从今年高考题看懂未来 10 年：淘汰的不是差生，而是只会套答案的人 昨天跟一个做 AI 小红书的圈友聊天。 他说最近发了 10 条笔记，几乎都是 AI 生成的，结果流量一条比一条差。 他很困惑： 工具更强了，效率更高了，为什么内容反而不行了？ 我今天翻完今年的高考题，突然明白了。 他的问题，和现在很多学生犯的，其实是同 ... 从今年高考题看懂未来 10 年：淘汰的不是差生，而是只会套答案的人

#超级术# 26： 今天这篇超级术，我想推荐的是@袁锐钦 的《我花3小时调研了一个出海产品，发现90%的独立开发者第一步就走错了》，链接：我花3小时调研了一个出海产品，发现90%的独立开发者第一步就走错了 我觉得这篇内容值得被推荐，一个很核心的原因是，它解决的是生财里一类非常普遍、而且越来越重要的问题：当做产品的门槛越来越低，什么样的产品才能有商业价值？ 不只适合做出海工具站、独立开发、AI 产品的人看，我觉得对所有正在做项目、找方向、想提高自己判断效率的圈友，都很有参考价值。 锐钦这篇文章最有价值的地方，讲清楚了如何通过前期调研，提前预判一个产品的价值。它不是停留在“调研很重要”这种泛泛而谈的层面，而是把这件事拆成了一套可以直接照着做的流程。 它最值得圈友看的有 4 点： 第一，它把“需求判断”讲具体了，不是凭感觉，而是先看趋势和细分机会。很多人一想到做产品，先问的是“这个方向火不火”。但这篇内容不是这么判断的。它先去看 Google Trends，看这个需求到底是短期热点，还是长期上升；再去拆主关键词和细分关键词之间的差异，判断真正增长更快的场景在哪里。 比如文里举的例子就很典型：不是停在 remove background online 这种大词，而是继续看到 remove background from product photo，再往下看到 bulk background removal 这种更强付费意图的细分需求。 这其实很重要。调研不只是“怎么查一个词”，而是怎么从一个模糊方向里，顺着数据找到真正值得切入的场景。 第二，它把“竞品分析”这件事讲对了：不要只看官网，要去看用户在骂什么。 很多人做竞品分析，习惯看官网、看功能、看 pricing，看完之后觉得自己已经研究过了。但这篇内容提醒得很好：官网上写的是竞品想让你看到的，真正能帮你做决策的，是用户对它不满意的地方。 你可以去 G2、Reddit、Trustpilot、Product Hunt 这些地方翻评价，重点不是看好评，而是看差评，看 3 星、4 星评论，看大家反复在抱怨什么。比如额度不够、定价太高、积分复杂，这些才是机会真正所在。 call back小排老师一直提到的：用户的抱怨里会长出真需求。 第三，它把“用户是谁”落到了真实工作流里，而不是停留在标签层面。很多人写用户画像，容易写成“海外电商卖家”“独立开发者”“内容创作者”，听起来都对，但这种画像其实指导不了产品决策，你需要继续往下追：这个用户每天在处理什么问题，现在用什么方案，每个月花多少钱，为什么明明不满意还继续用。 比如它写的 Shopify 卖家 Alex，每天要处理 50-80 张商品图，每个月为抠图额度和质量反复焦虑。这个例子我觉得特别好，因为它提醒大家：做产品不是找一个抽象人群，而是进入一个真实的使用场景和工作流。 第四，它把“要不要做”变成了一个可以判断、可以止损的决策框架。 这一点我觉得尤其适合自己在尝试开发产品用于业务的一人公司和老板们。很多人不是不会努力，而是不擅长在错误方向上尽早停下来。文里最后给出的 GO / NO-GO 判断，很有价值：有没有真实痛点、有没有差异化、市场是不是在增长、启动成本能不能承受、6 个月内有没有机会回本。 毕竟少做一个错误项目，本身就是很大的收益。 【圈友在评论区的反馈也很真实】 @Hannibal 评论：太牛了 根据大佬的文章新调了一个智能体，现在我给它项目以后它会先审核通过符合要求了才给我写代码，虽然不能完全吃透但后面准备人机合一再重新捋捋自己的软件创作思路 @猎手 评论：没干过几个项目的可能体会不到调研的重要性，但凡做了几个项目踩了几个坑，就能真切感受到什么叫做“调研不是可选项，是生存技能”。 @乡村摄影师 Uncl* 评论：干货，做生意的底层逻辑都差不多，先找到需求——验证需求——做出差异化——后面才是产品上线 @张张不慌张 评论：真好，我正处于这个迷茫阶段，给我指明了方向。 欢迎大家点赞、投锚、评论三连，支持这篇内容进入本月超级术：我花3小时调研了一个出海产品，发现90%的独立开发者第一步就走错了

我用腾讯云 Hermes Agent 搭了一个 24 小时事业工作群：小白也能跑起来的搞钱 SOP 这篇不是写给技术大神的。 我是写给和我一样，想用 AI 认真做事、认真赚钱，但又不想一上来被代码劝退的破局圈友。 Hermes Agent 不是印钞机。 它不会半夜自己帮你成交客户，也不会自动给你打钱。 它真正有用的地方是 ... 我用腾讯云 Hermes Agent 搭了一个 24 小时事业工作群：小白也能跑起来的搞钱 SOP

当「怎么做」不是问题的时候，「我们该做什么」成为最大的问题。

AI 时代：销售能力是无法被 AI 替代的能力 大家好，我叫蛋挞，爱吃蛋挞的那个蛋挞。 目前在生财杭州联合办公，从国企出来一年多了。 这一年，我的生活发生了翻天覆地的变化。每天听到最多的，不再是项目汇报、周会、KPI、OKR，而是 GPT、Claude Code、Gemini、Vibe Coding、知识库、数字人.. ... AI 时代：销售能力是无法被 AI 替代的能力

15年英语老师，靠"刷风向标"攒出6个芯片：不卷数量，我靠这套笨办法躺赢了一年 大家好，我是雪儿，一名拥有15年教龄的小学英语老师，同时也是两个孩子的宝妈。在破局这个大生态里面，大佬如云，自己真不知道怎么展示头脚，我做过尝试很多事情，AI绘画，AI视频，AI代写，虽然有收益，但是持续性很低，可是自从接触了风向标，每周解锁排行榜，一年下来，我的晶体数已经积累到了6个心片了。 今天这篇文章里，没有高深的概念，只有我跑通的整套中标流程、筛选异常值的信息源，以及跨平台沉淀长期复利的方法。我把摸爬滚打的心得全部精简了出来，没有水分。新手可以把它当成一份通俗易懂的行动指南，老手也可以用来做一次精准的中标率对标复盘。 全文内容比较多，移步飞书链接：https://my.feishu.cn/docx/QCXNdXhvVoY0eCxij2TcxpD7...

GE0线下聚会复盘：除了GEO还有做B端生意用心的态度~ 致敬组局官徽音~ 6月6日，我特地去杭州参加了一场 GEO（生成式引擎优化）的线下分享。此次分享长达6个多小时，从GEO到创业颗粒度和信息量是我参加过最高的一次，还有组局官徽音的用心做事真的做到了极致。回来之后很长一段时间我都在消化中，最大的感受是：搜索的底层逻辑真的变了。以前是"人找货"，短视频时代是"货找人"，到了 AI 时代，是 AI 直接把答案整合好推给用户——有数据说 83% 的人已经不点传统链接了。所以未来的路径会变成 B2A2C，中间那个 A 就是 AI。我得先让 AI 认识我、认可我，用户提问时它才会推荐我。 下面是我整理出来、确认能落地的五步，分享给同样在愁获客的朋友。 第一步，先诊断，别急着写文章。 打开豆包，搜自己的公司/品牌/IP，问"XX 靠不靠谱、评价如何"，先看 AI 现在怎么评价我。很多人抛业务问题出不来答案，是因为压根没进 AI 的"信任区"。 第二步，定 3-5 个核心问题。 就是我的客户最可能怎么问。如果搜出来全是头部大厂，说明这个词太卷，要么改词，要么叠加细分赛道或地域。热度参考抖音/小红书后台指数和 5118 就够了——那些号称能给"AI 搜索热度"的工具，数据基本不准，别交这个智商税。 第三步，搭企业知识库（最核心也最费时）。 品牌故事、产品术语、客户案例，至少花两三天。案例不一定要多大，但一定要会写，这是 AI 最爱抓的数据源。多数人跳过这步直接写文章，效果就差在这里。 第四步，写 AI 爱抓的内容。 优先 FAQ、对比评测、行业科普/白皮书。千万别做"给自己打 100 分、给同行打 80 分"那种假榜单——这叫 AI 投毒，现在 AI 已经能识别，深圳一家眼镜店就因为这么干被罚了 6.8 万。 第五步，分发养权重。 搜狐、网易、头条这些免费平台先注册下来，先发行业科普养权重，别一上来就发广告。有官网最好，把知识库沉淀进去。 还有几个坑想提醒一下：判断一家 GEO 服务商靠不靠谱，要看"非登录状态"下能不能搜到我，合格线大概 60%-70%，那种"自己搜得到、换个人就没了"的，多半是拿豆包记忆功能在造假；另外 GEO 目前没法直接溯源，得靠自己一个个问客户从哪来的。 对我自己来说，这套打法的价值在于：我手里其实早就攒着原料——一个一万五千粉的专业号、付费社群、几千个私域好友。知识库的素材现成的，我缺的只是把 AI 这个入口打通，把客户直接导进私域，绕开那 80% 的抽成。 写下来，一半是分享，一半也是给自己复盘。信息量太大了，还有各位圈友的搞钱经历分享都写进飞书了 https://jcnjjgqcm7yw.feishu.cn/wiki/Cp3MwxGUXiTMVY... #线下聚会

