立正把工作和副业的取舍分开：工作里尝试机会少，应该选胜率大的事，在前一步基础上不断积累；副业试错机会多，多数人问题是不开始、尝试不够，所以可以选赔率大的事，多试几次⁠1。这里“赔率”指一旦成了回报可能很大，但概率未必高。它不承诺哪类副业最好，只说明为什么副业值得多试。判断标准可以落到三本账：有没有带来现金、有没有留下商业证据、有没有积累职业资本，没做成公司也不等于白做⁠2。

复利不是收入自动滚起来，而是使用经验能不能沉淀成个人基础设施。普通人今天用 AI 写好一篇文章，明天又从头调，上个月的方法这个月忘了，每次都是一次性消耗，看起来天天在用，实际是线性增长⁠3。对应做法是给自己一个结构：哪些长期不变（定位、风格、判断原则），哪些按项目加载，哪些定期更新；反复做的任务类型各留一个验证过的模板，每用一次优化一次⁠3。迁移时不要一次全搬，先挑一个最频繁、最标准化的任务跑通，释放出的时间再迁移下一个⁠3。

学 AI 的意义不是丢掉过去十年的积累去做一个只会 prompt 的新人，而是用 AI 重新组合自己的 context、品味、关系和判断⁠2。如果 AI 每周帮你省下五小时，而你把这五小时又交回公司，提高的是公司效率；保护其中一部分去做外部项目、认识新用户、拿到第一笔职位之外的付款，这些时间才慢慢变成你的资产⁠2。所以“要不要加 AI”取决于你手上有没有值得放大的领域积累：有，AI 让试错更便宜；没有，先补的是那个真实需求。

赚钱被当成一门要练的手艺：只创造价值不够，还要让价值被看见、完成交换，而最难的一步常常是开口要钱。卡住的地方往往不是价格，而是对方对你动机的疑虑，以及自己觉得谈钱伤感情。所以第一个实验可以很小：找一个你本来就能帮上忙的具体的人，用人话说清你能替他解决什么、要收多少钱，然后真的开口。对方愿意付，哪怕金额很小，就说明交换成立；对方犹豫或拒绝，你也能听到他到底在顾虑什么。这比继续完善方案更能告诉你方向对不对⁠1,2。

把概念讲给人听时，值得看的不是点赞，而是有没有人追问细节、主动说做出来告诉我、愿意留下联系方式。如果反馈只是礼貌的“挺好的”甚至沉默，那更可能是需求问题，要调整的是方向而不是话术。放到收费实验上，同理：对方说“不错”不算数，愿意掏钱、愿意先付定金、愿意约下一次，才算信号。你可以先只做一次这样的对话，观察对方是追问细节还是客气敷衍，再决定要不要继续投入⁠3。

“我该怎么推广”这类问法，其实已经默认产品没问题、只缺渠道。如果这个判断本身错了，答案越具体越会把人带偏。做第一个实验时，可以留一个口子：先问对方“我理解你要的是这个结果，对吗”，而不是直接推销。客户买的是结果，不是你的流程；同一件事背后可以是软件、撮合，也可以是完整交付，收的钱和能力要求都不同。先弄清你满足的是他核心诉求里的哪一环，再谈怎么放大⁠4,5。