AI超级大脑：内容Agent、内容自动化： 今日行动 今天学习了老赵的直播回放《从 0 到 1：用 WorkBuddy 打造你的高变现一人公司》。 这堂课重点学习了知识付费里的产品分层逻辑，从引流产品、信任产品、利润产品，到高客单价产品，一步一步完成用户筛选和信任积累。我也结合秋叶、李一舟、彪悍一只猫等案例，进一步理解了个人经验是怎样被持续沉淀、产品化，最后形成一套商业闭环的。 同时，我也重新思考了自己过去的经验该怎样变成产品。比如可以做成课程、Skill、视频课，或者进一步组合成完整的知识产品。 今日收获 今天最大的收获，是对“知识付费怎么做成交”有了更清晰的理解。 第一，产品不能只有一个，而是要有层级。 引流产品解决的是“先让别人认识你”； 信任产品解决的是“让别人相信你”； 利润产品解决的是“完成主要变现”； 高客单价产品则是在前面信任基础上，服务更深层、更高价值的需求。 这其实就是知识付费非常核心的一套逻辑：不是一上来就卖最贵的，而是通过不同层级的产品，让用户逐步认识你、了解你、信任你，再自然进入更深的成交。 第二，今天让我非常有触动的一点，是个人故事本身就是信任资产。 过去的经历、失败、转折、选择、心路历程，这些东西不仅仅是个人回忆，而是别人了解你的重要入口。只有让别人看到“你为什么走到今天”，才能增加真实感和“活人感”。 当用户不仅知道你会什么，还知道你为什么会这些、你是怎么一路走过来的，信任就会大幅增加。 而一旦信任建立，成交很多时候就不再是“硬卖”，而会变成一个更自然的结果。 第三，AI 可以成为产品设计和内容拆解的重要杠杆。 很多事情没必要从零开始自己硬想。课程大纲、行业案例、内容结构、素材整理，都可以先让 WorkBuddy、Codex 等 AI 工具辅助拆解，再结合自己的经验重新加工。 今天对一句话的感受更深了： 万事不决，先问 AI；但最终一定要加入自己的经验和判断。 好事分享 今天感觉自己对“一人公司”和“知识付费”之间的关系又打通了一层。 前几天刚刚理解到，一人公司的核心是把自己的能力和经验产品化；今天又进一步看到了，产品化之后还不能结束，还要继续设计产品阶梯和信任路径。 也就是说： 经验 → 产品 → 内容 → 信任 → 产品分层 → 成交。 这几天学到的东西正在慢慢串成一条完整的线。 另外，今天对“个人故事”的价值有了新的认识。以前可能更多想着怎么输出干货，但现在越来越意识到，未来做课程、做公众号、做视频，都应该适当把自己的真实经历融进去。 因为真正让别人愿意长期跟随你的，不只是知识，还有对“这个人”的信任。 下一步行动 接下来重点推进几件事： 和太太一起把这堂课再深挖一遍，不只是听懂，而是把里面的产品分层、信任设计和案例真正拆出来。 梳理我们自己的产品阶梯，分别思考什么适合做引流产品、信任产品、利润产品和高客单价产品。 系统整理自己的个人故事，包括创业经历、转折、踩坑、选择和成长，把这些内容沉淀成后续课程和自媒体的重要素材。 把已有经验进一步产品化，思考哪些可以做成课程、Skill、视频课、咨询或服务。 继续使用 WorkBuddy、Codex 等 AI 工具做课程大纲、案例拆解和素材搜集，再把这些能力逐步融入自己的工作流。

Claude老被封？注意这6点 最近我通过公众号和X，找了十几篇文章，把大家总结的Claude防封经验做了个总结。 但看得越多，会发现有很多规则是互相冲突的，所以我这边就做了简单的罗列一下，供大家参考 固定一个ip，别总换 这条被提到得最多。 选定一个常用节点后，尽量持续用下去。 不要上午美国、下午日本，晚上又 Claude老被封？注意这6点

AI中转站避坑指南：从长期使用者和行业参与者角度，聊聊如何选择靠谱的中转服务 随着 AI 应用越来越普及，Token 交易和 API 调用需求也越来越旺盛。 过去一年，我自己也一直在接触 AI 相关业务，从最开始 AI 账号资源，到后面参与上下游资源对接，再到现在自己搭建 AI API 服务，中间接触过不少不同类型的渠道 ... AI中转站避坑指南：从长期使用者和行业参与者角度，聊聊如何选择靠谱的中转服务

工业 Agent 实战：拆解大厂记忆机制，搭建自己的记忆系统 大家好，我是熊猫 Jay。 最近我们开发的工业研发 Agent，被客户和同事吐槽了一通： “看报告，能不能记住我喜欢先看结果、再看依据，不用每次都重新提醒它？”​ ​ “查数据，能不能听懂我的习惯叫法，不必每次让我翻译成系统里配置的属性名称？”​ ​ “同一个检索条件可能对应不同位置的字段，第一次问清楚很有必要。但我已经选过好几次了，换个对话后，能不能别再让我解释？”​ ​ 大家希望的，是下次和 AI 协作时，能少交代几句，少一些从零开始的割裂感。​ ​ 但过去的习惯，也不一定适用于眼下的任务。​ ​ 记住用户的默认选择，但别忘了，用户也会改变。​ ​ 借着解决这些问题，我也想系统梳理一下 Agent 的记忆，同时把过程分享给大家。​ ​ 看完这篇，你会弄清楚三个问题：​ ​ 1.聊过的信息，怎样才能成为记忆？有哪些类型？​ 2.ChatGPT、Codex、Claude Code 等产品，是怎样处理记忆的？​ 3.回到工业 Agent，怎样选择值得记住的内容，再把方案做出来、验证效果？ 全文地址：https://my.feishu.cn/docx/ChhydC3GsoX8M0xyQVAcMVzD... 有帮助，帮忙点个赞，感谢～

