文章有AI直接参与。
有一件事情，我从大学想到现在，那就是“该怎么管理我的生活耗材和订阅服务”。
我平时用纸用的很多，随便擦个鼻涕就要用掉一小张；除了手机话费，我还开了不少网盘、加速器和音乐平台会员，很多等到要用了突然发现没交钱，会员已过期；有的则是我完全不知道自己什么手开始订阅的，某天突然发现怎么又少了几百块钱，找了好久才发现是某个很久不用的订阅服务没关。
等自己租房子住了，平时用的耗材似乎变得更多了：厨房纸用完了，垃圾袋还剩最后一卷，净水器的滤芯还有被罩褥子好像到了更换时间，但上次到底是什么时候换的，又得去翻购物记录或者备忘录。这些东西单独拿出来，大多不算贵，也不难处理。麻烦在于它们各有各的消耗时长，还分散在不同的地方。家里总要有人惦记着，但谁也不太愿意专门腾出一个下午把这些支出整理出来。至少对我来说，这些事情光是听起来就觉得麻烦。
后来，因为生活中遭遇了各种各样的问题，节省开支变成了必修课。我断断续续花了一阵子把不用的会员全都退掉，也不再采购和使用一些不必要的生活耗材。但我现在依旧不完全清楚：我到底用了哪些会员服务，除了吃穿通勤之外刚性支出还有哪些。
不过，AI的发展让我看到了一种可能。我平时常看AI相关的介绍，知道这一年来模型更新的速度比过去快了不少，知道又有哪些新功能可供免费试用，也大致知道能做什么，哪些事情比原来做得更快更好。
所以，我萌生了给自己设计一个“生活耗材追踪器”的想法。
然而必须要强调的是：在“知道”、“想要尝试”和“动手实现”之间，确实还是有一段距离的。
从想象到落地
我相信有这种需求的人不在少数，但不论应用商店还是Github上，都很难找到这样一个贴合自己真实生活情况的应用软件。但有了AI，“自己动手做一个出来”就从“几乎不可能”变成了“可选项”甚至是“唯一选项”。只不过在做的时候，我们确实还需要面临这样那样的问题。
首先就是模型的挑选，我们应该用哪种大模型来帮我们达成目标。我们可以直接花上一点钱用云端模型，也可以给家里的闲置设备重新收拾一下，然后下载一个最近半年表现不错的小模型来帮忙。这是很重要的一步，我们需要了解我们自己的隐私状况，需要知道云端模型和本地模型各自的利弊，跑起来这些本地模型需要多强大的本地算力，这些都是要优先做掉的功课。
接着就是梳理我们自身的实际情况。试想一下：通常状况下，厨房纸、厕纸、湿巾和垃圾袋应当定期补货；净水和空气净化系统的滤芯，被罩褥子则要按具体情况更换，空调、窗户和白色家电也有定期清洁维护的安排。这些事情并不集中发生，上一次什么时候处理的，这些记录很可能不在同一个地方。
还有手机话费、宽带、网盘等各平台的会员、冬季暖气费用和保险账单。有些定期手动缴纳，有些自动扣款，通知可能不醒目，也可能早就淹没在邮件和短信里。所以，我们需要先把已知记录整理出来，再分别安排补货、维护和缴费提醒。顺便也能看看有哪些服务一直在付钱，却已经很久没有再关注过。平台会员几乎必然不全是刚需，但也需要整理之后才能决定哪些值得留下。
因此，整理需求是让AI帮你写软件前最重要的步骤。当事情就有了一个比较明确的开头，后面的事情就不会混乱到哪儿去。设计好几个想要的功能，拿几份订单和账单，让AI先整理名称、金额和时间，人再对照原始信息核查，确认以后安排几个提醒，就能开始跑测试了。邮件可以在授权条件下接入或转发，短信则要看系统和权限，不能直接接入的部分再手动导入。先用少量真实材料跑一遍，其实很快就能知道它理解得对不对。现在的AI，甚至本地AI已经可以很好地处理这些事情了。
