【FDE系列19】FDE获客：如何找到第一个客户？ 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 19 篇。 刚开始做 FDE 或企业 AI 服务，大部分人遇到的第一个问题是：第一个客户去哪里找？ 你可能会在网上看到一些 FDE 从业者，把账号做起来之后获得了很多客户，于是很容易觉得：自己做 F ... 【FDE系列19】FDE获客：如何找到第一个客户？

AI PPT 深度复盘｜从封店月损 8 万到单店月入 5 万，我们用 AI 原创把小红书虚拟重做了一遍！ 我们团队做小红书虚拟，到今年已经两年多了，一直在一线做业务，没断过。 也正因为一直在一线，今年的变化我们体感特别明显——小红书虚拟类目的打击，越来越严。类目被收回、笔记被判同质化、店铺因侵权盗版被封，我们五个经营了一两年的店铺陆续被封，算下来，一个月八万的收益说没就没。 这段时间我们就干了一件事：全面转向 AI 原创，把整个虚拟项目从 0 到 1 重新跑了一遍。 现在拿到了两个结果： 一是从制作到发布，整条链全 AI 化了，现在我们每天光 token 就要烧掉 20 个亿。30 到 50 个 AI PPT 任务在并发跑，生产效率非常高，每天基本只剩"选赛道"和"客服"两件事； 二是赶上课件开学季，我们有店铺一周能卖到上万，单月做到 5w。其他赛道也接到了大量定制单。差不多回到了之前的水平，但是完全没有了违规侵权风险。 今天这篇，就把我们怎么一步步破局、踩了哪些坑、又是怎么做到的，完整复盘给你。主要讲这几块： 1、平台这轮到底在打什么、红线在哪 2、AI 原创的机会有多大，为什么我们偏偏选了 AI PPT； 3、我们现在做到什么程度、用的是什么方案； 4、从制作到发布，这条全 AI 流水线怎么搭； 5、做好后怎么卖、怎么批量制作与多平台分发； 6、做了哪些 PPT 赛道、又该怎么选品； 7、大家最关心的几个问题，比如电子资源类目现在到底怎么开。 如果你也在做小红书虚拟、也被平台的政策搞怕过，或者你一直想知道 AI 到底怎么落到能换钱，这篇应该能给你点实在的东西。 飞书文章链接🔗：https://o7nsrridj4.feishu.cn/docx/Ps9Ddf65OojWCixr...

裸辞后，我怎么把一个代运营账号3个月从0到1.1 万粉，加微信1000+，分享我做个人IP精准获客经验  大家好，我是柠檬。去年年底裸辞后，我接到了自己的第一个代运营合作项目——少儿科创，我主要负责流量部分。这是一个相对小众的教培赛道，和大家熟悉的少儿编程、机器人乐高有些关联，但大众认知度要低得多。 抖音从0粉纯自然流起号3个月时间做到1.1万粉丝，3个月导流1000+，今天想分享自己做这个账号过程中关于精准获客的一点心得。（下图是3个月的时候发的朋友圈） 这篇内容分为3个方向： 一、找对人：精准获客的短视频是什么样的？ 二、找对需求：如何找到离成交更近的选题？ 三、接住用户：如何通过钩子+路径，把公域流量承接到私域？ 详细内容点击飞书链接：https://tmdcfis9c9.feishu.cn/docx/TBBddSzYYoP7G8x2...

记录一下五条作品开YPP。#生财好事

我用破局CLI，给自己公众号搭了一个选题情报系统（保姆级教程） 大家好，我是Bonnie，做了20年跨境供应链，现在负责中国食品茶饮出海的清关和落地——把中国的食品原料、设备，合规送进德国、印尼、韩国、澳洲、英国这些国家的门店。今年8月开始做个人IP。 以前每周最痛苦的就是定选题。我的知识库里躺着8个国家的真实清关案例，却不知道写成什么角度才有人看。去破局搜「清关」，当时只有57条，一个同行都没找到——破局里1万多条经验，大多我看得见、用不上。 这次响应第十六期赏金猎人的号召，我决定用破局CLI当杠杆，把破局的内容变成自己业务的养料： 让CLI替我刷完当时搜「CLI」的1383篇帖子，按点赞收藏筛出80条，拆出12条高赞写法套路，再跟我自己的清关案例库交叉配对，捞出22条选题。这22条，我判断全破局大概只有我能写。但同样的流程，也能用在大家身上——你的行业里，一定也有你的独家素材。 第一篇成品《咖啡豆发印尼，发票箱单齐了，为什么还卡在4张单据》已经发布在我的公众号，闭环 #用破局CLI跑通真实任务 欢迎大家也把破局CLI用进自己的行业，不用会代码，说人话就行。 完整过程我写成了保姆级教程，含小白六步实操，每一步对AI说的原话都能直接抄。详情见： https://my.feishu.cn/docx/FW6xd1ZyfoAGaCxinYkcYCH6...

