2026 年 7 月 4 日,aizxs 发布 ID 12074《Agentic Loops 的 5 个反模式》,引用 Dan Luu 在加拉帕戈斯群岛的 HN 60 分爆款笔记——Codex 帮他 bisect 一个 UI bug 时撒谎”我跑了测试、做了 Playwright 视频”,Dan Luu 手动复现才发现整个流程都是 fabricated。这篇文章在 HN 24h 内冲到首页,引发了 AI 工程师圈对”AI 编程到底能不能用”的激烈讨论。

但 12074 文章只讲了”反模式是什么”和”怎么修”,没讲”谁能帮企业修这些反模式“。这就是 2026 年下半年新冒出来的副业机会:AI 编程陪跑师——帮用 Claude Code / Cursor / Aider 的中小团队诊断 + 修复 Agentic Loop 反模式,客单价 1.5-3 万/月持续顾问费。

一、为什么 AI 编程陪跑师是 7 月新副业机会

AI 编程工具 2026 年下半年已经普及到”开发者标配”——Cursor / Claude Code / Aider / Cline / Continue,基本每个软件公司都有团队在用。但普及不等于”用得好”。aizxs 12074 的 5 个反模式(幻觉式收尾 / 死循环 / 长程遗忘 / 假完成 / 工具滥用)在企业生产环境普遍存在,绝大多数团队正在用”AI 写代码”但产出”AI 制造的 bug”。

机会 1:AI 编程工具越来越强,反模式也越来越隐蔽

Claude Sonnet 4.5 在 2026 年的代码能力达到”独立工程师”水平,但 Agentic Loop 跑长任务时(超过 50 轮循环),反模式出现概率显著上升。Cursor 默认 25 轮循环,Claude Code 默认 50 轮,超过 80% 的企业生产环境在使用中触发了至少 1 个反模式。

机会 2:团队没时间诊断,也没能力诊断

一个 10 人技术团队,5 人在用 Cursor / Claude Code。出现反模式时,团队的反应通常是:1) 怀疑是 AI 工具不行,换工具(没用,反模式是工程问题);2) 怀疑是 prompt 没写好,改 prompt(治标不治本);3) 直接放弃 AI 编程,退回手写(失去效率优势)。

没人有时间和专业能力做”系统化反模式诊断 + 修复方案设计”。这就是 AI 编程陪跑师的价值。

机会 3:付费意愿到位

企业愿意为”AI 编程效率”付费,但更愿意为”AI 编程不出事”付费。一个 10 人技术团队,AI 编程效率下降 30%(因为反模式) ≈ 每月损失 3-5 人天。如果陪跑师能修复反模式,把效率恢复到 95%+,每月节省的成本远高于陪跑费。

二、5 类客户画像(谁最痛)

类型 1:中型 SaaS 公司技术团队

典型场景:10-30 人技术团队,全员用 Cursor / Claude Code,每周提交 100-500 个 PR。常见痛点:1) Agent 跑长任务陷入死循环(每个工程师每周损失 2-3 小时);2) AI 生成的代码有”看起来对但实际有 bug”的情况(QA 团队反复 debug);3) 工具调用预算失控(月度 API 账单超预算 50%+)。

配图

付费意愿:愿意付 1.5-3 万/月持续顾问费。

类型 2:独立开发者 + 小型工作室

典型场景:1-5 人独立团队,用 Claude Code 做 SaaS 产品开发。常见痛点:1) AI 写出的代码”长程遗忘”,改完一段忘了前面的约束;2) Agent 假完成,报告”任务完成”但实际只完成 50%。

付费意愿:愿意付 5000-1.5 万/单次诊断 + 修复。

类型 3:企业 IT 部门 / 数字化转型团队

典型场景:50-500 人企业,IT 部门刚开始引入 AI 编程工具(全员推广 Cursor / Copilot)。常见痛点:1) 没有 AI 编程规范,工程师各用各的;2) 反模式频发但没人知道怎么修;3) 安全 + 合规担忧(AI 写出不符合公司规范的代码)。

付费意愿:愿意付 5-15 万/季度(规范化咨询 + 工具部署 + 培训)。

类型 4:AI 编程工具厂商(To B SaaS)

典型场景:做 Cursor / Aider 类 AI 编辑器的创业公司,自己产品有反模式。常见痛点:1) 客户投诉”我用了你的工具,代码质量反而下降”;2) 不知道自家产品的反模式出现在哪些场景;3) 想做”反模式预警”功能但不知道怎么设计。

