从 TikTok 硅谷辞职回国：34 岁的创业决定

林淼哲介绍自己从 IT 咨询到互联网研发、再到字节跳动三年多的经历，2025 年 4 月注册公司、九十月谈妥融资。他讲清辞职动因：大厂螺丝钉的价值不踏实感，以及大模型窗口不能再错过。最大阻力是说服家人，尤其是不工作的妻子对家庭收入确定性的担忧。

赛道怎么选：ToB 是新手村，出海是雄心

他给出选择标准：想追求稳定感就先做国内 ToB 软件，想做卓越公司则要出海、ToC、大模型。解释为何不做出海电商——先迈好第一步，用国内已有客户资源变现。也谈到曾研究 AI 眼镜等硬件方向，因供应链门槛放弃，并指出硬件人才如今在融资中能显著抬升团队估值。

纯软件 Agent 的隐忧：会被大模型吃掉吗

两人讨论 Agent 的竞争壁垒：向下可能被大模型覆盖，横向可能被更懂行业 know-how 的玩家取代，资本市场因此更偏爱 heavy asset。嘉宾提到 Salesforce、Microsoft 等厂商的 ToB 服务越来越趋同，标准化反而消解了差异化。

第一个产品：把电话外呼做成完整业务流

他用排除法选定电话外呼场景：广告投放 hold 不住、面对面销售难替代，外呼是技术可行、企业愿付费、用户可接受的交集。差异化在于不只优化通话本身，而是覆盖通话前后的业务工作流，如车企的试驾预约、金融机构的资质调研。目前有三四个稳定客户。

客户不会用 AI 系统：FDE 与信息化的下沉市场

ToB 获客要陪酒应酬让他不适，更意外的是传统行业客户不会用智能系统，需要派人驻场教学，他才真正理解 FDE 的含义。他由此发现国内大量企业尚未完成信息化，数字化、智能化的补课需求本身是块大市场，ToB 是需要长期主义的生意。

第二个产品：让 AI 来问人的劳动仲裁助手

ToC 产品切小额法律场景，面向被裁员、被欠薪的打工人。核心差异不是人在问 AI，而是 AI 通过状态机加工作流主动追问、引导用户走完从咨询到起诉的全流程。他解释这解决的是用户『不知道自己不知道』的问题，并坦言低频是硬伤，获客与传播都难，算是踩了个坑。

产品架构：状态机、工作流与提示词打磨

架构是一个状态机加一个工作流，难点在应对多样化输入并引导回正确流程。底层用 DeepSeek、Kimi 加一个法律垂类模型轮询。第一版两三天做完，真正耗时的是提示词打磨和让 AI 自主判断状态与下一步。知识库要对接各地人社部门公告，因为仲裁结果不在裁判文书网。

低频 C 端的焦虑：不敢开放注册

他坦言对 C 端输出质量要求高，因为 C 端没有第二次机会，用户走了不会告诉你原因。产品已上线但主动放缓推广节奏。2026 年不设收入预期，仍在烧钱打磨，先把低频产品的推广方法论想清楚再谈目标。

团队配置：取消设计岗，产品经理即全栈

团队两三人，产品研发一到两人加商务推广一人。他明确取消设计岗，由产品经理用 Figma 出原型和设计稿，再用工具生成前端代码，服务端研发负责接口与部署运维。他认为产品经理的核心价值始终是用户洞察与解决方案，工具只是让想法更容易落地。

商业模式：Token 时代没有零边际成本

他对比互联网与 AI 创业的默认叙事：过去是先做流量再广告变现，现在从第一天就要设计订阅制或按用量付费。根本原因是 Token 消耗让边际成本非零，羊毛出在猪身上的逻辑失去根基。他也留下开放问题：是否存在广告付费率能覆盖 Token 消耗的场景。