AI 小白 IP 二次逆袭心法:写了 63 万字发了 600 篇文章才醒悟:不懂这 3 个潜规则，自媒体永远做不起来 大家好，我是天山，一名在房地产行业摸爬滚打 18 年的老职场人，建筑工程师职称、一级企业人力资源管理师等身份，却也曾在 AI 面前是个连「AI 是什么」都搞不清的超级小白。 焦虑过职场变数，迷茫过副业方 ... AI 小白 IP 二次逆袭心法:写了 63 万字发了 600 篇文章才醒悟:不懂这 3 个潜规则，自媒体永远做不起来

记录一下，公众号8888个粉丝了，下一个有意义的记录就是88888个粉丝了#生财好事

山东临沂或周边的朋友有吗？ 想找附近的伙伴线下交流，一起学习、一起进步。现在看山东这边好像主要是济南和青岛有组局群，过去参加的话路程确实有点远 如果临沂或周边也有同频的朋友，咱们搞个组局，平时交流AI、内容创作、工具使用、项目实践，有机会也可以线下约着聊聊。一起抱团成长，会比一个人摸索更有氛围。 #线下聚会

你有没有遇到过这种情况：满怀热情发起一场组局，海报做了、群里也发了，结果到了报名截止，响应的没几个，最后只能不了了之？ 这些年负责线下组局业务，我见过太多组局官栽在这一步。大多数人第一反应是怀疑：是不是主题不行？是不是这个城市没人愿意线下？ 但慢慢我发现，问题几乎都不在活动本身。 打个比方你就懂了：你开一家早餐店卖包子，早餐是刚需，可店藏在巷子深处、连块招牌都没有，附近的人压根不知道，那包子做得再好吃也卖不出去。 组局一模一样，你的局再有价值，圈友不知道、不觉得跟自己有关，对他们来说就等于不存在。 差的那一步，叫预热。 从"定主题前怎么调研"，到"海报文案怎么讲价值""发哪儿、什么时候发""平时怎么养城市群"，我把预热一关一关拆成了一篇完整的方法，2000 多字写在飞书里： 👉 https://www.feishu.cn/wiki/Vxs3wjsdTiBA5QkFgfxc1HH... 哪怕你一场组局都还没组过，照着试，第一场也能有人来。 看完要是哪一关戳中你，欢迎评论区聊聊你卡在哪儿。 #线下聚会

《绿山墙的安妮：写给每一个焦虑的成年人》 大家好，我是卿久。 今天想和大家分享一本能赶走内心浮躁的好书《绿山墙的安妮》 前几天卿久和闺蜜聊天，她说自己最近状态很差。工作上按部就班，回家就是做饭洗碗刷手机，周末睡到中午，醒来却觉得更累。我才三十岁，怎么感觉已经活够了？ 我听后沉默。因为这种状态，我太熟悉了。 成年人 ... 《绿山墙的安妮：写给每一个焦虑的成年人》

内向理科生3年零产出，跟着训练营跑通系统后13天发了6篇 谨以此帖，向一人公司训练营全体教练致敬！ 3年，收藏了上百篇自媒体教程，知识付费5位数，一篇文章没发过。13天，跑通系统，连发6篇。 大家好，我是小七，破局俱乐部成员。 一直以来，我都是那个"学了一堆、从来没动过手"的人。训练营报了好几个，笔记做了一大堆，每次想开始，脑子里就冒出一堆问题：写什么？没文笔怎么办？万一被熟人看到呢？然后继续等"准备好"，一等就是 ... 内向理科生3年零产出，跟着训练营跑通系统后13天发了6篇