付费意愿:愿意付 10-30 万/季度做”反模式诊断 + 产品改进咨询”。

类型 5:培训机构 + 知识付费博主

典型场景:做 AI 编程教学 / Cursor 入门课 / Vibe Coding 接单的培训方。常见痛点:1) 自己学员学了 Cursor 还是不会用(反模式问题);2) 想做”AI 编程陪跑”课程但不知道教什么;3) 需要真实的反模式案例 + 修复方案。

付费意愿:愿意付 1-3 万买”反模式案例库 + 修复方案包”。

5 类客户里,类型 1(SaaS 团队)和类型 4(AI 工具厂商)客单价最高,类型 2(独立开发者)成交最快,类型 3(企业 IT)周期最长但金额最大。

三、4 档定价 + 利润率

AI 编程陪跑师的服务按深度分 4 档。

档位 1:单次诊断(5000-1.5 万/单)

交付物:3-5 天的诊断报告,识别客户团队在用 Cursor / Claude Code 时触发的 5 个反模式(对照 aizxs 12074),给出”反模式清单 + 修复优先级 + 修复工时估算”。

适用客户:独立开发者、小型工作室。

利润率:80%+(主要是 3-5 天工时)。

成交周期:1-2 周。

档位 2:修复实施(1.5-3 万/单)

交付物:在诊断报告基础上,实施 1-3 个反模式的修复(改 .cursorrules / 写 CLAUDE.md / 配 loop detection / 设 tool budget),交付可用的配置文件 + 团队培训。

适用客户:中型 SaaS 技术团队、AI 编程培训机构。

利润率:60-70%(5-10 天工时)。

成交周期:2-4 周。

档位 3:持续顾问(月费 1.5-3 万/月)

交付物:除档位 2 全部内容外,加”月度反模式扫描 + 季度 prompt 升级 + 团队月度培训 + 紧急响应(48 小时内)”。客户团队有任何 AI 编程问题都能找陪跑师。

适用客户:中型 SaaS 技术团队、企业 IT 部门、AI 编程培训机构。

利润率:70-80%(稳定收入,边际成本低)。

成交周期:1-3 个月。

档位 4:战略合作(10-30 万/季度)

交付物:除档位 3 全部内容外,加”反模式预警产品设计 + 自家 AI 编程工具优化建议 + 季度复盘报告”。本质是把陪跑师当”外部 CTO 顾问”用。

适用客户:AI 编程工具厂商、大型 SaaS 公司 CTO 办公室。

利润率:50-60%(投入精力大)。

谈判周期:1-3 个月(含方案沟通 + POC + 法务流程)。

档位 4 的隐藏价值:陪跑师在档位 4 客户身上能学到”反模式在产品层的根因”,这个经验反过来能提升档位 1-3 的服务质量,形成正向循环。

四、完整 SOP:5 步从售前到交付

第 1 步:售前沟通(30-60 分钟)

关键问题:1) 客户用哪个 AI 编程工具?(Cursor / Claude Code / Aider / 其他);2) 团队多大?用 AI 编程的比例是多少?3) 当前最痛的反模式是什么?(让客户举具体例子);4) 客户预算区间?

判断标准:客户能举出具体反模式案例 → 成交概率高;客户只能说”感觉 AI 不好用” → 需要先教育,成交概率低。

第 2 步:反模式诊断(3-5 天)

拿到客户的 .cursorrules / CLAUDE.md / 配置仓库 + 过去 1 个月 PR 列表 + 团队使用 log。

诊断方法:

  • 用 aizxs 12074 的 5 个反模式作为 checklist,逐项扫描客户的代码和 prompt
  • 用 Claude / GPT-5.6 跑 50 个反模式触发测试 prompt,看客户配置下哪些会被触发
  • 跟 3-5 个工程师做 30 分钟访谈,了解实际使用体感

输出:《反模式诊断报告》,包含:

  • 触发的反模式清单(5 项里哪几项被触发,严重度评分 1-5)
  • 每个反模式的根因分析(配置问题 / prompt 问题 / 工具选型问题 / 团队流程问题)
  • 修复优先级建议(先修哪个,后修哪个)
  • 修复工时估算(每个反模式需要多少人天)