WorkBuddy里的神仙skill，直接帮我实现了PPT自由。 大家好，我是萝卜哥~ 先看一张图。 这是之前的一份旧商场改造 PPT，原版是很朴素的蓝白配色。 下面这个带点市井气的样子，是我在 WorkBuddy 里说了一句"按中国风美化"改出来的，参考图都没给，直接通过 PPT 美化生成的，这个对比差距明显吧。 ... WorkBuddy里的神仙skill，直接帮我实现了PPT自由。

视频号直播投流起号到稳定放量 哈喽，大家好我是李谢谢 今年电商愈发的恶劣了，无论是平台还是税，确实都很难 我会更倾向是自己经营模式的问题，因为像这样的外部环境都没办法改变 也在和很多同行了解以后，发现虽然环境很难但是还是有人在水下默默的挣钱 （非五年以上的那种，非常合规） 很多人觉得电商难做，本质上是供大于求，极致内卷 ... 视频号直播投流起号到稳定放量

别再靠“碰运气”让 AI 写代码了！遗留系统 Vibe Coding 踩坑复盘：我们如何解决 AI 幻觉 导读： 很多人用 Claude Code 或 Cursor 写小 Demo、刷刷算法题觉得“犹如神助”；可一旦扔给它一个几十万行代码、迭代数年、多人并行开发的企业级遗留老系统，AI 就会瞬间变成“人工智障”——盲人摸象、翻旧账、胡乱脑补、改崩底层逻辑。 这一切的根源，不在于大模型不够聪明，而在于它拿着一张过时、残缺、断链的旧地图。 本文梳理自一次一线资深架构 ... 别再靠“碰运气”让 AI 写代码了！遗留系统 Vibe Coding 踩坑复盘：我们如何解决 AI 幻觉

分享一份 GEO 实操笔记：核心意图问题的 25 道题 最戳我的三个点： 中小品牌先别做带品牌名的评估题，先做探索题 —— 用户问 AI "有什么推荐" 时你能挤进候选清单 一个词差出两个世界："门窗厂" 和 "门窗生产企业"，AI 给的推荐方向完全相反 太宽 PK 不过头部，太窄带不来新客 —— 解法是豆包新开对话、 ... 分享一份 GEO 实操笔记：核心意图问题的 25 道题

国庆AI写真不用去影楼，一张自拍出大片 去年国庆，我给不少朋友做过国庆主题的 AI 写真。当时的做法很简单：我把提示词发给他们，他们上传自己的照片，去豆包生成就行。 但后来发现，同一段提示词，有的人做出来很像本人，有的人却会觉得“好看是好看，但这不是我”。问题往往不只在提示词，上传什么照片、生成后怎么调整，也会影响结果 ... 国庆AI写真不用去影楼，一张自拍出大片