工业 Agent 实战：拆解大厂记忆机制，搭建自己的记忆系统 大家好，我是熊猫 Jay。 最近我们开发的工业研发 Agent，被客户和同事吐槽了一通： “看报告，能不能记住我喜欢先看结果、再看依据，不用每次都重新提醒它？”​ ​ “查数据，能不能听懂我的习惯叫法，不必每次让我翻译成系统里配置的属性名称？”​ ​ “同一个检索条件可能对应不同位置的字段，第一次问清楚很有必要。但我已经选过好几次了，换个对话后，能不能别再让我解释？”​ ​ 大家希望的，是下次和 AI 协作时，能少交代几句，少一些从零开始的割裂感。​ ​ 但过去的习惯，也不一定适用于眼下的任务。​ ​ 记住用户的默认选择，但别忘了，用户也会改变。​ ​ 借着解决这些问题，我也想系统梳理一下 Agent 的记忆，同时把过程分享给大家。​ ​ 看完这篇，你会弄清楚三个问题：​ ​ 1.聊过的信息，怎样才能成为记忆？有哪些类型？​ 2.ChatGPT、Codex、Claude Code 等产品，是怎样处理记忆的？​ 3.回到工业 Agent，怎样选择值得记住的内容，再把方案做出来、验证效果？ 全文地址：https://my.feishu.cn/docx/ChhydC3GsoX8M0xyQVAcMVzD... 有帮助，帮忙点个赞，感谢～

问：涛哥，我想做小红书商单号，成分党这方面的内容，但是现在不知道如何开始，不知道具体操作的步骤，问AI给出的回答感觉不能落地，有没有这方面的实操方法呀 答：感谢提问， 1，你是怎么问ai的，总不能是问怎么做成分党账号吧， 要问到点子上，讲清楚你的现状和你的目标状态，配上你的研究所得，具体的问题，才会有翔实的答案， 2，美妆彩妆护肤本就是宇宙最卷的平台里头最卷的赛道，卷到发黑，想要出头，你要确定你自己是不是真的懂， 懂仅仅是前提，想要出头，光懂没用，还要想办法在一个极致窄的赛道里头，比别人更敢说真话，说得更清楚， 比如，胶原蛋白肽，就单单一个词，就有好几个百万粉账号靠这个起号， 3，硬要做的话，把你的人群缩小到一句话能说清楚， 比如，敏感肌，男士防晒，A酸，祛斑，疣...这里起码有几千个细分可以让你选， 不要装懂，比如，敏感肌，只说成分表里头的真相...这种号你能做么， 4，具体怎么找对标，怎么选词，怎么拆爆款，做笔记等细节，我全写在这里了，可以反复查阅， #涛说#平民流量手册（一），谢... 5，评论区有神明，去找到未被满足的需求，具体可以看这个贴，细节很多， #涛说#AI 产品/运营增长的... 6，如果功夫不够深，美丽修行你一定知道，极海测评，药监局的备案信息等等，其实claude也可以帮到你，只不过要用得很好， 7，爆款要用心，举例，80后男士可以把所有护肤品都丢了，然后开始巴拉巴拉，确实只需要做好， a，温和洁面，清洁， b，广谱防晒霜，SPF 30+防光，老化，防晒伤，防皮肤癌， c，视黄醇精华/乳液（晚间）抗衰老， d，基础保湿霜， 然后逐点讲清楚前因后果，带上大量情绪价值，让大量女生去转，这不就是爆款了么，还有广告价值，吸引潜在甲方， 8，咱卖的不是知识，是情绪，是这个人不会骗我的信任，让粉丝在评论区燥起来，品牌方自然会找上门， 9，最后，能出镜尽量出镜，不要夸大，不要强调功效，不要点名拉踩，不确定的内容别发，合规是长期做号的基础， 加油，祝好，

小红书虚拟电商选品实战：从找商品、盯销量，到发现正在起量的品，我做了两套选品系统 最近把自己做小红书虚拟电商一直在用的选品方法整理了一下。 从最开始人工刷商品、记销量，到后来用 Codex 做了两套系统，现在监控池里有 2300+ 个商品、140+ 个店铺，商品起量还会自动推送提醒。 文章里主要分享这两套系统怎么用，以及 CPA、教师资格证两个真实监控案例，还有新人不用系统怎么照着做。 全文： https://my.feishu.cn/wiki/DchtwlR3si7lpoka0pacBB5Y...

分享一个好消息： 破局已经初步跑通AI短视频直播的全流程，并初步跑通孵化普通人成为公域AI直播IP。 说几个案例： 东方龙，之前从没做过公域直播，假期连播4场，前端收益就超过600单、3000元（破局承担投放，前端100%分给主播），还会享受破局后端利润分成。 田野，之前从没做过公域直播，近期前端出单400单，前端收益2000元。同样会享受后端利润分成。 更重要的是：这套打法，教用AI做短视频、做直播、优秀的选手破局直接下场做投放，涨粉速度最高月增几万AI精准粉，一单粉丝过1万、10万、50万，商业价值堪称无比巨大（接广告、带货、直播）。 我计划进一步调整好转化后，预计11月，我先亲自教行动家学习AI+短视频+直播，进一步培养出优秀的行动家，让他们12月在破局开设AI+短视频+直播。 更进一步： 我有可能会重新启动破局MCN，去年我们尝试过，但因为没有成熟的投放体系，培养了很多人，但是破局没有持续跟大家绑定。 这次我们给大家提供行动营后，会挑选优秀IP选手，入驻破局MCN，我们会定向邀约20-40位。 这次打法完全不一样了，我们花了一年时间把AI短视频打法、直播打法、投放体系全部建好了，现在万事俱备了！ 最关键的是：全程AI打法，哈哈哈。 大家等我2个月，这个项目如果启动了，绝对是一个超级共同富裕的项目。 期待破局MCN2.0的，请点赞～

大龄程序员用 AI 两周上线 5 个出海工具站：真实数据、踩过的坑，和两次看漏竞品 大家好，我是一个大龄程序员。圈子里有个段子：程序员年纪大了，终极出路是「铁人三项」，送外卖、送快递、开滴滴。我想在报名之前再挣扎一下：让 AI 写代码，做几个给老外用的小工具站，看能不能先挣到第一美元。 到今天两周，收入还是 0。但过程里有不少数据和教训，整理出来给同样在做出海工具站的圈友参考。 一、做了什么 9 月 26 日到 29 日，上线了 5 个英文 ... 大龄程序员用 AI 两周上线 5 个出海工具站：真实数据、踩过的坑，和两次看漏竞品