接下来就是跑通MVP（最小可行性项目）之后的迭代工作。前期跑MVP的时候可能会出现诸如：两条通知可能属于同一笔费用，预计补货的日期也可能不符合家里的实际用量之类的状况。把这些地方跟AI说清楚，让AI自己修改记录和规则，再继续使用，不断发现问题，不断迭代，一步步地将这个方案完善出来。这么做远比一句“帮我做个耗材管理App”更具体也更高效——当然，也没必要一开始就把全部功能全铺满。前期想的太多，有可能会出现短期开发不完，开发完需要长期使用才能发现隐患的情况。很多时候长痛不如短痛。
私人需求真的很适合用来尝试摸索怎么个AI一同工作，因为不论是需求还是反馈都来自于真实生活而且离自己很近。做得是否方便，有没有多添麻烦，中间测试出来什么问题也不用额外找其他人来反馈。这种小软件未必适合所有人，但能把眼前的一件事处理好，就有拓展的可能，自然也就有继续做下去甚至做得更大的理由。
这就是一个标准的现代个人项目
经过了几轮迭代，针对自己和自己家的软件已经可以顺利跑通了，接下来就会遇到另一个问题：这个App，和沉淀下来的能力，能不能拿去做业务？
我之前听过一期聊AI的播客节目。里面的嘉宾说，他手上有不少个人AI项目，也有积累了关注和订阅的自媒体账号，但这些都尚未独立跑通商业化，目前的作用还是在充当实际案例，帮助其他已经成熟的盈利业务持续获得客户信任。
这很可能说明了AI个人项目都在面临的现状：持续产出内容和产品、有人愿意看、愿意传播，有人确实愿意拿真金白银来支持，但这两点不会自动连成一条线。这中间仍然需要人去找真实需求，把一项具体的服务真真正正交付出去，才有可能形成商业闭环。
家庭支出管理也是如此。家里人觉得方便，只能说明这个安排对自己的生活有效。换一家人，对方可能已经有了一套办法，也可能根本不愿意记账。甚至在同样觉得有用的前提下，有人愿意买软件，有人只想请人一次性把旧账单整理好，之后仍然回到原来的习惯……这些差别才会最终决定自己的项目是否能够成功交付。
但若不执着于怎么赚钱，而只针对个人来说，笔者觉得商业化这条路还有另一层意义。把东西交给别人使用，会让人重新学习怎样听需求、怎样解释价值，怎样做承诺，以及怎样判断自己能做到什么程度。比如某个功能可能自己认为很重要，但客户却没有兴趣；原本没注意到的一点小麻烦，对方反而愿意花钱处理。遇到几次以后，再去看自己的专业经验，可能也会发现一些以前没看到的方法和路径。
再比如自己用的时候，觉得差不多就行；但当到了对方准备付钱的阶段，双方理解的“差不多”可能根本就不是一回事了。交付过程中仍然要人去沟通，并根据反馈进行调整，这在目前只靠AI仍然是解决不了的。
至于商业化的具体路径是怎么样的，我其实并没有什么所谓的“高见”。卖什么、卖给谁、在什么阶段收费，都得放到各自的条件里看。有人已经有客户和信誉，有人还在认识第一位使用者，而这两种处境其实不可能共用一张步骤表。
我现在能理解的是，尝试之后会多一些可判断的信息。对方为什么愿意用，为什么不愿意付费，或是为什么用了一段时间又停下来，这些反馈都能补充下一次的选择，但至于是否真的形成了商业闭环，则还需要观察一阵子。
现在既是好时候，又是坏时候
现在才开始想着做一些个人项目，笔者认为，除了经济因素之外，就是AI大模型的能力真的上来了。以前看很多人说AI是“人工智障”，确实有不少理由和经历来支撑这个说法；但现在，这种调侃更多地就只是一种调侃，或者是极重度任务下Agent能力不足出现的错误或者幻觉，和大多数普通人以为的“人工智障”已经没多大关系了。
AI当下的能力对我这样不熟悉代码的人来说，这种进化带来的效果非常直接。我的想法通常有点零碎，但不妨碍讲出来后AI的自动整理，完善开发文档，并写出来第一版程序。有了可见、可用的程序之后，后面的讨论自然而然就更有条理，更有方向感。