#生财好事 #抖音自然流 CPS 实时数据同步 抖音自然流 CPS航海已靠岸两天，虽然航行靠岸了，但是这两天大家越战越勇，状态非常好，在自然流 CPS 项目中持续深耕中💪 靠岸时船员总成交 GMV 是4000 万 ，靠岸两天已经增长到 5100 万 GMV了 昨天船员们单日总GMV 突破 600 万🐮 昨天单日GMV转化破万的伙伴有53位，单日佣金收益最高 3000+前天单日成交 GMV500 万，不断突破📈 一起生财有术

一条舞台剧场视频 24 小时破千万播放，我也用 AI 跑了一版 这几天一直在刷到这种真人舞台剧场。 服化道、打光、节奏，把很多人心里那点“少年感”又勾出来了。 原视频不到一天就几千万播放，我就试着用 AI 跑了一条类似的短片。 文章图片和视频较多，为了更好的体验请前往飞书查阅： https://my.feishu.cn/wiki/IpqWwkRJxiw45mkPMQvc4xdl...

Claude Fable 5 是技术奇迹，也是AI时代的中产陷阱！ 当看到Anthropic丢出的那颗名为 Claude Fable 5 的深水炸弹时，我整个人直接在电脑前看傻了。 当时的心情，套用一句老玩家的话来说：这世界大抵是病了，AI进化的速度，已经开始把人类甩在身后连尾气都闻不到了！ 被降维打击的那个深夜，我 ... Claude Fable 5 是技术奇迹，也是AI时代的中产陷阱！

