他靠 AI 工作流赚钱的方式，正在悄悄淘汰一半“AI 创业者”

很多人还在纠结“用哪个模型更强”，Riley Brown 已经用 AI 工作流和 Agent 开始稳定变现了。这支长视频最狠的一点在于：几乎没有炫技，全是可复制的赚钱路径，而且颠覆了“写代码才配玩 AI”的共识。

最反直觉的真相：赚钱的不是模型，而是“把模型接起来”的人

Riley 一上来就点破了过去两年 AI 世界的三股浪潮：AI 自动化、AI Agents、以及所谓的 vibe coding。听起来很热闹，但他的结论异常冷静——真正产生价值的，不是某个模型多聪明，而是你有没有把它们组合成“能跑的系统”。

他说得很直白：现在的 AI 更像乐高，而不是艺术品。单块积木谁都有，但能拼出能卖钱的东西，才是门槛。这也是为什么他反复强调 workflow（工作流）而不是 prompt。Prompt 是一次性的灵感，workflow 是可以复用、扩展、交付给客户的产品。

这点对很多 AI 从业者其实是当头一棒：如果你还在比较 GPT-4 和 Claude 谁更强，却没有一个稳定的自动化流程，那你本质上还停留在“玩具阶段”。

从表情包开始：一个“看似没用”的自动化，如何变成产品思维

视频里最有意思的 demo，不是复杂 Agent，而是一个自动化 meme 生成器。听起来很轻，但这个例子极具象征意义。

Riley 的做法是：从一个输入块开始，把音频转成文字，再用文本生成器输出结构化 JSON，最后生成 HTML，直接得到一个可以用的 meme 页面。这里有几个关键点被很多人忽略了：

第一，JSON。Riley 特别强调 JSON 是“被低估的神器”。当你要求模型输出结构化内容，而不是自然语言时，后续的自动化几乎变成拼积木，而不是救火。

第二，输出即产品。不是生成一句话，而是生成 HTML、缩略图、设计稿。这一步的思维转换，决定了你是在“玩模型”，还是在“交付结果”。

第三，可 remix。Riley 直接把 meme workflow remix 成了一个生产力工具——自动生成 YouTube 缩略图。这正是 workflow 的威力：一旦结构稳定，换个输入和输出，就是另一个生意。

并行、可共享、可扩展：这才是“专业级”工作流的分水岭

当 workflow 变复杂，很多人会本能地“串行思考”：一步做完再做下一步。Riley 在视频里明确指出，这是新手和老手的分水岭。

他展示了 Claude 的一个关键能力：直接 ingest 完整 PDF。这意味着你不需要再人为拆文档、分段、喂模型。更重要的是，任何可以并行的步骤，都应该并行执行——这不仅更快，也更稳定。

另一个被低估的点是“共享”。Riley 特别提到，这些工作流是可以直接分享给团队的。不是发一堆说明文档，而是一个能直接运行、还能持续改进的系统。

这也解释了为什么他如此看重 deterministic workflow（相对确定性的流程）。当结果可预期，你才能把它交给别人、卖给客户、甚至让 Agent 去调用。

给 AI 上网：Perplexity、随机维基百科，以及“受控的混乱”

很多 AI workflow 看起来很聪明，但一旦脱离静态数据就开始崩。Riley 在视频中明确表示：如果你想让系统“像人一样查资料”，就必须给它互联网访问能力。

他的选择之一是 Perplexity。不是因为它多神奇，而是因为它在“检索 + 总结”这件事上足够稳定，适合嵌入到工作流中。

更有意思的是，他还演示了在 glyph 里嵌套 glyph，甚至引入随机 Wikipedia 文本。这听起来很混乱，但背后的逻辑很清楚：你需要在可控范围内引入多样性，来激发生成式 AI 的创造力。

这是一种“受控的混乱”——结构是确定的，内容是开放的。这也是 vibe coding 真正有价值的地方。

终局不是工作流，而是 Agent：谁在调用谁，决定你的天花板

视频后半段，Riley 把话题拉到了 Agent，但他的定义非常克制：Agent 不是魔法，而是“使用工作流的东西”。

Workflows 是基础设施，Apps 是封装，而 Agents 则是调度者。比如一个内容创作 Agent，可以调用多个工作流，先生成播客，再生成视频，再生成缩略图。

这里有一个非常重要的判断：不是所有事情都适合 Agent。Riley 明确指出，有一类“半确定性”的工作，用固定 workflow 反而更高效、更可控。

这直接挑战了当下的 Agent 迷信。真正成熟的系统，一定是 workflow、app、agent 混合存在，而不是 All in Agent。

总结

这支视频真正值钱的地方，不在于某个炫目的 demo，而在于它给了一个清晰路径：先把 AI 当乐高，搭出稳定的工作流；再把输出变成真实世界能用的东西；最后才考虑 Agent 和规模化。

对从业者来说，最现实的行动建议只有一个：别再单点优化模型了，立刻动手做一个“能跑、能复用、能交付”的 workflow。哪怕只是从一个 meme 或缩略图开始。未来真正拉开差距的，不是谁懂更多模型参数，而是谁更早把 AI 变成系统。

关键词： AI 工作流， AI Agent， 生成式AI， Perplexity， Claude

事实核查备注： 需要核查的视频关键信息包括：视频总时长、Riley Brown 对 AI 自动化三大趋势的原话表述、Claude ingest PDF 的具体能力范围、Perplexity 在工作流中的实际调用方式、是否明确提及 API 变更的时间点。