大家好，我是汤师爷，专注AI智能体分享~
MIT 前段时间发布了一份报告，数据让人吃惊，95% 的公司在AI的试点中失败了。
这不是模型的问题。今天的大模型，逻辑水平已经超越硕士生，世界知识几乎无限，成本还在持续下降。
换句话说，模型能力对于绝大多数人来说，不是不够用，而是严重溢出。
那问题出在哪里？
工具不够，组织的学习能力不够。
说白了，我们还没学会怎么用这东西。
我最近听了一期对谈 dify 创始人路宇的播客。
两年前，Dify 刚起步的时候，很多人不看好，觉得中间层太薄、护城河不够深。
两年后，它成了全球 GitHub 上 Top 50 的开源项目，服务了几十万个团队，财富 500 强里 20% 的企业都在用。
听完这期对谈后，我从 Dify 的成长路径里，提炼出了几个值得思考的观点。
一、定位比产品更重要，你服务的到底是谁
两年前，大家质疑 Dify 最多的一个问题是，你和 LangChain 有什么区别？
这是一个好问题，但当时很难回答清楚。
回头来看，区别其实不在功能，而在用户画像。
LangChain 的核心用户是硬核开发者，有相当强编码能力、希望加速调用效率的人。
而 Dify 从一开始就在往另一个方向走，越来越多地服务弱技术，甚至无技术的用户。
举个例子，在日本市场，大量没有技术背景的白领，正在用 Dify 构建企业内部的 SOP 和 Agent。
他们不写代码，但能搭出复杂的工作流。
如果把工程师群体画成一个坐标轴，从左到右是非常懂技术到完全不懂技术。
LangChain 偏左，Coze 偏右但生产属性不足，而 Dify 选择站在中间，并且持续往右走。
这是一个战略选择，不是产品功能的选择。
你会发现，很多看起来长得差不多的产品，背后的内核完全不一样。
就像电子书阅读器市场，Kindle、Remarkable、SuperNote，看着都是墨水屏，但它们有完全不同的受众，有的主打书库生态，有的主打书写体验，有的主打零延迟。都能卖出好价格，好销量。
产品定位，决定了你和谁竞争。如果你的定位足够独特，很多看似的竞争者，根本就不是你的对手。
二、为什么 GPTs 和 Coze 都没能杀死任何人？
每次 OpenAI 发新产品，自媒体都喜欢写XX 要被杀死了。
GPTs 发布的时候写过，Agent Kit 发布的时候又写了一遍。
结果呢？谁都没被杀死。
原因很简单，这些产品的核心问题在于，它假设普通人可以创造出有分发价值的产品。
短视频领域为什么人人都能玩？因为短视频容易被消费。
你随手拍个东西发出去，它就能被看、被点赞。
可是用 Agent 平台做出来的东西，再小也是一个产品。
产品是要能解决问题的，不是让人有个造物主的感觉就行。
那什么样的人能做出好的 AI 产品？大概可以分四类：
- 1. 有硬科技的。算法、硬件、极致成本优化，这类能力稀缺且难复制。
- 2. 有极佳体验构建能力的。比如做游戏、情感陪伴、语言学习，核心是交互和创意。
- 3. 有独特数据壁垒的。和原来的生意有关系，积累了别人没有的数据。
前三类都很稀缺，没法泛化。只有第四类，流程是可以被工具化、被平台化的。
这就是 Dify 在做的事，把企业的流程、SOP、上下文连接起来，让 LLM 在这个环境里生长。
它不是在做一个让人人都能捏 Bot 的玩具，而是在做企业级的智能化基础设施。
三、工程不是薄的，工程是最值钱的
有一种质疑声音一直存在，中间层太薄了，没有护城河。
这是一个外行视角。
一个好的工程，意味着你需要做分层设计。
你要把目标用户、业务场景做抽象，把可变的和不可变的东西分得清清楚楚。
这是最费脑力的事，也是最需要和现实世界做磨合的事。
举个例子，Workflow 产品里有一个节点颗粒度的概念。
颗粒度太细，就变成编程，普通人用不懂；颗粒度太粗，能力就不足。
中间那个平衡点在哪里，是需要人去判断的，而且是无数次判断累积起来的。
有消息说，OpenAI 新发的 Agent Kit，80% 的代码是 Codex 自动编码完成的。
它不重视工程，所以它一定是薄的。
但一个做了几年的产品，和不同客户、不同开发者在生产场景里反复磨合，背后沉淀的是无数团队交过的学费。
这些学费，教会了这个产品怎么变成客户真正想要的样子。
能被 AI 快速生成的代码，也能被 AI 快速替代。
真正值钱的，是那些需要和现实世界碰撞才能形成的判断。
四、Workflow 会消失吗？
