#生财好事 昨天我的第一篇10万+贴图产生了，同时昨天带动了我上个月的一篇和这个月的3篇也爆量了。

被模仿，是因为你足够优秀 ——写给破局学员，也写给我未来的“AI 心力教练”之路 前两天听杨哥讲课，他讲了一段让我特别有感触的话。 他说，现在有很多他培养出来的学员，已经把他那套生态复制过去了，照着做，赚了不少钱，未来甚至会成为破局的竞争对手。所以他现在开始做破局的 MCN，培养一些优秀的学员来推破局，提升增长。 我听完之后，心里想的不是“哎呀，竞争对手来了”，而是——这恰恰说明，杨哥足够优秀。 有一句老话：永远被模仿，但无法被超越。 这句话特别有道理。当你足够优秀的时候，不管在哪个行业、哪个圈子，永远会有人来模仿你、复制你、甚至诋毁你。可反过来想，如果一个人默默无闻、什么也不是，他会被人推到风口浪尖吗？会有人费尽心思来学他吗？会在背后议论他吗？ 不会的。 是因为你优秀，他们才想学你。是因为你优秀，他们才想超越你。是因为你优秀，他们才会把你当成目标。 所以，被模仿这件事，本身就是一种认可。 我观察到一个很有意思的现象。 同样是看书，有人看的是言情小说，有人看的是经典传记；同样是刷手机，有人刷的是短视频，有人刷的是破局的课程。表面上看，大家都在学习，都在进步，但输入的内容不同，最后输出的结果也会天差地别。 你说的话有没有能量，有没有高度，和俗人说出来的话，层次自然不同。 你每天把时间花在哪里，你就会成为什么样的人。 我非常看好杨哥。 因为他身上有一种能力，是别人无法超越的。 这种能力不是他今天才有的，是他多年以来不断训练自己深度思考而形成的。 之前听他的课，他讲过一件事：以前上班坐地铁，看到地铁上的广告，他都会下意识地去拆解、去预判。因为长期训练这种能力，才有了他今天的成就。 这不是每个人都可以照抄复制的。 即使别人学到了他很多的东西，他还会不断迭代，还会有更高维的产品出现。你学的是他昨天的版本，他已经在做明天的版本了。 就像我现在也准备做一个“AI 心力教练”的产品。 我也会想：一旦我的产品出来了，很多人也会拆解、也会复制、马上跟上。这很正常。 但中医里有一句话：“他可以学你的形，但是学不了你的神。” 因为有很多东西，是你通过常年的学习、积累、实践、复盘，一点一点总结和顿悟出来的。那是别人学不走的。 他们只能学到“术”的层面，学不到“道”的那一层。 就像我们每个人都是独一无二的。我们只能挣自己认知以内的钱，做自己能力范围之内的事，走自己真正相信的路。 所以，如果你正在被模仿，被复制，甚至被诋毁，我想轻轻对你说一句： 别怕。 那说明你走在前面。 别人学你，是因为你有值得学的地方。 别人复制你，是因为你做出了值得复制的东西。 别人在背后说你，是因为你已经走到了他们看得见、却暂时够不着的地方。 你要做的，不是回头跟他们较劲。 而是继续往前走，继续迭代，继续深耕，继续把你自己活成别人模仿不完的样子。 被模仿，是优秀的副产品。 无法被超越，是因为你一直在超越昨天的自己。 愿我们都能在自己的路上，稳稳地走，温柔地强，利他地赢。 你被看见，是因为你值得。 你被模仿，是因为你优秀。 而你能走多远，从来不取决于别人复制得多快，而取决于你扎根得多深。 如果你也在破局的路上，正在经历被模仿、被质疑，或者正在打磨属于自己的产品，欢迎在评论区聊聊。我是聆姐，一个正在学习用 AI 做心力教练的心理咨询师。愿我们在破局里，彼此照亮，各自扎根。

【FDE系列27】FDE也分段位：初级和顶级，差在哪里？ 最近在持续整理企业 AI 落地和 FDE 实战中的一些经验，这是第 27 篇。 FDE 这个行业还在发展，国内大家一窝蜂地往这个概念上靠，但实际交付的内容、服务的内容，差别可能很大。 国外早就有这样的角色。比如 Palantir，早在 2022 年公开活动的材 ... 【FDE系列27】FDE也分段位：初级和顶级，差在哪里？