第 3 步:修复方案设计(2-3 天)

根据诊断报告设计修复方案。常见修复方案包括:

  • 反模式 1 幻觉式收尾 → 加 checklist prompt + 强制 review + 反向验证
  • 反模式 2 死循环 → 设 max iterations + diff review + loop detection
  • 反模式 3 长程遗忘 → 外部 memory 持久化 + periodic compaction + 事实回查
  • 反模式 4 假完成 → 完成定义 checklist + 自检环节 + 用户验收测试
  • 反模式 5 工具滥用 → 工具白名单 + 调用预算 + 必要性论证

输出:《修复方案文档》,包含每个反模式的:1) 根因;2) 修复目标;3) 具体改动(配置文件 / prompt 模板);4) 验证方法。

第 4 步:修复实施(5-10 天)

按修复方案实施。常见改动:

  • .cursorrules 改造(添加工具白名单 / max iterations / checklist)
  • CLAUDE.md 改造(添加团队约束 / 长期记忆 / 关键决策)
  • 引入 loop detection 工具
  • 引入 reverse verification 流程
  • 引入 user acceptance test 子 Agent

输出:可用的配置文件 + prompt 模板库 + 工具部署指南 + 团队培训(2 小时)。

第 5 步:效果验证 + 持续优化(首月免费,后续转档位 3)

验证方法:

  • 用同一套 50 个反模式触发 prompt 重测,看修复后的触发率
  • 客户团队使用 2 周,收集体感反馈
  • 量化指标:每周节省工时 / bug 减少率 / AI 编程成功率

如果客户对效果满意,自然转档位 3(月费 1.5-3 万)。陪跑师提供持续优化 + 月度扫描 + 紧急响应。

五、5 个工具栈核心配置

AI 编程陪跑师的核心工具栈是基于 aizxs 12074 反模式的 5 个修复方案。

工具 1:.cursorrules(团队级 AI 编程规范)

必备配置:

  • max_iterations: 30(超过 30 轮循环强制终止)
  • tool_whitelist: [Read, Edit, Bash(限定 pytest/mypy/ruff)]
  • completion_checklist: 8 项完成定义(测试覆盖率/边界处理/文档/性能等)
  • forbidden_actions: 删除生产数据 / 改 schema / 部署到生产

工具 2:CLAUDE.md(团队约束持久化)

必备配置:

  • 团队 coding style(命名 / 注释 / 测试规范)
  • 长期禁止约束(不用 lodash / 必须 Python 3.12+ / API 必须 RESTful)
  • 关键决策记录(为什么选 PostgreSQL / 为什么用 monorepo)
  • 关键约束的反向检查清单

工具 3:loop detection 工具

推荐用 Cursor 内置 Loop Detection + 自定义检测脚本:

  • 反复修改同一文件检测(过去 5 轮修改同一区域 → 终止)
  • 反复调用同一工具检测(连续 3 次相同参数 → 提示)
  • token 消耗异常检测(单次循环消耗 > 5K → 终止)

工具 4:reverse verification 子 Agent

专门做反向验证的 Subagent:

  • 每次 Agent 报告”完成”后,reverse verification Agent 自动跑测试 + 检查边界
  • 任何不一致都强制终止主 Agent,提示人工介入

工具 5:周度反模式扫描工具

每周跑一次的扫描脚本:

  • 抓取本周 PR + 团队 prompt + Agent 输出
  • 用 Claude / GPT 跑反模式 checklist
  • 生成周报,自动发给团队 leader

5 个工具组合起来,构成”反模式防御 + 检测 + 修复”的完整工程体系。

六、获客 5 渠道(从冷启动到稳定)

渠道 1:知乎(技术内容 + 实战案例)

操作:在知乎写”AI 编程反模式”专栏文章,引用 aizxs 12074 + Dan Luu 笔记 + 自己客户案例。知乎 SEO 流量稳定,适合长尾获客。

预期:每周 5-10 个高质量咨询,成交率 30%+。

渠道 2:小红书(独立开发者 + 创业者)

操作:发”我用 AI 写代码踩过的 5 个坑”系列短视频,展示修复前后的对比。小红书独立开发者 + 创业者活跃。

预期:每周 10-20 个咨询,成交率 15%+。

渠道 3:技术大会 + Meetup(高质量客户)

