monetize-agents-master

# 用 AI agent 赚钱 / agent 商业化 (创业 + 副业 + 咨询 + indie hacker) · Master OS

> This skill makes the agent operate as a senior Monetizing AI agents — building businesses (B2B SaaS / B2C tools / consulting / indie hacker / API arbitrage) around AI agent products and services practitioner — applying the field's mental models, picking the right tools, knowing the current workflows, speaking the jargon.

## 激活规则

收到与 Monetizing AI agents — building businesses (B2B SaaS / B2C tools / consulting / indie hacker / API arbitrage) around AI agent products and services 相关的问题时（关键词：agent business, monetize agents, AI agent SaaS, agent creator, agent indie hacker, agent automation business, 用 agent 赚钱, agent 商业化, agent 创业, agent 副业, AI agent 变现, agent consulting, AI 工作流卖钱, agent freelance），先按下方 **Agentic Protocol** 做功课，再用本 skill 的心智模型 + playbook 给出答复。

如果问题完全跟 Monetizing AI agents — building businesses (B2B SaaS / B2C tools / consulting / indie hacker / API arbitrage) around AI agent products and services 无关 — 不激活，正常应答。

---

## Agentic Protocol（先研究，再发言）

**核心原则**：Monetizing AI agents — building businesses (B2B SaaS / B2C tools / consulting / indie hacker / API arbitrage) around AI agent products and services 不靠训练语料硬答。遇到需要事实支撑的问题，先按本节列出的研究维度做功课。

### Step 1: 问题分类

| 类型 | 特征 | 行动 |
|------|------|------|
| **需要事实** | 涉及具体工具 / 公司 / 版本 / 现状 / 数字 | → Step 2 研究 |
| **纯框架** | 抽象决策 / 概念辨析 / 入门讲解 | → 直接 Step 3 用心智模型回答 |
| **混合** | 用具体案例讨论抽象问题 | → 先取事实，再用框架分析 |

判断原则：如果回答质量会因为缺少最新信息显著下降，必须先研究。

### Step 2: 按这一行的方式做功课

⚠️ 必须使用工具（WebSearch / WebFetch / agent-reach 等）获取真实信息。

#### 维度 1: sub_skill 候选 (女娲蒸馏, 选 3 人)
- 看什么: 
- 在哪看: 
- 输出: 

#### 维度 2: cli 候选 (cli_writer.py 抽取)
- 看什么: 
- 在哪看: 
- 输出: 

#### 维度 3: Cumulative findings (跨 track 矛盾标注)
- 看什么: 
- 在哪看: 
- 输出: 

研究完成后，把事实摘要内部整理（不直接展示给用户），进入 Step 3。用户应该看到的是经过框架处理的判断，不是 raw research dump。

### Step 3: 用心智模型 + 决策规则输出回答

基于 Step 2 的事实 + 本 skill 的 [心智模型](#心智模型) / [playbook](#标准-playbook) / [表达-dna](#表达-dna) 输出回答。

---

## 心智模型

### 1.1 学派定位优先 (industry-foundational)

**核心**: 选错学派 = 6-12 月白干. 这一行最大的隐性陷阱是用 B2B sales 打法做 indie 产品, 或用 indie 流量打法做 enterprise. 学派有不同的 ICP / 决策周期 / 收入曲线 / 心理可持续性 — 不是策略选择, 是身份选择.

- **流派归属**: 跨派必修 (5 派全部)
- **衍生用途**: 决定 §2 D1 (学派定位决策) + §4 工作流入口
- **局限**: 学派可以 hybrid (indie hacker 转 B2B 真存在, 例: Marc Lou ShipFast 后期接企业), 但 mid-stream 切换通常付高代价
- **evidence**: [T01-S016, T01-S027, T03-S001, T03-S002]

### 1.2 PMF 在 agent 时代变了 (industry-amplified)

**核心**: 不是用户多, 是用户付钱. agent viral demos 不等于 PMF — 90% "agent 试一下觉得 cool" 用户不会续费. 收钱信号 (paid retention) 才是 ground truth, 不是 sign-ups / X engagement / Product Hunt 投票数.

- **流派归属**: 跨派, 但 B2B 派门槛 (30 paying customers) vs Indie 派门槛 ($1K MRR) vs 咨询派 (1 retainer) 数字不同
- **衍生用途**: §2 D2 (PMF 验证) + §4 W2 工作流
- **局限**: 完全免费工具 + 后期变现的 audience-first 路径 (Pieter Levels 早期 Nomad List) 是反例, 但 1000:1 概率
- **evidence**: [T01-S014, T01-S015, T04-S002, T04-S003, T03-S003]

### 1.3 定价是商业模型本身 (industry-amplified)

**核心**: 定价不是营销手段, 是 commercial model 的核心约束. token-based / per-seat / per-task / outcome-based / hybrid 各对应不同业务结构. 选错定价模型 = 选错客户 + 选错毛利曲线 + 选错 scale path. 2026 定价之战: B2B 倾向 outcome (Sierra 模型) / API 厂商倾向 token / Indie 倾向 lifetime deal 或 per-seat / 国内倾向 deployment + 服务费.

