How I'd Build an AI Agent Making $10,000 with Claude Code

講者開場指出了 AI 創業的核心悖論：大多數想進入 AI 領域的人要麼開發沒人願意付費的工具，要麼只是學教程而忽視商業邏輯，因此儘管機會巨大，真正靠這個賺錢的人寥寥無幾。他的關鍵觀察是：真正能創造收入的代理不是技術最精湛的，而是圍繞特定問題設計、擁有明確客戶群和簡單付費理由的系統。

為此，講者首先強調了模型選擇的重要性。雖然這只是幾秒鐘的操作，但在 Base 44 的構建器中選擇 Claude 而非其他模型，會對最終平臺的行為產生巨大影響。Anthropic 開發的 Claude 特別擅長推理和指令執行，這對完全由代理驅動的系統至關重要。與只生成一次文字就停止的基礎應用不同，這裡要求代理理解上下文、自然處理對話、準確遵循指令、完成多步驟任務而不中斷工作流。Claude 在處理長提示、掌握對話上下文、自然智慧地回應，以及處理特殊情況（如客戶改變需求、一次提出多個問題、提供不完整資訊）方面都比預設模型更可靠。

講者隨後演示了五個具體的商業平臺，每個都透過一個精心設計的提示詞在 Base 44 中實時生成。

第一個是 AI 預約代理平臺，針對沙龍、診所、健身房等本地服務企業。這類企業每天都在透過 Instagram 私信、電話或簡訊手動管理預約。平臺包含業主控制面板（展示所有即將到來的預約、客戶詳情、當前預約安排）、可用性管理部分（按日期和時間設定空閒時段）、以及面向客戶的聊天介面。AI 代理透過自然對話收集客戶名字、服務型別、首選時間，確認預約，甚至自動處理重新安排或取消。所有預訂資訊自動顯示在業主控制面板，無需手動更新。這種模式易於變現，因為企業已經在為員工薪資或手動處理付出代價。

第二個是 AI 潛在客戶資格篩選平臺，專為房地產代理商、保險經紀人設計。許多企業不是缺客戶開發，而是面臨銷售線索管理問題——線索已經源源不絕，但需要人手判斷哪些認真、哪些只是隨便看看、哪些準備購買。AI 代理透過面向公眾的諮詢頁面接管初始對話，以自然聊天而非填表的方式詢問預算、時間表、地點、偏好和具體需求，然後基於回答給潛在客戶評分（1-10 分）並自動分類為冷線索、溫線索或熱線索。所有資訊流入業主控制面板，顯示資格評分、聯絡資訊、對話摘要和狀態。這對代理商特別容易定位，因為他們已投入資金來生成線索，真正的挑戰是快速、持續地篩選出合格客戶。

第三個是 AI 客戶支援代理平臺，解決電商商店老闆的痛點。隨著銷售增長，客戶也增加，老闆很快就會發現自己每天花一半時間回覆關於配送、退貨、退款、訂單更新、產品細節的客服訊息。平臺包含展示所有支援對話及其狀態（未解決到已解決）的業主控制面板，以及知識庫部分，店主可上傳事實、產品資訊、退貨政策、運輸細節等。AI 代理以知識庫為權威源，透過自然對話回答訂單問題、處理退貨要求、處理投訴、回覆常見問題。如果問題超出知識庫範圍或過於複雜，系統在控制面板中標記以供人工跟進。這種平衡很重要，因為 AI 處理重複工作，同時也讓店主能在必要時介入。店主已充分理解客戶支援成本，一旦看到節省的時間，月度訂閱就成了顯而易見的決定。

第四個是 AI 內容再利用平臺，針對內容創作者、博主、播客和營銷機構。建立原創長篇內容通常不是最難的，最累的是把一篇內容轉換成適合所有平臺的貼文。一個播客節目、部落格文章、YouTube 指令碼或新聞稿可能輕易變成數小時的額外格式化和重寫。平臺允許使用者提交長篇內容並自動接收由 AI 代理生成的五個可直接使用的格式：三篇針對 LinkedIn、Twitter、Instagram 最佳化的社媒貼文，一封簡短電子郵件新聞，以及一段簡潔有力的摘要段落。由於每個平臺都有不同的寫作風格和格式要求，手動調整會耗費大量時間。這類平臺可作為月度訂閱服務或基於積分的系統出售，行銷機構尤其是理想目標。

第五個是 AI 發票付款跟進平臺，解決自由工作者和小型企業的痛點。追討逾期款項很尷尬、重複且耗時，多張未付發票時更難追蹤誰欠多少。平臺包含業主控制面板（新增發票、客戶名稱、金額、到期日、狀態），AI 代理自動監控所有發票、標記逾期發票、基於客戶資訊生成個性化跟進訊息、在發票逾期超過 30 天時發出高優先順序警報、內建聊天介面供使用者查詢未結餘額資訊。因為拖欠款項是普遍問題，任何曾因不好意思而延遲跟進的人都能看出自動化系統的價值。月度訂閱模式完美契合，因為平臺每天都在後臺持續監控。

講者指出，這五個平臺展現出真正的機會所在：不再只是製作聊天機器人或簡單工具，而是構建能自動處理業務運營的系統。每個平臺都解決企業每天面對的實際問題，公司已花費大量時間和金錢手動處理這些工作流程，因此這樣的企業確實能出售。最不可思議的是整個過程如此快速——Base 44 負責平臺，Claude 負責智慧層，兩者結合能在極短時間內把想法變成可行的 AI 業務。講者坦言，現在最難的部分其實就是選擇先進入哪個細分市場。