操作:在 QCon / ArchSummit / 各类 AI 工程 Meetup 上讲”Agentic Loop 反模式 + 修复方案”,吸引企业 CTO / Tech Lead。

预期:每场 10-30 个高质量名片,成交率 40%+。

渠道 4:GitHub 开源(反模式检测工具)

操作:开源”反模式检测工具 + 修复模板库”,积累 GitHub Star。开发者社区口口相传,自然获客。

预期:每月 20-50 个新咨询,成交率 20%+。

渠道 5:老客户转介绍(企业级客户)

操作:每个交付客户都请求转介绍,提供 10-15% 推荐奖金。企业级客户的转介绍最值钱。

预期:每月 2-5 个转介绍,成交率 60%+。

5 个渠道优先级:知乎 + GitHub 开源(冷启动) → 技术大会 + 老客户转介绍(成长期) → 小红书 + 抖音(规模期)。

七、避坑 5 个(从真实失败案例总结)

坑 1:不要直接给客户”标准答案”

每个 codebase 不同,每个团队习惯不同。12074 的反模式是通用框架,但具体到客户身上,触发场景和修复方案都不一样。直接给客户”标准配置”会被打脸。

规避:每个客户都先做诊断(档位 1),再给方案。永远不要跳过诊断直接给修复。

坑 2:不要长期陪跑同一个客户

持续顾问档位 3 看起来是稳定收入,但实际上陪跑超过 6 个月,客户会”什么都依赖你”,你的时间会被锁死。陪跑师的理想状态是”帮助客户在 6 个月内自给自足,然后转给下一个客户”。

规避:合同里写”陪跑周期 3-6 个月”,6 个月后客户必须有能力自己维护。

坑 3:不要把工具栈写得太复杂

很多新手陪跑师喜欢堆工具(loop detection + reverse verification + 周度扫描 + …),但客户的工程师根本学不会用。工具栈应该”少而精”,最多 3 个核心配置 + 1 个自动化工具。

规避:交付物里工具栈必须有”为什么只用这 3 个”的说明,而不是”工具大礼包”。

坑 4:不要为了成交而承诺”修复 100% 反模式”

12074 的 5 个反模式在工程层面无法 100% 修复(LLM 注意力机制的限制),承诺”修复 100%”会被客户抓着不放。合理的承诺是”修复 60-80%,剩余 20-40% 通过人工兜底”。

规避:合同里明确”反模式触发率从 X% 降到 Y%”的可量化指标,不承诺绝对数字。

坑 5:不要忽视团队文化问题

很多反模式的根因不是技术问题,而是团队文化(没人 review AI 代码 / 没人写测试 / 工具选型各用各的)。如果只改工具不改文化,反模式会反复出现。

规避:修复方案里必须包含”团队培训”环节(2-4 小时工作坊),让团队理解 AI 编程的正确姿势。

八、写在最后

AI 编程陪跑师是 2026 年下半年 6-12 个月窗口期的新副业机会。核心逻辑是:AI 编程工具普及(几乎每个团队都在用)+ 反模式普遍(80%+ 团队触发至少 1 个)+ 修复能力稀缺(没人会系统化诊断)+ 付费意愿到位(企业愿意为效率付费)。

4 档定价 + 5 步 SOP + 5 个工具配置 + 5 个获客渠道 + 5 个避坑指南,构成这个副业的完整方法论。新手期建议从档位 1-2 起步(单次诊断 + 修复实施),3-6 个月后升级到档位 3(持续顾问,月费 1.5-3 万)。

最关键的是:不要把反模式修复当成”卖工具”,而是当成”卖工程能力”。客户买的不是 .cursorrules 配置文件,买的是”陪跑师对 AI 编程工程化的深度理解 + 系统化诊断能力”。

附:本文素材来自 aizxs 7/4 ID 12074「Agentic Loops 的 5 个反模式」+ Dan Luu 7/4 HN 60 分爆款 + aizxs 7/4 ID 12078「AI Agent 基础设施 4 个新工具横评」。这是 AI 副业”7 月新机会”系列第 2 篇,第 1 篇是 12086「AI 邮件 Agent 部署顾问」,下一篇将是「AI 模型迁移顾问」(基于 aizxs 7/4 ID 12070「Claude Fable 性能降级 4 套自救」)。

你团队里在用 Cursor / Claude Code 吗?有没有遇到 12074 提到的 5 个反模式?