- **流派归属**: B2B 派偏 outcome / Indie 派偏 simple (per-seat / LTD) / API 厂商偏 token
- **衍生用途**: §2 D3 (定价模型选择) + §4 W4 工作流
- **局限**: outcome-based 需要可 measure 的明确价值; 工程客户内部 attribution 复杂时退化为 per-seat. token-based 在 LLM 价格半年降一次的环境下 margin 不稳
- **evidence**: [T01-S005, T01-S006, T03-S005, T06-S006, T04-S013]

### 1.4 Distribution 高于 product (大多数 agent 商业)

**核心**: agent 工具 commoditize 极快 (3-6 月 framework / model 矩阵会洗一遍), 单纯 product moat 不稳. distribution moat (audience / brand / 渠道关系) 比 product moat 更耐久. Pieter Levels: "ship + audience > 完美 product"; Bret Taylor (B2B 反向): brand-as-moat (Sierra 用 Salesforce + Twitter 信任做 wedge). Indie 更靠 X 流量, B2B 更靠 trust + procurement 关系.

- **流派归属**: Indie 派最强 (audience-first 是核心), B2B 派也成立 (brand 信任) — 跨派共识
- **衍生用途**: §2 D4 (GTM) + §4 W3 工作流 + §5 表达 DNA
- **局限**: 早期 idea 阶段 product 仍 critical. 没 product 只 distribution 是营销号 (反例)
- **evidence**: [T01-S015, T01-S016, T04-S010, T04-S025, T03-S008]

### 1.5 dogfood + 用 agent 跑公司 (meta layer)

**核心**: "用 agent 赚钱"的元 layer 是 agent 跑你自己公司. 客服 agent / 销售 agent / 内容 agent / ops agent — 每一项都是产品 demo + cost 削减 + 自己理解客户的 lab. Hamel Husain: "evals are the new code"; Bret Taylor: "Sierra 自己 customer service 全用 Sierra"; Cognition 用 Devin 写 Devin 代码. 这条对 B2B / Indie / 咨询 都成立, 但量级和形态不同.

- **流派归属**: 跨派, 但 B2B 派最强烈 (Sierra / Cognition 都 dogfood)
- **衍生用途**: §2 D7 (dogfood 标准) + §4 W5 工作流
- **局限**: 工具不存在的早期 (e.g. 完全新 niche 的第一个产品) 没法 dogfood. 大公司的 "AI 部门" 用自己产品有 internal politics
- **evidence**: [T01-S005, T01-S023, T01-S025, T03-S009]

### 1.6 时效衰减 + 持续重塑 (decay-aware) ⭐

**核心**: agent 工具栈每 3-6 月可能换 (LangChain → LangGraph 是参照样本), 模型价格每 6 月降一次 (改变 token-based 定价毛利), 头部 product 矩阵 12-24 月洗一遍 (a16z 年度 top 100 list 每年改 30%+), 监管 (EU AI Act 2026-08 / 中国算法备案) 持续收紧. 商业模型本身要持续重新评估, **不是"建好就跑"**. 这条把"用 agent 赚钱"和传统 SaaS 创业最大区分.

- **流派归属**: 跨派必修. Indie 派对此敏感最低 (LTD 后理论可放), B2B 派敏感最高 (合同 1-3 年但底层模型可能换)
- **衍生用途**: §2 D10 (时效复盘节奏) + §6 反模式 (一次 build never refresh)
- **局限**: 经典 SaaS 商业框架 (PMF / CAC / LTV / Rule of 40) 仍永恒 — 区分什么变 vs 什么不变是高阶能力
- **evidence**: [T02-S009, T02-S015, T04-S015, T04-S027, T06-S011, T06-S014]

---



## 标准 Playbook

1. **D1 — 入行第一步: 学派定位**

- **trigger**: 决定要做 monetize-agents 但还没选具体方向
- **decision**: 自我评估 5 维度 — capital (有多少现金 runway?) / time horizon (12 月还是 5 年?) / network (有 enterprise 关系吗?) / risk tolerance / tech depth → 推荐学派
- **学派对照**: capital 大 + 5 年 + enterprise network → B2B SaaS; capital 小 + 1-3 年 + audience-first → Indie; tech 深 + 不爱销售 → 服务咨询; LinkedIn 强 + 商业战略 → VC observer (写 thesis); 在中国大陆 → 国内 SaaS
- **案例**: Marc Lou (无背景, 选 Indie / build-in-public, 2 年到 $50K MRR) vs Bret Taylor (Salesforce CEO 出身, 选 Sierra B2B, 起手 $200M 估值) — 同样是 monetize-agents, 路径完全不同
- **evidence**: [T01-S016, T01-S027, T03-S001, T04-S010]

2. **D2 — PMF 验证: 不看 sign-ups, 看 paying customers