拾海笔记 · 03 · 第三次创业，我决定不再招人

在传统商业语境里，谈及"创业开局"，人们脑海中的标准动作往往是极其一致的：找合伙人、租办公室、招兵买马。仿佛没有一个吵吵嚷嚷的办公室，就不配称之为创业。

可能很多朋友不知道，这已经是我第三次创业了，事实是在此之前我有过两段短暂的创业经历。2015 年，我曾凭借过硬的设计能力单干展会设计，最终因为获客渠道单一没有合同谈判技巧而死于现金流枯竭。

到了 2018 年，我相信"合伙制"的宏大叙事，与人合伙开了一家空间设计公司。但那次经历让我看清了传统微型企业最致命的软肋。由于前期权责划分的模糊与业务执行的重叠，名义上的团队陷入了不断的内耗，最终被迫解散。

那两次用真金白银买来的教训极其刺骨：没有清晰权责边界与真实获客能力的团队，只是一种加速死亡的系统性冗余。今天的大多数所谓"公司"都不外如是。

所以，当 2025 年下半年筹备第三次开局时，我给自己定下了一条铁律：拒绝任何形式的重资产绑定，做极度收敛的"超级个体"。

这并不意味着我要重新掉进"一个人包揽所有脏活累活"的深坑。在 2026 年，牌桌上出现了一个打破线性规律的杠杆：AI。开局至今，我没有招募全职的执行团队，但我实质上已经运转起了一个高度精密、不知疲倦的"数字化隐形团队"，也完成了 10+ 的项目交付。

这段时间，很多过去的老朋友或打来电话或直接过来找我，了解当下 AI 在实际工作场景中的应用，我们开诚布公地畅谈……这个年过的很是丰富，也给我很多动力和灵感。

为了不浮于表面的概念，今天我将彻底拆解这套支撑我运转的底层逻辑与工具组合。

戳破幻觉：执行团队真正的"昂贵"之处

在展开 AI 工具流之前，我想先以一个有着 10 多年经验的设计管理者的身份，聊聊为什么我坚决不再养传统的"多人执行团队"。

很多人以为，养几个初中级设计师或助理，成本仅仅是每个月大几千块的工资加社保。这是极其外行的错觉。人力真正昂贵的地方，在于极其恐怖的"管理摩擦成本"与"认知损耗"。

过去带团队时，我每天至少有 40% 的精力被消耗在这些事情上：设计师没有完全领会我的商业意图，导致第一版草图方向全错；改稿到第三轮时，下属的情绪开始崩溃，我需要花时间去安抚、做心理建设；团队成员之间的沟通出现信息差，导致协同效率断崖式下跌。

你是花钱雇人来分担压力的，但最终你发现，你变成了他们情绪和能力的兜底者。这种认知损耗，会直接抽干一个创始人用来思考战略和开拓客户的心智带宽。

而现在，我坚持团队围绕业务做最小化适配，我用 AI 替代了大部分执行层。AI 最大的商业价值不是"便宜"，而是绝对的服从、零情绪内耗，以及算力支撑下的极速试错。

兵器谱：我的数字化「隐形团队」编制

要构建一个完整的商业闭环，单靠某一个神级软件是不存在的。我将自己的业务需求进行了精准的切片，并为它们分配了最合适的 AI 节点：

• 决策与思考中枢（大脑）：Gemini + Claude
• 桌面端专业助手（双手）：Claude Code
• 终端编译平台（操作台）：Antigravity + Opencode
• 核心算力引擎（攻坚重武）：Codex
• 移动端外勤助手（耳目）：OpenClaw
• 视觉生成引擎（画笔）：Midjourney & Nano Banana

在这个编制里，我不再是一个苦逼画图的乙方，更不是一个需要每天给下属做心理辅导的主管。我变成了一个高效分发任务、调度算力的"中央处理器"。

实战切面：我是如何调度这些算力资源的

工具只是死物，真正产生商业价值的是工作流。以下是我目前运转这台机器的真实日常：

场景一：深度推演与架构决策

面对复杂的商业模式、客户的非标需求或宏大的方案框架，我绝不闭门造车。我的标准起手式是：先将初始的商业条件、资源盘面和约束限制喂给 Claude，让它帮我搭建一个逻辑严谨的基础框架。

拿到初步框架后，我不会直接使用，而是将其分享给 Gemini。利用 Gemini 极强的发散推理能力和信息检索广度，对 Claude 的框架进行深度的补充、对弈和审查。这种双大模型交叉验证的机制，补齐了我作为个体在"视角单一性"上的致命短板。

