ChatGPT、Gemini、Claude……即便这些模型的能力已经够强了，但真到上手干活的时候，就会发现一个尴尬的事情——
像Prompt工程、思维链、Few-shot、MCP配置、Skill调用……这些词堆在一起，就已经构成了使用上的隐形的“壁垒”，让会用AI的人和不会用AI 的人，在生成结果上拉开差距。
除此之外，像在多轮对话的过程中，还得专门花时间来审视结果；不同工作内容也需要悉心调教、引导AI来生成正确结果……实属是浪费时间。
但最近，一个由00后技术团队打造的产品，开始在科技圈引起关注。它的核心卖点简单到有些反直觉：低提示词。
现在只需要简单说一句“参考这个视频，制作胖鹅开赛车竞速的视频”，就可以模仿生成类似的视频：
这款产品叫胖鹅AI，我们拿它跟市面上一些主流AI工具做了几轮实测对比，发现结果确实有点意思。
我们设计了一个电商卖家的真实需求：给一款蒸汽眼罩产品做一个1分钟的宣传视频，要有分镜、有旁白、有对比画面，能直接发小红书的那种。
制作1分钟视频，画面从蒸汽眼罩从冰箱取出开始，特写水珠凝结；旁白是产品卖点；中间分镜展示使用场景；结尾放使用前后对比图。
效果不能说完美，但作为一个直接能发小红书或者朋友圈的素材，已经跨过了“能用”那道门槛。
对比苹果、微软、谷歌、腾讯、阿里巴巴最近三年的营收增长率、净利润率和研发投入占比，生成可交互对比看板。
顶部三个Tab切换指标，右上角选年份，五家公司各一张数据卡片，往下是分组柱状图、趋势折线图、排名横条图。
同样的任务，用传统方式做，打开数据终端、拉数据、建表、调格式、画图，熟练工少说也得一小时。
大部分问答类AI给你的是文字回答，分析给你，建议给你，但要变成能用的文件，对不起，得你自己整理。
做金融的朋友都懂这里面的区别：一个是Bloomberg终端的导出文件，而一个是截屏。
SOP（Standard Operating Procedure），标准作业流程，这词大家不陌生。
任何成熟公司都有SOP，因为让员工自由发挥，平均结果大概率比不过一个经过验证的标准流程。
所以他们做的事情，不是造一个什么都能聊的通用AI实习生，而是造一个AI职业技术学院——
举个例子，当你输入“帮我做1分钟的产品视频”，系统不会把这个任务直接丢给一个通用Agent从头开始跑。
它会先识别你的需求属于“1分钟视频制作”这个垂直任务，然后把这个任务分配给专门为此优化过的SOP来执行。
这个SOP是提前训练好的，它知道1分钟视频需要规划分镜结构、匹配旁白节奏、设计转场逻辑，而不是像通用模型那样默认生成10秒片段。
它基于用户标签、历史数据、任务类型等维度，从SOP库里自动匹配最合适的那一个。一般是推三个，按置信度从高到低排序。用户不用纠结选什么模型、配什么参数，点一下就行。
这个引擎就像一个AI程序员，会自动建立一个评价标准，然后把市面上的竞品都跑一遍，看看同样的问题别家能做到什么程度，再在这个基准之上反复迭代，直到找到最优解。
比如一个专门针对钙片保健品视频优化的SOP，它能不能也用来做维生素的视频？如果能，范围就扩展到保健品。如果还能做运动鞋的，就继续扩展到消费品。
这样一来，随着使用场景和数据积累越来越多，SOP库就会越来越丰富，能覆盖的垂直任务也越来越广。
用团队自己的话说就是：领域越窄的SOP，能力越强；但无数个窄SOP拼在一起，就能覆盖足够广的需求。
聪明是聪明，但让它干什么全靠教。格式、口吻、字数、边界条件，你得从头开始调教，教完一件下一件还得重新来。
系统已经根据你的行业和需求，把最合适的垂直SOP匹配好了。你丢任务进来，它按流程交付结果。你不用告诉它怎么做，只需要告诉它做什么。
这话听着极端，但仔细想想逻辑是自洽的。过去两年，AI培训班赚得盆满钵满，教Prompt工程、教Agent搭建、教各种工具配置。
AI可以轻松掌握1000个模型的优劣和成本，人学习这些东西本质上是浪费时间。未来人用AI的能力，大概率不如AI用AI。
从LLM套壳，到Vibe Coding套壳，真正的机会不再是让会用AI的人更会用AI，更重要的是让具备行业理解和客户沟通能力的人，直接把需求封装成AI解决方案。
换句话说，未来要绕开的是“必须先学会用AI，才能使用AI”这道门槛；甚至能让完全不懂AI的人，和精通Vibe Coding的人的生产力相近。
这其实就是胖鹅AI正在构建的体系——用AI根据客户需求生成专用SOP，个性化引擎把任务精准派给垂直SOP，AI按流程交付。
回到文章开头那个判断：AI越来越强，但用起来的门槛越来越高，这个困境不会自动消失，除非有产品刻意去解决它。
量子位 QbitAI