用三层业务抵抗副业摇摆
主要观点
一个大学生从MATLAB服务、产品尝试到Codex教学的三年复盘，重点不在“AI赚了40万”的标签，而在如何管理不确定性：守住已验证的现金流，同时试探新业务，再用小实验积累未来选择。文章也提醒，AI能加速执行，却不能替代需求判断、结果检查和交付责任。
关键要点
- MATLAB业务的关键不在写代码快，而在交付链条完整：先问清数据、用途和文件要求，再生成、运行、修改并解释结果；需求模糊时，AI产出的“完整内容”仍可能大幅返工。
- 产品尝试源于服务中的重复环节：把需求追问、确认和代码生成放进工具，说明可产品化的线索来自真实交付，而不是单纯觉得某个工具有市场。
- AI教学的价值被界定为现场判断和持续调整。教程与资料解决不了学员卡在哪一步，服务是否值得付费，取决于能否进入对方的真实业务并承担准备、沟通和跟进成本。
- 三层业务并非平均用力：核心业务负责生存，新兴业务负责验证，未来种子只需做足以回答一个问题的小实验；不同阶段的业务不能用同一套收入标准评价。
- 重新选择项目时，应先找到具体人群和真实任务，再判断需求、能力、工作量与付款意愿；如果连首批使用者在哪里都不清楚，继续堆功能往往只是自我兴奋。
- 学习AI应以真实任务形成反馈闭环：做完、检查、补知识、换材料重做。赚钱只是其中一种反馈，能否判断结果、解释问题并迁移方法，才显示学习是否真正发生。
建议带着这些问题阅读
- 你当前最可靠的现金流业务是什么，哪些环节值得沉淀为可复用资产？
- 如果只做一个小实验来验证新方向，你要接触哪类真实用户、交付什么结果、用什么标准判断继续与否？
- 在你的AI学习中，哪些能力已经能迁移到不同任务，哪些仍依赖教程或示范？