10-04生财有术线下AI沙龙赣州场 分享AI实操，记录普通人副业探索 会用AI和能用AI赚到钱，中间隔着整整一条商业链路。 10月4日，进贤出发，目的地赣州，说到做到公司。 怀着激动的心情出发，来智行老师的公司参加线下沙龙，又是一场干货满满的分享。 一屋子人从下午2点多坐到晚上12点多，桌上摆着奶茶和水果，四个老师轮流上台。 01 娜娜老师：抖音AI博主1个月近3.3万粉丝实战复盘 第一个上场的是娜娜老师。她做的是AI自媒体，也是我这个月一直关注的博主。 她现场对比了两个模型做同一个视频包装的效果。同一个要求放进去，一个出来的画面更活、动效更跟手，另一个明显要死板一些。她的原话我记下来了：新模型就是新的生产力，使用门槛会越来越低，能力会越来越强。 这段话其实是在松绑。她的意思不是「你赶紧去学」，而是「直接用呗，你没法超越它，但你可以用它」。模型越强，对人的要求反而越低。 真正扎心的是后面这句。 她说，收益最终来源于商业本身。 她的账号根本不是终点，是整个业务最前面的一个流量入口。这个入口后面，接着她早就设计好的几层产品：几十块的资料社群喂小白，上千的课程带想做号的人，再往上还有陪跑。未来她还想往企业端走，去做更高客单的服务。 她说得很直白：很多人是先做账号，做起来再想怎么变现，这是本末倒置。她是先把整条商业链路搭好，才动手做账号的，所以起量快、变现也快。 现场有人问怎么让AI把文案写得更像自己。她的回答是别用一个对话窗口干所有事，拆成几个角色来干：一个负责出需求和产品，一个负责技术方案，一个负责执行。喂给它的数据质量越高，出来的效果越好。 02 大聪老师：老板不关心你技术多牛，只关心生意 第二个是大聪老师。他做的生意很传统，就是把AI卖给实体门店。 他挑了三个离大家最近的案例：连锁酒店、连锁餐饮、个体民宿。 做法听起来一点也不炫。他远程接进酒店的运营系统和财务系统，把客房、餐饮、渠道、历年报表的数据拉出来，做成一套分析。有一家酒店原本在商圈里排二十名开外，他发现八成的差评都出在回复不及时，调整之后进了前三。他还把企业的资料库接进飞书和笔记软件，让老板聊天时顺手就能调用。 有个细节我印象很深：他做营销海报不是一张一张做，而是一次出二十张、五十张甚至一百张，让老板从里面挑两三张。 他说了一句很实在的话：我们这些搞技术的人容易陷进「我技术有多牛」，但老板根本不看这个，老板只关心今天盈利多少、成本多少。所以他做的东西入口特别轻，直接挂到老板每天要用的飞书和微信里，老板不用安装、不用学，张嘴就能用。 他的收费也印证了这一点：连锁门店两千九百九十一个月，个体店九百九十九一个月。 03 刘智行老师：Skill是把重复劳动固化成流程 第三个是刘智行老师。他讲的一个词我特别有感觉：Skill。 他把微信的生态一层层拆给我们看。上面是公域，公众号、视频号、搜一搜、问一问；中间是私域，企业微信、社群、朋友圈；最下面是交易场，微信小店、小程序、微信支付。他说小程序现在有九点六亿月活，微信整体是十四亿多的月活。 然后他给Skill下了一个我很认同的定义：可重复调用的专家工作流。输入是什么，判断标准是什么，执行分几步，最后输出什么，全写死。Prompt解决一次任务，Skill让同一类任务稳定复现。 他还有一招叫蒸馏。把你自己的语料，比如飞书里的会议纪要、以前发的朋友圈，喂给Skill，让它生成一个「像你本人」的版本，再拿它去写朋友圈、写公众号、写视频号脚本。他还提到一千个铁粉理论：一千个真粉，一年就能撑起二三十万的收入。 怎么决定哪些活值得做成Skill？他给了一张任务地图：高频又高价值的，优先做成Skill；低频又低价值的，直接别做。 04 毛老师：先想清楚钱从哪来，再决定动不动手 压轴的是毛老师。他没讲一个工具，全程在讲怎么判断一个生意。 他拿自己正在做的文旅举例。这个行业本来有三个角色：组团社、批发商、地接。现在三个角色同时在失去增长空间。不是旅游没需求，是旧的获客链路失效了。大家不再走进门店，而是刷到内容、产生兴趣、直接搜索下单。 他反复强调一件事：动手之前先做项目分析。 他讲了个反例。他让伙伴去找对标账号，找了几十个回来，没一个赚钱的。那对标它干嘛？你做成它那样，不是照样不赚钱。所以他判断一个项目，先看钱从哪来，靠什么赚，有没有壁垒和杠杆，这套收入结构能撑多久。 他对现在AI商单的判断很狠。他说现在能靠商单赚钱，是因为品牌方的预算还在井喷，等这一波饱和了，光靠商单就是一门垃圾生意。收入结构太单一的业务，平台规则一变就会被清零。 还有一句话我记到现在：流量不等于生意。 内容是一回事，流量是一回事，能不能用流量赚到钱，又是另外一回事。他说别看一个博主的视频播放量，去看她多久建一个粉丝群、多久成交一次，那才是真金白银。 他甚至颠倒了我的定价常识。同样一个工具，定九十九一个月，用户买完一个月就走了；定三百多半年，用户反而愿意买。定价不是在算自己的成本，是在算用户的心理和使用周期。 写在最后 散场的时候已经晚上十点多，一屋子人还站着聊，谁也不想走。 这一下午听下来，四个老师其实讲的是四层越来越深的东西：起号、接单、搭系统，到毛老师这一层，是判断生意。 我是老脸，喜欢可以关注我#线下聚会

