我从六个月的“故意犯傻”中学到了什么
摘要
一位金融专业应届毕业生分享了他从零开始学习 n8n 工作流自动化的六个月历程,详细讲述了走出非技术舒适区、构建由 AI 智能体驱动的自动化流程的种种挣扎与收获。
暂无内容
查看缓存全文
缓存时间: 2026/10/21 18:23
# 我从六个月"故意犯傻"中学到的东西 · WVEZ Solutions
Source: https://wvez.org/blog/learning-to-be-stupid/
*经常感觉很傻,而且是以全新的方式*
---
## 我
今年(2026年)五月,我从 Loyola U Chicago 毕业,获得了金融学学位。我还曾在四个夏天于一家大型医疗保健公司担任财务规划与分析实习生。尽管这些经历非常出色,但它们也让我觉得自己的命运早已注定,滋生了一种不健康的心态——认为"一条道走到黑"以外的职业生涯都是在浪费我投入的所有时间。
然而,这种短视的心态在大学最后几个学期迅速转变,演变成我认为是一次向好的重大转折——**一切都因为我开始自学一款我此生从未接触过的软件。**
---
## JSON 到底是个啥?
从记事起我就一直在当创业者,从小学开始就有各种副业。从球鞋倒卖、代发货按摩枪、地毯簇绒、彩虹编织手链,你想到的,我*可能*都做过。
我在 Loyola 最后几个学期偶然接触到的最新副业是用 n8n 做工作流自动化。那是我第一次真正锻炼**"愚蠢的肌肉"**,通过跳出我长期依赖、很少有勇气远离的那套金融/量化知识舒适区来实现激活。
我是在社交媒体、其他创业者以及我关注的生产力创作者那里听说这款软件的。他们说的都一样:它能改进业务流程、成倍提升生产力、提供被动收入机会(经典说辞)等等。所以像任何一个容易被影响的大学生一样,我上了这趟热度列车。
我最初的计划是自动化工课业、求职、投资研究和日常中那些觉得重复的任务。然后,等我先能做出不涉及 AI 的工作流之后,再把我的自动化与 AI 代理的分析能力结合起来——一切都怀着创建一个不错生意的根基的希望。
我注册了账号,打开它,迎面而来的是一张空白画布,上面有数百个随机的节点、触发器和输入可供选择,而我完全不知道怎么用。
在被那些占满整个画布的巨大工作流轰炸之后,面对那张空白画布,我开始质疑自己有限的技能,甚至怀疑自己在完全没有技术背景的情况下是否真的能做到同样的事。
这是我打开第一张画布、想知道是否有可能追上那些已经使用该系统数**年**的人后,向自己提出的几个问题:
- HTTP 节点是干什么用的?
- "AI Agents"就是所有人都在这个平台上做的东西吗?
- 为什么每样东西都需要 API key?
- API key 到底是*什么*?
- 写代码是我最大的瓶颈吗?
而最重要的是:
> *"我怎么会不知道该怎么做?"*
---
## 明天再放弃吧
"哇,我好蠢"——我就是这么对自己说的,仅仅因为我没有奇迹般地知道该先构建什么,或者哪种工作流能像论坛写手和"专家"声称的那样"彻底改变我的生产力"。听起来很傻,但在开始阶段我确实很沮丧,因为它彻底暴露了我对技术世界基础话题的了解有多么匮乏。尤其是那些对更有经验的人来说就像呼吸一样自然、而且在我看到的工作流中经常用到的东西。**即便我只是一个初学者——我也不知道为什么,还是期望自己能当场全部搞明白。**
那一刻我意识到并对自己承认:这不在我预设的剧本里。我的第一反应是放弃并取消订阅,以避免失望,但我把放弃的欲望替换成了这种心态:
> *"闭嘴,想办法搞明白。"*
**这是我自己创造的一种小小的警钟,提醒自己我完全有能力构建有用的东西,只要我付出努力,就一定能按照计划做到。**
- 快速致敬那些总能给我额外动力的东西:
- "明天再放弃吧"
- "TONY STARK WAS ABLE TO BUILD THIS IN A CAVE, WITH A BOX OF SCRAPS"(https://www.youtube.com/watch?v=WJngbyHgS8E)
- "Jeff Hardy (https://www.youtube.com/watch?v=qP1fIn8at1k) 爬到梯子一半的时候会下来吗?"
