AI 项目的好与坏
AI 项目的预算通常高于普通网站，客户也愿意为新能力买单。但需求容易模糊、模型效果有不确定性、甲方期望可能超出技术现实。
独立开发者要接的不是「最赚钱」的项目，而是「定义清楚、验证可行」的项目。
接什么样的项目
优先接有明确业务问题的项目：客服、知识库、数据查询、内容生产。这些场景效果可衡量，容易建立口碑。
谨慎接「做一个万能 AI 平台」类项目：需求宽泛、验收困难、容易陷入无休止的演示。
- 问题明确：知道要解决什么业务痛点
- 数据可得：真实数据在项目开始时就能拿到
- 效果可测：有明确的成功标准
- 范围可控：4-8 周能做出核心验证
报价按范围，不按小时
按项目范围报价，拆成里程碑，每个里程碑有明确交付物和验收标准。AI 项目尤其要预留「效果调优」的边界：默认包含几轮优化，超出部分单独计费。
把风险说在前面，比事后解释便宜。
交付透明，每周有版本
每周交付可体验版本，客户随时知道项目状态。AI 项目的不确定性，用高频率沟通来对冲。
独立开发者最大的资产不是技术，而是让客户放心的交付节奏。
合同里要写清楚什么
除了范围和价格，还要写清楚：AI 效果优化的轮数上限、数据与模型输出的归属、验收标准、变更流程、延期责任。
AI 项目最怕「效果不好继续调」成为无底洞。把边界写在合同里，合作反而更长久。
如何积累作品集
独立开发者的作品集不需要项目多，而需要每个项目都能讲清楚三件事：业务问题、方案路径、可衡量结果。
客户授权允许公开时，把过程文档、数据变化和复盘写成案例；不能公开时，写脱敏的方法论总结。
持续积累可验证的案例，比任何个人介绍都更能带来下一个客户。
案例的写作结构
一个可验证的案例用四段写：背景（客户面对什么问题）、方案（我们做了什么）、过程（怎么验证和迭代）、结果（可衡量的变化）。
结果段一定要有数字和时间：三个月、-36%、91%，比形容词更有说服力。
案例写得越具体，客户越容易判断你是否能解决他的同类问题。