AI 圈有个怪姿首：

模子越来越强，如实是功德；但跟着 AI 用法越发各类，用起来的门槛却越来越高。

ChatGPT、Gemini、Claude ……即便这些模子的智商照旧够强了，但真到上手干活的时候，就会发现一个无语的事情——

能不行用好 AI，不光取决于 AI 有多灵巧，还取决于你会不会跟它话语。

像 Prompt 工程、念念维链、Few-shot、MCP 成就、Skill 调用……这些词堆在一齐，就照旧组成了使用上的隐形的"壁垒"，让会用 AI 的东说念主和不会用 AI 的东说念主，在生成截止上拉开差距。

除此以外，像在多轮对话的过程中，还得特意花时刻来凝视截止；不同使命内容也需要经心调教、辅导 AI 来生成正确截止……实属是糜掷时刻。

但最近，一个由00 后时期团队打造的居品，初始在科技圈引起关爱。它的中枢卖点浮浅到有些反直观：低教唆词。

说白了就是，你不消学奈何用 AI，不消配什么器具链——

说句话的功夫，AI 就能把活干了。平直拉近了会 AI 和不会 AI 的东说念主之间的距离。

举例有这么一个参考视频：

刻下只需要浮浅说一句"参考这个视频，制作胖鹅开赛车竞速的视频"，就不错效法生成访佛的视频：

这款居品叫胖鹅 AI，咱们拿它跟市面上一些主流 AI 器具作念了几轮实测对比，发现截止如实有点真义。

一句话生成 1 分钟电商告白，平直能用

先看一个最直不雅的场景：AI 生成视频。

咱们野心了一个电商卖家真的切需求：给一款蒸汽眼罩居品作念一个 1 分钟的宣传视频，要有分镜、有旁白、有对比画面，能平直发小红书的那种。

Prompt 是这么的：

制作 1 分钟视频，画面从蒸汽眼罩从雪柜取出初始，特写水珠凝结；旁白是居品卖点；中间分镜展示使用场景；收尾放使用前后对比图。

在遴荐了 Auto 模式后，等了几分钟，平直出来一个 1 分钟的完整视频。

特写有了，旁白卡点对了，分镜节律完整，收尾的使用对比画面也安排上了。

恶果不行说好意思满，但算作一个平直能发小红书或者一又友圈的素材，照旧跨过了"能用"那说念门槛。

比拟来看，Gemini 的恶果是这么的：

举座时长暴露惟一 8 秒钟，旁口语语有误，字幕还乱码，十足不行作念到平直拿来用。

这不是个例。

咱们又测了另一个场景：一句话生成可交互的数据看板网页。

教唆词是：

对比苹果、微软、谷歌、腾讯、阿里巴巴最近三年的营收增长率、净利润率和研发进入占比，生成可交互对比看板。

等了大约一分钟，胖鹅 AI 平直给出了一个完整的深色主题网页。

顶部三个 Tab 切换主义，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、排行横条图。

鼠标悬停能看数值，一切可交互。

雷同的任务，用传统方法作念，怒放数据终局、拉数据、建表、调体式、绘图，熟练工少说也得一小时。

刻下，只须一句话。

这个体验跟通用问答类基础 AI 器具如实拉开了差距。

大部分问答类 AI 给你的是笔墨回复，分析给你，提议给你，但要形成能用的文献，抱歉，得你我方整理。

而胖鹅 AI 交出来的，是平直可用的视频、带公式的 Excel、可交互的网页看板。

作念金融的一又友齐懂这内部的辨别：一个是 Bloomberg 终局的导出文献，而一个是截屏。

背后的关节是 SOP

这种低教唆词的体验是奈何驱散的？

咱们深扒了一下它的时期逻辑，发现中枢不是模子本人，而是一套工程化的 SOP 体系。

SOP（Standard Operating Procedure），尺度功课经由，这词世界不目生。

任何熟识公司齐有 SOP，因为让职工解放施展，平均截止大约率比不外一个经过考证的尺度经由。

胖鹅 AI 团队的逻辑是：AI 也一样。

即等于 AGI 级别的通用模子，丢给它一个考证过的 SOP，恶果照旧会更好。

是以他们作念的事情，不是造一个什么齐能聊的通用 AI 实习生，而是造一个AI 办事时期学院——

针对不同垂直任务，提前磨真金不怕火好一堆专科毕业的 AI Agent。

用户来了不是靠近一个空缺对话框，亚搏(中国)一站式服务官方网站而是系统自动匹配一个照旧磨真金不怕火好的专科技工。

举个例子，当你输入"帮我作念 1 分钟的居品视频"，系统不会把这个任务平直丢给一个通用 Agent 重新初始跑。

它会先识别你的需求属于" 1 分钟视频制作"这个垂直任务，然后把这个任务分拨给特意为此优化过的 SOP来实施。

这个 SOP 是提前磨真金不怕火好的，它知说念 1 分钟视频需要讨论分镜结构、匹配旁白节律、野心转场逻辑，而不是像通用模子那样默许生成 10 秒片断。

这套系统背后有两个中枢时期模块：

第一个是个性化智能推选引擎。

它基于用户标签、历史数据、任务类型等维度，从 SOP 库里自动匹配最得当的那一个。一般是推三个，按置信度从高到低排序。用户不消纠结选什么模子、配什么参数，点一下就行。