---
## 屏蔽噪音
我花了数周时间搜刮 Reddit 帖子、Medium (https://medium.com/) 文章,以及研读 YouTube 教程,尽可能多地向那些比我懂得多的人学习。但回头看,我坦率地对自己在这件事上投入的时间感到遗憾。我学到的是**光看视频和读书能获取的东西是有限的**,最终会卡在我所说的*教程死胡同*里——在永无止境地观看他人和研究各种零碎问题中度过,而不是真正去*动手做*。
我觉得教程和信息阅读总是学习一项技能基础的好起点。然而,我意识到**要达到从你希望学的东西中获益的程度,你需要自己动手去做,去失败。大量地失败。**
这自然而然地导致我经常*感觉很蠢*。
---
## 死胡同
我自己也曾经是教程死胡同的受害者,因为*以为*自己在学新技能的感觉确实很棒。所有闪亮事物带来的多巴胺冲击,以及想象自己复制你正在阅读/观看的内容——这让人上瘾。不管怎样,令人心碎的现实是,这几乎从来不会有什么产出。直到今天我仍在学习如何避免跌入那个深渊。
然而,最具破坏性的行为是**主动将自己暴露在该技能最好的成果面前,而那些成果只有数月甚至数年的经验才能做到。**
在学习过程中,这是我遇到过的最大陷阱和动力杀手。观察一项技能的潜力是没问题的,但千万不要过度,直到像我一样被怀疑所麻痹。尤其是在这个社交媒体 roleplay (https://larping.urbanup.com/15927973) 的时代,你永远不知道谁只是在为了注意力、利润而撒谎,或者正在主动寻找新受害者来买他们蛇油般的课程。
**我发现真正有效的是从小处着手,"just doing"。**具体来说,是寻找*我自己的*工作方式中的错误,从而真正学到什么对*我*有效。
此外,提醒自己能开始本身就是一种成就。许多人从未走出教程死胡同,所以开始在我看来一直是一场胜利。我过去的许多兴趣爱好都伴随着大量的谷歌搜索时间,以及反复问别人"我怎么才能提高 \_\_\_",而不是自己动手去弄清楚。
被浪费的潜力就存活并滋生于那些困在死胡同循环中的人身上。
---
## 小步前进
没有人是满速冲刺着从娘胎里出来的(如果你是,那我佩服你)。你需要先学会爬行,而我第一次爬行就是一个简单的工作流——当我收到对 Google 求职申请的邮件回复时,给我发一条 Slack 通知。
这个事情能不能通过在招聘页面设置通知偏好轻松完成?当然可以。但谁在乎呢?重点是*开始*,做出一个能用的东西——而这个工作流恰好做到了。我及时收到了 Slack 上的拒信通知,旁边还带着绿色的执行信号。Success (https://www.youtube.com/watch?v=Wcz_kDCBTBk)。
---
## 大步前进
从那以后,几乎从周一到周日,我一有空就用我以前从未用过的节点随机制作工作流,纯粹为了提升自己。慢慢地,在两个月里除了报错解决之外完全不看自动化内容、并且每天都在搞砸一些东西之后——我制作的内容变得更加高级了。
以下是我最后一学期完成的几个"高级"工作流:
**Job-Prospecting Triggered on Slack msg**
- 从 Google Drive 拉取最新简历和记录我求职进度的 Excel 文件,
- 并利用 Gemini 集成查询符合我标准的职位(我尚未申请的),附上简历及基于就业中心数据的定制化建议。
**eBay Flipping**
- 每 5 分钟触发一次(只有在将工作流迁移到自托管服务器实现 ∞ 次执行后才可能),
- 调用 eBay API 获取我指定的产品,
- 根据我为"好交易"设定的标准对新上架的商品进行评分,考虑运费、卖家费用以及该产品最近 10 次成交的均价。
- 好交易被发送到 Telegram,商品上架的瞬间就通知我如果买入能赚多少。
**Dispensary Inventory Monitor**
- 为芝加哥南环区一家持牌 dispensary 构建了工作流,监控并追踪竞争对手周边的实时库存。
- 定时触发器在开门、午餐和打烊时每天三次调用竞争对手网站的 API,观察新品、滞销品和下架品。
- 中间节点处理响应中随产品信息一起传来的所有杂乱数据的过滤、格式化和标准化。
- 最终输出是干净的产品数据,流入 Excel 表格进行分析。
- 通过定期快照,我能够准确理解和提取销售策略、定价方法和预估利润流向。
- 每次执行都存储到 PostgreSQL 中,创建了可查询的竞争对手库存历史,从而也能对过去的快照进行分析。
**CME Trading Challenge**
- 在为期一周的挑战中重度依赖的两个工作流:
**通胀报告(CPI)工作流:**
- 在月度通胀报告发布前 15 分钟触发,从 Yahoo Finance 拉取我正在交易的期货合约的最新价格。
- 这些价格被用来创建"首轮"买入或卖出计划,包含具体的入场和出场点位,全部按照报告发布**前**的风险调整。
- 两个计划都通过 Telegram 发送给我,并在从 BLS API 拉取实际数据并与预测值对比后相应更新,从而确定最终保留哪个计划。