收到第二个报价，4866 刀。 简直神奇，我有个早年注册的域名... 续昨晚上线 20 分钟收到第一个报价。 AI 是真帮我赚钱啊，要不是 AI 可以快速帮我上个报价页面，我就不会续费这个域名了。 我等等看，争取能收到个一万美金报价，这样就可以说是 AI 帮我赚到的第一个一万刀。 另外昨晚睡前还上线了一个小网站，监控 robotaxi 落地部署情况的，因为我自己感兴趣，顺手让 AI 帮我上了一个网站，刚看，有 17 个 visitor，不知道是不是爬虫，再观察下。

我明明固定了节点，它为什么还在偷偷切换？ 今天整套方案的核心目的，是让 Claude 的出口始终落在 Anthropic 支持的地区，从而避开 403 Request not allowed。这个 403 是 Anthropic 按地区限制访问的机制。 这两天用 AI 编程工具（Claude Code）的时候，网络特别 ... 我明明固定了节点，它为什么还在偷偷切换？

权利差怎么破？最后一差：别人靠努力，它靠长期积累 从“看到、看懂、抓住、守住”走到最后的“放大” 这个系列写到今天，终于来到最后一篇。最开始只是因为群里有人问了一句“小白到底怎么破”，我顺着这个问题写出了《我们和大神之间，差的从来不是智商，而是这5个差》。后来越写越发现，这五个差根本不是五个互相独立的概念，而是一条很完 ... 权利差怎么破？最后一差：别人靠努力，它靠长期积累

#生财好事 今日战绩！公众号流量主，长文。

Jam🍓你好，我是亦仁。 先说结论：你去上海找份工作保生存，这个判断没错；但你把刚跑通的小红书店铺交出去，这个动作，是你在最慌的时候做的决定。我要提醒你的不是去不去上海，是你正在用放弃唯一确定的资产，去换一个"我心里踏实"。 ### 一、你这一年扛的东西，比你自己以为的多 家里一年的事、两次住院、还要看店，中间没收入、没退路，感情上又出岔子——这种状态下人会本能地想抓一个确定的东西，哪怕那个东西是"去厂里打工"。 **你现在的慌不是矫情，是三件事叠加：** 积蓄见底、没有工作身份、感情失控。任何人被这三样同时压住，都会做出一个看起来最安全的决定。 但我要把其中两件分开：去上海打工是"生存动作"，它本身没问题；把店铺交出去是"资产动作"，它跟生存没关系，它只是让你觉得"我不用两边都扛了"。这两件被你绑成了一个决定，这才是问题所在。 ### 二、你可能没意识到，你已经跑通了一个真闭环 很多人做了半年一年，连一个有人付钱的动作都没有。你有。 **你从零到有粉丝、到开电子资质、到9月15号开出第一单、到月底640块，这是一个完整的从流量到成交的小闭环。** 而且它不是靠补贴、不是靠运气刷出来的，是你自己搭的网站、自己找的图纸需求、自己引的私域客户。 我给你一个参考：我看到过做拼豆图纸兑换码的店，单价3块，已售1551单，销售额四千多。这说明什么？**说明拼豆图纸这个类目有真实的、可持续的付费需求**，单价低、交付是虚拟的、复购的人群是手作爱好者——这是一个能从小往大做的方向。 640块钱不多，但它是"验证过的钱"，比一个还在PPT里的项目值钱一百倍。你手里真正的资产不是640，是你验证了"有人在为这个图纸付钱"。 ### 三、代运营这件事，大概率会让你把验证过的东西弄丢 你把店交给你男友，我理解你想的是"有人接着跑，我出去挣钱，两不误"。但现实里这一步最容易出事。 **代运营的前提，是这个人已经在这个项目里。** 他有没有自己做过图纸、懂不懂色号、知不知道哪个笔记引流、懂不懂小红书店铺的运营节奏？如果都没有，他接手后遇到第一个问题就会卡住。 **更麻烦的是，代运营的人没有正反馈就没有动力。** 店是你做起来的，涨粉的爽感是你的，开单的成就感也是你的。他接过去，涨粉慢了、单子少了，他不会觉得可惜，只会觉得"这店本来也就这样"。 **还有一个隐性成本：一个刚起步的店，运营节奏断了，流量就断了。** 小红书对账号的持续更新是有记忆的，你一停、他一停，前期攒的那点势能就散了。等你想回来重新捡，代价比现在大得多。 ### 四、打工和项目，从来不是二选一 我见过太多圈友卡在这个执念上：觉得"我要么全职做项目，要么打工放弃项目"。 **副业不需要整块时间，这句话我说过很多遍，说三遍都不过分。** 你去上海进厂，每天下班后两三个小时，完全够维护一个小红书店——事实上很多自由职业者一天真实投入也就这么久。 你缺的从来不是时间，是你对这件事的判断和节奏。**每天真实投入两三个小时，已经不比很多全职的人少了。** 如果后面店有起色了，你也不用自己硬扛，**从副业收入里拿一部分出来招个线上助理**，把交付和客服分出去。用资金换时间，这条路是通的，但前提是店还在你手里。 ### 五、感情归感情，账归账，别用托付换安全感 国庆他把你丢下自己开车走，这件事你心里不舒服是对的，它该被认真谈。但你把它和店铺绑在一起处理，就是两本账混着算了。 **你可以因为感情的事跟他谈，但不该用"把店交给你"来换一次和好。** 项目是你自己的东西，一旦它变成感情筹码，后面你们有点矛盾，这店就成了软肋，说不清也拿不回。我看到太多人在关系里把自己的事业和情绪搅在一起，最后两头都输。 **独立面向市场赚钱的能力，是一个人最大的底气。** 你现在还没到那一步，但你已经离它最近了——你有验证过的需求，有跑通过的闭环，这比大多数人起步的位置都好。这个底气不要借出去。 你男友丢下你走了这事，该沟通沟通；但你的店铺，不该出现在你们感情的谈判桌上。 ### 六、越是慌的时候，越不能做不可逆的决定 这里有个特别关键的框架，很多人不知道：**可逆的决策要快，不可逆的决策要慢。** 去上海打工，是可逆的——不合适你随时能回来，最多亏几个月时间。这种决定，快速做，不纠结。 把店铺交给别人、断掉运营节奏、放弃控制权，这是相对不可逆的——客户关系、粉丝记忆、你的运营手感，丢了想回到原来的位置，比你想象的难。 **你现在把这两件事绑成了一个决定，用一个"快速可逆"的动作，顺手做掉了一个"该慢慢想"的动作。** 这就是我说你错的地方。 最慌的时候做的判断，往往不是错的判断，是最省事的判断。省事不等于对。 --- 你要问我的那句"我的做法对不对"——去上海这件事，对；把店铺交出去这件事，我不认同。 你缺的从来不是一个能帮你代运营的人，而是**在自己最不稳的时候，还愿意给自己留一个能自己掌控的东西**。那640块不多，但那是你亲手从0到1做出来的。别在最慌的这一年，把它交出去。

