Ask HN：你是如何作为独立工程师/咨询顾问拿到第一个项目的？
文章摘要
发帖人 modelcroissant 是一位有近十年经验的软件工程师，最近决定开启自己的独立咨询业务（solo consultancy）。他的目标客户群体非常聚焦——中小企业（SMEs），主要帮助他们解决”后台办公”中那些杂乱无章的技术难题：电子表格胶水代码、脆弱的内部工作流、糟糕的报表系统、别扭的系统集成、后端/平台问题，以及那些”看起来花哨但不能干实事”的 AI 工作流。他明确表示自己不想做一家普通的代理公司（generic agency），而是更愿意服务那些已经”感受到运营痛点”、需要技术专家来”理顺局面”的企业。
他在帖子里向社区抛出了三个核心问题：（1）你的第一个真实项目是怎么拿到的？（2）哪种主动接触方式（outreach）真的有效？（3）你最初的几个客户来自哪里——人脉网络、内容营销、冷启动外联、合作伙伴关系、转包外包，还是别的渠道？为了示好，他还宣布前 5 个客户可以获得 10 小时免费工作时间，作为启动初始项目的诚意。这个帖子在 HN 上获得 302 分、145 条评论，引发了关于独立咨询业务起步路径的热烈讨论。这类问题对于正在或考虑从全职岗位跳出来做独立咨询的工程师非常有参考价值，尤其是在当下 AI 浪潮和经济环境双重冲击的背景下。
HN 评论精华
swiftcoder（高赞）：”我基本上所有的合同工作都来自以前合作过的人。运气好的话，你的人脉会慢慢扩散到整个行业，当他们需要重量级人物时，就会知道找谁。”——这个观点是几乎所有成功独立咨询师的共识：第一个项目几乎从不来自冷启动，而是来自前同事、前老板、前客户。
dustingetz：他指出过去美国客户找欧洲外包的”套利窗口”已经关闭。”加州的 SaaS 行业在风投转向 AI Native 的浪潮中崩溃了，SaaS 预算（也就是工资）下降，美元贬值，欧洲远程工资上涨。” 现在真正的套利空间是雇佣更东边的开发者（东欧、亚洲），尽管 7-8 小时的时差让 Zoom 沟通有些紧张。
samiv 和 arcbyte 的辩论：关于”专业化 vs 通用”展开了激烈讨论。一方观点是：在当前 AI 时代，通才更容易被替代，”专家始终是被搜索的”。另一方则认为：”专业化是用广度换深度——这是 quality over quantity 的权衡，承担了目标市场更窄的风险。” 这场辩论的核心是：在 LLM 能完成大量”表层工作”的今天，深度专业化反而是护城河，因为 LLM 的训练语料主要来自 React 模板、博客教程级别的内容，对真正的深度领域知识覆盖有限。
59nadir：他从 LLM 训练数据的视角提供了独特洞察：”Opus 在表层任务上比在需要深度领域知识的任务上要强得多；一个完全的通才（在很多事情上只有表层知识）比一个在某个领域有深度知识的人更容易被 LLM 替代。” 这强化了”做专家、做小众”的策略建议。
jacknews：”即便 AI 真的能取代专家——我并不这么认为，除非是最简单的领域——AI 训练公司本身也在积极雇佣专家……” 这是对 AI 取代专家恐惧的一个反讽式回应。
关于”在 California 收高薪、再外包给本地”的套利讨论：OJFord 和其他评论者指出，真正的套利模式是”两头吃”——拿加州的工资，把活外包给本地或更便宜的市场，这才是 arbitrage 的本意，而不只是”找便宜的”。
整体共识是：第一个项目最有效的来源是 过去的同事和雇主网络；冷启动 outreach 几乎没用；专业化 + 利基定位 + 网络维护是独立咨询师能否生存的核心三角。