Greg Isenberg · 29:53 · 发布 2026-06-25 · 8.8万次观看(截至抓取) · 观看原视频
🔥 观众最高回放 14:21 — 讲连接硬件制造与 AI 的稀缺技能和策展技能
主旨
当”学AI”这个建议本身太模糊时,作者把 agentic 时代真正稀缺的能力拆成六种具体技能:agent 管理与本地模型、分发型营销、机器人硬件、内容策展、一人建造+分发、线下社区构建,并各给一个可周末上手的入门练习。
核心论点
- “设计AI员工”取代”写提示词”成为新护城河——能给 agent 配上联系人、工具、权限、记忆、目标和自检机制的人才,企业越用越离不开。(→ 详解1)
- 产品越来越容易造,需求越来越难造,分发能力成为真正瓶颈——营销人正从单点执行者进化为集研究者、讲故事者、媒体运营者、社群构建者于一身的通才。(→ 详解2)
- 软件吃了20年蛋糕,下一个十年护城河转向硬件——能打通”开源AI模型—实体原型—供应链制造”三环的人,才能把科幻变成能卖的产品。(→ 详解3)
- 算法正在奖励”真人念叨”而非精修长文,策展本质是替niche翻译信噪比——不需要天赋异禀,只需持续找到对的东西并说出观点。(→ 详解4)
- AI正在压缩”造”与”卖”之间的分工,一人既能出产品又能做分发的人拿到最大杠杆——完整闭环不必等交接,反馈loop本身就是护城河。(→ 详解5)
- AI让内容、软件、建议都变得廉价,稀缺性反而回流到真实房间里的信任与归属——能持续办小型聚会并把房间沉淀成网络的人正在被低估。(→ 详解6)
- 六项技能不必样样精通,叠加两三项就能形成指数级杠杆——这是判断个人下一步该学什么的框架,而非清单本身。(→ 详解7)
知识点详解
1. Agent 管理与本地AI模型 00:57
第一项技能是”能正确搭建 agent、管理它们、并跑本地模型”,作者称之为提示词工程的成年版。写好一句提示词只是入门,AI 员工 那一层是设计一个能给 agent 配上联系人、工具、权限、记忆、目标、并能在打扰你之前先自检的”小员工”。
多数公司很快会有十几个 AI 工具、几十条半成品自动化流程,却没人知道怎么把它们拼成一套操作系统。谁能说清”这是客服 agent、这是研究 agent、这是销售跟进 agent,各自权限边界在哪、出错怎么办”,谁就变得极难被替代。
本地模型(Ollama、LM Studio 等)重要,是因为隐私、成本、延迟、可控性这几件事迟早撞在一起:哪些任务能在自己机器上跑、哪些必须留在本地不上云,是需要提前想清楚的架构判断,即便未来本地模型体积越缩越小,这套判断力依然有效。
作者建议的第一个练习:给自己搭一个”每日简报 agent”,只给三个数据源(日历、笔记文件夹、几个收藏链接),再加一条规则——发送前必须列出信息来源并等待你批准。这一个小项目就能同时练到 context、检索、工具调用、权限和评估这几件事,比一上来就做”全知 agent”靠谱得多。
2. 分发型营销人 04:51
第二项是懂得构建分发能力的营销人。作者强调分发不等于发帖,而是知道注意力已经聚集在哪里、人们已经在为什么焦虑、他们描述问题时用什么语言,并把这些转化成购买前的信任。产品越来越容易造出来,建立需求反而越来越重要——当任何人都能上线一个落地页或 SaaS,瓶颈就移到了”能不能让人在意”。
这个时代能赢的营销人会同时是研究者、讲故事的人、媒体运营者、社群构建者,能把一个洞察同时改写成推文、短视频、YouTube 标题、newsletter 角度、落地页文案和创始人故事——这是”通才化”这个大趋势在营销领域的体现。
第一个练习是做一张分发地图:选定一个关心的细分领域,列出对方注意力所在的20个场所(newsletter、Reddit 话题、Slack 群、播客、搜索词),再写下一句他们会真实说出口的痛苦陈述。第二步是围绕同一个想法写20个 hook(好奇、恐惧、身份、金钱等角度),把问自己”怎么推广这个”提前到产品做出来之前,变成”我在瞄准哪个已经存在的欲望”。
3. 机器人工程师:硬件+AI+供应链 09:03
第三项是能造硬件、把AI接入硬件、并搞定供应链的机器人工程师。作者的判断是:过去20年互联网奖励”会挪动像素的人”,下一个十年会奖励”会挪动原子的人”。机器人过去是博士门槛的领域,现在有开源机器人学习项目、便宜摄像头、低成本机械臂、更好的仿真环境,门槛已经大幅下降,例如 Hugging Face 的 LeRobot、SO-100/SO-101 生态、小型 VLA 模型。
这项技能的稀缺之处在于它横跨两个世界:软件人往往回避硬件,硬件人又常常回避分发和AI。能把开源AI模型、实体原型、制造供应链三件事串起来的人,才有机会做出”看起来像科幻、但卖得像日用品”的东西。
作者给的第一个练习非常具体:买一个便宜机械臂,装个便宜摄像头,教它做一件无聊的事(分拣三个物体、按按钮),然后记录每一次失败(摄像头角度、光线、抓取器打滑、数据集太小)。这个过程会很快教会你谦逊——而这份谦逊本身就会变成专长。供应链侧建议直接去 Alibaba 一类平台研究组件怎么卖、怎么要样品、问电机规格和交期,把”这东西能不能被造出来、运出来、修好”练成一门新语言。
4. 策展人:懂得”念叨”与短视频 14:29
第四项是策展人——擅长对着镜头随性表达(作者称为 yapping)并能做短视频的人。互联网信息过载,能公开替某个细分领域”翻译信噪比”的人很值钱:看到一个新模型demo、一个古怪的创业新闻、一次政策变化,能告诉受众”这意味着什么、该学什么、该忽略什么”。