场景二：系统构建与 Vibe Coding

当坐在电脑前进入深度工作时，Claude Code 是我的绝对主力。它足够聪明，指令执行极其精准，没有任何多余的废话。

在搭建代码或具体的业务系统框架时，我会利用 Antigravity 和 Opencode 进行修改与代码审查。如果遇到重大的疑难 Bug，或者我脑海中已经有了一个极其严密的逻辑闭环，我会直接将需求交给 Codex 去生成底层代码。虽然 Codex 跑大型逻辑时耗时较久，但其输出的精准度和稳定性是无可替代的。

而当我离开工位、开车去见客户或处于外勤状态时，OpenClaw 则完美接管了我的碎片化跟进工作，确保业务流的运转不会因为我的物理位置转移而停滞。

场景三：设计视觉交付

视觉交付，曾经是所有设计公司最大的产能黑洞。如今，我的生图流程被极度压缩：

我首先会用 Claude 进行场景描述的逻辑扩写与重构，提取出极具画面感的精准特征词。随后，结合我自己长期沉淀的系统级 Prompt，将其喂给 Midjourney 或是注重高保真细节的 Nano Banana。

过去，针对一个中型商业空间的概念方案，初级设计师建模型、找贴图、渲染出图，至少需要 3 天的物理时间。但现在，在明确了审美方向后，这套系统可以在 40 分钟内跑出十几版极高精度的空间氛围图。

3 天的物理耗时，被折叠成了 40 分钟的算力时间。

（关于我自己那套硬核的系统 Prompt 设计逻辑，因为篇幅原因，就不再展开，如果大家需要，我会在后面的手记里开源分享。）

资源杠杆：基于 SOP 的最后防线

当然，必须要承认，目前的 AI 并不是万能的。它无法代替我去线下与客户喝茶、建立真实的物理信任，也无法在工地上完成最后一公里的复杂落地对接。

当业务流推进到需要极度依赖"人"的阶段时，我怎么解决？很多同行质疑：不养自己的人，你怎么控品？

答案是：用 15 年的行业经验，建立极其冷酷的验收 SOP。

我不依赖任何外包团队的"职业操守"，我只相信数字化节点管理。在这家一人公司里，AI 消化了 80% 的底层概念与视觉执行，我本人把控 10% 的顶层商业决策与审美把控；剩下的 10% 溢出工作量——如深化制图、现场跟进——我通过设定极其细致的任务包和验收标准，精准分发给我曾经带过的部属或长期合作的供应商。

我用购买他们碎片化产能的方式，彻底剥离了沉重的固定用工成本。

给新手的最小阻力启动建议

如果你也渴望摆脱传统管理的泥沼，构建自己的 AI 工作流，不要被上面复杂的工具栈吓到。结合我这几个月疯狂踩坑的经验，对于初学者，我只给出两条最务实的建议：

第一，根据自身网络配置能力，选择最平滑的工具组合。

如果你不具备复杂的网络环境配置能力，我强烈建议直接使用 Kimi。它多模态又足够聪明且符合中文语境，足以包揽除了 OpenClaw 之外的大部分日常思考和框架搭建工作。

如果你具备网络配置能力，那么毫无疑问，谷歌全家桶能够顺畅解决上述的绝大多数需求，它是目前生态最完整的基建平台。（至于门槛极高的 OpenClaw 具体部署，我日后也会另开单篇拆解。）

第二，不要在生产力工具上省钱，必须拥抱付费。

用量上丰俭由人，可以先从小额度的会员开始，不够再加。但唯一的铁律是：请结合你的行业强度进行适配，并且至少购买模型厂家中档以上的付费会员。永远记住，免费版与付费版在算力分配和逻辑推理深度上，完全是两个物种。

靠白嫖免费工具来重构商业模式，是对自己商业效率最大的犯罪。

装满好奇，再出发

这几个月，我的触达半径在疯狂扩张，每天处理的信息密度呈指数级上升。但最让我感叹的是：我一点都不觉得疲惫。

过去，我总觉得人生和创业是一场需要咬牙死扛的苦旅，背负着沉重的生存枷锁与管理包袱。但现在，当我把繁文缛节剥离，当我看着这套算力系统在我的指令下疯狂运转时，我在我自己身上感受到了一种纯粹的、久违的生命力。

我不再是为了向谁证明什么而战，我只是把一切好奇装进我的行囊。我想看看，在这个不可思议的时代，这套人类智慧的终极武器到底能把一个个体的边界拓宽到哪里。

不折腾，才叫枉活一场。

现在的我，正处于前所未有的清醒与锋利之中。