【代码多了 30%，交付一个没多，这周的硬数据值得所有人看一眼】 星友们，这周有条数据，比任何一篇教程都值得花三分钟看完。 【干货】 哈佛大学两位研究者的工作论文，用了工程分析平台 Jellyfish 的 3 亿条工作事件，718 家企业，72 万多名员工，时间从 2021 年 1 月到 2026 年 3 月。 结论是这样的。用上 AI 编程 agent 之后，人均每月代码多了约 1500 行（基线 5017 行），涨幅 30%；提交涨 20%；拉取请求涨 23%。这三个都是统计显著的。 但是。真正算交付出去的部分，Jira 问题解决率和史诗完成率，没有统计显著的变化。研究者的原话是，这些数据能排除掉的，是产出提升超过基线 12% 的可能性。 那三成代码去哪了？审查这一环。 PR 从提交到合并的平均时间，多了 3.45 天，涨幅 49% 被打回要求修改的 PR 占比，从 0.13 涨了 0.12，近乎翻倍 每条 PR 的评论数涨 35% 做审查的人多了 14% 论文访谈了 21 个人，其中一位资深工程师的说法特别实在。Claude Code 这类工具能在两秒内写出一份 90% 正确的初稿，但碰到难的活就频繁出错，结果审查上花的时间反而更多。 AI 把「做」变便宜了，把「查」变贵了。 【这不是软件行业独有的】 Templafy 那份《2026 商业就绪 AI 差距》给了一组对照数据，领域完全不同，结论几乎同构。 90% 的知识工作者每周至少用 AI 生成一次商业文档，95% 的人说还得自己改一遍。每周在审阅修正上花近 4 小时。48% 的人说因为要审的量太大，实际省下的时间所剩无几。改动超过一小时的那批人里，34% 认为改的时间比自己从头写还长。 改的内容分布很能说明问题。准确性 40%，表述套话化 34%，格式 31%。 格式只占三成，剩下七成是内容和判断。这不是校对能解决的问题。 【实操】 四条，都能直接抄。 第一条，动工前先写三到五条判据。 不要写「写得专业一点」，要写「每个数字后面跟出处」「结论段不超过三句话」。判据别超过五条，写太多等于没写，末尾几条不会真去查。那 40% 的准确性返工，很大一部分根因是需求本身就含糊，AI 只能按最可能的样子猜。 第二条，把做和查拆成两件事。 同一个对话里既让它写又让它审，等于自己给自己批改卷子。有个开发者做了六周实验，结论很直接，同一个 agent 写的测试只会验证它自己的假设，等于没测。正确做法是成品出来后开一段全新对话，只把原始要求和成品喂进去，不要提示哪里有问题，让它挑毛病。你会拿到一批完全不同的意见。 第三条，让每份输出自带证据。 引用给链接，数字给来源，改动给理由。检查就从「读一遍看看像不像真的」变成「对着链接核一遍」。前者要逐字读，后者扫一眼。代价是输出更长、生成更慢，但跟事后查错比，划算。 第四条，从错了也不心疼的活开始练。 摘要、标题备选、格式整理、说明文字。那六周实验也提到，这类活收益最高，零风险，而且立刻能让整体产出看起来更规整。要签字负责的东西，别一上来就整段交给它跑。 【踩坑】 坦白讲几句。 这几条不是免费的。写判据那几分钟是实打实花掉的，开新对话重新喂材料也要多走一轮。它换来的是后面少改两遍，不是一键提速。 还有个数字得说清楚。到 2026 年 3 月，80% 的企业已经用上了某种形式的 AI 代码审查，但 AI 只贡献了 23.3% 的审查评论和 10.8% 的 PR。让 AI 去查 AI，目前有明确的上限，签字那一下还是得人来。 另外，论文数据截止在 2026 年 3 月，此后大半年的模型迭代它没覆盖；而且是 718 家企业样本的平均值，个体差异会被平均掉。拿它定方向可以，别直接套到自己身上算账。 为什么一人公司最先撞上这堵墙？企业能加人做审查，论文里也确实观察到审查人力涨了 14%。一个人干活摊不了，你既是让 AI 出活的人，也是签字的人。前面省下的每一分钟，都会原样变成后面要花掉的那一分钟。 【一句话】 产出变多，不等于交付变快，中间隔着一道叫「敢不敢直接用」的门。把这道门修好，前面省下的力气才真的算数。 想问一句，你们用 AI 出活之后，改稿时间占了几成？有没有哪一版改到最后干脆重写了？评论区聊聊 👀