AI视频带货最赚钱的竟然是这种玩法 最近走访了几家AI视频带货机构,发现一个残酷的真相。 你以为AI视频带货是做内容,其实是做系统。 那些月销千万的机构,根本不是靠做爆款视频赚钱的。 三大盈利模式,你可能一个都不知道 模式一:千川服务商模式 有个机构,一天消耗300多万。 但他们自己打品根本不赚钱。 赚的是什么? 千川服务商的3到5个点返点。 他们的逻辑很简单:拿到服务商资格，用返点跑量放大，自己公司不赚钱,全靠返点 一天300万消耗,5个点就是15万。 这才是真正的赚钱逻辑。 模式二:矩阵混剪模式 小机构月销2000万,日消耗20到30万。 大机构日消耗几百万。 他们怎么做的? AI生成镜头(70%)+实拍(30%),批量生产投放千川测试。 一条爆款裂变一两百个变体,AI筛选最优。 号多+量大+素材裂变,这才是核心。 模式三:打品团队模式 这个模式更狠。 薅品牌方羊毛,赚佣金几个点。 帮大牌做BD和素材,品牌方不赚钱但圈人群。 从直播和其他平台赚钱。 很多时候单纯做内容根本赚不到钱 走访下来,发现一个共识: 很多单纯短视频挂车,很难打正ROI。 必须配合直播:短视频测爆款(不赚钱或略亏)，直播拉高ROI 短视频可能不赚钱,或者拉平或者略亏。 但直播ROI能拉上去。 这才是完整的系统。 数据不会骗人 食品百货类最稳定:烘焙、海鲜、水果、零食，应季品。 为什么?大通品,容易爆,转化快。 平台选择:抖音为主,其他平台，视频号、淘宝，没有量。 投放方式:付费投放为主,自然流几乎不可能。 还有一个关键:依托品牌黑标做,否则流量进不了A3人群资产池。 这句话很多人不懂,但这是机构能跑量的核心。 给普通人的启发 看完这些,你可能会说: 这些玩法我做不了啊。 确实,千川服务商、矩阵账号、品牌黑标,门槛都不低。 但这些信息告诉我们: 如果你只是做内容,不配合直播,不做矩阵,不依托品牌。 很难赚到钱。 这就是为什么很多人做AI视频,发了几十条,一单都没出。 不是你的内容不好,是你的系统不对。 那普通人怎么办? 三个方向: 1.. 找到靠谱的品牌方合作 不要自己单干,找有黑标的品牌方。 你负责做内容,他们负责提供品牌背书。 2. 短视频+直播一起做 不要只做短视频挂车。 短视频测爆款,直播做转化。 3. 单账号聚焦一个品类 不要什么都做。 食品类最稳定,先从这里开始。 AI视频带货,不是做内容的游戏。 是做系统的游戏。 想清楚这一点,你才能真正赚到钱。 我是怪兽抱抱,在电商一线用AI的人。 把踩过的坑、跑通的方法分享给同样做电商的人。 如果你也在做AI视频带货,欢迎来聊聊。

复盘我的来时路，在AI破局3年的蜕变 大家好，我是AI卷王龙哥，破局文曲星，破局行动多期教练。 今天来简简单单复盘一下我的来时路。 来到破局之前，我职场牛马，小透明，3年沉淀，我也成为AI领域小有名气的IP，目前在探索AI一人公司。 另外在线下组局中，也认识到很多新进入破局的朋友，对未来迷茫，没信心，希望我的来时路能给你一些启发与信心。 更多内容猛戳链接：https://my.feishu.cn/wiki/ARXRwLtgOierJTkELqjcWlQL...