两天、零成本，我用现成零件拼了个工具——真正的难点是让它"消失" 这是「老刘的本地工具实录」第 1 篇。 我做了个本地语音输入，全链路跑通了。但我的评价只有两个字：能用。要用它，得开终端、说话、按键停、再按一次 ⌘V。它没融进日常，一周用不了两次。 后来我上了「Hammerspoon」：按住 ⌥Space 说话，松手自动转写，文字直接插到光标处，全程不激活任何窗口。改完这一步，它才真正天天在用。 成本账很简单：两天、0 元。「whisper.cpp」是另一个项目装过的，「ffmpeg」是 brew 常客，「Hammerspoon」免费，515MB 模型直接用现成的。25 秒音频 3.4 秒转完，约 7 倍速。 但真正的收获不是省钱，是想明白一件事：语音输入的价值是不打断思路。凡是让你切窗口、找光标、按粘贴的步骤，都在打断。工具必须从"一个应用"变成"一个动作"。 有三个坑踩过才知道： ① 全程不能抢焦点。一旦脚本抢了焦点，⌘V 就粘进它自己的窗口。 ② 转写结果走 stdout，所有日志走 stderr。否则粘进输入框的是"音量-68dB 转写中…你好世界"。 ③ 必须能感知"松手"事件。这是选「Hammerspoon」而不是系统「自动操作/快捷指令」的唯一理由——后者只有"触发一次"，拿不到 keyup，做不出"按住说话、松手结束"。 所以我的顺序是：先做"能用"，再做"好用"。v1.0 只能进剪贴板，看着笨，但跑通了才有 v1.1 的热键。别一上来就设计完美形态。 你手上有没有"做完了却没用起来"的工具？卡在哪一步——要切窗口，还是要手动粘贴？评论区说说，下一篇我讲：为什么你的语音输入差，可能根本不是模型的锅。 #AI自媒体# #AI编程# #一人公司#

Claude Sonnet 5.5来了：更快、更省，但普通人有必要换吗？ Claude Sonnet 5.5来了：更快、更省，但普通人有必要换吗？ 新模型又来了。 很多人的第一反应不是兴奋，而是：我刚把上一个用明白，现在又要重新选？ 大家好，我是白泽。这篇不带你看一长串跑分，只回答一个问题：Claude Sonnet 5.5来了，普通上班族现在有没有必要换。 昨天，Anthropic 发布了 Claude 5.5 系列的第二个模型 ... Claude Sonnet 5.5来了：更快、更省，但普通人有必要换吗？

0919 惠州AI小红书虚拟产品线下沙龙｜组局复盘 我是大俊，作为本次惠州线下沙龙的组局官，本次小红书虚拟产品与AI自动化分享会顺利落幕，感谢50多位到场的小伙伴，涵盖AI开发、虚拟资料、电商、内容运营、教培、设计等多个领域。整场活动围绕如何搭建可落地的AI自动化经营系统展开，听完南墙老师@南墙 完整分享，结合现场交流，做一次复盘。 本次沙龙最大收获，并非是零散工具、黑科技，而是业务系统化拆解的思维。很多人做AI自动化，会陷入一味追求全流程自动，希望工具完全替代人。但南墙老师分享的核心观点是：自动化不等于全部交给AI，要把业务拆分为确定性步骤和判断性步骤 ，先人工跑通了一遍全流程，之后再考虑上自动化。重复标准化工作交给脚本、Skill完成；涉及判断、内容审核的部分，用多AI角色交叉复核，最终由人把控目标、质量阈值、放行标准以及风险边界，人机协同才是稳定跑通项目的关键。 在需求挖掘上，打破了靠评论找需求的惯性。真正有效的商业机会，要立足于真实付费行为，参考榜单、销量变化、低粉爆款账号数据。尤其值得关注千粉以内但已经稳定出单的账号，产品本身的价值往往大于博主个人IP魅力。同时也明确筛选红线，避开强IP依赖、售后成本高、客单价无法覆盖运营成本的赛道，减少前期试错损耗。 产品分为资料型和开发型两大类，不管做资料包还是小程序、插件，都要先锁定用户真实痛点，再推进文档、设计、开发、测试上线，交付体验直接决定转化。而内容运营不是简单批量生成文案，而是完整闭环：搭建产品画像、对标同行、沉淀多套内容模板，小批量产出样本人工校验，再发布跑数据，根据反馈迭代模板。南墙老师给到的测试周期、曝光、点击率、出单数等实战指标，也给大家提供了可参考的路径。 客服回复环节同样可以做分层AI架构，用官方客服兜底，本地AI客服处理复杂咨询，通过权限隔离规避提示词注入等风险。同时反复强调，自动化的前提是守住合规底线，数据采集、账号矩阵运营、版权、支付备案、税务、隐私安全，每一环都不能因为技术可行就直接上线，分散产品与渠道，避免收入押注在单一店铺。 现场问答环节，大家围绕RPA、设备风控、账号矩阵、私域承接、成本控制展开探讨。不少参会者提出自己实操遇到的卡点，现场也碰撞出很多新思路。 现场也给到清晰的落地行动路线：从锁定人群、验证付费需求，打磨最小产品，搭建内容模板，再上线闭环测试，循序渐进，不建议一上来铺大量账号和产品。 总的来说，这场沙龙传递的核心：先小成本完成最小闭环，经过10‑30天周期验证跑通之后，再逐步放大自动化规模。 非常感谢到场每一位伙伴的参与交流 ，同时感谢几位志愿者老师ken哥 、茂哥和忬忆的付出，最后感谢嘉宾南墙老师辛苦准备了两三周的内容，给惠州圈友带来满满的在小红书虚拟电商上的一线实战经验，后续也希望持续链接同频创业者，多做高质量的线下交流，把学到的思路落地到实际项目中。