做 FDE，如何让老板交出关键信息：用情绪价值转动服务飞轮，带来转介绍 之前在破局写过一篇帖子，介绍了我在做的 FDE 产品「CEO 外脑」，主要服务对 AI 工作精度要求很高的专家型客户，帮助 AI 结合他们的经验、判断和业务信息，接手一部分原本必须由本人完成的专业工作 从今年 3 月开始，5 个多月时间，我们为 ... 做 FDE，如何让老板交出关键信息：用情绪价值转动服务飞轮，带来转介绍

最近的一些感悟 最近的一些感悟，整理成三点。 1、越是聚焦，越有可能做出结果 以前我真的觉得自己无所不能，可以同时做好很多事情。这个也想做，那个也觉得有机会，所以 2025 年走了很多弯路。 之前我说过，我们有一段时间是五个人做六件事。每个人看似坐在一起，实则是在干不同的事情。单独看，每件事好像都有道理，但放在一起 ... 最近的一些感悟

分享下我的 GPT 时刻： 在 Grok Bot 里创建了四个 Agent Bot， - Product，拆用户痛点，想方案，配验证实验； - Research，参考产品或数据，查真实用户和产量数据，AppStore/Google Play 和 Reddit 上的评价都会查； - UserFocus，通过找差评、分析评论/帖子等等分析用户需求，从用户角度思考； - Challenge，提出关键的反面假设去挑战前面各种讨论，要求给出实质性证据。 每个 Agent 都单独配了该角色的 skill。 然后给它们拉个群，丢出我的想法和方向，让它们自己去讨论。 没一会儿已经聊了非常多了，刚扫了眼，讨论质量非常非常高。Product 还会不断的总结阶段性的讨论成果给我。 等讨论清楚后，再把 UI Agent 拉进去和 Product 讨论设计，出 UI 图。接着再拉 Tech Agent 进群确认需求和 UI。 再最后就可以交给 claude code 做技术设计和实现了。 这个形态的价值超过过往十几年工作经历中 90% 的工作会议。 再随着不断优化每个 Agent 角色 skill 能力，这个产研团队的效率得多高啊。 生活在 AI 时代真好

"读懂中国文化·五蕴皆空与场景结构化·读万卷书先于行万里路【日课】040" 读书先行于旅行 今天有件特别有意思的事情，就是我们回归到落地现实。从五蕴皆空，我们想到生活的本质是什么？那为什么读书呢？读书就相当于你把很多人的人生重新再过一遍，所以阅读带给人的经历是不一样的，而阅读先行于旅行。同样的是，你如果没有读万卷书，那你行万里路，看到的就是铁疙瘩、土包、建筑。你可能感受到一点儿欣喜快乐，但是你描述不出来。这就是人类沉淀下来的语言的魅力所在。所以读万卷书要在行万里路的前面，而不是先行万里路。 城市的同质化 现在很多家长就是带着孩子到处去旅行，其实所有的城市你看过来看过去都是一样的模式，就现在这个世界来说都是一样的模式，尤其在一个国家，那都是一样的模式，你能买到同样的物品。这也是工业时代给我们城市所带来的繁荣和便利，但它同样带来了同质化和一致性。你在城市里边逛这个逛那个，体验不到一种很别致的感受。 读万卷书才能看到城市的历史 所以为什么我们要读万卷书呢？因为这样才能看到这个城市的历史和文化的渊源，以及它流传的风俗，以及它在历史上的沉淀和故事。这样的话，你就不至于看到同样的建筑、同样的商城、同样的旅游景点、同样的商业化。城市的外壳是一样的，但它的历史、文化、故事，是藏在表象背后的东西，只有读万卷书才能看见。这就是「空」在认知上的投射。那回到这个事物的本质来看，从空的角度去解读它，这个城市到底跟生活有什么联系呢？ AI时代：智慧可以结构化 在AI时代，我们所发现的就是可以把智慧进行结构化。以前我们说一个智慧，有点儿说不清楚的感觉，没办法表达出来。但是在AI的时代，你就可以基于AI的底层架构和它的基石，来进行智慧的结构化。任何领域，你都可以把它结构化地说清楚。这也是维特根斯坦所说的基本命题，以及或门、与门、非门能把整个推演出来的原理所在。为什么能结构化？就是基于这个来进行结构化，这是我们能说清楚的事件。 当然，道可道非常道，我们能说清楚也预示着它有了偏见。结构化也是一种说清楚，说清楚就带着条件约束。但是至少我们也要能说清楚吧。所以这个逻辑的顺序就是：我们先要说清楚，然后去证伪它，再继续把新的场景说清楚。 场景也能结构化 那返回到刚开始那个有趣的事情，就是我们所生活的不同人的故事。你看故事，由不同的人生所构建，不同的时代和经历所构建。那故事背后反映的就是一个一个的片段、时间片段。那么时间片段背后又反映的是一个个场景的组合，而一个个场景的组合实际上就对应着里面的一个一个镜头。所以你从电影的角度，发现电影可以结构化；那么你从生活的场景来看的话，能不能结构化呢？也是能结构化的。 给孩子创作一首早晨的歌 比如说早晨孩子起不来、睡懒觉，那么你就可以为他创作一首早晨的歌，有节奏感，轻快、欢快，有阳光洒在窗台的那种明朗感和清爽感。你给他创作一首歌曲，能不能把他叫起来呢？所以场景也要进行结构化的表达，你要能结构化。你看，有阳光洒在窗台，有温暖，有明亮，有朝霞带来的一天的能量。你能把它结构化吗？也可以结构化。 场景结构化就是剧本的源泉 所以，当把一个事情、一个场景结构化以后，你就能说出在那个场景里的感受。那么，对于那些头疼孩子起不来床的妈妈，这句话是不是就说到了她们的心上？所以，场景结构化以后，就是剧本的源泉。那剧本是什么？就是你对场景能准确地描述那种感受、情景、感觉等等一切用语言可以描述的东西。所以场景也是可以结构化的。 空：让场景结构化，清楚地感受到 回到我们对智慧可以结构化，对场景也可以结构化，那么在AI时代的底层架构和地基，就是基于AI推动的。我们把想要的场景进行结构化，结构化以后，你就真的和AI结合到一起了，让AI进行结构化的组合。这就是我们在AI时代所生存的一个新的变化，以及新的体验。这是出于生产端的，当你结构化以后，你就能造出来场景下的表达，场景下的心动，就能从生产端来构建起新时代的创作。新的、能说清楚的生活。我觉得这是一个很有意思、让人无限遐想的空间。 这就是今天的心经日课。读万卷书先行于行万里路，因为书里的场景，是你行路时能看见的东西。把场景结构化，你就能清楚地感受到它。场景是剧本的源泉，也是你连接世界的方式。

