最新一封第 28 封
这套系统什么时候上线，谁来用
上个月婉拒了一个单子，客户想让我们写一份申报用的 AI 方案，钱给得爽快，周期也短。我没接。不是因为清高，是因为我们内部有一条很土的判断标准：问一句这套系统什么时候上线、谁来用，答不上来的，就不做。这封信讲这条线怎么来的，也讲讲哪些活我们照接不误。
Brief lesen →YGG 创始人7 Min
Ehrliche Reflexionen des YGG-Gründers zur Agent-Ära — Einschätzungen, Beobachtungen, Schlussfolgerungen. Keine News, keine Tutorials. Unterzeichnete Worte, an denen wir uns messen lassen.
编辑承诺
信件公开后不删除、不下架、不悄悄改。错了的判断也保留，三年做一次年度复盘。修订只在文末加注脚，原文不动。
上个月婉拒了一个单子，客户想让我们写一份申报用的 AI 方案，钱给得爽快，周期也短。我没接。不是因为清高，是因为我们内部有一条很土的判断标准：问一句这套系统什么时候上线、谁来用，答不上来的，就不做。这封信讲这条线怎么来的，也讲讲哪些活我们照接不误。
往期信件
过去一年半我大概看了两百个智能体项目。热度退潮之后，我认为会剩下两类：有明确工具边界的窄场景自动化，和给专业人员当副手的辅助工具。那种「给个目标它自己搞定」的演示会安静下去。但这不等于技术不进步——恰恰是这时候，真正在用的人开始攒出经验。我现在判断一个项目值不值得投，只问一件事：它失败一次的代价，现有流程能不能吸收。
— YGG 创始人
大厂降价，我们询盘反而变多。客户开始认真算账，这是好事。我们不跟价，也不装看不见，而是准备了一份「我们贵在哪」的清单去谈。这封信聊聊小公司在大厂降价潮里怎么守住自己。
— YGG 创始人
客户说要按效果付费，我心动了好几晚，最后决定不做。不是因为效果不够好，而是这事从开始就谈不清——业务好转有多少是我们的功劳，客户和我们永远算不到一起。效果周期长过现金流周期，先把自己活活拖死。但也有例外，当效果能被系统自动采集，不需要客户配合录入，我建议试试。那才是干净的场景。
— YGG 创始人
有人问 AI to-B 该不该出海。我们的选择是留下。不是怕事，也不是爱国口号，是国内私有化需求正好长在我们的强项上。出海要重建的东西里，信任和售后最贵，贵过那两倍单价。我给出一个可操作的标准：当地有没有一个能接电话的人。没有，就别去。
— YGG 创始人
一边是合规与成本的压力，一边是推理体验的差距，私有化部署在2026年显然不是普遍解。我的判断：只有5%的客户真正需要它。判断标准很简单——模型输出被第三方看到，你会不会睡不着。会，就私有化；不会，就别折腾。
— YGG 创始人
去年有段时间我们按 token 计费，客户把账单当水表看，续约率惨到我不敢开会。改成项目包年加模块化之后，续约翻倍。教训不是"别按量收费"这么简单——客户买的从来不是用量，是结果。把用量当结果卖，是我们走过最贵的一条岔路。
— YGG 创始人
客户跟我说买AI不是为了裁人，是想让手底下人干更多活。减员叙事是销售话术，害人不浅。我们改了口径，六个月内复购上来了。
— YGG 创始人
私有化部署大模型在2026年是个伪命题吗？我的答案是：对95%的客户不值得，但对5%的客户是唯一选项。不是技术问题，是数学问题。我会用两个客户的对比说明，并给你一个自测标准。
— YGG 创始人
一位客户拿着AI大模型方案来询价，预算里却藏着七成的人工外包费。我没推AI，而是告诉他先把流程理清——最后他省了钱，我也少了一单生意。这封信用一个真实案例讲：什么时候该对客户说“你其实不需要我”。
— YGG 创始人
在工业PLC代码生成项目里，我赌了DeepSeek-Coder。测试数据、成本和私有化权限说服了我，但真正让我下决心的是它在一个小众领域——西门子STEP 7——的泛化能力居然比GPT-4强。这不是技术路线之争，是场景匹配。我承认，通用对话GPT-4依然碾压，但工业场景下，便宜、私密、还更准的模型，我有什么理由不选？
— YGG 创始人
我们为一个工厂的PLC代码生成项目选型时，放弃了GPT-4，改用DeepSeek-Coder。不是因为成本低1/30，而是它在小众工业语言上的泛化能力意外地强。这不是说GPT-4不行——通用对话它仍然碾压。但这次，DeepSeek赢了。
— YGG 创始人
当客户问我要不要私有化部署大模型，我通常先反问一个问题。2026年的市场，合规要求压得喘不过气，成本账算下来绝大多数企业都会选择云上API。但仍有5%的客户值得走私有化——不是因为他们钱多，而是因为他们的场景根本没法用公共模型。我给出了一个简单的判断标准，让你自己可以对照。