现在都升级成了所谓的“Agent”，也就是人工智能代理，所以我在跟AI讨论，或者提了好几个改动的时候，都是Agent在工作。Agent会调取之前的背景、检查结果，并负责确定的计算和提醒，所有的功能都是背后一大堆大模型下的小代理们共同实现的，从这个角度来讲，我跟AI的工作也称得上是“团队作战”了。
另一个变化，则是一些性能不错，能力也强的小模型开始成熟，因此可以尝试部署在本地进行工作了。像是目前最炙手可热的Qwen3.8-27B这种稠密小模型，不仅能在消费级设备上流畅运行，同时能做非常非常多的事情。甚至拿前面的项目来说，整理选定的账单文字、提取日期和金额，这种本地模型都能够接手处理，甚至都有点“大材小用”了。
如果要同时理解很多材料、处理复杂推理，或者协调几个工具连续工作的这种高强度任务，则还是需要云端模型的。
但需要注意的是：不是所有模型都越来越省资源，也不意味着所有电脑都能跑得很顺畅。材料有多长、要等多久、同时做多少件事，你的硬件配置是什么，用的是哪一款本地模型，都会对实际体验造成很大影响。
现在我们还需要面临另一个问题：硬件涨价。偏偏就在这个时候，显卡和存储这些关键配件都在承受着涨价和缺货压力，并且这种情况只会继续延长，不会在短时间内缓解。不少型号的产品相比年初涨价了1000~2000元不等，许多笔记本电脑产品在今年下半年涨价一倍或更多之后直接处于长期“无货”的状态，也就是说即便有钱也买不到。
一边发现能做的事情越来越多，一边适合跑AI的设备又在连连涨价，说是“痛并快乐着”，似乎挺合适。好在个人项目并不一定非要最新的硬件才能跑。如上文所说，现有设备能做多少，已经在付费的服务能帮多少，用什么模型能让现在的设备或二手设备上流畅运行且能正常完成任务，最好都先梳理一遍。为了管理家里的隐形支出，先给自己添几项大额显性支出，属实有点得不偿失了。
别着急，慢慢来
工具越来越能干之后，以前没意识到的其他问题也从这一层显现出来。
以前因为实现太难但又放不下的念头，现在一个个都像是可以开始推进了。可每天能分出去的精力并没有跟着增加，做出初版以后，也还有维护、检查和修改等等事项。事情变得容易启动，但自己未必能同时照看那么多件事。“人成为了那个瓶颈”，结结实实地从一句调侃变成了阻碍工作进度的现状。
但是一直卷自己，逼得自己跟AI一样快又极端不现实。人类目前还是碳基生物，需要规律作息，甚至需要更多时间那里做工作之外的事情。所以至少对笔者来说，先选一件确实有用的事，把它做到合适的程度，剩下的暂时放着，比把所有能做的东西都排上日程更舒服。
我们确实处在一个变化很快的年代。前阵子还让人犯难的问题，过一段时间可能就有了更简单的办法；刚习惯的工具，也可能马上被其他家更好用的小东西替代掉了。追踪这些变化当然很有意思，但对于已经搭好工作流的人而言往往是个噩梦。所以有什么办法能在快速优化工作流的前提下接入更好用的新工具，并给自己留出更多时间，也逐渐变成了一门学问。
家庭支出这个项目让我感兴趣的也是这一点。杂务能有个去处，到了时候再看一眼，其余时间就不必一直惦记，甚至在未来能让AI自动迭代。至于不工作的时间，拿来玩游戏也好，出门转转也好，则不着急安排下一件事。
我也希望AI项目的商业化可以不用太急迫。自己做的这些东西，能不能拿去做业务往往不是自己说了算——尽管这是我自己也一直在琢磨的事情。
AI把不少原来做不了的事变成了可以尝试的事，但怎样让别人愿意为它付钱，我还没弄明白。两件事之间的距离，可能得等实际接触更多客户以后才能看得更清楚。
（头图由豆包AI生成）