一个医疗器械合规人的 AI 助手一周记 作者：云（知越） 写在前面 我是一名医疗器械合规人，做了十年质量体系与注册工作。 2026 年 11 月 1 日，新版《医疗器械生产质量管理规范》将正式实施。这不是一次普通的换版——它意味着医疗器械公司的质量体系要从“纸面合规”真正走向“实物质量管控”，对企业的体系运行能力提出了前所未有的要求。换句话说，写得再好的制度文件，如果落不到实物生产和质量管控上，就不算合规。 与此同时，基于公司发展与合规需要，公司正在推进组织机构改革。基于我十年质量体系的工作积累，公司委派我同时接管行政体系工作。这意味着，我的工作范围从质量管理扩展到了行政管理，从 GMP 条款梳理延伸到了 57 项行政制度的策划与起草，从体系岗的职责扩展到了保障中心整体架构的搭建。 挑战和机遇同时来了。挑战是工作量大幅增加，一个人干原来两个方向的活；机遇是，我终于有了一个把 AI 和医疗器械实际工作深度结合的具体场景。 一周多前，我开始使用一款 AI 助手工具——WorkBuddy。之所以说“尝试”而不是“拥抱”，是因为我一开始也没抱太高期望：之前我用过智谱清言这类大语言模型，通过提示词一轮一轮地对话，写一些方案和报告，确实能提效，但总觉得远远不够——它记不住上下文，不知道我是谁，每次新对话都要重新解释背景，处理不了复杂的多步骤任务。 WorkBuddy 不一样吗？一开始我也怀疑。但一周后的今天，我可以很确定地说：它不只是帮我“写”了文档，它重新定义了我完成工作的方式。 这篇文章不是广告，不是测评，是我作为一名普通用户，把这一周的真实使用过程和感受记录下来。如果你也和我一样，面临着法规升级的压力、工作量翻倍的困境、人员不足的现实，希望这篇分享对你有参考价值。 一、我的日常工作长什么样 先说说我原来的工作状态。 作为医疗器械企业的体系法规人员，我的日常工作包括： 质量体系搭建与维护：编写、修订程序文件和制度文件，确保符合 GB/T 42061（ISO 13485）等标准要求 法规条款梳理：把生产质量管理规范（GMP）逐条拆解，分析每个条款对应哪个体系要素、归谁管、需要什么工作程序 注册资料准备：整理产品技术文件、注册申报材料 日常协调：EHS 管理、知识产权管理、各类会议纪要 而现在，因为接手了行政体系，我的工作清单上又多了几项： 而这些新增任务，每一个都不是小活。57 项行政制度的策划、5 份岗位说明书的编写、母制度文件的起草……靠一个人，按传统方式做，按月计。 举个例子：把一份图片版的 GMP 规范变成结构化文档，原来的流程是——逐条阅读、手打原文、逐条写解读、分析职能归属、整理成 Word。一章下来，大半天没了。整本规范十几章，想想都头大。 再比如岗位说明书：格式要统一、内容要专业、每个岗位都要单独写。写完一个岗位，换下一个，大量内容是结构性的重复。 这些工作的特点是什么？专业知识我有，但重复性劳动太多，而且人手严重不足。 二、从智谱清言到 WorkBuddy 在说 WorkBuddy 之前，先说说我的 AI 使用经历。 其实我之前不算“AI 小白”。工作中用过智谱清言这类国内大语言模型，通过写提示词，一轮一轮地对话，让它帮忙写一些方案和报告。体验怎么说呢——有用，但远远不够。 有用在哪？一些常规性的文案、方案框架，AI 确实能快速给出初稿，比从零开始快不少 。 不够在哪？三个核心问题： 一是没有记忆。每次新开对话，它就把我忘了。我得重新解释“我是做医疗器械的”“我们公司是这样的”“这个文件的编号规则是那样的”……光铺垫背景就要花好几分钟。 二是干不了复杂任务。比如把一整章 GMP 条款从图片里提取出来、OCR 识别、逐条校对、结构化拆解、再生成 Word 文档——这种多步骤的流水线任务，大语言模型一轮对话根本搞不定，你得自己手动在中间搬运数据。 三是没法沉淀。这次摸索出来的提示词和工作方法，下次又得重来。没有一个“技能库”把经验存下来，每次都是重新发明轮子。 所以当我第一次打开 WorkBuddy 的时候，说实话，也有点怀疑。但我还是试着跟它说了一句话：“帮我梳理一下医疗器械 GMP 规范的条款结构。” 然后它做了几件事： 先问我梳理的目的是什么（是要做体系对照？还是岗位映射？） 了解目的后，直接给出了一个结构化的框架：条款号、条款原文、条款解读、最小体系要素、最小职能单元。 我确认框架后，它开始逐条处理。 这就是我感受到的第一个差异——它不是“替我写”，是先理解我要什么，再动手。 更让我意外的是，当我把身份信息告诉它之后（医疗器械合规人、十年经验、做质量体系和行政体系），它就“记住”了。后面再开新对话，不需要重新解释背景，它已经知道我是谁、在做什么项目、用什么标准。而且它不只是“聊天”，它能直接操作我电脑上的文件——读文档、写 Word、调 API、跑脚本，一条龙完成。 