小报喜～ 做AI自媒体 2 个月，被百万AI博主蜗牛学长访谈，小小破圈了一把 访谈视频几十万播放，给我涨了一千多粉，引了小几百精准客资 交流链接真的太重要了！ #生财好事

想做自己的工作台？WorkBuddy 有 4 种方式，这篇一次讲透 大家好，我是老秦。 上周有个读者加我微信，第一句话就问：老秦，你每天又要写公众号，又要盯星球，还折腾小程序，那些零碎事你都记在哪儿？ 我说记在我自己的工作台上，在 WorkBuddy 里用大白话把要求说一遍，它给我生成一个网页文件，双击用浏览器打开就是 ... 想做自己的工作台？WorkBuddy 有 4 种方式，这篇一次讲透

又是学员提问，我去测试了WorkBuddy 自动出图视频工作流 这是本月第15篇文章，本周的源头也是来自学员的提问，于是我两天花了三千左右积分，尝试了出从一张图，到一套可批量复用的 AI 内容生产线，这篇 SOP 不是单独教你“怎么写一条AI绘画提示词”，而是完整拆解 WorkBuddy 里的图片和视频工作流：从文生图、 ... 又是学员提问，我去测试了WorkBuddy 自动出图视频工作流

不会编程的 20 年老教师，60 天把公众号做到 3551 粉 我是李老师，20 年教龄的中职计算机老师，到现在也不会写一行代码。 但我用 Obsidian + Codex，把公众号做成了流水线： 📈 60 天，粉丝 0 → 3551 📈 单日最高涨 115 个（8/12） 📈 常读用户 865 人，占比 24% 💰 广告收入 296.85 元 ≈ 两个月 GPT 订阅费 零投流、零互推、没买过粉。 8/12 那个尖峰，我当天只做了一件事：把上一篇加精帖发了出去。 方法很朴素——把"写一篇"变成"跑一遍"： 素材池 → 选题 → 成稿 → 发布 → 复盘 写一篇的净耗时，从 4-6 小时降到了 20 分钟。 完整版在飞书：5 张后台截图、五个动作的做法、我踩过的三个坑 👇 https://vxez2jo7thm.feishu.cn/docx/Rw3ldxheHozKjBx... 顺便请教：常读用户 24%，在公众号里算什么水平？🙏 #AI公众号# #AI自媒体# #AI工具#

我用破局 CLI，把两本 8000 多行的手册，跑成了一条短视频生产线 先说结论，不铺垫。 这几天我用破局 CLI 干成了一件事：把铸造营和「全域 AI 带货行动营」两本手册，变成了我自己短视频流水线的"施工图纸"。 全文请移步飞书观看： https://qcnjkyuv27w7.feishu.cn/wiki/MCh2wg9PJiSsVA...