打通各种数据之后的助理 Agent，大概是如图这样。 Agent 有微信我和私教约课和沟通的信息，有我 AI 硬件的身体数据，有我的目标，会通过微信等方式来主动提醒我。

蒸馏，其实没啥用 现在很多人说把同事、前任、乔布斯「蒸馏」成一个 Skill。可真正值钱的恰恰是被丢掉的细节——盐少许，火候适度，这 7 个字教不会你做菜。 蒸馏，其实没啥用

蒸馏，其实没啥用 现在很多人说把同事、前任、乔布斯「蒸馏」成一个 Skill。可真正值钱的恰恰是被丢掉的细节——盐少许，火候适度，这 7 个字教不会你做菜。 蒸馏，其实没啥用

我一个不懂代码的人，把 AI 助手搬进了服务器，让它 24 小时替我干活 有天早上，我给自己的机器人发了条消息，它没回。 我以为它在忙。等到下午，还是没回。 我打开日志翻，才发现一件事——它从上线那天起，就没干成过一次活。 这事让我记住一句话："能连上"和"能用"，是两码事。 一、我为什么要折腾这件事 我一直 ... 我一个不懂代码的人，把 AI 助手搬进了服务器，让它 24 小时替我干活

刚又被一个海外产品自动扣掉 120 刀，从没用过。 想去看看哪些还在续订，国内信用卡不地道，没批量查询方式，摸索了个办法又扫出一些待扣费的雷。 如果你也是招行信用卡： 1. 打开掌上生活，进入「信用卡」页面 2. 选择信用卡，点击「查账」 3. 更多服务里选择「账单补寄」 4. 选择账单，「近一年全选」+ 前面的第 13 个月补寄账单 5. 收到账单后，导给 AI，让 AI 排查可能仍在付费订阅的产品，及时取消不需要的 其他信用卡应该类似。

