更多进入“原子世界”：机器要抓东西、搬东西、看东西、和空间互动。
这件事以前门槛很高。现在松了一点：便宜的摄像头、低成本机械臂、开源机器人学习项目、更好的仿真环境、多模态模型、共享数据集，都让个人和小团队能做一些过去很难碰的实验。
Greg 没有要求每个人都转行做机器人。他只是提醒，下一轮机会不会只发生在屏幕里。软件已经让很多流程变快，但仓库、厨房、门店、工厂、家庭、医院这些地方，仍然有大量重复、脏乱、细碎、受环境影响的任务。
他给的入门练习很朴素：买或组装一个低成本机械臂，加一个摄像头，让它学会一件无聊的小事。比如分拣三个物体，按一个按钮，或者把托盘里的东西移动到固定位置。
然后把失败记录下来：摄像头角度不对，灯光变了，夹爪滑了，数据太少，物体挪了两厘米模型就失效。
这类练习会迅速打掉 AI 世界里很常见的轻飘感。屏幕上的 demo 看起来顺滑，桌面、反光、灰尘、线缆、误差，会把问题重新拽回地面。
也因为这样，懂模型又愿意碰硬件的人，会走到一个没那么拥挤的地方。
四、好策展人替小圈子做判断
Greg 说的第四种能力，是会“策展”的人，尤其是能用短视频、口语化表达、个人判断，把复杂信息翻译给一个具体圈子的人。
策展如果只是发五个链接，读者很快就会划走。更有用的做法是筛选和翻译：看到一个模型 demo、一个创业公司发布、一个机器人视频、一个政策变化、一次价格调整后，能告诉某个小圈子：这件事你要学什么，忽略什么，周末可以试什么，哪里只是噪音，哪里可能真的有用。
这件事会变贵，因为内容会越来越多。AI 可以帮人写出无限多的总结、评论、标题和短帖。到那时，读者更需要一个有口味、有立场、输入质量高的人。
Greg 说，策展和转发链接的区别在于观点。你反对什么，支持什么，觉得哪里被高估，哪里被低估。没有判断的策展，就是信息搬运。
他还提到一个很实际的动作：建立自己的 taste file。里面可以放好 hook、好比喻、好标题、奇怪用例，以及评论区里暴露出来的困惑。不要只存“好内容”，还要存“别人为什么没看懂”。
这句话很适合提醒内容工作者：你的输出，很大程度上取决于你的输入。如果你的信息源和所有人一样，你很难写出别人非看不可的东西。
对工程师、产品经理、设计师来说，策展也不只属于媒体人。能把一堆新技术、新工具、新案例翻译成团队听得懂的判断，本身就很稀缺。
五、Builder-distributor 会把产品和市场放进同一个循环
第五种人，Greg 称为 builder-distributor。也就是既能把东西做出来，又能把东西推到人面前的人。
过去常见的分工是：一个人负责做，一个人负责卖。Greg 提到 Wozniak 和 Jobs，是这种经典组合的代表。但 AI 正在压缩这个分工。一个人现在可以用 AI 做原型、写 landing page、录 demo、发 launch thread、私信前一百个潜在用户、剪短视频，再根据反馈改产品。
这个角色的优势在于不用等交接。产品、故事、用户反应，可以在同一个人手里形成循环。
Greg 说，循环就是全部游戏。你做一个很小的东西，拿到人面前，看他们哪里困惑，然后改产品，改表达，再试一次。很多人卡在半路：要么永远私下做产品，要么永远公开谈想法，但迟迟不发布。
他建议做一个 48 小时循环。选一个你自己理解的小问题，用 AI 做出最小版本。它可以很丑，可以是脚本、表单、简单网页、自动化流程。然后在你还没准备好时，就为它做十个分发动作：一个 demo 视频，三条短视频，几条帖子，两条发给真实用户的 DM，一个落地页。
这个练习会逼你停止把“产品”和“市场”拆成两件事。
AI 让搭建速度变快，市场学习就应该更早开始。别花六个月猜别人要不要。用一个周末做出足够小的东西，先换来一次真实反应。
六、线下社区会重新变贵
最后一种能力看起来有点老派：线下社区建设者。
Greg 反而觉得它有意思，恰恰因为它老派。工作越多转移到 Agent、聊天框、工具和信息流里，真实房间里的关系越有分量。
AI 会让内容变多，软件变多，建议也变多。稀缺会转向别处：归属感、信任、共同语境。谁会回你的消息？谁愿意帮你招人？谁能把客户介绍给你？谁会告诉你市场里不好听但有用的真话？
线下社区建设者做的事，是把这些关系做出来。他要会选房间，设主题，邀请合适的人，让大家愿意下次再来。Greg 说，一个好的社区更像习惯：同样的时间，同样一类人，同样的承诺，每次都有更好的谈话。
入门也不需要办大会。你可以先约六到八个人，围绕一个尖锐问题吃饭、散步、喝早咖啡。比如：“因为 AI，你正在学什么新能力？”或者“你们公司现在最想自动化什么？”再或者“你觉得科技圈现在漏看了什么？”
活动结束后，发一份很短的 recap，放进几句好话、几个内部笑话、几个新想法，以及每个人下一步可以做什么。
Greg 反复讲 recap，因为它把一个房间变成网络。它让这次见面留下记忆，也让下一次邀请更容易。
这件事和前面几种能力可以互相放大。会搭 Agent 的人可以给社区做工具，懂分发的人可以让更多合适的人知道它，策展人可以把谈话变成内容，builder-distributor 可以从里面长出产品，机器人方向的人还能带来奇怪但有趣的 demo。
写在最后
“学 AI”太宽了，宽到很容易什么都想碰，最后只剩焦虑。不如从一个周末能完成的小练习开始：搭一个每日简报 Agent，画一张分发地图，做一个 48 小时产品循环，或者约六个人聊一个真问题。AI 会继续变强，但能把目标、需求、信任和反馈接起来的人，不会那么快被替掉。
内容来源：Greg Isenberg, “Learn AI” Is Bad Advice. Learn This Instead”
如果你喜欢深度好文，试试用小程序将不方便立刻阅读的文章转成播客，用「听」的方式，稍后阅读，不再错过好文章⇣
⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣
内容效果不满意？点此反馈