我是程序员,在这个AI时代我该如何探索副业

提问

AI根据立正公开的文章和视频整理,不是他本人回复

先别急着选副业项目,先用程序员已有的技术优势,把AI能力变成能拿出手的作品,再从中找能卖的东西。

先把AI用成作品,而不是先想商业模式

材料里的观点

立正给一位对后端工作不满意的谷歌程序员提过一条路径:既然每天有学习时间,又对MLE和大语言模型感兴趣,就先花时间学,两周就能学得不错;有了新知识和新视野后,再真的动手做事,在工作中发现运用Gen AI的机会。他还说,如果工作中不能主动发起,可以去做GitHub项目、个人网站、APP等⁠1。这条建议的对象是那位程序员,不是对所有程序员的处方;但它指出的顺序值得借用:先积累可展示的东西,再谈变现。

副业不是主业的低配版,稳定性和可扩展性都不同

材料里的观点

立正根据自己2025年4月前副业收入超过25万美元的经历,说有三点他原以为是常识、后来被颠覆:副业比主业更稳定;副业带来的成就感超过主业;主业不太能scalable,副业能scalable,在AI时代尤其如此⁠2。这是他的个人体会,不是普遍规律,也不保证别人复制同样结果。对程序员的意义在于:不要把副业想成“下班再打一份工”,而要留意它能否积累、能否放大。

开始做之后,最容易卡在销售和定价

立正说,很多人没认真赚钱时把赚钱想得太简单,真开始做才发现不知道去哪卖,于是顺着打工逻辑发明错误的思维框架,用做题的方式做赚钱这件事⁠3。他在另一段对话里讲定价时区分成本思路和价值思路:按成本定价会把课压到很低,按价值定价则是看能给对方带来多少价值、再取其中一小部分;他还提到高价才能支撑社区、终身答疑这类投入⁠4。这些是他在卖课场景下的判断,不能直接套到所有副业;但提示程序员:做出东西只是第一步,能不能说清“对谁值多少”是另一关。

现有片段只覆盖立正对个别程序员的学习建议、他自己的副业收入体会,以及卖课场景下的销售与定价讨论;没有针对程序员副业选方向、获客渠道或时间投入的系统方法。《EP14》⁠4中部分发言归属未确认,相关判断只取已标明为立正陈述的段落。

回到4份原文

程序员做AI副业,先做作品还是先找客户,两种路径各适合什么情况?

追问

AI根据立正公开的文章和视频整理,不是他本人回复

两条路都成立,但适合的处境不同:想先形成能力和判断,就先做作品;已经能说清一个具体需求、并敢向熟人收定金,就先找客户验证。

先做作品:适合还没想清卖什么的人

材料里的观点

立正认为,build 是学习 AI 最好的路径,每个人都应多做项目,通过亲手构建形成能力和判断⁠1。他给一位对后端工作不满意的程序员提的建议也是这个顺序:先每天花时间学大语言模型,两周后有了新知识和新视野,再开始做事情,机会会在工作中或自己的项目里出现⁠2。这条路的产出是认知和可展示的东西,不是收入。要注意他同时提醒,能跑起来的 demo 和能被真实业务长期依赖的系统之间有一道很深的鸿沟,第一版做得越快越容易低估它⁠1。所以作品路径适合“先练手、先看清自己能做什么”,不适合把它当成已经验证了需求。

先找客户:适合已有具体需求假设的人

材料里的观点

立正描述过一种更靠前的验证方式:不要先在群里宣布要做大事,而是找几个关系好的人,说清要做什么、解决什么需求、怎么收费,然后当场收一笔定金;如果打十个电话,就能调研出真实需求⁠3。他强调难点正在这里——真去打电话,就没法只说“我要做一个 APP 改变世界”⁠3。他也提醒,大家嘴上说“好好好”不算数,到交钱时才见真信号,否则拿到的都是 false signal⁠3。这条路适合你心里已经有一个能对具体人讲清楚的价值主张,并且愿意承受被拒绝。

怎么选:看你现在缺的是判断还是验证

AI推演

这是 AI 的综合:两条路的分界不在“哪个更正确”,而在你当前缺什么。缺对 AI 能做什么的判断,先做作品,成本低、可反复试;缺“有没有人愿意付钱”的证据,就先找人开口,哪怕只收一笔小定金。立正说没有哪种方法一定优于另一种,⁠3这与上面的取舍一致。另一个可参考的经验是:先在真实世界里拿到一个小结果,会明显增强一个人对这件事的信念,⁠4所以如果你已经有一个拿得出手的小东西,不妨拿它去问几个熟人要不要付费,用反馈决定下一步。

《其实副业比想象中更容易开始,前提是找准需求》⁠3的说话人标注为声纹匹配、未经人工逐句听校,其中“先打电话收定金”的具体做法应回到原视频核对。《杨天楠:看似体面的工作,实则都是在表演?》⁠4中杨天楠的观点是嘉宾判断,立正只对“先拿到小结果”这一层表示认同,不能扩大为认可其全部说法。

回到4份原文

提供一些具体的程序员做出的副业产品

追问

AI根据立正公开的文章和视频整理,不是他本人回复

现有材料里能具体点名的程序员副业产品有三个:Obsidian 的 AI 插件、聚合美国各类考试的网站、ADU 加建法规查询工具;它们都不是大融资项目,而是围绕一个具体需求做小而能收费的产品。

三个被点名的产品,各自解决一个具体问题

材料里的观点

立正在节目里举了几个例子。一个是很有名的 Obsidian 插件,在 Obsidian 上做 AI 功能,已经商业化,收入不错。第二个是社区里的陈然用 AI 做的考试网站,把会计考试、Financial Advisor 等美国各类考试的资料聚合在一起,以免费或较便宜的方式提供,据他说月活已接近十万。第三个是一个叫小帅的人做的 ADU 查询工具,帮人查美国能不能加建,业务也做得不错。立正把这些归为“不是 VC 项目、但能赚几千块”的那类案例⁠1。

共同点:需求真实、范围窄、能直接收钱

这三个产品的共同结构是:先锁定一个具体、可查证的需求(插件里的 AI 功能、某类考试资料、某地加建法规),再把范围做窄,做到能直接给用户用、能收费。立正在评论那个“为女儿找玩具”的项目时,把这类成功归因于真实需求、愿意做不能规模化的事、以及程序员的执行力和系统设计能力,并称其为 AI 时代的标杆案例⁠2。需要注意,这条评论是对那个找玩具项目的评价,不是对上述三个产品的逐一认可;把它推广到这三个案例,是 AI 的归纳。

对你选副业方向的用法

AI推演

如果你在找可模仿的样本,这三个案例提示的筛选条件是:需求能被一句话说清、用户能自己判断有没有用、收费门槛低。陈然那个案例还多一层:他除了用 AI 做产品,也把 analytics 嵌进网站,让 AI 分析怎么增长、怎么做 SEO、怎么多赚钱,然后照着做⁠1。这是 AI 对材料的应用建议,不是立正给出的方法步骤;你可以先挑一个自己熟悉领域的窄需求,做出能用的版本,再看有没有人愿意付费。

材料只给了这三个产品的概括描述,没有名称、定价、用户量细节(陈然的月活是转述其本人说法),也没有失败案例;无法据此判断哪类产品更适合你。

回到2份原文