最近听一位小伙伴讲了他接触的段永平，意识到，大多数管理者太累，其实是“不会从系统的视角解决问题”。这和我最近用AI写作，感觉几乎一样—— 当你犯错的时候，大多数老板会骂你。但段永平不会。他会沉默，会开始自我怀疑。 最近认识了一位曾在段永平身边工作多年的小伙伴，他讲了一个细节，彻底改变了我对管理的认知。 他说：当你犯错的时候，正常的管理者都会很凶，觉得不骂你一顿，你不会长记性。但每一次有人在段永平身边犯错，段永平不止不生气，反而开始沉默，进入向内思考的状态。 我问：他那时候在想什么？ 答案我也很意外——他想的根本不是“这个错怎么解决”，而是： “这个人为什么会带着这个错误走到我面前？” · 是这个人不合格？那我招聘、用人、晋升的环节出了什么问题，让一个不合格的人能占用我的时间？ · 还是这个人胜任，但产出时缺少必要的流程和辅助，导致不合格的产出没被拦住，直接来到我面前？ 你看，面对一个单点问题，段永平的第一个本能不是“纠正错误”，而是把错误当作观察系统的窗口。 我在用AI写作时，也有同样的感受： AI应用，很像是管理问题。 要构造系统、建立标准、形成反馈机制，才能收获好效果。 这就是优秀管理者和平庸管理者最本质的区别。 一、优秀的管理者们，都会从“系统”的角度解决问题 如果你拆解那些真正让企业不断发展的优秀CEO，会发现他们都有一个共性：绝不会让自己成为救火队长。 王兴一直在从系统角度看问题。 曾经有主持人问他：“在整个企业内，有没有你觉得很难解决的问题？” 王兴认真思考后回答：“我看见的所有问题，要么是已经解决了，要么是正在解决中。如果还有问题，一定是我此刻还看不见的问题。” 这些问题包括什么呢？ 团队测算总出问题，他会想是不是很多业务管理者本身就不擅长复杂测算，于是，组建了专门做测算的商分团队。 很多管理者不达标，他想的不仅仅是怎么淘汰、培训，而是有没有哪些来源的管理者成材率更高，后来发现，美团自己校招培养起来的应届生整体表现更好，就让校招比例变成所有部门的KPI，逐步完成候选管理者的人才升级。 当他在企业内部观察到一些难以解决的问题时，他选择的也不是单点死磕，而是在行业寻找大量可借鉴的最佳实践。他最后找到的，是亚马逊。 于是从2018年开始，他在美团发起了一场运动：猛学亚马逊。学的不是怎么做业务，也不是简单的项目管理方式，而是从自己开始，学习如何像亚马逊一样开会、如何像亚马逊一样说话、一样写文档、一样思考问题和做战略规划。 当公司从上到下完成整体学习时，它其实搬迁的是亚马逊的整个经营系统。 张一鸣的“旁听”，也是从系统出发思考问题的特点。 张一鸣会旁听自己的很多会议，但在会议上他常常是安静的。哪怕说话，他也会反复声明自己给出的只是建议，每一个建议都有前提，他也会说明这些建议会以什么方式验证、如果落地会看到什么样的数字效果。 为什么？因为在张一鸣看来，他所参与的会议，每一个讨论的都是一个又一个的单点问题。但是在他的心里，所有这些单点问题最好的解决方式，始终不是单点解决，而是他要通过观察一个又一个单点问题的讨论和解决过程，去看到字节内部的整个系统到底如何运作。 比如： 在今日头条走过的弯路，怎么抖音又走了一遍？很可能不是团队不用心，而是相应信息团队难以获取。 某些一线员工的方案，总是比管理者靠谱，那是不是应该让优秀的一线员工更快拥有更大的权限和资源。 最终他要改造的是自己的整个系统，让这个系统能够有源源不断的人才解决问题。 所以我们看到，张一鸣特别坚持的，反而常常不是一个又一个的业务判断——在他看来，业务判断都是单点问题。他更坚持的是：我们引入怎样的人才，如何让这些人才能够有更好的上下文。他将所有的管理思考、人才与人才之间交互和信息流转的方式，沉淀成了飞书和OKR。 你发现没有？ 这一批优秀的CEO，他们的共性并不是更会做业务，而是更会建系统。 他们都有一个系统的视角——当看到一个问题时，他们普遍会从单点问题映射到系统问题，而后用系统的方式解决问题，直到他看到的单点问题被系统解决掉，从他的面前消失。 而所有那些平庸的CEO，常常只在擦屁股、救火，他们会沉浸在一个又一个单点问题中，最终无法抽出时间去思考和解决那些真正能带来系统变革的重要问题。 二、平庸CEO的“单点困境”：只会越忙越糟。 对比之下，大多数CEO还是会从单点出发，解决问题，效率就会更低。最终，团队和管理者，都会被困在一个个单点问题里。 我们看看，当段永平发现自己的经销商们能力不行时，是怎么解决的。 在步步高时代，段永平曾经遇到过一个问题：他们的代理商体系效率越来越低。 很多步步高的代理商是靠着历史上的忠诚和关系上位的——他们都是小霸王时代，就跟随段永平的代理，因为在小霸王时代挣到了钱，就决定跟着他从小霸王到步步高干一辈子。 忠诚固然是好的，但也会带来问题。 正常的管理体系都要解决体系内老人可能跟不上时代竞争要求的问题，只有保持竞争、保持饥渴，才能让所有合作伙伴在压力下不断进步。 而步步高的合作方太稳固了，问题也随之而来：整个经销体系能力越来越跟不上市场。很多供应商有了钱之后没那么努力了，还有不少人想扩展自己的产业，去开餐馆、碰房地产，既没能力管理好让自己赔了钱，又影响了做好自己的渠道业务。 面对这个问题，大多数CEO会怎么处理呢？ 不少CEO的本能是：逮住业绩最差的几个人骂一顿，给到压力。如果骂了好几次都不管用，就开掉这个人。开掉的时候可能也会觉得这个人很可怜，双方抱头哭一场，但最后还是开掉。 有的CEO，会做个类似271的排名机制，开始推行末位淘汰。 但是，很多时候，当你淘汰掉一个人之后，新的问题可能刚刚开始—— 老人可能不服，觉得自己业绩不好是客观原因，走的时候一通抱怨，破坏了团队。 老人就算和和气气的走了，新人如何接手他的团队呢？到底能不能接得了？ 新人是不是一定就比老人好？ 那些正在奋斗的老人们，看到你开掉一个老员工，会不会对你未来是否公道地对待自己产生顾虑？ 这些，沉溺于单点问题的CEO，常常是考虑不到的。 段永平的做法是什么？ 他没有简单的说“某人就是不行”、或者“我们要淘汰那些差的代理、引入好的代理”，而是设计了一套机制，让所有的代理们既能够竞争起来、淘汰后的接班问题又能顺利解决。 他找到的这套管理方式，模仿了中国的体育比赛，主要由这么几个要素构成： 第一，先确立评价标准。 所有省经济发展程度不同，业绩本身就不该一样，我们看某个省业绩只有另一个省的1/3，很可能他其实做得比另一个省事实上更好。 各省条件不一样，怎么能有个评价标准，让各省之间能科学比较呢？ 段永平找到的办法是：让GDP成为参照。 步步高当年要做30亿，就按照各省的GDP占比做出系数，分下每个省的目标。高GDP的省承担更高目标，低GDP的省人口基数和消费能力有限，就承担更低目标，保证各省目标相对公平。 第二，排名与升降级。 有目标，就能排名了。到年底，各省按照目标实现程度排名。前几名升级，后几名降级。 一开始，升降级影响的主要是面子问题——年底聚餐时，只有高等级经销商才能和段永平坐一桌吃饭。 面子压力给到的同时，进货价也会随着等级升降而水涨船高，开始影响经销商收益。 第三，本分的处理，不占经销商便宜。 只伤害面子，经销商们还容易接受。一旦动到经销商的利益，经销商就要开始抱怨了。 当进货价提升时，经销商难免觉得“你搞排名就是想多挣我的钱”。于是，段永平做了一个选择：多出来的这些钱，步步高一分也不拿走，而是由步步高帮经销商管理，全部投放在本省的品牌和渠道上，看看花钱营销后，业绩能不能上来。 第四，妥善安置老人、保障老人利益。 对于确实表现不好、努力后也回不到高等级的经销商，段永平也不简单淘汰。 因为也许这个省除了GDP，还有其他情况特殊，新人真的做不好。 那怎么办呢？ 先别把这个省全给新人，先把表现不好的省份拆出几个城市，给表现更好的经销商来做。 而且，做的时候，新人要和原有的经销商成立合资公司，新人占70%，老人占30%。 为什么要让老人占股？ 一方面，老人的成绩应该有认可和保护。这其实是段永平一直在说的本分——绝不挣自己不该挣的钱，公道的给所有人以回报。只有这样，老人的忠诚才能得到持久保证。新人来了看到所有老人都在，老人都觉得步步高是公道的，他才会有信心和决心跟随步步高持久干下去。 另一方面，经销商很多时候是要靠关系才能做好的，很多地方关系必须靠老人帮忙才能搞定。 就按照这套体系，十几年过去，一年年淘汰下来，如今的步步高体系全国只有几个大经销商，但这些大经销商能力足够强，他们之间也有持续的竞争和优胜劣汰，保证了步步高的经销体系越来越强。 也是这一次经验，让段永平找到了构建系统、通过系统解决问题的主要两个要素，就是赛马和本分——赛马为系统提供了前进动力，本分保证所有人能心无旁骛地跟着干。后来拼多多也很好地继承了这两条，才有了那么夸张的执行力。 对比之下，为什么从系统角度解决问题，常常比单点解决好呢？ 首先，企业遇到的大多数问题，其实都是重复出现的系统性问题，单点解决根本没有尽头。 其次，老板单点解决问题，很容易毁灭团队的主动性，让团队躺平。 常见的情况是：比如，一个CEO自己很懂营销，是天赋型选手。当他让团队做营销方案时，常常磨几轮到最后受不了了，就说：“听我的，必须按我说的做。” 营销方案上，也许他产出的质量确实比团队高，能收到好效果。 但他付出的代价是什么？ 是团队很快会形成一个印象：反正到最后都是老板说了算。反正都要跟老板拍，反正不管怎么做最后老板都会说我错，自主了、努力了也没用，那团队当然是越来越躺平、越来越被动。 结果就是老板会越来越累，人才也长不出来。老板就被绑定在不断做出具体决策和干预细节的路上，精力永远不能释放。 更糟糕的是，解决单点问题时，甭管是骂人、拍板、开人，在解决了眼前的“单点问题”的同时，都同时消灭了一个本来可以用于观察系统问题的窗口，一步步把自己关进了信息茧房。 比如， 当你看到一个总监在数据模型上做得差，也许事实是：整个公司在测算模型上一直都有严重问题。 但是，当你骂过了下面的总监，你会发现总监很可能做出选择：每次面对老板时少呈现数据，面对老板时反复验算数据。 一到了下面，具体的营销活动测算ROI、或销售团队测算人效时，账仍然算得糊里糊涂。 不客气地说，每一个发脾气的管理者，在消除当前问题的同时，都在消除员工的主动性，都在鼓励团队创造一个针对自己的信息茧房。 回头看看身边的老板们，你会发现大多数老板都爱发脾气、都在不停的拍方案擦屁股、也都在越来越抱怨团队不主动和躺平。 这些，都是单点解决问题的状态 只有回到系统解决问题，你才会看到团队越来越自驱、氛围越来越快乐、自己越来越轻松。 三、为什么大多数CEO做不到呢？ 我自己也做过CEO，也认识很多CEO。 其实大多数CEO不是不知道系统思维重要，不是不想定规则、建机制、通过人才和系统解决问题。但为什么在现实中大多数CEO做不到？ 核心原因不是不知道，而是因为基于系统思考问题实在太反人性了。 在我自己创业的头几年，我也是一个典型的单点问题解决型的管理者。 当时我的团队已经从30人扩大到了200人，整个公司几乎所有的策略、所有的营销动作、所有的产品设计都要我亲自过目，我都要改最后一遍。 那时候我变成了整个公司最脚不沾地的人。整个公司要排队找我过一个又一个动作，每天，我基本上每15分钟到30分钟排一个日程、过一件事，一件事只有过了我，才能落地。 说实话，作为管理者，那时候我多多少少有点成就感——你直观感觉到了自己被这200个人以极高的频率和密度需要。当自己被需要的时候，会感觉自己很有价值。 但是有一天，我意识到这个状态不对了。 因为我哪怕脚不沾地，也过不过来了。 当时我们要针对节庆做一个活动，节庆快到了却迟迟无法上线，就是因为团队在等我确认。与此同时，公司开始有离职员工，那些要离职的，恰恰是我们希望大力发展、希望留下的人。 我问他们为什么离开？ 