这是智谱清言做不到的事：不只是回答问题，而是执行任务。 三、一周实战：AI 辅助下具体做了什么 下面是这一周多来的具体工作记录。每一项都是我日常工作的真实任务，我会标注原来的预估耗时和实际耗时，方便对比。 3.1 GMP 规范结构化处理——从几天到几小时 任务背景：2026 版《医疗器械生产质量管理规范》将于 11 月 1 日正式实施。药监局为此举办了官方培训，培训视频中的 PPT 课件就是新版规范的权威解读材料。我把这些 PPT 整理成了图片版 Word 文档，逐章进行学习、拆解和结构化处理——以官方解读为基础，把每条条款吃透。 任务描述：将图片版 Word 文档逐章进行结构化整理，输出为“条款原文 → 条款解读 → 最小职能单元 → 相关文件/制度”四维度格式的 Word 文档。 原来的做法：手动阅读图片、逐条录入、逐条解读、整理格式。一章约 20 条条款，需要 4-6 小时。 现在的做法：我摸索出了一套“五步流水线”—— 提取图片：从 Word 文档中批量提取嵌入的法规图片 OCR 识别：用 OCR 工具自动识别图片中的文字 内容校准：AI 对照原文逐字校准 OCR 识别结果，修正错误 结构化整理：AI 按四维度框架进行条款拆解和职能分析 生成 Word 文档：AI 用 python-docx 直接生成格式规范的 Word 文件 这套流程第一次跑通花了点时间，但跑通之后，每一章的处理时间从半天缩短到了 20-30 分钟。 到目前为止，已处理完成： 第二章、第六章、第十四章（第一批，21 条条款） 第五章设备（6 条）、第十章生产管理（17 条）、第十一章质量控制与放行（12 条） 而且 OCR 误识别的问题也在持续优化——每次发现新的识别错误，AI 会自动记录到“误识别表”中，后续处理同类文档时就能自动纠正。这就是“越用越准”。 3.2 法规条款职能映射 + 飞书多维表格——数据直接落地 任务描述：把 GMP 条款拆解后，不仅要生成文档，还要把结构化数据写入飞书多维表格，方便后续做体系对照和岗位映射。 原来的做法：文档整理完，手动一条一条录入表格。 现在的做法：我配置了飞书 API 技能，AI 在完成条款拆解后，直接调用飞书多维表格接口，批量写入数据。 目前已写入飞书多维表格 55 条记录（覆盖第 1、3、4、5、7、9 章），每条记录包含 7 个字段：条款号、条款原文、条款解读、最小体系、最小职能、职能、工作程序。 手动录入一条数据大约需要 2-3 分钟，55 条就是 2-3 小时。AI 批量写入，几分钟完成。 3.3 岗位说明书批量生成——5 份 + 母制度文件，1 天搞定 任务描述：为公司的“保障中心”（财务/行政/人事）编写 5 个岗位的说明书，同时起草配套的母制度文件《公司组织架构与岗位职责管理制度》。 原来的做法： 每份岗位说明书需要研究岗位职责、梳理任职要求、定义考核标准，一份至少 2-3 小时 5 份岗位说明书 + 1 份母制度，至少 3-5 个工作日 现在的做法： 先让 AI 分析公司组织架构（四大中心 22 岗），确定岗位分工 制定统一的编号体系（GW-BZ-001~005）和文件格式规范 逐个生成岗位说明书，每份生成后我审查修改 母制度文件迭代了 3 版（A/0 → A/1 → A/2），从框架到逐步完善 实际耗时：1 个工作日。 更有价值的是，我把这个流程沉淀成了一个可复用的“技能”（Skill）。以后再写其他中心的岗位说明书，直接调用这个技能，它会自动按照统一的格式、编号规则、内容框架来生成。相当于我把“怎么做”教给了 AI，它以后就按这个标准来做。 3.4 57 项行政制度体系策划——从零到清单 任务描述：策划公司完整的行政制度体系，确定需要制定哪些制度、分哪些模块、归谁负责。 原来的做法：翻法规、查标准、对标同行，列出清单，反复讨论调整。 现在的做法：我给了 AI 一些基础信息（公司类型、组织架构、行业特点），它结合医疗器械行业法规要求和通用行政管理标准，输出了 57 项制度的完整清单，分 8 大模块（基础行政、人力资源、财务资产、信息安全、EHS 合规、对外事务、研发技术、质量管理），每项都标注了主导岗位。 这个清单原本可能需要 1-2 周的调研和整理，AI 辅助下几小时内完成。当然，最终定稿仍然需要人工审核确认，但框架搭建的效率提升是实实在在的。 3.5 其他工作碎片 除了上述重点任务，AI 助手在日常工作中还帮了不少忙： NDA 保密协议起草：针对医疗器械行业特点，生成全员适用的保密协议 质量手册 初稿：基于 GB/T 42061 框架，协助搭建含 44 份程序文件的质量手册 飞书技能安装配置：配置飞书开放平台 API，打通文档和表格的自动化通道 四、方法论：怎么用好 AI 助手 用了一周多，结合之前使用大语言模型的经验，我总结了几条心得。