半小时129元，客户买的到底是什么？ 聊备|400家门店包装设计|600套+食品包装落地|漫剧供应链纯利10个+|9次志愿者/助教 聊聊最近的，，感谢伙伴们观看 半小时129元，买的是一次判断 发了一篇小红书→在小眼睛10的时候→半小时内有人下单→微信沟通半小时→成交 足够专业以后，可以做咨询，不一定一直做陪跑 很多设计师提供服务时，会直接进入执行。 客户说要改包装，就开始做方案。 客户说感觉不对，就继续调整。 这样的服务很容易变成长期陪跑：不断沟通、不断修改、不断投入时间。 但做过足够多的真实项目以后，有一部分经验可以从执行里拿出来，单独变成咨询。 咨询解决的是： 问题到底在哪里？ 为什么会出现？ 哪些东西不用动？ 哪一个问题最值得先解决？ 执行是在方向明确以后，把方案真正做出来。 两者都重要，只是解决的问题不同。 陪跑更多是在卖持续投入的时间，咨询卖的是过去积累下来的判断。 字有点多，伙伴们，移步飞书https://buvanr63wc.feishu.cn/wiki/RoADwci2kiA2e5kx...

我把自己 6 万条微信记录变成了网页。不用装软件、不用写代码，双击一个文件，浏览器里就出现你过去两年的全部群聊——文字、图片、视频，全在。 ▍一、先说这东西长什么样 打开就是一个网页，左边是会话列表（我这儿 57 个：25 个群、32 个私聊），右边是消息流。 图片是直接出的图，不是一个文件名；视频能播封面；搜一个关键词，全库命中位置直接跳过去。 我最常用的一个动作是：搜群名里没出现过的词。比如我在一个 1.7 万条消息的群里搜"开源"，它能把 2024 年那条冒出来的讨论原样翻出来。 配图 1｜左边 57 个会话，右边消息流，图片直接出图 总共 61222 条消息，2603 个联系人，索引重建 6~7 秒。 ▍二、为什么我要做这个东西 我不是"看到数据就想可视化"那种人。起因是一件很具体的事： 某天我想找一个群里的聊天记录，翻了微信自带的搜索，翻了半小时没找到。我就想，这破数据凭什么还在我手机里躺着。 微信的聊天记录只能搜关键词、只能按时间倒着翻。它不知道我"三个月前在哪个群问过那个方案"。 然后我去查了一下能不能自己拿。结果是：不能。 库是加密的，官方没有导出接口，市面上的工具都要你扫码登录。 我不想交出我的聊天记录。于是只能自己来。 ▍三、这件事真正的难点，不在"做出一个网页" 难点一：消息是按会话分表存的，而且会分片。 微信 4.x 每个会话一张独立表，我这儿 65 张表。更麻烦的是——同一个会话会横跨多个数据库文件，而每个文件里的 local_id 都从 1 重新编号。 这个坑非常阴：我第一版只读了最大的那个库，6 万条消息只捞到 2.5 万条，整整少了一半还多。 而我自己搜的时候什么都搜得到，因为搜索索引是遍历所有库建的。 症状就是："搜得到，但会话里看不到"。 我花了一整天才定位到这个。 配图 2｜只读一个库少一半，遍历全部分片才一条不差 ▍四、图文能不能一起导出 能，而且这是我花时间最多的一块。 图片在磁盘上是加密的（微信自研格式），我得先从系统里拿到密钥解开，再按消息里的编号找到对应文件——但这个编号不是消息里的那个编号，是两套 ID，得靠一张映射表对起来。 现在的实测结果： 图片 51 张抽样，成功 51 张，100%，平均 146 KB。 视频封面 28 张抽样，成功 28 张，100%。 导出 Word 时图片是原件直接塞进去的，不转码，画质不损失。 ▍五、你可能会问的三个问题，我直接答 会不会泄露我的聊天记录？ 不会。它只监听 127.0.0.1——别的机器访问不到。全程只读，不改一个字节，不上传任何地方。所有数据都在本机。 这是不是"破解"？ 解密的是我自己手机里、我自己的数据。而且我没改微信本体、没关系统安全、没碰官方客户端。用的办法是在自己进程里读内存取密钥。 主号能用吗？ 我只用了双开那个号，主号我没动。不敢。 ▍六、这一段最值钱：如果你也想整理自己的记录 我把它做成了一个文件夹 + 一个启动文件。你现在就可以试： 第一级门槛（1 分钟）： 只需要确认一件事——你的聊天记录值不值得翻。 别一上来就想着"我要做个系统"。先想清楚：你三个月前在哪个群问过什么？ 如果这个问题对你有意义，那工具就有价值；如果没有，整件事都别做。 第二级门槛（半天）： 让它先跑起来。解密这一步在 Mac 上大概几秒钟，跑完之后你就有了一个可以全文搜索的本机聊天库。这一步做完你就不会再回去了。 第三级门槛（一周）： 再考虑导出。 到这一步你的判断力会完全不一样——你会发现导出格式的选择（Word / CSV / TXT）取决于你要拿它做什么，而不是哪个方便。 配图 3｜三道门槛，和三个一定会被问到的问题 ▍七、我把它放在这里，你们拿走用 我不想说"这是我编的教程"，我直接把能用的东西给你： 微信聊天记录工作台，一个文件夹，双击 启动工作台.command 就起来了。 这是我自己用了两周的工具，不是为了发一篇帖子临时拼的演示。 最后说一句我自己的体会：做这个东西最大的收获，不是省下了翻记录的时间。 是我第一次意识到——我手机里躺着 6 万条我以为"已经搜不到"的东西。你以为的东西没了，其实只是你没找对地方。 这个道理不只适用于聊天记录。