第二个是SOP 生成引擎。

当系统里莫得现成 SOP 能很好地解决某个任务时，用户不错发起优化苦求。

这个引擎就像一个 AI 体式员，会自动诞生一个评价尺度，然后把市面上的竞品齐跑一遍，望望雷同的问题别家能作念到什么进程，再在这个基准之上反复迭代，直到找到最优解。

有真义的是，它还会测试 SOP 的泛化范围。

比如一个特意针对钙片保健品视频优化的 SOP，它能不行也用来作念维生素的视频？要是能，范围就扩张到保健品。要是还能作念畅通鞋的，就不时扩张到销耗品。

它会自动测出范围，然后标定这个 SOP 的适用范围。

这么一来，跟着使用场景和数据蓄积越来越多，SOP 库就会越来越丰富，能掩饰的垂直任务也越来越广。

用团队我方的话说就是：限度越窄的 SOP，智商越强；但大批个窄 SOP 拼在一齐，就能掩饰饱和广的需求。

从耳提面命到心领意会

要是用一个譬如来分解胖鹅 AI 的定位——

Manus、OpenClaw 这类 Agent，像个名校毕业的实习生。

灵巧是灵巧，但让它干什么全靠教。体式、口气、字数、范围条目，你得重新初始调教，教完一件下一件还得从新来。

骨子上，你在培训 AI。

胖鹅 AI 的念念路恰巧相背：它不消你教，而是平直给你配好一个办事化就业提供者。

系统照旧证实你的行业和需求，把最得当的垂直 SOP 匹配好了。你丢任务进来，它按经由委用截止。你不消告诉它奈何作念，只需要告诉它作念什么。

这其实回复了一个更深层的问题：AI 器具的最好交互方法是什么？

不是让扫数效户齐学会写出好意思满的 Prompt，是让 AI 去得当东说念主的民风。

不会写 Prompt 的东说念主，彰着比会写的多得多。

聊到居品理念时，胖鹅 AI 团队提了一个有点扎心的不雅点：学 AI 是一种无谓功。

这话听着顶点，但仔细想想逻辑是自洽的。畴前两年，AI 培训班赚得盆满钵满，教 Prompt 工程、教 Agent 搭建、教各类器具成就。

但问题是，你花三个月学完的东西，AI 我方可能照旧学会了。

今天你讨论奈何调 Skill、奈何配 MCP，未来 AI 我方就能处置这些。

胖鹅 AI 团队独创东说念主是这么说的：

AI 不错纯粹掌捏 1000 个模子的优劣和资本，东说念主学习这些东西骨子上是糜掷时刻。改日东说念主用 AI 的智商，大约率不如 AI 用 AI。

那什么是 AI 搞不定的？谜底是——处置客户。

从 LLM 套壳，到 Vibe Coding 套壳，信得过的契机不再是让会用 AI 的东说念主更会用 AI，更遑急的是让具备行业分解和客户疏导智商的东说念主，平直把需求封装成 AI 解决决议。

换句话说，改日要绕开的是"必须先学会用 AI，身手使用 AI "这说念门槛；致使能让十足不懂 AI 的东说念主，和耀眼 Vibe Coding 的东说念主的分娩力周边。

是以终局可能是：AI 负责干活委用截止，东说念主负责处置疏导和信任。

这其实就是胖鹅 AI 正在构建的体系——用 AI 证实客户需求生成专用 SOP，个性化引擎把任务精确派给垂直 SOP，AI 按经由委用。

通盘过程，用户不需要学会任何时期。

回到著述开始阿谁判断：AI 越来越强，但用起来的门槛越来越高，这个窘境不会自动消散，除非有居品刻意去解决它。

胖鹅 AI 是刻下市集上为数未几在阐扬作念这件事的居品之一。

当同业齐在卷参数、卷多模态智商的时候，这个 00 后时期团队遴荐了一个更朴素的标的：

让 AI 从"需要你教"形成"平直用就好"。

这条路能不行走通，还需要时刻和市集考证。

但至少标的是对的。

AI 器具的下半场，不是比谁更强，而是比谁更容易用。

* 本文系量子位获授权刊载，不雅点仅为原作家扫数。

一键三连「点赞」「转发」「防卫心」

迎接在批驳区留住你的主见！

—  完  —

� � 点亮星标 � �

科技前沿进展逐日见亚搏体育