我把 3 万字《GEO 获客法》读了三遍，最扎心的是这一句：GEO 不是内容工程，是证据工程 作者：东哥｜来自栋哥老师无私分享 先说为什么我要花三个小时读这本书 我做 AI 这件事，最大的痛点从来不是「做不出东西」，而是「做出来了，客户找不到我」。 我手上有一支 22 个 AI 员工的队伍，有工作台、有内容线、有交付线，公众号和小红书都在更。做了这么多动作，但每次问自己「客户到底从哪来」，答案都很模糊——是刷到的？是朋友介绍的？还是碰巧搜到的？说不清。 栋哥这本书，给了我一个之前没想过的答案框架：客户的决策入口，已经从「搜」和「刷」，迁移到了「问」。而入口一旦迁移，「让客户找到你」这件事的整套打法，就得重做一遍。 这本书我读了三遍：第一遍通读，第二遍对着自己的业务做诊断，第三遍把能马上动手的动作挑出来。下面是我的复盘。 一、这本书最狠的一句话 栋哥在自序里写了一句我圈了三遍的话： 「GEO 的本质，不是内容工程，而是证据工程。你要做的，不是『写得漂亮』，而是『让 AI 信你』。」 这句话为什么狠？因为它直接否掉了我们这些做内容的人最舒服的那条路。 我们习惯的思路是：多写、多发、把标题做漂亮、把排版做精美。但栋哥说，AI 根本不看你写得好不好看，它看的是——你能不能提供它能采信的证据。你说「技术雄厚」，它拿什么证明？它证明不了，所以它当没看见。你说「24 项国家发明专利，单次换电小于 30 秒」，它立刻就能把这句话写进推荐理由里。 我读到这儿的时候心里一沉。因为我过去写的很多内容，恰恰就是「形容词堆砌型」的——自己觉得挺有感染力，在 AI 眼里却是一片无法提取的空白。不是内容不行，是给的对象错了。 二、流量入口的第四次迁移：逛、搜、刷、问 栋哥把互联网几十年的入口变迁拆成四个阶段，这个框架我认为是全书最值得背下来的部分： 第一阶段，门户时代。逻辑是「逛」，打法是上头条、投 banner、发软文，代表是新浪、网易、搜狐。 第二阶段，搜索时代。逻辑是「搜」，打法是 SEO，抢排名，代表是百度。 第三阶段，推荐时代。逻辑是「刷」，打法是内容质量加投流，代表是抖音、快手、小红书。 第四阶段，AI 问答时代。逻辑是「问」，打法是 GEO，抢信任，代表是豆包、DeepSeek、元宝、千问。 关键差别在这一句：过去的搜索引擎只是「把门打开」，现在的 AI 是「替你挑好了再告诉你」。 这个区别的分量在于——决定权转移了。搜索时代，用户看到十条链接自己判断，你还能靠标题党把用户骗进来；AI 时代，AI 先替你筛了一遍，不可信、不相关、营销味重的内容根本到不了用户眼前。 所以栋哥那句话我特别认同：你的竞争对手不再是隔壁同行，而是 AI 的判断。 三、AI 是怎么「看」你的：两条公式加三道关 这是全书的地基，也是我认为最该抄在笔记本上的一页。 AI 回答一个问题的完整链路是五步：解读问题，改写关键词扩展检索，全网检索，信息过滤去伪存真，生成答案。 栋哥点破了一个关键：你能干预的其实只有第三步和第四步——让 AI 检索到你，以及让你的内容通过 AI 的过滤。 由此得出两条公式： 第一条，推荐率等于可信度乘以相关性。注意是乘号，任何一个为零，结果就是零。 第二条，AI 引用概率等于信源可见性乘以内容相关性乘以内容可信度。这是三关，缺一关就卡住。 栋哥把「内容不被推荐」的四个原因归纳得很清楚，我对着自己业务逐条打了钩： 内容与用户需求不相关（没理解用户会怎么问）——我们确实有这个问题，写的是「我想说什么」，不是「用户会问什么」。 缺乏可信来源和交叉验证（全是自己吹自己）——第三方背书、案例、可验证数据太少。 内容同质化严重（AI 看不出差异化）——同类内容太多，没写出自己的差异。 结构化表达不清晰（AI 抓不住重点）——这一条我们还好，文档结构一直比较规整。 这张自查表，就是我做 GEO 的起点。 四、先诊断，再动手：四个问题模板加一条基准线 栋哥说：来找他做 GEO 的人，十个里有九个从没去 AI 里看过自己的品牌长什么样。这话戳到我了——我也没看过。 他给的四类诊断问题模板，可以直接套： 第一类，行业类目问题：「某城市某行业，哪家比较靠谱？」测的是赛道的竞争格局。 第二类，对比问题：「我想做或者采购某某，A 和 B 哪家强？」A、B 里最好有一个是你自己，测的是 AI 对你的定位准不准。 第三类，品牌口碑问题：「某某品牌怎么样？」看 AI 对你的评价，以及有没有负面信息。 第四类，联系方式问题：「怎么联系某某？」看 AI 认不认识你的转化入口。 