我一个不懂代码的人，把 AI 助手搬进了服务器，让它 24 小时替我干活 有天早上，我给自己的机器人发了条消息，它没回。 我以为它在忙。等到下午，还是没回。 我打开日志翻，才发现一件事 —— 它从上线那天起，就没干成过一次活。 这事让我记住一句话："能连上" 和 "能用"，是两码事。 一、我为什么要折腾这件事 我一直想要这么个东西：手机上发一句话，它在那边干活，干完把结果发回我手机。 早先是装在自己电脑上的。装了才发现，有三个毛病躲不开： 电脑一关机，它就没了 家里网一抖，它就断 我人在外面，它在客厅那台电脑上，够不着 后来我想通了：服务器不就是一台 "永远开着、永远联网的电脑" 吗？ 一个月几十块钱。 那就把它搬上去。 二、搬上去之后，它变成了什么 说白了就三样： 第一样，一个遥控器。 飞书。我手机发指令、收结果，都靠它。另外还给微信接了一条，当备胎。 第二样，一个住在服务器里的帮手。 它 24 小时都在。我早上五点起来写东西，顺手发一句，它就在那边干起来了。我该干嘛干嘛。 第三样，一本笔记本。 我用 Obsidian 记东西。它也能看、能写。服务器和我电脑上的笔记两边自动同步 —— 换台电脑，东西一样不少。 这三样搭起来，就一句话：你不用管它在哪台机器上，你只管说话。 三、我踩的坑（这部分我觉得最值钱） 坑一：四个机器人，有一个从上线起就没工作过。 我当时图新鲜，建了四个机器人，各管一摊，还挺得意。 后来才发现：换 AI 模型密钥的时候，我只改了主那个。另外三个里还是旧密钥 —— 它们照样 "在线"，但一句话不回。 教训：你以为的 "它没反应"，可能不是坏了，是你漏改了某一份配置。 我那个机器人，一直在日志里悄悄报错，报了 331 次。 坑二：两个机器人会抢同一个通道。 我一开始搞了个 "双机互备"：本地一台、服务器一台，互相顶班。听着挺高级。 结果本地电脑一开机，把服务器上的顶掉了；而本地的又没配好自启 —— 两边都没跑起来。 我当时的感受就是：打开电脑，机器人死了。 教训：同一个飞书应用，只能有一个连着。要么固定一台跑，别两头都要。 坑三：想修好，两个助手却在同时改同一份配置。 这个就不展开了。反正那天，我差点把刚弄好的东西全拆了。 后来我给自己定了一条死规矩：改配置前，先备份、先看现场，再动手。 四、谁适合看 适合的： 手上事多，一个人当三个人用的 不会写代码，但真想把 AI 用起来的 手上已经有一摊具体的事（不是空想） 不适合的： 想一键躺赚的 想要 "全自动、完全不用管" 的 写在最后 这套东西没什么神奇的。它不能让你一夜暴富，也不能替你赚钱。 它只是把你每天重复的那些动作，接过去一部分。 我今年 48 岁，英语不行，代码也不会写。这套东西，我是一行一行抄命令抄出来的，也不是一天弄成的。 我不是聪明人，我只是愿意一次弄通一点点。 详细的搭建步骤我整理成了一份文档，包括我踩过的每一个坑，需要的拿去照着做： 👉 Hermes Agent + 飞书 + 微信 + Obsidian 复刻指南 https://my.feishu.cn/docx/MAJydaiRAokcAIx08jjc56QZ... 有问题在评论区问，我看到就回。

不会写代码，我把HR的破事和副业的累活，都丢给workbuddy了 大家好，我是米一，目前把在WorkBuddy 铸造行动营里学以致用，用Ai把公司和自己两摊最累的活，都给理顺了。 公司准备在逐步优化各岗位，尽量别让AI把自己取代了 我这种看见代码就头晕 ，抗拒一串串看不懂的英文小白能跑通，相信大家都🉑以。 非常感谢破局提供详细的手册和教练们倾囊相授。 全文移步：https://my.feishu.cn/docx/TwMVdzrDUoN30FxNm12cWFed...