这些心得可能对还没用过 AI 工具、或者用过但觉得“就那样”的同行有帮助。 4.1 它是搭档，不是打字员 很多人对 AI 的期待是“我告诉它要什么，它直接给我成品”。但我的经验是，最好的使用方式是你搭框架、定标准，AI 填细节、做执行。 比如写岗位说明书：我定义好格式规范（六要素：基本信息→职责→任职→权限→协作→考核），AI 按这个框架去填充每个岗位的具体内容。框架是我定的，保证了专业性；填充是 AI 做的，保证了效率。 4.2 技能沉淀是关键——做一遍，永久复用 这是我认为最有价值的一点。 WorkBuddy 有一个“技能”（Skill）功能：你可以把一个复杂的工作流程写成一份说明文档，保存为“技能”。以后遇到同类任务，直接调用这个技能，AI 就会按照之前验证过的流程来执行。 比如我处理 GMP 规范的“五步流水线”（提取图片 → OCR 识别 → 内容校准 → 结构化整理 → 生成 Word），第一次做的时候需要一步步摸索和调试。但做完了、沉淀成技能之后，后续每一章都是“一键启动”。 同样的道理适用于岗位说明书生成、飞书数据写入等所有重复性工作。你不需要每次都从头教 AI 怎么做。 4.3 先出初稿再迭代，别追求一步到位 以前我写文档，习惯在心里把整篇内容想清楚再动笔。但用 AI 辅助之后，我发现更高效的方式是：先让它出初稿，再逐版迭代。 岗位说明书 A/0 版出来之后，我发现格式需要调整，改了一版变成 A/1；又发现内容深度不够，再改一版变成 A/2。每一版迭代都是基于上一版的具体问题，比从零开始写快得多。 4.4 合规领域有特殊要求——AI 需要约束 作为合规人员，我特别在意一点：不能瞎编。法规条款号必须准确，数据必须有出处，结论必须有依据。 所以在配置 AI 助手的时候，我专门设定了一些“底线规则”： 凡有结论必有依据，引用法规给条款号 涉及合规判断要标注“非官方解释” 不确定的数据先查证，不猜测 不替代用户做合规决策 这些规则写进 AI 的“系统记忆”之后，它在输出内容时就会自动遵守。比如写条款解读，它会标注“本解读基于 XXX 条款原文，仅供参考，最终解释权归监管部门”。 五、给同行的建议 如果你和我一样，是医疗器械行业（或者类似的专业服务领域）的从业者，日常工作有大量文档编写、数据处理、信息整理的需求，我有以下建议： 第一，从你最头疼的重复性工作开始。不需要一开始就全面拥抱 AI。找到你工作中最耗时、最机械的那一个环节，试着用 AI 来做。比如我就是从“GMP 条款结构化”这个具体任务开始的。 第二，给 AI 设好边界和标准。专业领域的工作，质量比速度重要。先定义好格式规范、质量标准、合规底线，再让 AI 去执行。不要接受第一稿就完事，要审核、要迭代。 第三，把验证过的流程沉淀下来。不管用什么工具，只要你找到了一个有效的工作流程，一定要把它固化。可以是文档、可以是模板、可以是工具自带的“技能”功能。沉淀得越多，后面越轻松。 第四，工具是工具，判断是人的。AI 可以帮你从几天缩短到几小时，但最终的合规判断、专业审核、决策拍板，还是要你自己来。这不是 AI 的局限，是专业工作的本质。 六、写在最后 回到开头的话题。2026 版 GMP 即将在 11 月 1 日正式实施，留给企业的时间不多了。从纸面体系到实物质量体系，不是多写几份文件就能解决的——需要对每一条法规条款深入理解、对每一个岗位职能精准映射、对每一项管理制度扎实落地。 而现实是，大部分中小医疗器械企业都面临同样的问题：人不够。合规要求越来越高，但编制就那么几个，一个人干几个人的活是常态。 一周多的实践让我最深的感受是：AI 不是锦上添花，是雪中送炭。它解决的不是“能不能做得更好”的问题，而是“能不能做得完”的问题。 以前一天能完成 1-2 份文档，现在一天可以完成 5-10 份，而且质量更稳定。以前处理一整本 GMP 规范需要几周，现在按流水线推进，一天能处理好几章。以前每次写岗位说明书都要重新构思格式，现在有统一的技能模板，生成 → 审核 → 定稿。 更重要的是，省下来的时间不是用来“摸鱼”的。我可以用来做更有价值的事：思考体系优化方案、跟团队成员讨论制度落地、研究新的法规动态、规划 2026 规范实施的应对策略。这些才是真正需要人来做的事。 对于和我一样的同行，我的建议很简单：别等 11 月很快就到了。与其到时候手忙脚乱地补制度、补记录、补培训，不如现在就借助工具，把体系建设的效率提上来。 最后说一句：AI 不会替代合规人，但会用 AI 的合规人，一个人能干出三个人的活。 不是因为它多厉害，是因为它帮我们把时间从“搬砖”中解放出来了。 以上内容基于真实使用体验整理，所有任务数据和流程均为实际工作记录。文中提到的工具（WorkBuddy、飞书多维表格、坚果云等）仅为个人使用记录，不构成任何推荐或背书。