**新闻信号:**
- 另一个工作流使用 webhook 触发器在日间为我提供信号,在新闻源发布消息的瞬间处理文章和标题。
- 关键词在 JS 代码节点中评分(n8n Cloud 无法导入 Python 库),根据我的挑战交易策略赋予权重,整个流程在日间持续提供可执行的信号。
---
## Sprinting (https://www.youtube.com/watch?v=SAp4gJwhNI0)
这些工作流只是我在最后一学期制作的数百个中的一个小小样本,而且几乎**50% 的东西要么不能用,要么被放弃了,要么没有真正对我有用的用例。**
但正因为那次延迟的觉悟,我对自己以及那些我从未想过会有热情的事物有了如此多的了解。仅凭这次经历,我就学会并能在新项目中运用:
- REST APIs + 认证(API keys, OAuth 2.0)
- **终于**知道 JSON 是谁了,解析它,以及数据映射
- 逆向工程无文档的 API(DevTools, cURL, .har 文件)
- 网络爬取
- JS 和正则表达式
- Webhooks、轮询和 cron 触发器
- 带有工具调用、提示工程和深度记忆能力的 AI agents
- 在我的代理中使用 RAG 建模(embeddings 和向量存储)
- MCP servers
- 在我自己的域名上自托管
这些只是我随口能说出的几个话题,打字时读着这个列表让我为自己感到无比自豪。在开始之前我持着单行道心态的时候,从未想过自己能在这些我完全**一无所知**(老实说现在仍然不了解)的话题上走得这么远。它点燃了无数新的热情、商业机会以及一年前我从未想过会拥有的人脉。
---
## 最大的收获
如果我能根据我个人不断学习新事物的经验给任何人一条建议,那就是:
> **Just start. Ignore the noise.**
整个过程中最难的部分显然是开始。比面对失败和失望更难。回头看,有很多因素阻碍了我:
- SWE 们在帖子中将 n8n 用户称为"想快速捞钱的卖课贩子"
- Reddit 帖子说 "n8n/automation is cooked"(我甚至数不清看到过多少次)
- 初学者提问帖下居高临下的回复
我们太常接收到不值得倾听的来源提供的建议和输入,而且即使它们值得倾听——他们的建议也不是普适的或适用于你的。我不是说要忽略所有建议或实际规范,但当你试图提升自身的任何方面时,你所消费的一切都很重要。如果你选择接收外部输入,确保是适用的正确内容。没有什么比学到什么对**你**有效更重要了,如果你花太多时间消费对别人有效的东西,你永远不会成为最好的自己。
转过头不去看那个深渊很痛苦。我没有闪亮的胡萝卜可追,我意识到我一无所知。但最终回报比预期多十倍。
---
## 如今
快进到现在,我学到的经验开始以更好的方式渗透到我的生活中。我在代码和过滤节点中编写脚本的实践,催生了多个由 agentic coding 驱动的商业项目,而所有这些我都是作为一名学生在运营的。
我努力平衡来自新点燃的编程热情的不断涌现的想法、用数据解决问题以及纯粹的**建造**渴望,最终引导我开发了迄今最大的项目。该项目及其 MVP 最终让我获得了Chicago's #1 tech incubator (https://1871.com/) 的早期录取。被自家后院最聪明的头脑环绕,并能在没有评判的情况下向他们学习,推动我超越了自认为可能达到的极限。
**一年前对我而言不存在的路径,只有在我决定坦然接受"感觉很蠢"之后才出现,我希望任何读到这里的人都能更受鼓舞去做同样的事。**
也许我自己的建议也不值得听。但无论如何,我真的希望每个读到这里的人都能体验到我自从坦然接受愚蠢以来一直感受到的那种兴奋。
相似文章
作为一名CS学生,构建AI系统赚了2.5万美元后的真实想法
一位计算机系学生分享了他为小企业构建简单n8n自动化工作流的经验,指出在现实应用中,简单直接的解决方案往往比复杂的AI系统更受欢迎。
@DeRonin_:如果我只有 6 个月从零成为 AI 工程师,我会这样做。第一阶段:打基础——学习 Python、Git……
一位从业者分享了从零成为 AI 工程师的 6 个月路线图,涵盖软件基础、LLM 应用开发、RAG、智能体与评估、部署/可靠性以及方向选择——强调公司招聘的是在模型之上构建系统的人,而不是训练模型的人。
为小企业构建AI自动化,我首次赚到1万美元:所学经验总结
作者分享了为小企业构建AI自动化的经验教训,强调以问题为导向的解决方案、简洁性、基于价值的定价以及持续维护的重要性。
我自动化了客户拓展。难点并不在于自动化本身。
一位开发者分享了他使用 n8n 和 OpenAI API 自动化客户拓展的经历,指出理解要自动化什么比实现自动化更难。
构建 n8n AI 支持工作流是容易的部分。以下是我为生产环境测试时学到的经验。
一位开发者分享了构建生产级 n8n AI 支持工作流的经验,强调分类优于生成、基于规则的过滤器以降低成本,以及将响应基于知识库以避免幻觉答案。