自己给自己打的分，不算分。我花一周把一个 AI 项目的成绩单整个重算了一遍——数字一个都没错。可这恰恰是最让我警觉的地方。 打个比方：一个人说「我今年跑了 500 公里」，我翻他的记录，数了数，一公里不差。这算他跑的吗？算。但他要是说「我是全省跑量第 3 名」——那个『第 3』，是他自己给自己排的。 数字可以是真的，名次可以是假的。区别在于：有没有一个不靠他吃饭的人，肯为他重新数一遍。 我做了这个「重新数一遍」的动作，结论是：数据全对，但成绩单不成立。 配图 1｜数字全对，为什么成绩单还是不能信 ▍一、先说最扎心的一句：你也可以给自己发一张成绩单 这事的门槛比你想的低。我见过（我自己也写过）这样的项目说明： 「我们的方案准确率 83%，已在 X 平台验证，已申请专利，上线后服务 1200+ 用户。」 每一句都是真的。但这句话里没有一个数字是别人算的。出题的是他，判卷的是他，连「服务 1200+ 用户」的口径也是他自己在后台数的。 这不是造假，这是所有自我宣传的通病。你去看任何一份「我们很棒」的 PPT，看任何一篇「实测 90% 提升」的博客，剥到最后都会落到同一件事上：证据的生产方和评价方是同一个人。 所以你现在就可以给自己做一件事：找一份你写过的介绍，问一句——「这里面有哪个数字，是别人替我算的？」 多数人一个都答不上来。这不是道德问题，是大部分人根本没意识到这是个问题。 ▍二、换个角度看，这件事其实很荒唐 健身房办卡的时候，会请第三方来查你的体测数据；公司招人，会做背景调查；医院出体检报告，报告上不会写「本报告由体检中心自己出具，结论仅供参考」。 我们评价一个人，永远要找一个「不认识他」的人来评价。 可到了 AI 这几年，所有技术宣称都变成了「我做一个模型，来评价我的模型」——AI 帮忙判卷，所以看起来客观了。 但判卷的 AI，和出题的、训练的、写答案的，是同一个人用同一家工具跑出来的。这就像让同一个人既出题、又答题、又判卷，还要宣布自己得满分。 这不是要把 AI 判卷一棍子打死——用它做初筛确实快。问题在于：不能只留初筛的结果，就把结论当终审。 ▍三、我实测的三个洞，按「你能不能自己查」排序 我拿一套现成的自测流程跑了一遍别人的项目（用现成工具，命令都在报告里，你可以自己重跑一遍）。发现三个问题，按「普通人能不能自己查」从易到难排： ① 最扎眼的大数字，样本量只有 1。 项目首页用最大的字号写着「准确率从 68.4% 提升到 80.9%」。我去翻它的详细说明页，答案是：这 3 天里只有 1 个真实用户在用，1 个用户贡献了全部数据。 「1 个用户」没写错，「提升 12.5 个百分点」也没算错。但把 1 个人的结果放大成首页大字号，本身就是一种放大。 👉 你能自己查的：任何百分比，先问「这是几次？」。如果分母是 1，就当它不存在。 ② 九成的成绩，是经同一个「二道手」跑出来的。 他们跑了 32 次测试，其中 30 次都经过了同一家中转服务商。作者自己在文档里写了一句很诚实的话：模型的身份从未跟厂商官方接口核对过。 用大白话说：那个中转商坐在「题目」和「AI」之间，它能改 AI 的答案、能把答案截短、能在中途收钱停服。你拿到的分数，严格说是「中转商背后某个东西」的成绩。 👉 你能自己查的：看一眼「用了几个不同的服务」。1 个 = 没有交叉验证。 ③ 原始答卷没公开，所以外面的人算不了。 这个项目其实已经很规范了——它把每次跑分的存档记录和一个校验码清单都放进去了，理论上谁都能验。 但真正的那 320 份原始答卷不在里面。只有「答案的答案」。 ⇒ 所以你能验的只有加法对不对（比如「206 里对了 141 个，占 68.4%」），验不了判卷对不对。就像你拿到了答案的答案，但没拿到题目。 👉 你能自己查的：没有原始数据 = 别人没法独立复现。不是说它一定有问题，是说你目前没资格评价它。 配图 2｜我实测发现的三个洞，按你自己能不能查排序 ▍四、所以给你一套能直接用的四步法 这是我这次最值钱的收获。你不需要会写代码，照着问就行——下次看到任何「我们做到了 XX%」的自查报告，四个问题问过去： 配图 3｜四步法：下次看到「我们做到了 XX%」先问这四句 第一步：问分母。这个数是几次算出来的？ 1 次、5 次，还是 3 万次？分母小于 10 的，一律当参考。 第二步：问判卷人。出题的和判卷的是不是同一个人（或同一家的工具）？ 「用 AI 评测 AI」很常见，但它验不了偏见，只验了格式。 第三步：问中转。中间过了几个服务商？ 尤其是那种要花钱转发的，它就是个可以动手脚的中间层。 第四步：问原始数据在哪。 拿不到原始数据 = 别人无法独立复现。这一条最关键，因为它是唯一能一票否决的。 ▍五、换个立场：这不是骂人，是给包括我在内的所有人提个醒 我这次核验跑了 200 多个测试、复算了 6 类统计，最后结论是「数字全对，但缺独立第二方」。 有意思的是，这个结论对我自己的打击比对那个项目更大。 因为我发现：我给别人写介绍的时候，也是自己出题自己判卷。我那 11 篇文章里的每个数字、每张图、每句结论，验证的人只有我自己。 所以我现在给自己定了一条规矩，比什么都管用： 如果一件事只有我能做、也只有我能说它做得好，那它就不算成果，只算自述。 这世上真正靠得住的东西，都得有一个「跟我没关系的人」愿意接手复核一遍——代码让别人跑通、数据让别人重算、内容让别人读懂。 你不需要去当谁的评委。你只需要偶尔当一次「不信任自己的那个人」，去问一句：这个数字，是谁算的？ ▍最后 我这次的结论，你可以当成一条质检标准用：看一个 AI 项目的成绩，先别看它说多好，看它有没有第二个人在看。 全篇的命令和数据我都留着，你自己能一条条重跑一遍。凡是我没能精确复现的，我都单独标出来了——没复现成功的不算复现。 以上。