一个反直觉的洞察是:成为顶级内容创作者不需要特别聪明,只需要持续观察自己的细分领域并以真实的方式做短视频策展。算法目前正在优先推荐这种念叨式内容,因为观众正对 AI 生成的内容感到厌倦,反而更想要真人、有观点、带点娱乐性的表达。
第一个练习是7天策展冲刺:每天找三件事,用固定结构做一条短视频——“我看到了这个,大多数人会以为是这样,我认为其实是这样,建议这么做”。这个结构逼你形成观点,这也是策展和单纯转发链接的区别。同时建立一份”灵感素材库”(Swipe File):收集喜欢的钩子、类比、标题、评论,输入越具体越怪,产出才越有辨识度。
5. Builder Distributor:一人建造+分发 19:05
第五项是Builder Distributor——既能出产品、又能站到用户面前的人。过去建造和销售是清晰分工(Wozniak 造、Jobs 卖),而AI 正在压缩这个分工:一个人现在就能做原型、写落地页、发首发帖、录demo、私信前100个用户、剪短视频、迭代产品。
这种人拥有杠杆,是因为不需要等待交接,能自己跑完整个循环:做小、给人看、观察对方在哪困惑、改产品、改故事、再来一次。多数人只做一半——要么永远私下打磨、要么永远只在公开谈论却从不真正上线。
第一个练习是48小时循环:挑一个自己真正理解的小问题,用AI建出最小版本(哪怕丑),在自己”准备好”之前就先做出10份分发物料(一条demo、三条短视频、几条帖子、两次私信、一个落地页)。AI 让”造”变快了,“卖”的学习就该提前开始,不必再花6个月才知道有没有人要。
6. IRL 社区构建者 23:11
第六项听起来有点”老派”——IRL(线下)社区构建者。当越来越多工作移向 agent、聊天和信息流,真实的房间反而更值钱。人们仍然想认识有野心的同类,想要信任、能量,以及能教自己东西或让自己开心的人。AI 让内容、软件、建议都变得廉价,稀缺性因此回流到归属、信任与人脉——谁真正认识你、谁会回你消息、谁会帮你介绍客户。
作者提出一个关键判断:一个好的社区更像一个习惯,而不是一次活动——同样的时间、同样的人群、同样的承诺,每次对话质量都更好一点。
第一个练习是围绕一个尖锐问题请6-8人小聚(晚餐、散步、早餐都行),活动结束后发一份带金句、内部梗和下一步行动的简短回顾。这份回顾很关键,它把一个房间变成一张网络——记忆感和转发理由,让下一次邀请更容易,长期下来这个房间会变成媒体资产、招聘资产、商机资产,乃至人生资产。
7. 技能栈组合:为什么不用样样精通 27:34
六项技能不是要求全学会。作者的结论是:技能栈组合本身才是杠杆——挑一项就能”变得危险”,挑两项就有一定杠杆,挑三项就成了任何团队、任何房间都想要的人。六项技能彼此天然互补:agent 构建者能为社区做工具,营销人能带来增长,策展人能把最好的对话变成内容,builder distributor 能从中孵化产品,机器人爱好者能带来新奇demo。未来奖励的是知道”这些拼图怎么拼在一起”的人,而不是单点最强的人。
可执行步骤
- 给自己搭一个只读日历+笔记+收藏链接、发送前需人工批准的”每日简报 agent”。
- 为一个你关心的细分领域画一张分发地图:20个注意力所在地 + 1句痛点陈述 + 20个hook。
- 花一周做”7天策展冲刺”,每天用固定结构(“我看到…大多数人以为…我认为…建议…“)发一条短视频,同步建自己的灵感素材库。
- 做一次48小时循环:AI建一个最小可行版本,上线前先准备好10份分发物料再发布。
- 围绕一个尖锐问题,组织一次6-8人的小型线下聚会,并在会后发一份带金句和行动项的回顾。
关联
- 印证:Harness 定义的”规则/context/工具/权限/workflow/可观测性”这套编码 agent 的组成要素,在本片的”AI 员工”设计(联系人、工具、权限、记忆、目标、自检)里被泛化到通用 agent,说明 harness 思路不止用于写代码的 agent。
术语
- Ollama / LM Studio(本地运行开源大模型的工具)
- LeRobot(Hugging Face 的开源机器人学习项目集)
- SO-100 / SO-101(开源低成本机械臂生态)
- VLA / Vision-Language-Action model(视觉-语言-动作模型,让机器人从示范中学习策略的范式)
- yapping(对着镜头随性、高信息密度地念叨,当前算法偏爱的短视频表达形式)
金句
“Scarcity moves towards belonging, trust, and contexts.” → 当内容、软件、建议都被AI拉到几乎零成本,真正稀缺的东西反而是人与人之间的信任和归属感。 “Pick one and get dangerous… pick three and you become the kind of person that everyone wants on the team.” → 六项技能不是待办清单而是杠杆表,叠加而非单点最强才是这个时代的打法。
立场与利益
视频没有推销课程或产品,Alibaba 段落里作者还特意声明”我与 Alibaba 无从属关系”。主要的隐性利益是频道涨粉和为自己的 Startup Ideas 播客导流(“feel free to subscribe to get more of this”),内容本身更偏向公开分享个人观察而非硬广。
价值定位
这是一篇认知定位类内容,帮助把”学AI”这种模糊建议拆解成六个具体方向,适合还在纠结”该学什么”的人做选型参考。但每项技能只给了一个可执行的”第一步”练习,不构成任何一项的完整实操教程——机器人、供应链、社区运营等每一项深挖下去都需要专项资料,本片的价值在于认知地图而非操作手册。