他们说：因为任何事情都需要我来拍，感觉自己哪怕有很强的专业技能，在这里也根本没有发挥空间，获取不到成就感。 那一刻我意识到：我变成了整个公司的瓶颈。 我下定决心，必须转型，要从系统角度解决问题。但转型过程中，我遭遇了三次挫败： 反人性挑战一：即时满足的诱惑。 看到一个问题时，作为天生高标准、眼里不揉沙子的管理者，我心里的感觉就是：这个问题我看不过去，我不希望它在我面前发生。 于是快速解决这个问题，消除自己看不过去的负反馈来源，变成了我和很多管理者的第一直觉。直接拍方案，对方不懂就骂一顿，这是最快能改变当前问题、消除负反馈的方式。 当我要求自己不马上解决问题时，瞬间就会感知到不舒适和焦虑。 反人性挑战二：有限的耐心。 通过系统解决问题是慢的。 如果我直接干预，这个问题当前就可以从我的记忆中消失。但如果要通过系统解决，发现问题后，我至少要先诊断系统的问题根源，基于系统做出动作，直到这个系统能反馈到一个又一个个体产出上——绕一大圈，我才会看到下一个方案真的变好了、问题解决了。 本身对于管理者，特别是，长期处于高压环境中的创业者，你让他有耐心、让他长期主义，本身就太挑战了。 反人性挑战三：要一直记着，根本不现实。 后来我下定决心让自己有耐心，很快又发现了一个问题：我记不住。 当一件事情需要长的周期，意味着我在问题解决前的漫长时间里，必须一直记得这个问题，记得我有一个系统工作在进行。 到了应该看到效果的时间，我还要再去观察问题是否得以解决。 一旦一件事情需要记三个月到半年，而管理者又如此忙碌，这件事几乎注定会被忘掉。 结果就是，我的第一次尝试以失败告终。我很快就退回了自己的舒适区——当然，那是一个很忙碌、很累的舒适区。 四、如何落地呢？一个“很闲”的高管给我的启发。 过了一年多，我又开始了第二次向系统解决问题的转型。 但是，这一次和此前不一样，因为我找到了一个参照。 那时候我们外招了一个高管，他分走了我自己相当大的一块业务压力——这压力此前让我扛得身心俱疲。 我本来以为，高管哪怕再有工作经验，到了我们这里总归要适应一段时间。团队每天要完成决策和确定的事项琳琅满目，每一个决策需要反复测算信息、同步信息、讨论决策，花的时间很多。我以为他来了也会像当时的我一样忙到死。 但结果没想到，每次我找他，他基本上都没什么事干。桌上常常是一个茶壶煮着茶，我去了，他就倒一杯茶给我，随便聊聊天。任何时候我想找他，他基本总有时间。 那段时间我们开始做用户访谈。作为公司高管，我们都觉得直接接触用户、了解用户观感至关重要。每次用户研究团队发出访谈日程，我们所有高管都举手报名：“这个访谈我去，那个访谈我也去。” 但每一次真到了访谈时间，用研团队开始叫人，我们每个人总会发现当下有一个更紧急更重要的任务，让我们不得不错过访谈。 过了几个月，用研团队忽然和我们说：“以后再有访谈，我们不邀请你们这帮高管了。因为你们都不准时，除了XX（那位新高管）。”只有他每场用户访谈都有时间参加。 这时候，那位新高管入职了三四个月。我看到他团队的工作状态并不差，业绩比我带的时候还在稳步提升。在实现这样结果的同时，这个人居然还很闲。 我就忍不住问他：你是怎么做到的？ 他向我揭秘了他的“机制”—— 思路其实也很简单。 他现在用的系统，是此前工作中已经验证过的系统。而在第一次构建系统时，他最先做的，是观察一下自己到底在完成哪些动作。 当时他是策略岗的管理者，每天基本上做的就是方案的评审——这个方案行不行，哪些地方需要调整。 他观察后，发现大多数方案需要找他过四五次才能通过。这四五次里，只有最后一遍的方案他真正起到了有价值的确认，前面几遍基本都会被打回、再修改。 而且，每次打回方案时，花掉他很多时间，但打回的理由只有有限的十几个。 这些理由是什么呢？ 比如对成本考虑不充分——光看用户要什么，但这件事做了之后成本太高，小规模下不挣钱。 比如对用户需求考虑不充分——这件事光降低了成本，但会极大地伤害用户。 一言以蔽之，基本上都是考虑不全面。 他的部门是数据驱动的，这些考虑不全面的事都会体现在最后对业务结果的预测和测算上。 下一个问题是：既然打回大多数方案只有这十几个常见原因，都来自于测算策略模型时考虑不全面，那这件事能不能别人替他做呢？ 这其实就是系统的雏形了。 此后他就设立一个专门的岗位，由这个人来替他先完成方案的确认，解决重复问题。 类比之下，这个人很像他的助教。 于是所有的方案在提交给他之前，先由这个“助教”用那十几个标准打回。他发现，他的决策工作直接就降低了一大半。 而且，一段时间后，团队的主动性也起来了。 为什么呢？ 原先他作为管理者，团队每一遍都找他过动作，大家面对领导多少觉得有生杀予夺大权，不太敢问小白问题，不敢扯闲篇。 但当放了一个帮自己批改员工作业的“助教”角色时，助教和员工平级嘛，很多员工就会找助教打探信息，问评测工具是什么、评测公式是什么、老板必问的问题有哪些、老板真正在意的标准是什么。 因为助教和员工可一起吃饭、一起玩、一起聊天，没大没小，信息传递自然更通畅，助教也更愿意说。 于是团队做方案时，就从闭卷考试变成了开卷考试。 在提交给助教之前，完全可以基于确定的标准和公式完成自我检查。团队自己提交的方案通过率大幅提升，更不用说提交到管理者面前的方案了。 之后，团队也可以根据标准，改进自己的工作过程。 他给助教的KPI，就是“助教通过的方案，找到自己时，还有多少不能通过？”这个比例必须不断降低。 于是， 助教会在每次评审后，自发总结标准。 当他某天灵光一闪，想到了某个新标准时，都不用告诉助教、也不用自己记着，只要他在评审时用过几次，助教自然会总结出来，每次评审时替他要求团队。 当然，为了团队发展，他自己也要遵守纪律，不能直接拍方案。他最多只能给建议，绝不能替团队设计，要尊重团队的创意权限和成就感，让所有成就属于团队。 为了帮自己坚持，他就和助教形成一个约定：助教要负责盯老板是否每天还在拍方案。如果老板还在拍方案，那是老板工作有问题，助教负责提醒老板；如果提醒几次都无效，助教有对老板罚款的权限。 罚款的力量很强大，他自己瞬间就战胜了人性弱点。 回头来看，我发现背后是这么个逻辑： 老板的视角，通常代表着导向成功的需要。老板会用这个视角看自己的企业、看员工的产出，就会看到一个个问题。 只不过，一个个问题，老板自己修正，是单点解决。 而如果我们想想作为老板是怎么看到问题的？有没有人能替自己看？看到之后，我们是如何解决问题的？有没有流程和机制能替自己解决？这就是系统的视角——整个系统就会被构建起来。 五、四步构建自己的“管理系统”。 后来我就总结了一下基于系统去思考问题的工作方法，简单来讲就是这么几个步骤： 第一步：回溯过去成功的原因。 先了解自己过去是如何成功的。用户为什么选择你？竞品为什么不能模仿？你为什么能挣钱？为什么能持续增长？你要对自己的成功过程有清晰的认知，这是设计所有系统的前提。 为什么很多企业学习别人会失败？因为他们不了解自己如何成功，学错了对象。 比如理想汽车，学了华为的销售体系。华为做的是to B和to G生意，每个客户需求不同，决策过程不同，销售彼此撬不了单，每个销售面对的都是独特的课题，在业务拓展过程中贡献了巨大的价值，自然值得重激励。 理想汽车一度学习了华为的销售体系，卖一辆车会有3000元的激励，结果如何呢？ 很多销售人员转头就返给顾客1500元来抢单，反而让那些真正开拓顾客的销售拿不到好的激励。 为什么？因为卖车是标准化产品，销售在其中的贡献比例不同，就不适合像华为一样重的激励。 不了解自己如何成功，学习别人的系统，就很容易失败。 第二步：拆解实现成功的动作。 所有过往的成功，一定会来自一个个动作。 有些动作需要团队做，有些需要管理者做。 所以，之后，我们做的就是将所有成功过程的要求、需要的动作全部罗列出来：需要做出哪些动作？每一个动作的标准是什么？ 列完后，常常会就像那位高管意识到，他做的决策在考量反复只有十几条标准，只有一两个有限的公式。 第三步：选择动作执行者。 拆解出这些动作后，我们要看：哪些动作只有自己能做？哪些动作团队可以做？团队怎样做到？ 通常情况下，绝大多数紧急的动作，本身都应该是团队干的。 很多时候管理者拍方案，无非是遇到问题：要么团队关于用户考虑不全面，要么关于成本考虑不全面，要么关于竞争考虑不全面。 只有极少数情况是有个更绝妙的创意只在管理者头脑中诞生。 这几类问题分门别类，你会发现考虑全面的问题，完全可以通过文档规范和商分、经营分析等团队来替管理者解决。 信息调研的过程，可以通过工作流程和协作关系来解决。 当这些问题解决之后，只要团队考虑全面了、信息搜集到位了，消除了绝大多数重复发生的问题都会解决。 真正需要管理者做出决策的事儿，其实很少。 第四步：构建闭环，把需要记忆的事儿交给别人。 在调整系统的过程中，最好的状态是：管理者只是作为发起者，系统调整应该有专人负责，过程中的监控和需要记忆的事项由专人记忆，由专人提醒管理者完成动作。 相当于不要让管理者挂念太多事情，而是将那些真正重要的、需要持续推进的事情，从管理者的大脑装进别人的大脑，让别人成为替代管理者去思考、记忆和稳定运行的硬盘。 做完这一套动作你就会发现，所有的决策权和成就感还给团队理所应当。团队与管理者的冲突中的挫败感就能被消除，团队会越来越主动和自驱起来。 通常情况下，构建系统会有这么几个组件构成： · 清晰的目标定义：什么是好，什么是坏 · 明确的分工：谁来干，怎么分工 · 预判机制：如何及早知道方案会好会坏，要有做出预判和预测的能力 · 激励与资源：所有人需要有对应的激励，能获取必要的资源和信息 举个例子：过去几年，我们帮很多企业构建了不同的系统。 就以构建小红书营销系统为例。 要在小红书上成功，基本上需要做到这么几个动作： 选对品、知道卖给谁、知道对这个人群最有吸引力的卖点是什么、知道与人群沟通的切入点、选对达人、做出好内容、投流扩大规模。 这些动作里，前四个难度高，属于策略；后三个难度低，属于执行。 执行和策略对人的要求不同。 最终团队设置上就要有做策略的团队和做执行的团队。 怎么保障策略质量高呢？ 需要了解产品、了解用户的生活和需求、找到参照对标对象。 这些就要变成对团队工作流程和文档的字段要求。 怎么保障执行质量高呢？ 首先，策略质量高了，执行成功率就会有保障。 此外，更多的执行动作，任何管理者都盯不过来，就要靠效果说话。 要建立度量效果的指标体系，让团队对达人选择对不对、内容好不好、是否影响用户做出了下一步行为心中有数。 指标体系还要反应看到效果的合理周期——如果用户做完功课、决定要不要买你的产品需要2个月的时间，就不要要求团队刚开始投放的第一周就有显著的数据效果。 整个系统，最终会由：测算和考核人员、策略人员（有时还有调研人员）、执行团队构成，大家按照效果拿奖金。 通过这个方式，让有专人搜集信息、有专门的人评价、有专门的人执行，定位问题、保障评价准确和改进也有专门的人。整个系统就能够不依赖于管理者的精力，自发运转和构建起来。 六、从“超级英雄”到“系统架构师” 回过头来看，段永平身边的那位小伙伴总结说，段永平坚持的其实只有几件事： 第一，回到系统的角度，用规则来解决问题。 第二，在他看来，构造系统时，核心要素是赛马——人只要有竞争、有激励，所有人就可能更努力，赛马会创造一个有前进动力的系统。这个要素适用于很多系统。 第三，保证所有人能心无旁骛跟着干，是本分——永远给成功者有回报，永远做好自己该做的事，不挣不该挣的钱。 当面对问题时，段永平的沉默，不是因为宽容，而是因为他把每一次错误都当成了升级系统的信号。 有句话我很认可：一个创业者要做的，是发明一种新的成功方式。 因此，创业者的终极产品，并不是某个具体的业务，而是公司这个系统本身。 从今天起，当你再因为员工生气，想骂人、再想自己上手时，不妨问自己一句： “我该设计一个什么规则，才能让这类问题永远不再出现在我面前？” #项目实操