栋哥特别强调一个操作细节，我认为是全书的隐藏彩蛋：测试时必须用「联网搜索」，并且关掉 AI 的「记忆模式」和「个性化推荐」。否则你测出来的是被自己历史对话污染过的结果，不是陌生用户的真实处境。 还有一个我完全没想到的动作：建立基准线。在动手之前，先把十几到二十个核心问题去 AI 里挨个问一遍、截图存档。这时候分数往往很难看，可能一个都不推荐，但这个「零分」是你后面衡量效果的唯一标尺。 五、两块地基：语料库与问题库 栋哥说，盖房子最难的不是砌墙，是打地基。GEO 的两块地基是： 第一块，语料库。解决「AI 靠什么认识你」，要放六个模块：身份定位、产品服务、优势与差异、客户与场景、案例与结果、边界与风险。 第二块，问题库。解决「用户会怎么问」，要放真实有人问、且能触发品牌推荐的问题——不是科普词。 语料库这块，栋哥给了一个「空洞与有效」的对比，我立刻用在了自己的资料上： 空洞的写法是「我们能运到全球各地」——AI 读完提取不出任何有用信息。 有效的写法是「可承接非洲、欧美、东南亚、印度等十余个主流国家的运输」——AI 就知道你的能力边界。 问题库这块，我学到两个最实用的方法： 一是五维矩阵批量生成问题：人群、场景、功能、决策点、痛点，每个维度让 AI 出 8 道题，一次就是 40 个问题。 二是分清科普词与推荐词：用户问「装修多少钱一平」是科普词，AI 只答知识不推荐品牌，做它没用；用户问「我们这个城市哪家装修公司靠谱」才是推荐词，这才是要做的问题。 还有一条红线我记死了：你在全网发布的关于自己的信息，必须完全一致。栋哥举了个真实教训：某品牌官网写「成立于 2002 年」，另一个平台写「2010 年」，AI 交叉一验证发现对不上，直接判定不可信、降权。 六、写出 AI 愿意推荐的内容：真、专、据、清 栋哥把 AI 喜欢的内容特征归纳成四个字：真、专、据、清，也就是真实、专业、有据、清晰。 他说得更直白：AI 喜欢的内容，本质上更像一篇论文、一份白皮书，而不是一篇爆款文案。 内容要分三层做，比例也有讲究： 入池层，目的是让 AI 认识你、进候选名单，内容形态是行业盘点、品类介绍、解决方案类文章，占约六成。 验证层，目的是让 AI 核实你、坐实身份，内容形态是官网信息、产品介绍、企业介绍，要求准确、完整、一致，几篇核心事实就够。 加权层，目的是让 AI 更信任你、给推荐理由，内容形态是权威媒体报道、第三方背书、真实客户案例、资质认证，贵精不贵多。 栋哥提醒了一个反直觉的点：不要迷信「大力出奇迹」式的铺量。大量低质量、同质化的内容，反而容易被识别为营销灌水被过滤。一篇抵十篇，永远好过十篇凑一篇。 他给的最值钱的技巧是这一条：用「能验证的数据」替换「无法验证的形容词」。 教育的，不要说「教学效果好」，要说「近三年考上重点学校比例百分之多少」。 餐饮的，不要说「口碑很好」，要说「本地点评评分多少，累计评价多少条」。 写作的，不要说「内容有深度」，要说「拆了多少个一线案例，含多少份原始数据」。 还有一个我从来没意识到的机制：AI 是按「内容里具体写了什么」来匹配推荐的。你写了「性价比高」，AI 才在「性价比高」这个问题下推荐你；你写「提分快」，它才在「提分快」下推荐你。所以「用户会问的那个词」，必须明确写进你的内容里。 七、发到 AI 看得见的地方：各 AI 的信源偏好 这一章我读得最认真，因为它解释了我过去很多「发了没效果」的困惑。栋哥给的观察是： 豆包更偏信字节系，今日头条、抖音、抖音图文。 元宝更偏信腾讯系，微信公众号、腾讯新闻。 千问更偏信阿里系与电商相关的淘宝、产品页面、行业资讯。 DeepSeek 更偏信权威媒体、官网、垂直行业媒体、专业社区。 Kimi 更偏信知乎这类问答社区与专业网站。 文心一言更偏信百度系的百家号、百度百科。 结论就一句：做哪个 AI 的推荐，就先分析那个 AI 在你的行业里主要引用什么信源，然后把内容重点发到那里。 方法是两步：第一，用行业核心问题去那个 AI 问几遍；第二，看它的回答引用了哪些平台，统计频次排序，排前面的就是重点。 关于信源，栋哥给了三个维度（证据作用、发布主体、可控性）和三级权威（一般、正常、非常权威），并点破一个反直觉的规律：内容稀缺时，一般权威也有用；内容不稀缺时，发再多一般权威也没用。竞争激烈的赛道里，要去争取那些难发但稀缺的信源，比如政府媒体、权威机构，那才是拉开差距的地方。 还有一个纠正我认知的点：同一篇内容发到 100 个平台，AI 只当作「一份证据」，不会重复引用。