自检问题
- 作者说的”AI员工”和普通prompt engineering的区别是什么? 答案:AI员工不只是写好一句提示词,而是给agent配上联系人、工具、权限、记忆、目标和自检机制,是prompt engineering的”成年版”。见详解1 01:20
- 为什么作者认为分发能力比造产品本身更值钱? 答案:AI让任何人都能快速上线产品(落地页、SaaS都变简单),真正的瓶颈移到了”能不能让人在意”,即建立需求而非单纯发帖分发。见详解2 04:51
- 机器人工程师这项技能为什么”稀缺”? 答案:因为它横跨两个通常互相回避的世界——软件人常回避硬件,硬件人常回避分发和AI;能把开源AI模型、实体原型和供应链制造串起来的人非常少。见详解3 09:03
- Builder Distributor 相比过去”一人建、一人卖”的分工,优势在哪? 答案:一个人能自己完成造产品到做分发的完整循环,不必等待交接、不会在环节间丢失信息,能把注意力反馈直接转化为产品迭代。见详解5 19:05,引文见 19:48
- 为什么”一个好的社区更像习惯而不是活动”这句话重要? 答案:因为持续性(同样时间、同样人群、同样承诺)才能把一次性的聚会沉淀成长期的信任网络,让房间逐渐变成媒体、招聘、商机等多重资产。见详解6 24:38
💬 热门评论 top-15 主 + 5 回(抓取 2026-07-07)
[3] @TheRealMK-Ultra:我觉得需要一整集专门讲分销！ 👍 23 ↪ @GregIsenberg(UP):是啊，我确实应该做一整个系列来讲这个。 👍 11 ↪ @gbaked:分销是那个永远难以捉摸的护城河。它需要被带到台面上来。Greg，很想听听你在这方面的想法。 👍 1 [6] @AlbinoMarine:关于智能体：上下文、工具、记忆、权限，这个框架是对的。验证层是实施中容易出问题的地方。一个自己评估自己结果的智能体不是真正的工人。 👍 7 [7] @tradesbyjt:我实际上正在构建第一个这样的智能体，它比任何人想象的都重要，因为它触及生活的每一个领域。 👍 1 [11] @jaijeffcom:这简直就是研究生级别的课程，实际上是六门！我正在上第一门。我的项目是看看在有限硬件上能从Ollama和OpenClaw中榨出多少东西。工程挑战巨大！我还从你的频道得到了另一个想法：在开始一个项目之前先成为专家。把OpenClaw文档扔进Claude项目是个开始，但还不够。我正在做一个RAG系统。 [13] @GinaDiamondSpeaks:我现在处于智能体阶段，已经构建了个人助理、一个写作助手，还被朋友请求帮忙做同样的东西。我需要更好地理解如何托管这些智能体并为他人管理它们……我感觉自己快跟不上了😅 👍 1 [15] @hivojo:过去五年我一直在掌握这些技能，现在正在我的国家应用它们。这些技能是解锁一切的关键。 ——其他 7 条:感谢/夸赞([4]@MiquielBanks、[5]@ManNobodyKnows、[8]@devik8060、[9]@MiquielBanks、[10]@GauravBuildsAI、[12]@shelleyworth4495、[14]@JuanMarcosMeza-i2n);2 条 spam 已略
英文原文
[1] @GregIsenberg(UP):I LOVE YOU GUYS. HAPPY LEARNING. LIKE/COMMENT/SUBSCRIBE FOR MORE OF THIS SORTA STUFF IN YOUR FEED. 👍 43
↪ @bobthewizard23:So good but even step 1, it’s like that’s all well and good but how do you do that. You need to do a video on how to do that properly. I used open claw and it became outdated etc so a full on video would be very beneficial for people 👍 2
↪ @jimmy4024:Well I love you more Greg so how about that you beautiful smart bastard! Love from Aus <3 hahahah
[2] @julievandehey141:As a global event planner I can’t 🎉 this enough! Gone are the mass attended loud boring happy hours. Thoughtfully curated intimate events are 🔥 Greg let’s work together to get your roadshow scheduled!!!! 👍 2
[3] @TheRealMK-Ultra:I think a full episode on distribution is needed! 👍 23
↪ @GregIsenberg(UP):yeah i should honestly do a whole series on it 👍 11
↪ @gbaked:Distribution is the ever evasive moat. It needs to be brought into the light. Would love your ideas here, Greg. 👍 1