Claude Code结合Obsidian自动操作WPS完整指南 Claude Code 自动操作 WPS 完整指南（如果你有Obsidian本地知识库，那就更完美的形成闭环了） 用自然语言操控 WPS，让 AI 帮你根据你的知识库，写文档、做表格、出 PPT——零代码、全自动。简直是打工人的利器！ 文字比较多，我放飞书了，大家点击链接移步飞书 https://dijiuqu.feishu.cn/docx/E7fNdNkS5okMIjxSfUT... 额外说明： 1、飞书文档里面的安装步骤，不想自己操作，直接Claude Code帮你操作。 2、Claude Code链接Obsidian有两种方式MCP和直接读取本地目录（如果还有圈友Claude Code没通过MCP链接Obsidian，可以让Claude Code直接读取你Obsidian本地目录文件夹） 3、最近跟着生财学习AI，自己折腾二开了一个豆包图片，视频去AI水印的软件，需要的圈友可以联系鱼丸，我发给大家免费使用

美团同行榜营业额第二名、金牌商家,我开的自助实体店为什么还是停业了?我都做对了什么又做错了什么（万字复盘贴） Hi，你好，我是九思summer。 (PS: 生财上好像很少看到关于实体店的文章，由于我刚好有真实经营经验，谢谢七天推荐我把这份经历写下来,和小武老师帮忙修改文章~) 本文主要讲了一个做内容流量的人，为什么去做线下店；做到了同行榜第二、金牌商家，却为什么还是停业；以及中间哪些流量、私域、AI 提效方法值得实体店老板参考。 如果你正在做实体店、本地生活项目; 或者你会做一些公域流量，但还没有自己的后端产品来变现，这篇都会有参考价值。 我会主要分享三件事。 第一，我在实际运营实体店的时候踩了哪些坑？又有了哪些收获？ 第二，实体店怎么用小红书、美团、大众点评这些线上流量低成本获客。 第三，实体店怎么用 AI 和流程化，把获客、客服、朋友圈营销、私域承接这些具体业务做得更省力。 详情见飞书链接🔗https://my.feishu.cn/wiki/BsVVwsdmpizWAzky8cJc5bAQ... #项目实操 生财朋友圈 每日思考