给力！这个开源AI Agent工具，终于保住了我的账单 大家好，我是萝卜哥～ 过去一年，很多人对 AI Agent 的态度很矛盾。 尤其是当小龙虾火爆之后，你知道它有用，你也见过它写代码、做 PPT、查资料、跑流程。它真的能把一件原本需要你反复切软件、查资料、改格式、盯进度的事，一口气往前推很多步。 但真到自己每 ... 给力！这个开源AI Agent工具，终于保住了我的账单

一场20人的AI企业服务机会与卡点交流会 · 组局复盘 大家好，我是重庆爽姐 我现在在做AI企业服务培训和AI企业服务咨询以及陪跑 我比较擅长在一线和企业老板打交道 5月23日，我成功组织了生财有术重庆站第一场AI企业服务线下交流会，20位圈友参与，历时3小时。 本次的核心收获： 把老板沙龙的组局经验成功迁移到圈友局： ... 一场20人的AI企业服务机会与卡点交流会 · 组局复盘

保姆级实操：从零搭建 AI 驱动的人生操作系统（附完整模板） 用你今天晚上就能跑通的步骤，把系统真正建起来 。 没有"以后可以考虑"，没有"进阶用户可以尝试"。只有一个顺序，一步一步，到最后你看着 AI 自动在你的 vault 里生成知识页面的那一刻——我保证，你会想起来告诉我。 先说一个真实的感受—— 把 vault 结构搭起来这件事，如果靠自己，可能要花好几个小时，并且很可能陷入"到底怎么分类"的决策瘫痪 ... 保姆级实操：从零搭建 AI 驱动的人生操作系统（附完整模板）

#线下聚会 2026.05.23 广州AI编程视频剪辑线下聚会复盘 大家好，我是乐野。今年1月加入生财，这次是我第一次参与生财线下活动，作为一名i人，全程体验感特别好！ 我刚参加了AI大航海课程，但所学内容比较零散、不成体系。心里有很多想用AI落地的想法，却始终找不到具体的实操方法，一直处于一知半解的状态。 本次线下聚会，我收获满满，核心有两点： 1、在圈友的帮助下，成功安装并上手使用Claude Code工具； 2、彻底刷新了我对AI的认知：AI不是万能的，能用AI解决的方法，也未必适合自己当下的阶段和需求。 比如说：我的需求之一是固定模板，仅替换文字和贴图，原本想搭建专属工作流。但对于AI小白的我来说，搭建流程难度太高，且我没有高频、大批量的出图需求。圈友针对性给了我极简落地方案：无需复杂搭建，直接用豆包、即梦等工具，精准清晰下达指令。同时我想到可以结合AI大航海生图章节的倒推法来生图。 其实活动前我挺犹豫的，作为一个纯小白，担心自己听不懂内容，然后越听越迷茫。也怕自己的问题太基础了，不好意思开口。 纠结之际，我想起了坤汀直播说过的话：解决问题最快的方式，就是走进线下，找对应的高手当面请教。 于是我决定参加活动，也提前调整好了心态：听不懂的内容就当磨耳朵，开阔一下眼界。另外就是要大胆主动向圈友请教自己的问题。 最后想送给和我一样的i人圈友： 生财的圈友们都很nice！只要我们梳理清楚自己的问题并且清晰表达需求，圈友都会用通俗易懂的大白话耐心解答。线下的当面答疑，远比我们自己在家埋头看几天帖子、盲目摸索的效率更高、收获更大！希望圈友们都动起来！

坦白说，我这个月AI短视频带货的成绩单很难看。但我要告诉你的是，这 30 天我从一个连AI都不会用的纯小白，变成了独立完成 AI 选品、文案生成、视频制作、发布运营全流程的准熟手。如果你也是 0基础，想入局AI带货，但是不知道怎么开始，或者正在经历，看了很多教程还是不会做的窘境，这篇复盘也许能给你一点启发。 点击链接查看完整内容 https://xwol9cpz78s.feishu.cn/wiki/KUipwugXvithVjk...

Hermes 升级后，我的 Telegram 附件突然发不出来了 大家好，我是孟健。 今天这个坑很小：文件生成了，Telegram 收不到。 01 小坑：文件生成了，手机收不到 场景很具体。 Agent 生成了一张配图，路径回来了，「MEDIA:/tmp/article-cover.png」。消息发出去了，Telegram 显示发送成功，打开手机——... Hermes 升级后，我的 Telegram 附件突然发不出来了

0523广州组局复盘：从一个人干活到11个人面前讲出来，这一步我走了半年 线上聊了100遍"你可以"，不如一次线下真实的反馈。 哈喽，我是明心，破局俱乐部的一名小透明 加入破局有2年了，在参加过林高山老师组局后，决定尝试当一次组局官，去感受一下从台下走到台上的感觉 于是便有了5月23日一场主题为【Claude Code + Obsidian 如何为一人公司赋能】的线下分享局。 详情请看飞书链接 https://faylk3gtcys.feishu.cn/docx/NLh3dyDBPo6bI1x...

