一个电气工程师朋友告诉我，他放弃 AI 了

前两天，我有个做工业电气的朋友试了试我推荐的几个 agent 工具，回过头跟我吐槽。

他说："这玩意儿，出点思路还行，但真解决不了问题。"

我问他差在哪。他说："比如机器出故障了，它给的建议全是‘大方向’，什么检查电源、看看模块。我要的是具体的线号。一条火线经过好几个端子，最后接到哪个模块上，图纸在哪，AI 根本给不到这个细度。"

听完我当时心里就咯噔一下。

因为这就是我做 Workcow（一个桌面 agent）半年多以来一直想逃避、但最后不得不承认的那个死穴：如果你做不到把饭喂到用户嘴里，这个 Agent 就很难真的被用起来。

所以，我决定把这个项目停了。

说实话，刚开始做的时候我特别亢奋。

那时候 Skill 刚火，Claude Code 这种命令行工具在程序员圈子里炸了。我就想，这东西好是好，但门槛太高了，普通白领看到那个黑乎乎的终端窗口，很多人压根不会往下用了。

我想做一个桌面应用，把这些花里胡哨的 Agent 能力包装起来。不用打开命令行，点点鼠标，写几句人话，AI 就能帮你查资料、写文档、追踪文件。

那段时间我下班回来，就一直对着 Claude Agent SDK 一行一行地抠。工具确认、规划模式、流式输出、文件追踪，这些逻辑都是一点点搭起来的。

但后面事情就开始不对劲了。

首先是外面的竞品出得太快了。Cowork、Workany、阶跃星辰官方的桌面 agent，一个接一个往外冒。我几乎每周都能在推特或者小红书上刷到一个新的 AI 桌面端。

大家用的都是差不多的 SDK，背后调的也是差不多的模型。折腾到最后，我发现大家长得越来越像。

这时候我就得问自己：用户凭什么选我？

我做不出那种不可替代的功能。大家都在卷同一类能力，但我手里没有资源把这件事卷出明显差异。

但这些都还不是最要命的。最要命的是——我的迭代速度太慢了，离用户太远，根本没听到一手的痛点。

我发现，我这半年多其实一直在幻想一个场景。

我以为白领用户需要 Agent，但实际上，很多非程序员的用户，连 Agent 到底是干嘛的都搞不明白。

程序员群体为什么爱用？因为我们被手撸代码时代的焦头烂额折磨得不行了。对我们来说，有个 Agent 跟在那儿对话，就像有个实习生在帮你干活，偶尔出点小差错、需要我们 Human-in-loop 介入一下，我们觉得这已经是非常好的情况了。

但非程序员用户不这么想。

那个工业朋友要的是具体线号，白领用户虽然不是这个需求，但底层逻辑差不多，他们要的是结果。

真让他们自己慢慢调，很多人走到一半就放弃了。一旦 AI 报错了，或者让他们去配个环境、理解一段逻辑，很多人就直接停了。

context engineer 或者 skill creator 这种意识，本来就只在 AI 圈里更常见。大部分人遇到一点点小坎儿，第一反应就是：“这东西不好使。”

更现实的问题是，我根本不在他们的圈子里。

想把这东西推给白领，但我接触不到真正会用、愿意持续反馈的人。每次迭代都像隔着一层玻璃，越做越虚。

现在回头看，这项目一开始就歪了。启动前零用户验证，完全是自己想象了一个白领场景。

后来我给自己记下来的，基本就这三句：

那个工业电气工程师的反馈，只是把这件事讲得更透了。

说到底，还是没做到具体场景的深度适配。

context engineer / skill creator 这种意识，只有 AI 领域的人更容易有。非 AI 领域的人，是做 AI 产品要服务的人，你得把饭真的喂到他们嘴里。

以后还是先找具体的用户，明确要解决的问题。别再自己幻想一个场景出来了。