AI 创造价值，
谁来捕获价值
主讲人：陆小P
关于我 & 今天聊什么
- 软件工程师，主攻移动端
- Snap Closet 独立开发者
- Bonsai 开发者之一
- 业余：攀岩、吉他、小红书画画
Snap Closet
产品简介
拍照录入、AI 打标签
住在口袋里的电子衣橱
成年人每天要做的决定数，「今天穿什么」往往是第一个
80% 的时间，只穿那 20% 的衣服
人一生花在「找东西」上的时间
一个「外接数据库」：
记住我有什么、帮我搭配、给我购买建议
8 月上线至今的收入
注册用户
还没开始宣发
批量迅速导入
拍照 / 生活照 → 抠图 → AI 打标签
- 拍照，或从生活照里一次拆出整套穿搭
- 自动抠图，背景干净
- AI 打上品类、颜色、季节、场合
试衣间：虚拟模特，
现在还能真人试穿 NEW
灵感页：刷到喜欢的穿搭，
用自己的衣服搭出同款 3.0
相册、链接、分享进来
一句话或一张图
缺什么、断舍离
日常：穿搭日历打卡，
和上周的自己不撞衫
my real closet ↗
- 睡前把明天的衣服选好
- 打卡后会有意识地避免撞衫
- 衣橱诊断告诉你缺什么
我的时间
都去哪了
做一个 App，远不止写一个 App
做一个 App ≫ 写一个 App
4 种语言，自己做、自己部署
App Store
Google Play双端上架
两边的审核、截图、文案
支持 Claude、ChatGPT 和 Muse
做 PPT、准备周边、参赛
我的一周
色块高度为示意
02 · Why bother
何必把自己
搞得这么辛苦？
AI 创造的价值，
谁捕获了
从「公司里的时间」说起
在公司：
工作变快了，但没有变
受访的 3,500 名企业管理者中选这一项的比例（德勤，25 个国家）
“Work is faster,
not different.”
工具都买了，但流程和分工没变。阻力不在 AI，在人和流程。
同一个人，两种产能
每周 40 小时自己的项目
碎片时间差距
投入时间最长的地方，产出反而最少
时间远没有被用起来
在公司
被公司占用的总时间很大，实际产出只有中间一小块
碎片时间 + AI
总时间少得多，实际产出却比时间本身还大
模型已经在拓展
人类能力的边界
2026 · 1 月
GPT-5.2 Pro + Aristotle
研究者用 GPT-5.2 Pro 找到证明、Aristotle 做 Lean 形式化验证，解决 Erdős 问题 #728
从此 AI 解 Erdős 问题开始成批出现
2026 · 5 月
OpenAI 通用推理模型
Erdős 1946 年提出的平面单位距离猜想，被构造反例推翻
「我会毫不犹豫地推荐它发表在《Annals of Mathematics》。」—— Timothy Gowers，菲尔兹奖得主
2026 · 5 月
Google DeepMind AlphaProof Nexus
Gemini + Lean：353 个 Erdős 问题解决 9 个，其中两个悬而未决 56 年；另解决 44 个 OEIS 猜想
证明全部由 Lean 机器验证
「正在显著改变数学研究的方式。」 —— Noga Alon
技术栈的墙倒了
以前
非科班 → 潜能录用 → Junior → Senior，很多年后才敢说自己是全栈
现在
AI 把学习成本和门槛大大降低：移动端出身的我，副业在做后端 infra
按能力范围、职责范围划分的职种，和它对应的薪酬，
还能反映你实际力所能及的范围吗？
AI 创造的价值，
谁捕获了？
AI 带来的每 1 美元产出增长，
劳动者只拿到约 29 美分
AI 暴露度高的行业多出来的那部分产出（增加值）里，约 29% 变成了员工工资；而通常整体产出里约 60% 会变成工资。
美国按行业、按州的宏观数据，是跨行业的平均结论
所以，价值去哪了
按时间计价的单价，越来越低于你实际能创造的价值
在公司提高的产能，局限在原来的岗位里，收益也没有分给你
公司之间也一样：74% 的 AI 经济价值，被前 20% 的公司拿走
那为什么不自己做
那个「掌握它的人」？
时间密度是
怎么拉高的
把工作流交给面向 agent 的工具，
人只做方向性决策
公司的工具面向人，
独立开发的工具面向 agent
在公司：为了让人 follow 工作
- Confluence / Figma / IDE
- PM 只做 PM，工程师只做工程师
- 经验留在人脑子里
独立开发：为了让 agent 干活
我的 Mobile Design System skill，已上架 Claude 官方插件目录，排名还在上升
- skill / plugin / harness
- 一个人，无限探索空间
- 经验沉淀成 skill，可复用、可自动化
写代码这件事，
人该决定什么
方向 · 人来决定
要什么功能、flow 怎么跳、前后怎么接
架构 · 懂工程的人拍板
用什么框架，跑在 AWS 还是 Cloudflare
细节 · 交给 agent 自主循环
代码、命名、结构，连 review 也是
我试过的工作流
沉淀 skill，同时开多个窗口让 agent 并行干活
cmux 多窗口 · Typeless 语音输入
让 agent 组成团队，分工、交接、review
Raft 也试过 raft.build
回到模型厂商自己的 harness
（Claude 的 Project、Artifact）
还是要人兼顾多个 agent 窗口
→ 用 Bonsai 让 AI 几乎
全自主地做产品
Wiki · Source of truth
project 的自主运行引擎
只推需要你决策的事
你做决定，写回人和 AI
都能看懂的唯一数据源
实例：Snap Closet 3.0
从想法到双端上线不到一周
提出灵感页的想法，选定方案 A
设计稿 → 后端、App、分享扩展并行开发
在 dev 环境端到端验收
上传商店、准备截图和文案
iOS + Android 双端上线
职种的壁垒消失了，
你更像一个 Product Owner
PM
Designer
Engineer
PjM
PdM
QA
Owner
主动权回到自己手上
个人做产品的
四个想法
一个还在上班的人，为什么依然积极
05 · A fair worry
模型厂这么卷，
AI 抹平了信息差
和能力差，
独立开发还值得
投入吗？
① 一千个人眼中
有一千个哈姆雷特
在 App Store 搜 closet，怎么划都划不完
几百个电子衣橱
几百种用户动线
就算思路撞了，每个人想象的用户动线、想做的东西，完全不同
② 大厂和独立团队是两种思路，
不用担心大厂先做出来
大厂
- 决定一件事要很久
- 有既有 partner，没法中立
- 用哪家模型、哪朵云，都有立场
独立团队
- Claude 和 GPT 哪个好用用哪个
- 云也随便选
- 本金也许有限，但想法可以天马行空，很快做出原型
思路不一样
你看到的问题和大厂看到的不同
大厂替你教育用户
受众越多，市场越成熟，是好事
③ 反过来，
借大厂产品的流量入口
传统入口
MCP
Muse · 每天早上推一套
Muse
GPT / Claude
④ 以人为本：
让 Agent 迎合人，
而不是人迎合 Agent
Snap Closet
省下手动管理的时间，和每天做决策的精力
Bonsai
人和 agent 共用一份都读得懂的 source of truth，人对 AI 有掌控感
怎么简化人做决策的流程、
帮人真正省下时间，
是永远的课题
回到主题：
让自己成为捕获价值的人
一个人 = 一支团队
碎片时间也够
收入、用户、能力
时间密度更高
让 AI 提升
自己的时间密度。