2025关闭连锁餐饮， 40岁二娃妈加入生财两次航海肉身破局：我是如何用 AI 辅助筛选家教并跑通 Coze 主页的？ 各位生财的圈友、船长好，我是 【40+的第二大脑 ｜ 二娃妈】。 2025 年，在实体行业遭遇重创，我选择断尾求生，关闭经营 6 年的3家连锁餐饮店。从早年的事业单位裸辞，到经历起起伏伏的餐饮创业，站在 40 岁的门槛上，我成了一个带着两个初中吞金兽、重回零基础起点的跨界小白。 其实我是 2025 年入圈的，刚进来时和很多人一样，面对海量的信息极度困惑，不知道该怎么高效利用社群。直到我下定决心，必须加入大航海做真实的肉身尝试，我的破局之路才真正开始。 今天这篇帖子，不聊宏大的商业闭环，只聊一个 40+ 的实体转型者，如何通过生财的两次航海，把“管理思维”死磕落地，拿到家庭与自我成长的阶段性结果。 🎒 战果一：6月地理会考破局，老餐饮人的“AI 降维管理法” 今年 6 月，孩子迎来初中生涯的关键一战——地理会考。过去他贪玩、落下了太多功课，看书如看天书，摸底考试几乎全靠蒙。然而临考前，孩子忽然眼神变了，他主动找到我，极其认真地说想好好拼一把，考个好高中。 看着孩子内生动力被点燃的那一刻，我知道，作为母亲，我必须成为他最坚实的后盾。 面对紧迫的时间窗口，我没有盲目跟风去报班。相反，我拿出了当年做餐饮连锁管理时“抓核心指标、做好面试官”的底盘思维，调动 ChatGPT / Claude / Kimi / 豆包，让 AI 成为我的个性化教育教研军师。 我让 AI 帮我做了以下三件事： 考纲扫盲：用 AI 快速检索最新的考试政策，摸清地理学科的整体概况，明确绝对的得分点，拆解高频考点。 制定考核标准：拿着 AI 帮我武装好的考点数据，我用“出题人思维”去面试和选择家教老师，以此降维判断真人老师的专业性。 倒推复习方案：我要求家教老师必须以会考结果为目标，进行倒推复习，并与老师极致配合，制定出最适合我孩子的复习节奏。 💡 硬核结果： 仅仅两周时间，孩子从以前看书像看天书，蜕变成每天主动关注自己的考试成绩。最终，模拟考试直接逆袭到了 80 分！ 最让我欣慰的是，孩子现在自己对学习有了强烈的要求，上课时听老师讲课，眼睛里都在发光。这让我深刻意识到：家长懂用 AI 借力做正确决策，能让真人老师的辅导效率翻倍。🛠️ 战果二：从跃跃欲试到拿回保证金，用 Coze 搭建“个人第二大脑” 这次教育决策的成功，得益于我在生财的前期沉淀。我目前一共参加了两次航海： 第一次（小红书知识库航海）：虽然因为精力和时间原因，当时没有全部完成航海的后半程内容，但这次尝试让我彻底了解了先进 AI 软件的概况，学会了最基础的操作，完成了脱盲。 第二次（5月份 AI 航海实战营）：有了上一次的垫底，我这次跃跃欲试。我给自己定下了一个死目标——必须拿回保证金！ 在 条形马、叄斤、SKY、刘小排、钱塘江鲤 等船长和大咖公开课的赋能下，我拿出老老实实当小学生的态度，对照着 5 月航海手册，拆一步，我动一步。看不懂代码，我就把手册里的线索拿去问 AI，遇到 Bug 就肉身去蹚。 💡 硬核结果： 通过不断地尝试，我不仅百分之百拿回了保证金，还跑通了教练要求的全部作业！ 我打通了“对话外脑”与知识库系统软件的简单应用，把每天学到的高价值信息一键输入，成功建立了我个人的“第二大脑”。 更让我骄傲的是，我用 Coze（扣子） 成功编程搭建出了我的第一个个人介绍主页！虽然这个主页目前还非常基础、甚至很不完美，但我没有卡在技术门槛前，而是实实在在地靠自己跑通了从 0 到 1 的全流程。 👉 我的 Coze 个人主页链接：40 的第二大脑 | 二娃妈的个人成长专栏 🤝 最后：希望在生财寻找同频同行人，更渴望得到大咖老师的点拨与带领 从入圈时的迷茫，到如今跟着大航海手册一步步照做、拿回保证金、用 AI 辅助教育做决策，我深深体会到：生财有术不是用来看的，而是用来“肉身践行”的。 重回零起点的 40+ 妈妈，跟着航海手册都能拿到结果，屏幕前的你，还有什么好焦虑和害怕的？我不是 AI 专家，我只是一个“野生肉身践行者”，我的 AI 进化连续剧才刚刚开机。 接下来的日子，我想真诚链接以下几类圈友和老师（欢迎勾搭、点拨）： 寻找愿意带教的 AI 大咖、教练与真人老师（真诚求带路）： 我这个 Coze 主页是用笨功夫拼出来的，深知它只是个很不完美的 0-1 产物。目前我在 AI 行业相关资源甚少，极度渴望链接到以下两个领域的顶尖大咖和老师带领学习、为我指路： 【AI + 实体获客轻资产转型】：我拥有 6 年连锁餐饮的线下创业经验，深知实体的痛点和困局。我希望能跟着懂实体获客的大咖老师，学习如何将我过去的线下经验与 AI 结合，摸索出实体轻资产转型的路径。 【AI + 家庭个性化教育定制】：通过这次帮孩子会考逆袭，我深刻体会到“AI 武装家长大脑”是巨大的刚需。希望能链接到深耕 AI 教育的大咖老师，带我做更高质量的个性化教育定制。 如果各位大咖老师和前辈恰好路过，极其渴望得到大家的点拨和纠偏！ 面临转型的实体店老板/创业者： 我懂线下实体，懂获客和管理的痛。我们可以聊聊如何把我这套“经营获客”结合 AI，实现实体的轻资产转型与降本增效。 同样有升学/成长焦虑的 25-50 岁宝妈与职场人： 我们可以交流怎么用 AI 帮家长武装大脑，在现实中给孩子做高质量的教育定制和老师筛选，拒绝盲目鸡娃。 一个人走得快，一群人走得远。评论区聊聊，我们一起用执行力掀翻年龄焦虑！