一名纯文科生的三个月 WorkBuddy 实战成长，从面对 AI 一脸茫然，到由衷感慨：这是最好的时代！ 我日常在单位写公文、会议材料，纯文科背景，编程零基础。6 月 24 日加入 AI 破局俱乐部，先学小红书起号营、AI 素养提升营打底，随后进入 WorkBuddy 铸造营系统学习。营期恰逢中秋国庆 8 天长假，我基本守在电脑前。跟着 WorkBuddy 课程上课、做实操作业、写复盘连轴转，还啃完两本学习书籍。 聊聊第一次上手 WorkBuddy 的经历。一开始我不清楚 WorkBuddy 到底能做什么，对照行动手册一步步操作：安装客户端、连接本地电脑，把一堆杂乱旧文件交给 WorkBuddy 盘点。 WorkBuddy 自动读取文件名、解析文档内容，几分钟输出文件分类清单。借着这份清单，我梳理确定了自己的文件命名与归档规范。当天 3 项课堂作业，全部依托 WorkBuddy 完成并按时提交。 之后我用 PPT 实操作业持续在 WorkBuddy 练习，摸索出一套工作流：一次性把项目背景、主题意义、想要的风格完整告诉 WorkBuddy。描述越具体，生成的成果越不容易跑偏。 先让 WorkBuddy 生成大纲，我调整逻辑、删减冗余；大纲定稿，先出封面确认风格，再基于封面生成完整 PPT。这套方式风格稳定、内容可控，生成 PPT 可直接编辑，完成度约 90%。最后微调图文，再让 WorkBuddy 产出配套演讲逐字稿。 前后半小时，10 页 PPT 加完整讲稿，全部在 WorkBuddy 落地完成。 也是在持续实操中，吃透底层逻辑： Skill：把工作拆解成标准化步骤，写成指令交给 WorkBuddy；Agent：让 WorkBuddy 自主调用技能，判断动作，闭环完成任务。 一个负责执行，一个负责调度。依托 WorkBuddy，AI 不再只是聊天工具，变成真正的生产力。 我只在 WorkBuddy 输入一句话——搭建健身追踪看板，记录体重，自动生成趋势图。WorkBuddy 自动拆解任务、编写代码，很快交付可交互运行页面。 当晚趁热打铁，继续在 WorkBuddy 创作，一天做出动态网页 PPT、AI 晨报仪表盘、两家单位简易官网，一共 6 个可直接运行项目。 过程里也遇到很大卡点：公众号自动推送流水线。整套流程，都是我在 WorkBuddy 一步步搭建：搭建个人 IP、关键词雷达，抓取关键词筛选清洗、结构化，自动选题、写初稿、排版，第一篇文章顺利跑通。 但卡在"自动保存到公众号草稿箱"。核查发现视频号有资质门槛；个人公众号没有开放接口。把卡点逐一排查后，调整方案：将已经跑通的关键词雷达、初稿流程迁移到小红书，设置每日早 9 点定时任务。第二天上午 9 点，选题和初稿，由 WorkBuddy 自动准备就绪。 投入精力最多的，是在 WorkBuddy 打磨 Skill。以我的社情民意写作 Skill 举例： ① 拆解流程：把完整写作步骤逐条梳理，选题、素材、写稿、AI 检测、排版，写成指令交给 WorkBuddy。 避坑：不要写"帮我写好一点"这类模糊话，要写死标准。例：数据拆成独立语句逐条表述，禁止对仗排比。规则越明确，结果越稳定。 ② 上机实测：第一版效果很差，满篇公文套话、数据堆砌。把每一处问题转化成新规则，补充进 WorkBuddy 指令。 ③ 接入朱雀 AI 检测：标红段落连同原因回传给 WorkBuddy，反向优化指令，再次测试。 ④ 循环重复第三步。 这套"跑稿—标红—回传优化"，我在 WorkBuddy 迭代二十多次。 重点：修改的不是稿件，是给到 WorkBuddy 的指令。改一篇稿子只能解决单次问题；优化一次指令，后续每篇文稿自动达标。反复循环，直到稿件无需大幅修改，Skill 才算打磨完成。现在新选题丢进去，AI 初检直接通过。 搞定社情民意流水线后，用同样四步法在 WorkBuddy 优化"小元"调研公文智能体，贴合我的行文风格。现在这两个部署在 WorkBuddy 的智能体，已经是我工作离不开的帮手。 教练一句话很受启发：Skill 是今年兴起的方向，我们在 WorkBuddy 铸造营学习，赶上相对省力的窗口期，但省力不等于不用付出。 打通思路后，WorkBuddy 产出效率大幅提升。上完名人克隆课，当天就在 WorkBuddy 动手：将段永平著作、访谈蒸馏成知识库，克隆可对话网页聊天室，部署后分享给朋友。同样思路，搭建个人数字分身画像、飞书 IMA 客服智能体。 目前高频使用：部署在 WorkBuddy 的社情民意写作流水线。每周一自动选题、写稿、朱雀 AI 检测、自动排版，我只做最终审核。从前选题加写稿加查 AI 痕迹要好几天；现在 WorkBuddy 客户端实现全流程闭环。 下一步计划：继续在 WorkBuddy 里让流水线在真实工作场景持续迭代，跑一轮优化一轮，打磨成稳定生产力工具。 我的成长总结：零基础文科生，跟着课程在 WorkBuddy 一步步摸索，逐个攻克卡点。如今一句话，就能调动 WorkBuddy 落地产出。也正因这段经历，我在朋友圈写下：这是最好的时代。