— YGG 创始人
我们曾三次被完美履历打脸：简历越漂亮，入职后反倒越容易出问题。第一次，我以为是运差；第二次，我开始怀疑自己看人眼光；第三次，我彻底明白——小团队的化学反应根本不是履历的叠加。现在我让候选人先做一周项目挑战，看协作能力远胜于看面试表现。招错一个人的代价，远大于错过三个候选人。这个教训我花了两年才真正消化。
— YGG 创始人
一位客户拿着AI预算来找我们，但分项明细里“人工流程外包”占了七成。我算了一笔账，发现他需要的根本不是大模型。我们选择告诉他实话——哪怕可能丢掉这个单子。这种坦诚，比卖一个用不上的方案更值钱。
— YGG 创始人
一个千万级客户冲进来说要上AI大模型，可我一看他的预算结构——80%用在人工流程外包上。真正的问题不是算力不够，是流程没理清。我们在签署合同前诚实告诉他：你需要的可能不是AI。这单丢了，但赢得了以后合作的可能。
— YGG 创始人
今年我们拒绝了大约三成的询盘。不是因为高傲，而是因为那些客户需要的不是我们的服务——或者他们需要的不是我们擅长的服务。这封信讲讲拒绝背后的判断逻辑：场景不适合AI、客户预算结构错了、期待与能力错位。以及拒绝带来的好处：销售周期变短，团队不散。附一个我常用的拒绝邮件核心句。
— YGG 创始人
工业PLC代码生成，我们测了GPT-4和DeepSeek-Coder。DeepSeek在小众工业语言上泛化更强，成本低到可以忽略，私有化部署也允许。但通用场景GPT-4仍然碾压。这不是技术评测，只是一个真实项目的选择复盘。
— YGG 创始人
2026年了，私有化大模型还值不值得？我的答案很直接：值得，但只适合5%的客户。剩下的人，要么被合规绑架，要么被成本幻觉骗了。我拆开两个极端——合规与成本一边倒、推理体验一边倒——给你一个判断标准，让你自己对号入座。
— YGG 创始人
去年我们在一个工厂项目里用了多 agent 编排，后来发现 80% 的逻辑其实单个 agent 带上几个工具就能跑。编排带来的可观测性收益远不如宣传，反而增加了排查难度。但确实有 5-10% 的复杂场景，多 agent 还省不掉。这篇文章是我动手简化之后的一些反思，也许 2026 年回头看会被打脸。
— YGG 创始人
按 token 计费那半年，客户像盯着水表一样盯着我们，续约率惨得我不敢看。后来改成项目包年加模块化，续约翻了一倍多。教训得咬着牙认——企业客户买的不是用了多少 AI，是问题有没有被结结实实解决。
— YGG 创始人
上周来了个客户，开口要AI大模型落地。我翻了翻他的预算明细——最大一笔写着“人工流程外包”。我们没接这单，直接告诉他：你要的根本不是AI，是流程梳理。这封信讲讲预算结构比产品诉求更诚实的原因，以及我们怎么拒绝一个看似理所当然的单子。
— YGG 创始人
把判断写下来、签上名、发到公网，是一种自我问责。这是 YGG 创始人公开信件栏目的开篇。我不打算写励志故事、也不打算写新闻聚合——只写那些值得三年后翻出来检查的话。
— YGG 创始人
我们拒绝那些把 YGG 当成技术外包团队的项目。这类项目通常表现为客户要求按工时计费、将我们团队视为派遣人员、或不愿共享核心业务数据。我发现，在这种合作模式下，AI 往往只是一个表面化的“镀金”工具，无法真正解决问题，最终对双方都是一种资源浪费。我们更倾向于深入业务，解决真问题。
— YGG 创始人
我们拒绝了按工时计费、团队派遣、不让看数据的客户，因为这种合作里AI只是镀金。分享一次真实拒绝经历和我的判断逻辑——虽然钱不少，但做下去对双方都没好处。
— YGG 创始人
过去两年我带队做了十几个多 agent 编排项目，最近复盘发现 80% 根本不需要。一个带 tool use 的 agent 就能解决问题，编排带来的可观测性收益远低于预期。但少数复杂场景下 multi-agent 仍然是必需品。这篇文章拆解我的判断逻辑和一个具体翻车案例，以及我现在的决策框架。
— YGG 创始人
我打赌每个做 To B 的公司都遇到过这种事：客户说“先做个 demo 看看，做好了我再介绍领导”。这背后往往是免费劳动的陷阱。我们花了大量时间精力，做了无数次演示，却发现对方从没打算真正合作。这封信里，我想聊聊这种现象背后的原因，以及我们作为供应商，该如何保护自己，停止无意义的内耗。我们需要建立更清晰的合作门槛，学会拒绝，把时间和资源留给真正有价值的客户。
— YGG 创始人
我最近发现，我们过去有点想当然了。B 端客户对 AI 的期待是稳定、可控、可解释、能融入现有流程的工具；C 端用户要的是惊喜、新奇、甚至有点魔法的感觉。想用一套产品同时满足这两边，几乎是自找麻烦。我们自己就踩过坑，差点把一个企业级项目做成了"花架子"。
— YGG 创始人