我让AI帮我扒了一个不做产品的人，结果她做的事比大多数产品经理都有价值

前几天我在刷X的时候，无意间看到一个叫张咋啦 Zara的人。说实话，第一眼看到这个名字，我以为是某个搞笑博主。但再往下看，我发现她做了一件让我眼前一亮的事。

我没有急着找她聊天，而是直接让AI帮我做了一次系统性的调查。我把她的网站、推特、各种公开信息全部扔给AI，让它帮我整理出这个人到底在干什么、为什么值得研究。

调查结果出来后，我有个很强烈的感受：在AI时代，最稀缺的人可能不是那些会写代码的，也不是那些会做PPT的，而是那些知道该看什么、该信什么的人。

张咋啦 Zara就是这种人。

她不写代码，不做产品，不卖课。她做的事，用她自己的话说叫AI Curator——AI策展人。但我觉得这个翻译太文雅了，说人话就是：她帮你从信息海洋里捞干货。

💡 这里是浩哥AI实验室，专注分享「一个人+AI」的真实实战记录。从工具测评到项目搭建，从踩坑经验到行业观察，用大白话讲清楚 AI 到底能干什么、不能干什么。觉得有用的话，欢迎关注，每周持续更新 👇

她到底在干什么：信息策展人这个职业，可能比你想的值钱得多

Zara最出圈的项目是两个。

第一个是一份People to Follow on X名单。她从海量的X用户中，精选了32位真正在build东西的人。注意她的筛选标准——不是粉丝数最多的人，不是最会营销的人，而是真正在造东西的人。她给这份名单起了个口号：Follow builders, not influencers。

这句话本身就很能说明她的品味。在一个人人都在争当网红的时代，她反向操作，专门找那些闷头干活的人。

第二个项目是Builder's Weekly，从2026年3月30日开始发第一期。这个周报的做法是：用RSS抓取那32位builder在过去一个月的X/Twitter发言，然后用Claude Sonnet进行整理和分类，最后分成四个视角——个人Builder、AI产品、教育、传统行业转型。

听起来不难对吧？但关键在于后面的那一步：她自己会做视角解读，而不是简单搬运。

这就是策展人和搬运工的本质区别。搬运工把信息从A搬到B，策展人告诉你这条信息为什么重要、放在什么背景下理解、跟你有什么关系。

AI可以帮你收集、整理、分类，但解读和判断这一步，目前AI做不到，至少做得不够好。这个留到最后说。

研究完她的工作方式，我觉得她做对了三件事，每一件单独拎出来都不难，但组合在一起就形成了壁垒。

第一件，精选而非海量。32个人，这个数字很有讲究。太少的话信息密度不够，太多的话阅读负担太重。她在做一个信息漏斗——先从全网筛到32个人，再从32个人的一个月发言里筛出精华。每一步都在降噪。

第二件，分类框架。个人Builder、AI产品、教育、传统行业转型——这四个分类不是拍脑袋想出来的，它们基本覆盖了一个独立开发者或小团队可能关注的所有维度。好的分类框架本身就是洞察力的体现。

第三件，视角解读。这是她跟所有AI生成内容最大的不同。Claude可以帮你把100条推文整理成表格，但它不能告诉你：这几条推文放在一起看，说明了一个什么趋势，以及你应该怎么应对。

Zara的核心命题是这么一句话：当执行成本趋近于零，判断力才是真正稀缺的资源。

这句话值得反复品味。过去十年，程序员值钱是因为会写代码的人少。现在AI可以写代码了，程序员还值钱吗？值钱，但值钱的不是写代码的能力，而是知道该写什么代码的能力。

同样的逻辑适用于所有领域。当AI把执行成本压到接近零的时候，真正拉开差距的，是你能不能判断出什么事情值得做。

让我从她的Builder's Weekly里挑几个我觉得最值得展开的观点。

第一个是来自@thenanyu，Linear的产品负责人。他说：能build一切，不等于应该build一切。

这句话太精辟了。在AI时代，技术上的限制越来越少，你能做的东西越来越多。但能做和该做是两回事。Linear之所以被开发者圈奉为神作，不是因为它功能最多，恰恰是因为它功能克制。每个功能都是深思熟虑的结果，而不是技术可行性的产物。

第二个是@levie，Box的CEO。他认为Agent时代最大的缺口是企业上下文层。什么意思呢？AI可以做任务，但它不理解你的公司文化、历史决策、人际关系和潜在的政治考量。这些上下文信息目前没有一个好的载体，是Agent落地的最大瓶颈。

第三个来自@gregisenberg，他说创建公司的边际成本正在趋近于零。这也是我们一直在关注的方向。一个人加AI，真的可以顶过去一个小团队。但反过来想，当所有人都能零成本创业的时候，竞争的焦点就从能不能做变成了做得好不好、做得巧不巧。

第四个是@joulee的观点：AI分析的最后15-30%极难做到。这跟Zara自己做的事情形成了呼应。AI可以帮你完成70-85%的信息整理工作，但剩下那15-30%——深度的解读、跨领域的关联、基于经验的判断——这恰恰是人类策展人存在的理由。

第五个是@karpathy的建议：用LLM来正反论证，形成自己的观点。这不是教你偷懒，而是教你用AI作为一种思维工具。你有一个初步判断，让AI帮你找反面的论据，然后你再综合判断。这种用法比让AI直接给你答案高级得多。

Zara还总结了一个她自己认为的AI时代builder公式：niche + distribution + 一个极其有用的核心功能。细分领域加上分发渠道加上一个杀手级功能。听起来简单，但找到这个组合本身就是判断力的体现。

写完这篇研究，我重新思考了一下我们自己正在做的事。

浩哥AI实验室的定位本身就是一个人加AI的实战记录。我们一直在探索：一个人到底能用AI做到什么程度？我们的日常实践其实跟Zara做的事情有异曲同工之处——我们也在做信息策展，只不过载体是公众号文章而不是周报。

从Zara身上，我学到三个东西。

第一，不要试图覆盖所有东西，选一个足够窄的切口深挖。她选了32个builder，我们选了一个人加AI这个场景。窄不是局限，窄是聚焦。

第二，AI是你的工具，不是你的大脑。Zara用Claude Sonnet来处理信息，但最终的解读和判断是她自己做的。这一点我们也要坚持——AI帮我们搜集资料、整理框架、甚至起草初稿，但观点和判断必须是我们自己的。

第三，Follow builders, not influencers这句话应该成为我们自己的内容原则。我们不追热点、不蹭流量、不写标题党。我们只写自己真正做过、真正踩过坑、真正有感悟的东西。

回到Zara的那个核心命题：当执行成本趋近于零，判断力才是真正稀缺的资源。

这句话换个说法就是：AI时代最值钱的不是你会用什么工具，而是你知道该往哪里走。

方向错了，跑得越快偏得越远。方向对了，AI可以帮你把速度拉满。

Zara做的事情，本质上就是在帮人找方向。这个定位，我认为比大多数所谓的AI产品都有价值。

毕竟，在这个信息过载的时代，少犯错比多做事重要得多。

数据来源：zara.faces.site/ai | 图片及信息为公开资料整理，仅供参考