素材不够、外包失效后，如何借助AI把片子满意交付？ 大航海结束了，对AI的认知有了进一步提升，特别是期间接到了实战项目，便借此机会实际运用了一番，也在一个月内将生财门票赚回来了。 这篇文章不是讲“AI 一键成片” 更准确地说，这是在一个真实客户项目里，把 ChatGPT、即梦、剪映、Codex 等工具串起来，完成一条 ... 素材不够、外包失效后，如何借助AI把片子满意交付？

给大家说一个我刚探索的cc的用法。 提示词： 1:请你整理下我的桌面，并分类。 2.请你扫描全部文件，并且根据你的整理判断我是一个什么人，正在做什么事情。 3.请根据你的判断，帮我生成多个skills，并制定长期AI提效，甚至达到人机合一的水平的计划。 这会儿，它已经给了我20多个长期工作，有4个已经做成skills了。

我观察了很多搞AI个人知识库的人。 95%的人下场只有一个：建了个数字版的废品收购站。 里面塞了几百份PDF、几百篇公众号文章，几千篇剪藏和笔记。目录精美得像艺术品，标签体系复杂得像一座迷宫,每周还要花2小时整理。 然后呢? 需要查东西的时候,不如直接问GPT。 需要写文章的时候,不如直接打开文档干。 需要做决策的时候,知识库里那些"金句"一条都想不起来。 那些精心收藏的"知识",躺在文件夹里慢慢变成数字尸体。 所以今天我要说一句得罪很多人的话:别搞AI个人知识库,真的没用。 连 Karpathy 都改主意了,你还在收藏知识? 先说一个最近最重要的信号。 2026年4月初,Andrej Karpathy(OpenAI 创始团队、最懂 AI 的人之一，AI圈的名人大佬)抛出新观点: AI 不应该每次从你的原材料里去检索,而是应该把你积累的所有素材先编译成一个结构化的Wiki,再用这个Wiki回答你。 翻译成人话就是:知识不内化，AI 怎么调用都没用。 Wiki（维基百科）：高度结构化、有逻辑网络的内容。 这跟我3年前就在做的事完全一样。我那时候没Karpathy这么会包装,我就一句大白话: 知识不内化 = 死数据,没有任何价值。 光这一条还不够说服你。再看一个赛道级别的扎心数据。 因为 【1】收藏夹越多，AI 越蠢。 【2】知识需要被“编译”（降维），就像你把 100 页的财报，压缩成一张只有 3 个指标的表格。数据变少了，但赚钱的秘密却变清晰了。 【3】因为大模型的上下文窗口（Context Window）是有极限的，而且人的注意力也是有极限的。 即使现在的模型可以输入百万字，但它在海量垃圾信息里会“迷失”（Lost in the Middle）。这就好比，给你一本字典让你找一个故事，不如直接给你一本故事会。 多没有用，要精简的有用的信息内容才是核心。 最大的隐形成本，最累的点：需要自己去做清洗数据的体力活，去内化提炼自己的知识库内容，让自己自由数据和知识变得更加精简有价值。 这是每个人必须要做的脏活，苦活，累活，任何人都帮不了你，包括AI。只能自己亲力亲为去完成知识的编译（内化，整理，清洗）工作。 AI 时代，拼的不是谁拥有的信息多（因为 AI 随时能搜到），拼的是谁的“思维模型”“个人有价值的数据”更干净、更底层，更一线，更珍贵。 你的知识库如果是一堆垃圾，没有经过内化的，不是动态更新的，没有反馈的，AI 也只能沦为捡垃圾的。 这就是为什么,我今天要劝你别搞个人AI知识库。 不是劝你别用 Obsidian,不是劝你别用 Claude Code。 是劝你别用"收藏→整理→标签→以备调用"这套已经被几十亿美金证伪的方法论。 讲讲我自己的 Obsidian 长什么样，以及我是如何用obsidian+claude code的。 举一个列子：我的反省复盘skill。 这些不是因为我收藏了更多资料。 恰恰相反——我比3年前收藏得少多了。 变的是:我把知识库从"仓库"变成了"系统"。 仓库的逻辑是:尽可能多地存东西,需要的时候去查。系统的逻辑是:尽可能让知识在我大脑里跑起来,跑过的东西才算我的。 【1】我会把每天的思考，待做事项，每天的日记，完成情况全部丢进2026年5月这个canvs（画布）里面去。 【2】目前我的反省复盘skill，如下（展示部分内容，有10000字左右，简化到500字以内说清楚这个skill的框架，目前是V3.7版本）： daily-review skill v3.7 · 七条说清（部分框架内容版本） 1，角色定位：有爱的商业战略顾问,不当鸡汤教练。