最近半年，很多人在讨论，AI Coding 这么强了，Workflow 还有存在的必要吗？
答案是，有，而且会一直有。
原因很简单，企业对生产流程的结果，需要高度可预测性。
他们需要 95% 甚至更高的可靠性，这是永恒不变的需求。
你可以想象一个极端场景，输入框输进去，AI 直接给你结果，一个节点解决所有问题。
这听起来很美好，但用户面临的选择就是，我要这个结果，还是不要。不要就扔掉，再来一遍。
可是企业不能这么玩。他们需要在关键节点上有检查点，需要 AI 在某些时刻回来和人类协作，需要把流程拉长、拆细，确保每一步都可控。
这不是技术路线的保守，这是人类工作方式决定的。
Dify 的选择是，从今天高度可靠的东西出发，慢慢往智能化方向走。
这条路可能要走三年、五年，但在这期间，它始终给用户提供可投产的技术。
就像满大街跑的丰田车，开不坏，轻松安全可靠。
另一条路是什么？一上来就冲 AGI，试图用一个 Bot 解决所有问题。
用户在这条路上的感受是什么呢？
是受挫、不可靠、焦虑、我又被骗了。
你猜这个世界上，是保守者多，还是激进者多？
五、开源是最重要的决策，没有之一
如果只能挑一件事说Dify 做对了什么，答案只有一个，很早就选择了开源。
这个决策解决了三个核心问题，
1.信任问题
企业选择一个中间件或开发平台，是一个谨慎的技术投资决策。
如果你让他们把技术战略和某个模型厂商完全绑定，没有技术决策者敢做这个选择。
但如果你是一个插座，可以插上各种标准，这个投资就不会犯错。
2.传播问题
开源让产品可以在全球范围内自然传播，不需要铺销售团队。
Dify 基本上是零销售状态，但财富 500 强里 20% 的企业都在用。
3.全球化问题
开源天然是全球化的。
日本市场的爆发就是最好的例子，产品刚发布时就有日语版本，社区自发传播，一下子就引爆了。
当时 Dify 在日本一个员工都没有。
日本市场的成功还有一个有趣的背景，日本技术人员非常匮乏，但企业的业务又被高度流程化。
所以当他们看到 Dify，就像当年只会写财务报表的会计看到 Excel 一样，这东西太适合我了。
今天 Dify 在日本接近垄断地位，你会在电视上看到它，在书店里看到大量教材，在任何一个咖啡店里看到有人在用。
一个中国团队，用两年时间，打进了传统上被认为软件行业最难进入的日本市场。
靠的不是销售，是开源。
六、下一个机会窗口在哪里？
回到开头那个 MIT 报告，95% 的公司 AI 试点失败。
这不是模型的问题。模型能力已经溢出了，大部分人用起来不仅够用，甚至是奢侈的。
问题出在最后一公里，工具不够、组织学习能力不够、人和 AI 的协作方式还没有形成。
所以接下来几年的机会，不在造模型，而在建桥。
有一个很有意思的观察，在 Dify 的客户里，用得最好的不是那些标准场景的工程师。
用得最好的，恰恰是那些不标准的用户。
因为他们需要一种胶水，去连接原有业务流程中的各种东西，形成复杂的协作关系。
过去这件事需要大量 IT 人员和工程师去做系统集成。
但今天，因为 LLM 的出现，因为低代码画布的出现，这件事的成本大大降低了。
有的企业已经在做一件非常超前的事，把 Agent 当作一种生产资产，和人力资源对等看待。
当有一项新业务时，他们会先分析需要哪些能力、设计什么流程，然后再决定。这个位置，是放人，还是放 Agent。
七、当智力被平权之后
今天的模型，让智力这件事变得对称了。
世界知识、逻辑能力，人人触手可得，全在那个数据库里。
那么人类和组织的竞争力，还剩下什么？
答案是那些非对称的东西，你的决策能力、你的注意力机制、你把重点放在哪里、你怎么定义什么是重要的。
一万个人听完同一期内容，可能会写出一万个版本的总结。
每个人听到的东西不一样，给 AI 的上下文也不一样，最后产出的结果更不一样。
模型能力是对称的，但使用模型的人是不对称的。
所以最后的建议是，如果你想成为那个用 AI 用得好的人，最重要的特质是什么？
是好奇心。
那些真正把 AI 用好的人，都在不断探索模型的能力边界。
他们不会问模型今天吃了吗，他们会去试探模型能做什么、不能做什么、在哪里会出错、在哪里会惊艳。
模型是一个巨大的宝库。你要相信你要找的东西在里面，但你需要正确钥匙，才能把它提取出来。
找到那个钥匙的能力，才是未来真正稀缺的东西。
粤ICP备14082021号
免费POC，
零成本试错