英特尔下狠棋！AI干活搬回你的电脑，还上什么云 AI 干活的算力，正在从机房往你的电脑上搬。 10 月 12 日，英特尔官宣 Maia 300 芯片的扩张计划，更值得关注的是软件这一头。它和华硕一起，把腾讯的 WorkBuddy 深度优化进了笔记本，14 个本地 Skill，26 个高频专家做了硬件级适配。在配套的新笔记本上，语音识别、文字识别、翻译这些常用的活直接在电脑里跑，不用联网，不用上传。 我盯着这条新闻看了半天，说不上兴奋，更像是等到了。你想啊，我经常做 AI 培训，企业和学员问得特别多的一句话，从来不是哪个模型强，是数据传上去安不安全。客户名单、报价单、图纸，哪样敢随手传？ 于是多少老板干脆一刀切，全员禁用。 再看另一头，大厂在云端卷了整整一个月，Meta、OpenAI、谷歌轮番开发布会，一个比一个聪明。可老板们这道题，云端一家都没解。今天这个解法不在云端，在你桌上。为啥？因为这道题卡的不是模型不够强，是数据敢不敢出门。 解法两个字，分工。 一件事拿来，先问两个问题。第一步碰不碰敏感数据？碰的留在本地，数据不出门。第二步要不要联网和编排？查资料、多任务排队，交给云端。贵的不一定对，近的不一定慢。就像做饭，洗菜切菜在家干，只有硬菜才叫外卖。 这不是我编的道理，发布会的报道里已经有人跑通了。一个出海小团队，销售在展会现场用本地识别记名片、翻译需求，敏感环节一秒没上云；回到办公室，云端接着做报价、提案、多语言营销内容，一个小队伍跑出了销售中枢的效率。还有一个做 AI 漫剧的独立创作者，本地拆需求做分镜，云端编排生产和排期发布，一个人干成了过去一个小组的活。 方法照抄就能用。 装的事两句带过，应用市场搜 WorkBuddy，微信扫码登录，两分钟。装完先把话说直白，它的聊天和编排默认走云端，联网的活全靠这个。数据不出门靠两层。一层是 14 个本地 Skill，文字识别、语音转写、翻译这类小模型功能件，在华硕破晓这类英特尔新平台上无需联网，直接在电脑里跑。另一层更进一步，这台机器的算力能流畅带动 35B 级的大模型，WorkBuddy 的自定义本地模式认出你的处理器后一键下载部署，26 个高频专家就在本地干活，整条链路不出门真能做到。前提是设备要跟上，普通电脑上，Skill 大多还是走云。 上手第一件事，拿特别烦的重复活练手，比如展会收回的一沓名片。有本地 Skill 的机器，名片照片交给文字识别，名字电话在本机就抽出来了，一步没上云。 【可直接抄】 识别这张名片里的姓名、公司、电话、职务，按四项整理好 没赶上新笔记本的，照片丢给对话窗口也能出同样的表，只是这一步走了云，处理完把源照片删掉就行。做完先别急着用，抽三张对原片，名字电话都对得上才算数。有识别错的，照抄这句。 【可直接抄】 电话列有几张识别错了，只修正电话列，其他内容不动 第二件事，敏感文件的分析。一份合同扫件，想知道付款条款有没有坑。有本地 Skill 就先在本地把全文识别出来，到了云端做判断时，只贴付款那几段，别带公司抬头的整份扫件。 【可直接抄】 这几段合同条款里有哪些风险点，逐条列出来 它逐条列给你，你对着原文核就行。 第三件事，本地做不动了的，交给云端。名片和合同都处理完，接下来要群发跟进、排下周日程，这类要联网的活，让它后台排队跑，你信不信，同时开四五个任务不用盯，效率也比你一条条发快出几个身位。 坦白讲，也有不顺的地方。本地跑对电脑配置有要求，五年以上的老机器别硬上，云端照用；也别指望整套流程全断网，哪些环节真能离线，取决于任务和设备配置，官方口径都是端云搭配着来。纯本地方案啃复杂任务会慢，急件走云端。第一次跑某个 Skill 要先下载环境，等着就好，别当它死机了。 回头看这道题。以前老板在「用」和「怕」之间二选一，现在会拆活的人两头的好处都拿，敏感的留本地图个安心，要联网的交云端图个效率。业内有句话说得实在，过去 AI 回答一个问题，现在 AI 在你桌上完成一件事。你看，完成二字，比聪明二字值钱。 所以还上什么云？该上的照上，怕泄密的，今天开始留本地。 想，全是问题。干，就对了。 往期同一条路上的文章，《AI 课听到一半人走光了，不是课不好，是你付款前没问这三句》《人社部宣布 AI 促就业行动，四五十岁的人特别不该等》《豆包上新无限画布，AI 聊了一百轮你的活还没上桌》。