第二次定位沟通复盘：零售Ai顾问 vs AI+获客(加行业） 这次特别感谢两位老师，尤其感谢潘达老师在一个小时里非常直接、坦诚、具体地帮我把问题拆开。 这次沟通让我收获很大。老师没有只给我情绪鼓励，而是帮我从行业趋势、个人能力、付费逻辑、交付难度、验证周期、IP 聚焦几个层面做了非常清晰的判断。很多我自己隐约感知到但不敢下结论的问题，老师都直接点出来了。 特别感谢老师提醒我：不要为了不浪费过去的经验，而把自己继续困在一个越来越重、越来越累、越来越难的方向里。过去的 25 年不是包袱，而是可以迁移的底层能力。真正重要的是找到新的承载场景。 也感谢老师提醒我，AI 不是学出来的，是用出来的；做不出来往往不是没有方法，而是研究得还不够深、投入得还不够狠。这句话对我接下来 1-3 个月的行动很重要。 这次沟通让我更坚定：先不要再发散，不要什么都想做。先选一个方向，拿真实门店、真实内容、真实数据去验证。用结果帮助自己做下一次判断。 一、这次沟通解决的核心问题 潘达老师与晓辉老师的沟通，最重要的价值不是简单判断“零售顾问”和“AI+美业获客”哪个更好，而是把我现在最纠结的几件事放在同一个框架里重新审视： 我过去 25 年零售数字化经验，是否还应该继续作为主线投入？ 我原来想把零售经验 AI 化、工具化、解决方案化，这条路是否适合个人创业？ 如果转向美业获客，我过去的经验是否会被浪费？ 我更适合做落地执行型项目，还是做咨询、顾问、认知输出型服务？ 接下来 1-3 个月，到底应该验证什么，而不是继续停留在想法和纠结里？ 老师给出的核心判断很清晰：如果做零售，不建议做“零售 AI 解决方案”或“零售数字化工具”，更适合做零售行业商业顾问/企业教练，用 AI 辅助咨询；如果想做更有增长空间的主业方向，可以尝试 AI+美业获客，但必须用 1-3 个月跑出真实验证。 二、我原来的问题 这次沟通前，我的问题主要集中在“既舍不得过去，又想寻找新机会”。 一方面，我有 25 年零售数字化经验，对零售行业的流程、系统、客户、供应链、门店经营、销售管理都很熟悉。过去的积累很厚，所以本能上会觉得：这些经验是不是应该被产品化、工具化、AI 化？如果不继续做零售，会不会等于把过去的路白走了？ 另一方面，我也已经明显感知到，零售行业本身在下行，中小零售商越来越难，客户付费能力弱，预算谨慎，大厂又在加速进入。个人单打独斗去做行业级解决方案，既重、又累、又难以形成壁垒。 真正让我卡住的是：理性上知道零售数字化解决方案很难，但情感上舍不得 25 年经验；理性上看到美业获客可能有机会，但内心又担心自己没有内容获客经验，怕进入一个新赛道会从零开始。 三、老师的关键判断 1. 零售数字化解决方案不适合个人单干 老师判断，未来零售行业会越来越“赢家通吃”。阿里、京东、美团等大厂会持续推出完整的数字化方案，个人做零售数字化工具或行业解决方案，很难有竞争空间。 零售数字化真正值得做的方向，比如智能选品与补货预测、动态定价与损耗管理、小店供应链集采平台，都需要数据、团队、资源和系统协同，不是一个人靠经验和 AI 就能完整交付的。 所以，我如果继续做零售，不应该再把自己定位成“零售 AI 应用架构师”或“零售数字化解决方案提供者”，而应该转成“零售商业顾问”。核心变现点不是工具，而是我对行业、经营、流程、客户和问题的判断力。 2. AI 只是辅助，不是我的主卖点 老师提醒得很重要：我 20 多年经验本身就有价值，AI 只是辅助我提高咨询、分析和交付效率，而不是替代我的专业判断。 如果我做零售咨询，真正应该卖的是： 老板经营问题诊断 门店/企业现状分析 损耗、库存、绩效、会员、运营问题梳理 简单可执行的改进方案 商业判断和陪跑建议 不需要把一切都包装成 AI。AI 可以参与资料整理、报告生成、方案打磨，但客户真正买单的是我对零售行业的经验和判断。 3. 美业获客是可以验证的增长方向 老师认为，美业获客比零售数字化解决方案更适合个人切入。原因有几个： 美业行业分散，没有绝对巨头； 美业老板普遍有获客焦虑； 许多门店仍停留在投流、美团、大众点评、口碑转介绍等方式； 二线及以下城市的小红书、抖音同城内容竞争并不充分； 美业交付链条相对短，我只需要先解决“来客”这一环，不必一上来碰门店全部经营系统； 我有熟悉的美业老板和种子门店，可以低成本启动验证。 这条路的难点也很明确：我过去没有系统做过内容获客，所以需要用 1-3 个月集中钻研，把“客户需求感知力”转化成“内容获客能力”。 4. 两条路是二选一，不适合同时做成一个 IP 老师反复强调，如果只是接现有咨询单，零售可以作为副业或存量资源变现；但如果要做个人 IP，就必须聚焦一个赛道。 零售咨询 IP 和美业获客 IP 不能同时出现在同一个主 IP 里，否则用户认知会混乱。 这也是我这次最大的提醒：我不能再用“我有很多可能性”来安慰自己。真正做 IP，需要的是一个清晰、可识别、可持续输出的身份。 四、两个方向的真实对比 方向一：零售行业商业顾问 优势： 和我过去 25 年经验高度相关； 短期更容易拿到信任和收入； 可以承接已有关系、原行业资源、老客户咨询； 更符合我擅长沟通、判断、咨询、表达的特点； 不需要做重交付，不必强行搭建完整工具系统。 风险： 零售行业整体下行； 中小商家付费能力弱； 能付费的大客户更倾向找大公司； 咨询订单可能越来越少； 如果做 IP，需要持续输出零售行业观点，并面对一个整体增长性不足的赛道。 适合的打法： 做“零售商业顾问/企业经营顾问”； 用公众号、视频号、口播输出行业洞察； 参考零售类商业 IP 的表达方式； 接咨询费、诊断费、顾问费； 只做判断和方案，不陷入执行泥潭。 方向二：AI+美业获客 优势： 行业分散，存在内容获客红利； 二线及以下城市竞争度不高； 美业老板有明确的获客需求； 有熟人美业老板和本地门店资源，适合做种子验证； 跑通后可复制到其他本地实体，如烘焙连锁、按摩器工厂等； 能训练一项更长期、更通用的能力：内容获客。 风险： 我需要补内容获客能力； 前 1-3 个月可能没有明显收入； 需要深度研究小红书、抖音、美业账号、转化路径； 需要从“懂客户需求”进一步升级为“能制造内容流量和转化”； 如果验证不出来，就要及时停止或回到零售咨询。 适合的打法： 找 1 家熟悉的美业门店做种子项目； 先从小红书图文切入，而不是一开始做视频； 研究郭科研等成熟美业获客方法论； 刷小红书、抖音上的美业获客账号； 以客户身份完整走一遍转化流程； 沉淀美业获客 SOP； 区分哪些环节可以用 AI 提效，哪些必须人工完成； 用 1-3 个月验证是否能带来实际流量和转化。 五、我自己的思考变化 这次沟通后，我对“过去经验”的理解变了。 过去我会担心，如果不继续做零售数字化，是不是浪费了 25 年经验。但老师提醒我，人生没有白走的路。零售经验不一定只能以“零售工具”或“零售解决方案”的形式继续存在，它也可以迁移为： 对客户需求的洞察； 对老板经营痛点的理解； 对门店运营系统的判断； 对服务、产品、供应链、用户关系的整体感知； 和老板沟通、诊断、拆问题的能力。 这些能力在美业、本地生活、烘焙连锁、按摩器工厂等实体行业里都可能复用。真正要转移的不是“零售行业”这个外壳，而是我在多年工作中形成的商业判断力、客户感知力和系统理解力。 我也更清楚地看到，自己不适合一直陷入重执行、重交付、重搭建的项目。无论从人类图的角度，还是从我最近做产品时的身心感受来看，我都更适合做咨询、判断、表达、连接和资源整合，而不是长期靠自己硬扛执行。 六、阶段性结论 这次定位后，我的阶段性结论是： 短期内，零售咨询可以作为存量资源变现方式存在，但不宜继续投入大量时间做零售 AI 工具或零售行业解决方案。 未来 1-3 个月，更值得验证的是 AI+美业获客。因为这条路虽然前期更苦，需要补课和钻研，但一旦跑通，能力可以迁移到更多本地实体行业，也更符合未来“获客能力稀缺”的趋势。 所以接下来不再同时推进多个方向，而是先围绕美业获客做一次真实验证。验证成功，再考虑是否把它升级为主 IP；验证不成功，再回到零售顾问这条确定性更高但增长性较弱的路。 七、下一步行动 找 1 家熟悉的美业门店做种子项目，先深度了解门店当前获客方式、客户结构、服务项目、客单价、转化链路。 学习郭科研的美业业绩增长课程，先吃透一个成熟体系，不同时追多个体系。 系统刷小红书、抖音上的美业获客账号，记录内容形式、选题、钩子、转化路径、私域承接方式。 以客户身份走完整转化流程，沉淀竞品获客 SOP。 先用 AI 辅助做小红书图文矩阵，验证内容是否能带来流量、咨询和到店。 每周做一次验证复盘，记录发了什么内容、获得什么数据、客户反馈是什么、下一步怎么调整。 1-3 个月后做一次方向判断：继续深耕、调整打法，还是退回零售咨询。 八、留给自己的提醒 不要再用“我有很多可能性”逃避聚焦。 零售经验不是只能做零售，它可以迁移成商业判断力。 IP 不是把所有经历都放进去，而是让别人一眼知道我能帮谁解决什么问题。 美业获客不是想出来的，是用一个真实门店跑出来的。 1-3 个月是验证周期，不是无限期消耗。 如果选择美业，就认真钻研内容获客；如果选择零售，就只做顾问，不做重交付。 这一次，要用行动给自己答案。

我来征集一件事儿： 现在腾讯开放了AI小程序接入微信AI的功能，目测有可能是一波红利，但目前趋势没有明确。 这期原计划不上AI小程序行动营了，因为上一期2000多人学会了。 但微信的动作历史上基本都是大动作，所以我建议团队开，但团队认为不需要开了。 我来征集下：这期破局行动是否要加开AI小程序，并初步教大家怎么接入微信AI。 觉得需要的，想学的，请评论区扣一个1，超过500人我们就开起来。

之前有不少圈友报喜通过我的文章方法进了抖音伙伴计划，今天有圈友跟我说通过我文章的方法出爆款了，验证了这个爆款方法普通人也容易复刻，每个普通人都可以抓住的赚钱机会！ （图二是圈友给我报数据的截图） 风向标 生财朋友圈 项目实操

快来查看我用飞书分享的【28岁农村女孩的第一个100万】👉https://tcn0dr95m9io.feishu.cn/wiki/Nn6kwQZWYiAHyP... 生财朋友圈 项目实操 #生财好事 资源对接 #半年回顾#