多平台的意义在于提高「被不同 AI 收录」的概率，不能替代「做不同内容」。真正形成强交叉验证的，是「官网事实加客户案例加第三方报道」这三样不同主体、不同内容的东西。 最后他单独讲了官网，我把它抄下来了：官网在 GEO 里有四个作用——交叉验证最重要、直接卖货、承接咨询、追踪来源。而且「备案」和「被 AI 收录」是两回事。最低配也要把「你是谁、你做什么、你的核心优势、怎么联系你」四件事写在首页。 八、监测与循环优化：GEO 最核心的能力是「看」 栋哥说了一句让我调整心态的话：GEO 最核心的能力其实不是「写」，而是「看」——能看出问题出在哪、差距在哪、下一步该补什么。 收录验证：把文章标题拿去问 AI，让它全网检索，能返回链接才算被收录。每发一篇做一次。 上榜监测：固定问题、固定平台、定时反复问。因为 AI 的回答有波动，单次不算数。 三种监测方式：手动（零成本）、云端采集（快但花钱）、本地采集（免费但慢）。 循环优化四步：筛出没上榜的问题，逐个逆向分析为什么没上榜，补对应内容，重新发布再监测。 他给的实战节奏是：第一轮批量发 15 到 20 篇，之后每周 3 到 4 篇，重点发推荐层内容，每发一轮监测一轮。 还有一个我很喜欢的技巧叫「啃硬骨头」：有个问题怎么优化都不上榜，别放弃，就盯着这一个词从头到尾捋一遍。那个怎么都上不去的问题，往往就是你行业的关键问题。 九、被推荐只是起点：承接与溯源 栋哥把漏斗画得很清楚：100 人询问，约 30 人被推荐，约 10 人点进官网或店铺，最后 2 到 3 人成交。 上榜不是成功，只是拿到了入场券。他讲了个反面案例：一个做烧烤炭的品牌好不容易被 AI 推荐了，结果官网一塌糊涂——链接点不进去、找不到购买入口，辛苦争来的流量又走了。 四个承接入口：官网是第一承接入口，适合所有类型尤其 B 端大客户；电商小店含商品卡、可精确溯源，适合做零售消费的；公众号、视频号、短视频，承接私域型流量；私域微信、企业微信，是最终成交主战场。 四种溯源方法：客户自报最笨但最有效，问一句「您从哪找到我们的」；链接或推广码区分；平台后台数据，某电商后台订单会直接显示「APP 来源：豆包」；CRM 记录。 十、读完这本书，我准备马上做的五件事 前面是学到什么，这一段是我要做什么。栋哥这本书最好的地方就在这儿——它不是让你感叹，是让你动手。 第一件，本周内做一次 AI 现状诊断。用他的四个问题模板去主流 AI 里问一遍我们的业务，全程联网、关掉记忆与个性化，截图存档做基准线。 第二件，建语料库。把「我们是谁、做什么、凭什么、服务过谁、边界在哪」按他给的六模块写成结构化的、可验证的事实清单，全网口径统一。这一步我认为是和 22 个 AI 员工协作最能出效率的——语料库整理本身就是一次团队知识沉淀。 第三件，建问题库。用五维矩阵先批量生成 40 个问题，再筛掉科普词、只留推荐词。 第四件，把「数据替换形容词」落到所有对外内容。这是一条可以立刻执行的编辑规则——凡是形容词，逼自己换成可验证的数字或事实。 第五件，先做一版官网或落地页。按他的「AI 数字名片」标准，首页必须写清四件事，并且和全网其他平台信息保持一致。 另外我甚至觉得，GEO 这件事本身就非常适合用 AI 员工来做：语料库整理、问题库生成、内容生产、上榜监测，每一个环节都是可标准化、可复用的工作流——这正是我们这套 22 人体系最擅长的事情。栋哥在书里也提到用 Agent 把内容生产自动化，我们差不多已经具备了这个基础设施。 结语：为什么这本书值得每个做业务的人读 栋哥最后的落点是伦理底线，我认为这是全书最有分量的部分。他写： 「不要给 AI 投毒。AI 很聪明，它很快就能识破这些把戏。你今天靠造假上了榜，明天就可能被 AI 拉黑。」 「AI 时代，信息差正在被抹平。越真诚的人，越长期主义的人，越有真实证据的人，越会被 AI 推荐，也越会被这个时代奖励。」 这两句话，比任何技巧都重要。因为技巧会过期、平台规则会变，但「把真实的证据做扎实」这件事，永远不会错。 感谢栋哥把这一摊水澄清了。这本书我建议每个做业务的人都读一遍——尤其是做内容的人，它会推翻你对「好内容」的很多既有认知，然后给你一套新的、能落地的标准。 栋哥原书：《GEO 获客法 · 让 AI 主动把客户推荐给你》，九章三万余字，含完整实操链路与匿名化真实案例。 本文为东哥个人学习复盘，方法论归栋哥，实践对照归我自己。欢迎圈友交流你们行业的 AI 基准线。