9月组局复盘｜31位新人组起第一场，同行计划第二期接着带 9月组局正式收官，先交一份复盘。 这个月，咱们破局完成了 138场线下组局，累计 1290人次 走进现场，组局覆盖 22座城市。其中，31位新组局官第一次站到了发起人的位置。 这138场和每位圈友都有关系。想参加线下组局的圈友，有了更多主题和时间可以选择；已经参加过的圈友，可以带着上一次没聊完的问题回来；想发起组局的圈友，也能从一场场现成的组局里看流程、找主题、认识搭档。 9月最值得留下的变化 31位新组局官中，有10位在9月继续发起了第二场和第三场，合计完成42场。 第一场做完之后，组局官手里会留下招募文案、现场流程、参与者反馈，也会多一批一起见过面的伙伴。下一场可以从这些已有的东西接着做，把一个主题继续聊下去，把一次见面延长成持续的联系。 还没接触过线下组局的圈友可以复制的是这条路线：先用一个具体主题完成第一场，结束后留下流程和反馈，再决定下一场讲什么主题。 第一场有人带，后面三场接得上 第一期同行计划留下了一组很棒的结果：53位新人完成了自己的第一场，其中19位在30天内完成了第三场；活动结束后，28位新人继续组局，又完成了88场。 第一场有人带着走，第二场开始自己接住，到了第三场，再逐渐独立。组局不是完成一次任务，而是在一次次见面里，慢慢积累主题、流程、伙伴和组织经验。 因此，同行计划第二期已于9月8日启动，活动持续到11月15日。第二期由老组局官陪新人走过前三场，从选主题、找场地、宣传招募，到现场流程和活动复盘，一步步把第一场之后的路走出来。 如果你已经参加过组局 可以把上次没聊完的问题带回下一场，把已经跑通的主题再做一次，或者邀请一位还没发起过组局的圈友，陪他完成第一场。 如果你已经有组局经验，可以把陪伴延长到前三场：第一场帮他把流程走通，第二场一起复盘调整，第三场让他逐渐独立完成。 如果你还没有参加过组局 同行计划第二期就是一个入口，完整说明见同行计划第二期｜有人带你，迈出线下组局第一步。 先阅读第一次想发起线下组局？新手组局...，写一份约500字的总结，再填写同行计划报名表。 如果你已经认识愿意带你的老组局官，可以直接找对方；如果还不认识，填写报名表申请匹配。有人带你迈出第一步，后面的第二场、第三场，就有了可以参照的路径。 9月的138场组局，来自一个个具体的主题、问题和面对面的交流。谢谢每一位发起组局的圈友，也谢谢每一位走进现场的人。 接下来，参加过的继续组，没参加过的来参加同行计划第二期。让更多人的第一场，从一次见面接到下一场。 #线下聚会

一种90％入池的爆款标题公式，一文讲透背后底层逻辑 你好呀，我是流月～ 我目前主业是一名互联网公司的营销总监，副业是一名公众号全生态AIP爆文教练，从0-1公众号长图文和小绿书写出过几十篇10W+文章，多篇100W+。 上周给的选题有些小伙伴看到后，第一反应是：“这也太长了吧？” “这么多字，我根本没有看下去的欲 ... 一种90％入池的爆款标题公式，一文讲透背后底层逻辑

从北京到杭州：半个秋天 到杭州：新鲜与不安 十年前离开学校，一个人奔赴北京时，一个简单的行李箱就装下了我所有的行李。今年中秋前搬到杭州，才发现行李和生活一样，越积越多，当初那只小小的行李箱，居然装不下了。收拾了整整一天，林林总总装了不少包裹，交给德邦物流运往杭州。 幸而遇上的物流师傅十分热心，得知我在杭州还没有安... 从北京到杭州：半个秋天