简直神奇，我有个早年注册的域名，已经荒废很多年没做网站，今天收到邮件提醒，说已经忘记续费超过一个月，再不续费就没了。 我想着要不就续个费吧，续完费我让 AI 帮我上个页面，如果有人要买直接报价，合适我就卖掉。 ChatGPT很快，全程没要我动手，10 分钟左右帮我搞定并上线了报价页面。 结果，20 分钟后，就收到真有人报价了。。 挺有意思。 接下来，我可能会独立的上线一批面向公域的产品，然后真人秀的方式来给大家做一些直播吧，感觉会很好玩。 我刚刚又上线了一个网站，以后碰到好玩的我就上线一个产品或者网站，并真实的去弄流量和变现。 我对我自己做这些产品搞到流量赚到钱，大概信心指数是 100% 吧，给大家打打样。

数字全对，结论不可信，证据同一人。我复算了一个 AI Agent 项目公布的全部宣传数字，一项没错——但支撑这些数字的证据，全部出自他一个人之手。 先说结论：它公布的数据全部属实，这是我查过的同类项目里罕见得反常的。可它是可以信的证据，不是可以信的结论。原因不是它编了数，而是——全部证据由同一人生产、同一人评分。 配图 1｜核验结论：可以信的证据，不是可以信的结论 ▍一、先分清两件事：GEO 和「让 AI 读懂你」，不是一回事 市面上讲 GEO 的文章把这两件事混着卖，我得先把它们拆开。 GEO（Generative Engine Optimization）：目标是让你写的内容出现在 AI 生成的答案里，被它引用。 agent 可读性（agent-readability）：目标是让 AI 能操作你的网站——调你的接口、跑你的工具、读你的结构化文件。 一句话：GEO 要「被引用」，agent 可读性要「被使用」。 我实测过 Cloudflare 那个公开扫描接口（输入域名就能扫的那个），它检查 20 多项：robots.txt、sitemap、响应头里的 Link 关系、DNS-AID、Markdown 内容协商、MCP server card、Agent Skills、ARD 清单，还有一组支付类协议，分 0 到 5 档。 但那个分数测的是「AI 能不能顺畅地读你、用你」，不是「AI 愿不愿意提你」。 这两件事一混，结论就全错了。我实测 8 个站： （分档 → 通过 / 未过 / 未检） · ilang.ai：5Agent-Native → 17 / 0 / 5 · ilang.cn：5 Agent-Native → 14 / 2 / 6 · juejin.cn：1 Basic Web Presence → 3 / 13 / 6 · github.com：0 Not Ready → 2 / 14 / 6 · sspai.com：0 Not Ready → 2 / 14 / 6 · www.36kr.com：0 Not Ready → 0 / 15 / 6 看第四行：github.com 是 0 分。但它被 AI 引用、被当资料源的概率，显然比大多数 5 分的站高。 所以这里有两层：地基层能测量、你能自己做；结果层（被引用、被推荐、带来流量）没有任何人能承诺，只能创造条件。 配图 2｜十条宣称逐条复算，全部属实 ▍二、它公布的数字，我逐条复算，一个都没错 被核验的是 iLang 项目的 4 个仓库（ilang-spec / conformance / judge / 主仓）。我把它们克隆到本地，跑自检、跑测试套件、复算统计数字、验证 DOI。 （我的复算 → 判定） · 决策函数是纯 stdlib 11 维级联，权重和 = 1.0000，同向量调 1000 次只出 1 个结果：自检 34/34 通过，权重和精确等于 1.0000 → 属实 · 首页示例 S = 0.7805 → 模式 M2：我从权重表手工复算得 0.7805，代入得 M2，与页面逐位一致 → 属实 · 题库不是手写的，由函数生成：取60 道题用它的函数重跑标答：60/60 完全一致 → 属实 · 45 次模型运行，每次 320 道题：运行目录 45 个正片 + 10 个对照 = 55；题量 120+100+100 = 320 → 属实 · 32 次可比运行，语法题中位数 83%、执行题 11%：我从榜上逐行复算：82.92% 与 11.00% → 属实 · 判断层生产审计 68.4% → 80.9%：141/206 = 68.4%，216/267 = 80.9%，逐位吻合 → 属实 · 运行时文件 sha256 校验一致：实测 sha256 与清单声称逐字节一致（93,875 字节） → 属实 · 222 个符号全部落位，0 未落位：symbol_audit.py 报 222 symbols, 0 unaccounted，且是 CI 阻塞步骤 → 属实 · 6 个 DOI 可解析：6/6 全部可解析 → 属实 · 分数可从运行记录复现：55 个 score.json 逐题记录对账：0 处不一致 → 属实 顺带跑掉的自检：5 个 vendor 哈希全对、语法验证器 64/64、判断验证器 34/34、测试套件 201 个全部通过（用时 64 秒）。 它还有阻塞式 CI、符号覆盖审计、可校验的运行时哈希，甚至把自己的更正写进了正文。 论文 v1.1 把 34 次列为可比，v1.2 自己纠正成 32 次——因为有 2 次 Claude 的回复被中继改了大小写，被误当成模型的错。这是一次自发的撤榜。 它还主动写明：「标题上的改进幅度大约是真实效果的两倍」，并把两套口径的序列都发出来让人自己比。 一个项目主动写出对自己不利的自查条款——这不是套路，是硬证据。 配图 3｜但缺独立第二方：n=1、同一中继、原始回复不公开 ▍三、但它缺的那样东西，恰恰最关键 ① 最醒目的数字，样本是「一个机器人」 首页用大字号展示 68.4% → 80.9%，底下小字才写「判断层在生产环境跑了三天」。我去翻审计页：这是一个生产环境社区机器人、三天、7,940 条、2,648 计分样本。首页没提 n=1。审计页提了——但那要多点一次。 ② 九成证据经过同一个中继，模型身份未经核验 32 次可比运行里，30 次走同一家中继。作者原话：「模型身份是那个中继返回什么就是什么，没有跟任何厂商自己的 API 核对过。中继坐在语料和模型之间：它可以加自己的系统提示、改回复文字、截断答案，或者中途额度用完。」 所以那83% / 11%，是「中继背后的某个东西」的成绩，不严格等于「某模型」的成绩。这是方法论上的硬伤，也是这次核验无法越过的边界。 ③ 原始模型回复没公开，所以「自己重跑」要自己掏钱 每个运行目录里只有 score.json 和 MANIFEST.sha256（320 个文件的哈希）。那320 个被哈希的原始回复文件不在仓库里。所以清单本身无法被验证，我也无法从零重新评分，只能从已记录的判定里复算算术。 它能 100% 防住「汇总数字造假」，但防不住「判定本身有偏」。 ④ 201 个测试，却没有任何 CI 跑它们 ilang-spec 有完整的阻塞式 CI，一致性测试仓库 ilang-conformance 的唯一 workflow 只负责打 tag 发版。测试全过，但没人自动守着。 一句话总结：「不让模型给模型打分」成立，但「不让作者给自己的作品打分」不成立。 题库、评分器、结论出自同一人；唯一的第三方环节（模型）还经过一个会改回复的中继。n=1。自存档不等于发表——Zenodo DOI 只证明「存了」，不证明「审过」。这个项目 6 周前才起步，现在下长期判断太早。 ▍四、我差点冤枉它三次，都是我的问题 这一节按规矩必须写。 「榜上有一行对不上 score.json」 → 我的脚本按模型名匹配，而deepseek-v4.1-flash 在榜上和对照运行里各出现一次，我取错了那条。精确核对后 32/32 全对。 「201 个测试有 2 个失败」 → 我从仓库根目录跑 discover，导致测试模块被加载两份、mock 状态串了。在 tests/ 目录下正跑：201/201 全过。 「它说 45 次运行，可表里 32+14=46，差 1」 → 逐个枚举 55 个目录后才发现：那第 14 行（kimi-k2.6）从来没产出过运行。45 是对的。 三次报警，三次查下去都是我自己错了。所以那份「近乎完美」的数字清单，不是它给的，是我自己重算出来的。 配图 4｜每条判定都能重放 ▍五、这套方法你拿去就能用 这是我认为最值钱的部分——下次看到任何「我们 achieves 了 XX%」的自查报告，你可以这样验： 第一步：数字逐条复算，不信「自检通过」。 把它的统计口径抄下来，用它自己的数据重算一遍中位数和比例。这一步能筛掉大部分注水。 第二步：看证据生产方是谁。 题库谁写的、评分器谁写的、有没有真正的第二方。「不让模型给模型打分」不等于「不让作者给自己打分」。 第三步：查中继与原始数据可得性。 模型经过几个中继？原始回复公开吗？没公开原始数据，就等于没法独立复现——你只能验算术，验不了判定。 第四步：分清「能自检」和「有 CI 在守」。 201 个测试全过 ≠有人在跑测试。找那个 workflow 在不在。 第五步：主动找它自曝的短板。 真正可信的项目会自己写「我们的数字大约虚高一半」。只报喜的项目，这一项直接出局。 ▍六、顺便说：这个站本身是一份现成样板 抛开协议靠不靠谱，ilang.cn 本身就是一份「让 AI 读懂我」的工程样板，我实测了它的响应头： llms.txt 用了自创方言——::ILANG::v5.0 + ::STATE{} 陈述站点事实 + ::RULE{} 规定 AI 该怎么答。比普通 llms.txt 更有约束力。 HTTP 头挂着四条发现关系——rel="api-catalog" / "service-desc" / "service-doc" / "describedby"。 配了 MCP server card、OpenAPI、ai-catalog.json、agent-skills 索引，以及 Accept: text/markdown 内容协商。 还有一个坑值得单独讲：llms.txt 只看状态码会误判。 · github.com：200，28,658 字节，text/plain —— 真文件 · sspai.com：200，但返回的是 HTML · www.zhihu.com：200，但返回的是 HTML · csdn.net：404 · stackoverflow.com：403 少数派和知乎那两个 200 是软404——服务器把「找不到」也当 200 返回，塞给你一个网页。所以判断必须连内容类型一起看： $ curl -s -o /dev/null -w '%{http_code} %{content_type}\n' 某个站/llms.txt ▍七、平台作者该把力气花在哪 如果你和我一样，内容都发在平台上——那地基层你能做的部分很少。 地基层靠的是你能控制 HTTP 响应头。CSDN、百家号、知乎，头不在你手里。我实测 csdn.net 连 /llms.txt 都是 404。 所以平台作者该把力气花在内容结构这一层：小标题写清楚、关键信息用表格、代码放代码块、一段话给结论、术语前后一致。这是内容侧的地基，也是你唯一能控制的那部分。 如果你有自己的站，成本最低又能自检的就三件事：根目录放一个 text/plain 的 llms.txt；首页响应头加 Link 关系指向它；robots.txt 里写明 AI 抓取政策。 ▍最后 我这次核验跑了 201 个测试、复算了 6 类统计、验证了 6 个 DOI，结论是「数据全对，但缺独立第二方」。 这个结论对我自己的启发比对那个项目更大：一个东西是不是可信，取决于它的证据链里有没有一个「不属于它自己」的人在盖章。 如果连自曝的短板都没有，那大概率不是没问题，是没查。 复现命令我全留在审计报告里了，逐条能重放。凡我没能精确复现的（比如论文那个 93.4%，我只能做到 93.1%~93.5%，差 0.3 个百分点），已单独标注为「近似」——没复现成功的不算复现。 以上，凡我未能复现的，都写清楚了。