9/25-关于线下学习ima实操及思考 中秋节，本来是团聚、休息、放慢脚步的一天。但那天，我们一群人却选择在线下组局，把一整天交给学习。现在回头看，真正打动我的，并不是“大家放弃休息来学一个AI工具”，而是每个人都隐约意识到：未来真正拉开人与人差距的，不是谁知道得更多，而是谁愿意在别人休息的时候，认真理解变化；在别人追逐新工具的时候，停下来思考背后的逻辑；再把学到的东西放进自己的工作里，变成解决问题、服务客户和创造结果的能力。 线下学习最珍贵的，也从来不只是老师讲了什么。老师的一句话，经过不同人的经历、行业和问题碰撞，会生长出完全不同的答案。对我来说，这次学习让我重新理解了AI：它不是一个替我们思考的工具，而是一面镜子。你对客户理解得越深，对业务拆得越清楚，对自己的经验沉淀得越完整，AI才越有可能放大你的价值。真正值得积累的，也不是几个提示词，而是我们判断问题的方式、反复验证的方法，以及把个人经验变成知识库、流程、案例和系统的能力。 所以课程结束后，我没有让这一天停留在“听过一堂课”。我重新整理了录音和逐字稿，把老师讲的方法、现场讨论的案例，以及我结合实际工作的思考，一遍遍拆解、复盘和重构，最终沉淀成一份包含课程SOP、方法论、案例库、实操提示词、商业模式和企业落地路径的深度学习手册。 我越来越相信，学习真正的终点，不是听懂，而是经过自己的思考之后，能够用出来、讲出来、教给别人，并最终解决一个真实的问题。 如果你也不满足于“知道几个AI工具”，而是想深入理解如何把AI变成自己的工作能力、知识资产和增长系统，可以看看我整理的这份飞书文档：https://my.feishu.cn/docx/TEzidU3UFo7NpgxPYh4ctbTF...