每句话必带信息量,禁用"加油/你很棒/相信你"。 2，四路数据强制读取：①月度反省 Canvas ②上次复盘日志 ③context.md 收入基准 ④我的时间安排.canvas(v3.7 核心)。任一缺失明确告知,禁止伪造。 3，八大模块固定输出：0 AI 反馈回应→1 昨日主线复核→2 踩坑认知偏差→3 关键发现→4 待做事项清单：三必做+三备选→5 知识盲区+认知外+联网鲜度→6 明日唯一主线→7 避免事项→8 等你回答，和AI互动板块形成闭环。 4，固定日历铁律:周 4 写AI或者副业专栏小报童 / 周 6 阅读+书单 / 周 7 休息 /每月 14-15日 算账。AI 推荐必须服从,违反则报告作废重写。 5，强制联网+自评:真调 WebSearch,5+ 条按 💰变现/⚡成长 标签输出;中英文 query 混搭;4 维评分(鲜度/排除/起点/变现速度)+ 推 1 条最值得行动。 6，职责边界:本 skill 只做行动复盘 + 战略校准。知识沉淀全部交给 Obsidian,不做知识萃取——产出聚焦"今天该改什么 / 明天该做什么"。 7，形成闭环，只有让AI给你反省复盘了，分析了，然后你和AI一起讨论了，达成共识了，AI才能把这次的反省复盘日记存入到obsidian里面去，才能形成真正的闭环，正循环，飞轮，AI才能变得真正的智能。 【3】用claude code继续迭代升级我的反省复盘skill，上传到github，做好版本控制，方便回滚。目前已经从V1.0版本升级到V3.7版本了，以后还会持续迭代几十上百轮，因为反省复盘，每个人都会经常用到。 讲到这，可能有人问：为什么不能是 Notion + ChatGPT？为什么不能是飞书 + 豆包？ 三个核心理由，缺一不可。 理由1：Obsidian 是纯本地存储，反省内容 100% 隐私 你的反省里会有什么？ 不夸张地列一下： 你跟合伙人的真实矛盾 你对某些客户的真实评价（可能不太好听） 你的财务真实状况（月入多少、欠了多少） 你对自己的真实怀疑（我是不是该转行） 你对某些行业、某些人的真实看法 这些东西，一秒都不能上云。 Notion、飞书、语雀、思源云端版，全部是云存储。你的反省内容，本质上是放在别人的服务器上的。 哪天平台被黑、被收购、被审查，你哭都来不及。 Obsidian 是纯本地 markdown 文件，存在你自己的硬盘上。 这是"反省自己"唯一安全的底线。 理由2：Claude Code 能读本地文件、写本地文件、跑 skill Claude Code 是 agent，它能： 直接读你 Obsidian 文件夹的所有内容 直接写回去 跑你自定义的 skill 调用本地工具、本地 git、本地脚本 这意味着：你的"系统"可以真的运转起来，而不是停留在"我打算"层面。 而且目前全球公认的最强的AI大模型就是claude，没有之一。 理由3：Skill 让"经验"可复用、可分享、可版本管理 Skill 不是一段提示词，它是一个文件夹，里面有 SKILL.md（提示词和指令）、有 references 子文件夹（外部引用文件夹，资料库/案例库/参考资料，都是按需加载的）、有可执行的逻辑。 你今天写好一个反省 skill，明天就能升级它（v1.1、v1.2、v2.0）。 目前我的 daily-review skill（每日反省复盘skll） 已经迭代到 v3.7。 当然还有我每天都用的写作skill，目前也迭代更新到了V4.0版本了。 AI知识库必须是活的，动态更新的，内化的，AI大模型必须是有agent功能的，最强大的。 这才是AI知识库正确的打开方式。 #用AI搭建系统 #用AI搭建系统

万字解析｜为啥企业AI落地这么难？（附《2026中国FDE人才白皮书》） 这篇文章2.5万字，我写了3天，总算是把“企业AI落地”这件事，盘清楚了。 因为我的很多企业客户，都有非常严重的AI焦虑，，抓不到方向，也不知道AI来了该怎么办 我出这个内容，主要是给我的客户们缓解一下焦虑 关于《2026中国FDE人才白皮书 ... 万字解析｜为啥企业AI落地这么难？（附《2026中国FDE人才白皮书》）