[4] @MiquielBanks:Powerful Video Greg - thanks for showing the next Labor Pool !!!!!
[5] @ManNobodyKnows:This is the best video on the internet today. Solid work, man. This is true and people can build wealth here if they know how to go to market 👍 28
↪ @GregIsenberg(UP):appreciate you 👍 4
[6] @AlbinoMarine:On agents: context, tools, memory, permissions is the right framing. The verification layer is where implementations break down. An agent that hallucinates its own evaluation isn't a worker. 👍 7
[7] @tradesbyjt:I'm literally building the first one and it's far more important than anyone knows because It touches every domain in life 👍 1
[8] @devik8060:Much needed video for today’s career guidance / so clearly articulated - thank you! 👍 1
[9] @MiquielBanks:Great Video Greg !!!!!!!!
[10] @GauravBuildsAI:Thanks for such amazing content Greg! When I see other AI niche creator's content, I gain some knowledge. But with your videos, I always walk away with an updated mindset. 👍 1
[11] @jaijeffcom:This is a graduate seminar, in fact six of them! I’m on the first one. My project is to see how much I can get out of Ollama and OpenClaw on limited hardware. The engineering challenges are huge! I’ve also been running with another idea from your channel, make an expert before undertaking a project. Dumping OpenClaw docs into a Claude project was a start but still didn’t cut it. I’m working on a RAG system.
[12] @shelleyworth4495:I'm convinced I'll make it big running IRL skill-building, collaboration, and connection workshops!
[13] @GinaDiamondSpeaks:I am at the agent stage of the game, I have built the personal manager, a writer and have been asked to help a friend do the same. I need to better understand how to host the agents and manage them for others…I feel like I can’t keep up 😅 👍 1
[14] @JuanMarcosMeza-i2n:I think this might be the best analysis I've ever heard. It perfectly explains many of the trends I've been noticing, and thank you for giving me the language to understand them more clearly. You did an incredible job connecting the dots, identifying the real meta-trends, and explaining the skills that will matter. Your analysis gave me a much clearer framework for understanding all of this. Thank you for your amazing work bro!
[15] @hivojo:I’ve been mastering this last 5 years, now applying it in my country. These skills are of the chains.