有人将Claude Code独自运行了72小时。目标只有一个：赚取100美元。

智能体创建了7个数字产品，写了150多篇帖子，在6个平台上建立了分发渠道。结果呢？收入为零，一笔转化也没有。

这个发布在Hacker News上的实验，悄悄说明了一个问题：为什么"AI智能体自主赚钱"在2026年依然是一种过度吹捧。

三句话总结
Claude Code 72小时自主实验 → 收入零 → 内容生成能力 ≠ 收入创造能力 → 信任、分发、差异化依然是人类的领域

这是什么？

2026年，社交媒体和技术社区充斥着用AI智能体获得"被动收入"的故事。堆叠Mac Mini的照片、自主交易循环的帖子、"agentic income stream"这样的词汇——仿佛配置一个文件就能实现财务自由。

然后有人真的做了实验。HN用户builtbyzac将Claude Code自主运行72小时，目标是100美元收入。智能体非常努力地工作了。

  • 制作了7个数字产品
  • 撰写了150多篇帖子
  • 在6个平台建立了分发渠道

结果？收入零美元。零转化。

大约同期，SiliconSnark媒体调查了这一现象，表示"当你寻找普通人用AI智能体建立可持续收入的实际案例时，房间变得非常安静。"截图、代码库、帖子、氛围都有——但几乎没有有据可查的持续收益案例。

为什么是零收入？

HN评论中出现了最犀利的观察。用户amostipton这样总结道。

常见误解："AI大量生产内容就能产生收入"
实验实际显示的是另一回事。自主输出与自主收入是完全不同的概念。瓶颈不在于产品生成能力，而在于信任、分发、差异化和真实需求。

从结构上看，智能体失败的原因有三个。

智能体能做的事 智能体做不到的事 实际收益的条件
制作数字产品 建立买家信任 已有受众(audience)
大规模生成内容 通过平台验证码 人类背书的可信度
设置分发渠道 不被标记为垃圾的外发 经过验证的需求
进行市场调研 产生自然流量 明确的痛点

MIT Sloan博士生Peyman Shahidi指出，AI智能体的根本经济承诺是"大幅降低交易成本——搜索、沟通和签约所涉及的时间和精力"。但信任和分发是另一个维度的问题。

HN用户raffaeleg精准地点出了关键：真正赚钱的智能体有一个共同点——它们替代了某人已经在为之付费的、具体且可重复的人类工作流程。

核心整理：如何开始

要用AI智能体创造真实收益，需要改变方法。将智能体视为"杠杆层"而非"自主收益机器"。

  1. 先找到现有工作流程
    寻找已有人付费，或内部消耗大量人工时间的重复性工作。不是创造新需求，而是连接现有需求。
  2. 尽可能缩小范围
    与其做10个功能，不如把1个功能做到极致。从"入站线索分类""发票处理""工单首次响应"这样可测量的单一任务开始。
  3. 用数字衡量前后对比
    比较引入智能体前后的时间、成本和错误率。只有ROI清晰时，才能成为业务。
  4. 保持人类在循环中
    "含人工审核的自动化"比完全自主更现实。第一阶段就追求完全自动化很容易失败。
  5. 亲自建立分发渠道和信任
    智能体可以生产内容，但无法建立受众。分发渠道和信任仍需人类亲自积累。

SiliconSnark的结论说得准确："真正的钱在更安静的地方，远没那么好看。"

🔗

深入了解

Ask HN: Has anyone gotten AI agents to make money autonomously?
72小时实验的原始HN帖子。实验结果和社区反应原汁原味。
Do AI Agents Actually Make Money in 2026? Or Is It Just Mac Minis and Vibes?
SiliconSnark深度分析。Mac Mini热潮的实质与真正赚钱的智能体模式。
Agentic AI, explained — MIT Sloan
MIT Sloan总结的智能体AI实际经济价值与组织内实施现实。
AI Agents in 2026: What is Hype vs What is Real
构建过生产级智能体系统的开发者的现实分析。