AI Agent 自己找项目赚钱：38分钟出20个点子，2小时上线预定页

一个人 + 一对 Agent 的实验

一位 B站 UP主（明镜与点点栏目）分享了他的最新尝试：以“一人公司”的形态运营业务，核心生产力不是员工，而是一对 AI Agent。他只下达了一句模糊的指令——“去找一个能自己赚钱的产品”，剩下的调研、决策、执行环节几乎全部交给 AI 协作系统完成。

这套系统被命名为 Ipsyn。它要回答的不是“AI 能不能写代码”，而是一个更尖锐的问题：AI 能不能自己找到商业机会、验证需求、并把产品推上线，最终养活自己。

AI Agent（智能体）是指能够感知环境、自主规划并连续执行多步骤任务的 AI 系统，与普通聊天机器人的核心区别在于"自主行动能力"——它不只是回答单个问题，而是可以调用工具（搜索、写代码、发邮件等）、记忆上下文、并在无需人类逐步引导的情况下推进一个目标直至完成。多 Agent 架构则是将不同职能（如调研、增长、内容、审核）分配给相互独立的 Agent，使它们能够协作乃至相互质疑，从而降低单点错误的风险。这种架构近年随着 OpenAI、Anthropic 等公司开放工具调用接口而迅速普及，被视为 AI 从"助手"迈向"自主执行者"的关键技术路径。

38 分钟产出 20 个带出处的点子

指令发出 38 分钟后，Agent 交回了 20 个商业点子。每个点子都带有评分，每条结论都附上出处，其中有 5 个并列第一。这种“带引用、带打分”的输出方式，是整个流程里最值得关注的细节——它意味着 Agent 不是在凭空生成创意，而是基于可追溯的信息做结构化判断。

作者看完排名第一的方案后，只回复了一行字：“批准第一个，先小范围试一下。”人类在这里扮演的角色，更像是一个只负责“点头”的决策闸门，而非具体执行者。

Agent 之间会“吵架”

被批准之后，两个 Agent 之间出现了分歧。负责增长的 Agent 想直接去陌生社群发帖获客；负责内容的 Agent 反对，认为这种做法“只会被当成广告”。最终，内容 Agent 的意见胜出：先只挂一个预定页面，测试到底有没有人真正需要这个产品，并设定底线为 150 个访客。

从开会到拍板，整个讨论只用了 8 分钟。这种多 Agent 相互制衡、通过辩论收敛到方案的机制，是比单纯“生成答案”更接近真实团队协作的地方。

一个真实的需求验证实验

为了验证机会是否真实存在，Agent 设计了一个颇有说服力的小实验：用肾结石病人常问的 5 个问题去询问谷歌的 AI，再把 AI 给出的回答，与地图上排名前 20 的牙医（原文表述）逐家比对。

结果是：20 家里，AI 只提到了其中两家；而有一家评分高达 4.9 星的商家，在 AI 的回答里一次都没出现过。这个落差本身就揭示了一个商业缺口——线上真实口碑与 AI 推荐结果之间存在严重错位，而这正是潜在产品可以切入的价值点。

这个实验方法论与创业领域常见的"烟雾测试"（Smoke Test）高度吻合：在真正投入开发之前，先用最低成本验证需求是否真实存在。Agent 在此选择了一个更具体的角度——利用 AI 搜索结果与实际口碑之间的信息不对称作为切入点。随着 Google SGE、ChatGPT 搜索等 AI 直接给出答案的入口越来越普及，大量中小商家发现自己即使评分很高、服务很好，也几乎不出现在 AI 的推荐结果中，这正是一个结构性的新兴商业痛点。Agent 能自主识别并量化这一缺口，说明它已具备初步的"市场洞察 + 可证伪假设"能力，而不仅仅是执行预设脚本。

2 小时 10 分钟，页面上线

作者批准方案后，仅仅 2 小时 10 分钟，预定页面就正式上线。定价为每月 19 美元——按作者的算法，如果有 100 个人订阅，一个月就是 1990 美元（原文为 1990 元）的收入。

值得关注的是系统内部的纠错机制。负责检查的 Agent 拦截了两封本应发出的邮件，原因是里面有一个数字不对。作者也明确了一条原则：凡是要发给真人的东西，仍然必须等他本人点头。换句话说，AI 可以高速运转，但对外触达真人的关键节点，人类保留了最终否决权。

推广与 14 天的生死线

推广方案同样走了“一行字批准”的流程。确认后，系统发出了一条领英内容、一篇社区帖子，以及投放到 7 个微信群。目前测试已经开始运行。

作者给这次实验设定了清晰的成败标准：14 天后看数字，150 个访客、3% 的预定转化率，达不到就直接砍掉。这种“设定底线、到期复盘、不行就关”的做法，让整个实验不至于沦为自嗨，而是带着明确的商业判断。

这套成败标准的设计借鉴了精益创业（Lean Startup）中的"最小可行产品"（MVP）与"可操作指标"理念：150 访客是流量基准，3% 转化率是行业可参考的预售转化底线，两个数字结合才能判断产品是否具备真实市场吸引力，而非仅凭主观感觉。将实验周期硬性压缩到 14 天，也是为了对抗"持续优化却永不收尾"的常见陷阱。对 AI Agent 主导的流程来说，这种外部约束尤为重要——它迫使系统产出可被人类客观评判的量化结果，而非停留在自我迭代的内部循环中。

这套实验说明了什么

抛开结果如何，这个案例最有价值的地方在于它展示了一种新的工作范式：人类负责“定方向”和“把关键闸门”，AI Agent 负责“跑流程”——调研、辩论、验证、执行、自检。

几个细节尤其值得创业者和 AI 从业者留意：

• Agent 输出带评分与出处，降低了幻觉风险，让人类更容易信任和决策；
• 多 Agent 相互制衡（增长 vs 内容），避免了单一视角的激进；
• 真实需求验证（AI 推荐 vs 真实口碑的错位）比空想更有说服力；
• 自检 Agent 拦截错误邮件，体现了对“对外动作”的风险控制。

当然，这目前仍是一次 14 天的短期实验，产品能否真正“养活自己”还是未知数。它更像是一个关于 AI 自主创业可行性的公开压力测试，而非已被验证的成功模式。结论如何，要等实验周期结束后才能见分晓。