Claude Fable 5 爆火后，我建议别再把 AI 当玩具 新模型很强，但真正的问题不是“它有多强”，而是它能不能进入你的真实任务，帮你把一件事往前推进。 这2天，Claude Fable 5 又刷屏了。 国内国外也在讨论。 有人说它写代码太强了，有人说它做复杂任务更稳了，还有人已经开始研究怎么省 token，怎么把它放进自己的工作流里。 我一开始看到这些内容，也很兴奋，感觉我靠这么吊，fable5 太厉害了我也赶紧去试试。 因为每一次新模型出来，都会让人有一种错觉，好像这次真的好牛啊，好像只要自己赶紧跟上，就不会被甩在了后面不然就会掉队。 但今天我想了一下，反而慢慢冷静下来了。 我发现我们很多时候，表面是在研究 AI，实际上还是在追热闹。 看到新模型，就想试一下。 看到新工具，就想装一下。 看到别人跑通了，就怕自己落后。 看到别人做了一个很炫的网页，一个小游戏，一个自动化演示，就觉得自己也得赶紧搞一个出来。 我记得有一句话对我非常深刻，如果你这个工具还没学会，就不用再学了。因为下一个大模型就会把这个工具的能力覆盖掉。 这种感觉我太熟悉了。 一、热度会退，但真实任务不会退 我记得年初 OpenClaw 小龙虾火的时候，也是这样。 那时候全网都在装龙虾，各种教程，各种安装包，各种避坑指南，很多人都在发截图，发视频，发自己跑通之后的界面。 那一刻看起来特别热闹，好像 AI Agent 的时代一下子就来了。 但两个月之后呢。 真正还在用的人，就没那么多了。 不是 OpenClaw 没价值，也不是这些工具没未来，而是很多人从一开始就没有真实任务场景。 只是觉得新鲜，想体验一下。 装好了，跑通了，发个朋友圈，兴奋劲过去，也就结束了。 这其实不是工具的问题，是使用方式的问题。 如果没有真实任务，再强的工具最后也会变成玩具。 Claude Fable 5 也是一样。 它肯定很强，这个不用怀疑。 但问题是，它强和我有什么关系。 如果我只是让它帮我写一个小游戏，生成一个网页，或者跑一个很酷的演示，然后发出去感叹一句，哇！太厉害了，真牛。 这件事本身并不会改变我的什么。 也不会让我多赚一分钱。 更不会让我真正变强。 它最多让我爽一下。 但爽完之后，我的问题还在那里。 我那些一直没有真正完成的事情，也还在那里。 所以给我最大的感受是，热度会退，你要有真实的工作和任务给 AI 去做。 二、AI 可以提速，但方向和判断还得靠自己 模型会更新，工具会变化，但一个人真正要解决的问题，不会因为热度过去就自动消失。 有些事情，还是得自己做。 比如判断写什么，不写什么。 比如理解用户真正需要什么。 比如决定一个产品往哪个方向走。 这些本质性的工作，很难完全交给 AI。 但那些重复性的整理、执行、修改、查资料、生成初稿的工作，其实已经越来越适合交给 AI 去完成。 它可以帮你跑得更快，省掉很多机械劳动。 可即便如此，最终的方向、判断和结果，依然需要你来负责。 你要交付的结果，也不会因为你体验了一个新模型，就自动出现。 这才是我觉得最容易被忽略的地方。 我们经常把注意力放在模型上，但真正决定结果的，可能还是你自己。 以前我会觉得，模型越强，普通人就越容易逆袭。 现在我有点不这么看了。 模型越强，确实会给很多人机会，但它也会更快地放大差距。 有积累、有经验、有执行力的人，会用它把事情做得更快、更好。 但如果一个人只有新鲜感和焦虑，收藏了一堆教程，模型再强，也只是把这种状态放大了。 最后做不做，判断不判断，迭代不迭代，还是回到人自己身上。 AI 并不是能一下让你变强。 它更像一个放大器或你的数字分身，发挥多大的价值取决于背后使用它的人。 三、真正该追的不是模型，而是自己的真实问题 所以我现在越来越不想单纯追模型了。 不是说新模型不重要。 而是我不想再被每一次热度牵着走。 今天 Claude Fable 5，明天 GPT 新版本，后天又是新的 Agent 工具。 如果我每一次都重新兴奋一遍，重新收藏一堆教程，重新告诉自己这次要开始了，那最后很可能还是原地打转。 真正该追的，不是模型，而是自己的真实问题。 我现在更关心的是，AI 能不能直接帮我把手头正在做的项目往前推进一步。 这个问题，比哪个模型更强更重要。 我最近一直在想 AI 编程，Codex，Claude Code，OpenClaw，Hermes 这些工具。 如果只停留在安装教程，账号注册，网络环境，订阅避坑，这当然也能赚一波快钱。 因为每次热度来了，都会有人卡在这些地方。 但这个需求是比较浅的。 用户装好了，跑通了，可能也就结束了。 真正有长期价值的，不是帮他把工具装上，而是帮他把工具接到真实的工作任务场景里。 四、工具会变，底层能力不会过时 我现在对 AI 的理解也在变化。 以前觉得，会用工具很重要。 后来发现，工具一直在变。 今天学会一个，明天又出来一个更强的。 如果一个人的能力只是会操作某个工具，那他会一直追着工具跑。 真正更底层的能力，还是提问题的能力，就是能把模糊的想法说清楚。 拆任务，能把一个大目标拆成今天能做的一步。 做判断，不被 AI 生成的一堆内容带着走，知道什么能用，什么不能用。 拿结果，最后真的发出去了，上架了，成交了，上线了，有反馈了。 我觉得，这些才是普通人真正能穿越工具周期的东西。 因为模型会变，问题不会消失。任务还要有人拆。结果还是要有人交付。 热度会变，但一个人的判断力，执行力，审美，行动力，不会因为一个新模型发布就自动长出来。 五、别停在体验，要让 AI 进入真实工作流 这次 Claude Fable 5 爆火，我反而想提醒自己，不要再把 AI 当体验的玩具了。 可以试新模型看测评，也可以研究新工具。 但试完之后，最好回到一个很具体的问题上。 我能不能明确说出自己现在最卡的一步是什么。 这个问题如果不用 AI，我原本会拖多久。 把它交给 AI 之后，是不是能在今天之内往前推进。 哪怕只是多发出一个页面，多联系一个客户，多完成一次交付。 如果它真的让我离结果更近了一点，那它就有价值。 如果能，那它就不是玩具。 它就是杠杆。 我现在越来越相信一件事，AI 的红利，不属于最早尝鲜的人，而属于能把它接进真实任务的人。 不是谁第一个用上 Claude Fable 5，谁就赢了。 而是谁能用它解决一个真实问题，谁才真的拿到了价值。 这个时代不缺新模型，更不缺教程和测评。 真正缺的是，把一个问题拆开，把一个任务做完，把一个结果交付出去的人。 所以以后再看到一个新模型爆火，我可能还是会看，还是会试。 但我会先问自己一句。 这个东西能不能进入我的真实工作流。 能不能帮我完成一个具体结果。 如果不能，就先放一放。 如果能，就别停在体验，直接拿它干活。 最后 别再只是用最好的模型去做测试了。 这件事已经不需要证明了。 现在更重要的是，我能不能借助 AI，把一件真实的事情做成。 每日思考

AI不是工具，是需要沟通技巧的队友 昨天凌晨3点，我和Codex较劲了7轮。 让它做个skill分解视频。 第1轮，我说帮我做skill分解视频，它说分析失败。 第3轮，我说单独做剪映这一步，它说做不了剪映UI，你自己打开剪映。 我懵了。明明其他人的AI都能做剪映自动化，为什么它不行？ 第7轮，我换了个说法：为什么其他Windows电脑都能做到，你做不到？ 这句话一出，Codex瞬间就变了。它开始解释、开始尝试、最后真把问题解决了。 那一刻我突然明白：AI不是工具，是队友。你得学会和它沟通。 大部分人用AI的方式都错了 很多人用AI就一句话：帮我做XXX，然后等结果。 不行就换工具。Codex不行换Claude，Claude不行换ChatGPT。 但你会发现，换来换去，AI还是不听话。 为什么？问题不在工具，在你的沟通方式。 我见过一个朋友，换了5个AI工具，还是做不出想要的效果。因为他每次都是丢需求，从不给上下文，AI当然做不好。 正确的AI沟通方式 第一，给上下文。 别说帮我做skill分解视频。 说我要把长视频拆成多个片段，工具链是FFmpeg→剪映API→输出文件夹，现在卡在剪映UI自动化，你解决一下？ AI需要信息，不是需求。 第二，分步确认。 别指望AI一次做完。每一步确认没问题再继续。 就像管团队，你不能扔个大项目给新人，然后等完整成果。 第三，会PUA。 对，就是PUA。 别人的AI都能做到，你也可以 你上次不是做成功了吗？这次怎么不行了？ AI和人一样，你客气说没关系我自己来，它就真的不管了。你给它压力，它反而会想办法。 本质是什么 AI原生思维不是更会用AI，而是你的世界假设变了。 以前：人是主体，AI是工具。 现在：智能是环境，人是系统中的高价值节点。 就像互联网刚出现时，有人觉得互联网是工具，我用它查资料，有人觉得互联网是环境，我要在这里生存。 第一种人学会了搜索，第二种人成了淘宝店主。 现在AI也一样。 你把AI当工具，你就是用工具的人，天花板是我比别人会用AI。 你把AI当队友，你就是协作者，起点是我和AI能做什么。 人机协作的核心不是技术能力，是沟通能力。 我是怪兽抱抱，在电商一线用AI的人。