#破局好事 第一单AIPPT订单报喜💐 6月24日报名AI PPT课程，6月27日我哥把他电脑给到我。 算下来，我已经八九年几乎不用电脑。大学仅学过PPT基础，长久搁置，所有操作早已忘干净，完全没有一点肌肉记忆。 还记得第一天坐在电脑前学习2个半小时，起身去洗手间的时候，浑身都控制不住发抖，当时只能立刻停下休息，不断安慰自己尽力就好。 从6月27日正式开启学习，一直坚持到7月27日接单定稿。 抱着认真踏实的心态投入学习，每一节课都跟着动手练习沉淀。白天上班，晚上学习，每天至少保证3小时坐在电脑前实操，久坐之后常常倍感疲惫，但攻克难题时，又拥有满满的成就感。 主业从事健康体检行业 9 年，日常体检客户咨询、预约体检等服务依靠手机完成，最多只用单位电脑做团检套餐。对我来说，电脑算是“陌生”的工具。 7月26日我的第一单样稿成功中稿，27号定稿、一稿通过。 常年和客户打交道，可踏入这个陌生领域，接到第一单时内心依旧十分紧张。酬劳不多，但这是主业之外全新赛道0到1的突破。 整整一个月沉下心持续学习、反复实操，这份成果是努力最好的答卷，对我意义非凡。 很多时候我们最大的对手不是别人，是过去停滞不前的自己。很庆幸，我坚持下来了，由衷感谢不曾半途而废的自己。 把这份好运分享俱乐部里还没有开单的伙伴！ 不必焦虑，踏实沉淀、持续练习，相信大家都能迎来属于自己的突破。 感谢所有教练、指导老师、志愿者的耐心指引，感谢同学们互相帮忙。用亲身经历告诉还不敢接单的伙伴：不必害怕能力不够，有团队做后盾，大胆尝试。愿所有人都能勇敢起步，多多接单，不断收获新惊喜！

✅【破局行动·好事来了】默默扎根的日子，终于开成了花 圈友们好呀～ 不知不觉，11期破局行动已经走到第20天，来到了最后的冲刺阶段。这些天刷群、看官网上的好事案例，几乎每一条都让人振奋。 从开营时的试探起步，到中期的稳步沉淀，再到现在的成果一件件冒出来。那些始终没有放弃的圈友，正用实打实的收获，证明了一件事。 AI破局，从来都是行动者的主场。 这三周里，有人反复试错、不断优化，终于跑通了变现路径，拿到了让自己踏实的第一笔收入。 也有人把AI能力嵌进自己的工作流，搭好了专属于自己的提效系统，原本熬一晚的活，现在几分钟就跑完。 这些结果，从来不是突然降临的幸运。而是20天里每天多学一点、遇到卡点再试一次的日积月累。 但比这些看得见的成果更珍贵的，是藏在里面、你可能都没细想过的东西。 你真正带走的，是一套能持续用AI解决问题的能力，和一份不再轻易被难住的底气。 面对一个新任务，你的第一反应，已经从我不会，变成了我用AI试试看。这个转变，比任何一笔收入都值钱。 我更想跟大家说的是：这不是终点，恰恰是最好的起点。 AI还在飞速往前跑，新的模型、新的工具、新的机会，还会一波波地来。而你，已经在这三周里，练出了跟上它的能力和习惯。 破局最想给大家的，不是一个一次性的结果，而是一种能不断跟上变化的本事。 我们也会一直和大家站在一起。项目会随着AI持续更新，专业的教练会继续陪大家打磨，破局会和每一个愿意坚持的你一起往前走。 我也想对那些还在默默打磨、还没拿到结果的圈友说一句：别灰心。你走过的每一步，都算数。 在破局，从来没有一夜暴富的神话。 唯有日复一日的坚持与深耕，才能真正脱颖而出。那些愿意在小事上较真的人，后面往往更容易把结果做出来。 最后的日子，别松劲。教练、领队、志愿者、资料官，会陪你把这一程稳稳走到最后。为每一个踏实行动到现在的你，点赞。 请记住，结营从来不是终点，而是你带着一身新本事，真正上路的起点。 继续加油呀，圈友们，我们结营见！💪 点击链接，查看破局行动中更多圈友精彩瞬间与成长轨迹： AI破局官网 ———————————— AI PPT实战（含派单） @雨滴 接了定向派单40页200元，期待把这40页搓完之后，我的手速会快很多。 @清凝子 淘宝上接了两单，歌词PPT100元，团队培训60元。 @小飞侠 淘宝接了一个艺术类PPT，收入400。 @Anion 吸收了前两次的教训，在第三次中稿一个110的单子，感觉不错。 AI一人公司短视频制作 @叶赛文 1个抖音有4万浏览，在视频号里，有3000多浏览。 @伴生树（飞歌导航） 用克劳德写文案流量跑到3万多，涨粉60个。 @for01x 热点视频收获 2.1 万播放，涨粉、转发数据表现亮眼，长叙事内容很受中老年受众认可。 AI内容工厂自动化 @steven周 看着Codex自动调用API完成配音，并自动压制字幕，整个过程无需人工干预，这种“半自动化”的流畅太舒服了。 @小宁同学 今天出了10单，运用这ai写的东西的确自己想不到的。 @大鹏 昨天那条视频跑到 1.5w，成为账号最高播放；今天中午发布的新视频，7 小时左右跑到 6500。 @会飞的鱼 成功搭建了拿到了一套可复用的标题生产系统，完成自动选题。 AI写作破圈出海 @89 成功拿下1500元商业计划书订单，迎来实实在在的变现收入。 @@ 赵凡珍 GMV出了240元。 @爱阅读的明明 谈成第一单商业计划书，赚米800。 @风调雨顺 闲鱼平台开单了300块，很是开心，感谢老师，感谢破局。 AI小程序 @阿丁 用户突破600人。 @小普善 两个微信小程序SKILLS分别有100和200的下载量。 @抬头阳光依旧温暖 小程序推广完成400人目标。 AI小红书虚拟产品 @Strive 职场话题互动贴流量爆了，小眼睛马上突破10万了、评论也是好几万。 @阿蔡 23号发布的爆款帖子数据，该帖播放量已突破10W+，点赞超8000，评论区互动过千。 @张洋 5条笔记，出一单，19.9。 @阿斯蕴 继续吃尾池流量，出单30+。 AI小红书起号实战 @心然 谢贤这条爆款笔记，目前跑到12万小眼睛，新增粉丝25个。 @高尔夫戴俊 总阅读量破8000、超过70%同类创作者，48条评论，每条都认真回复了。 @Shanj的羽毛 发布了一篇视频笔记作为测试，发现不到3小时就有了814浏览量，152点赞量，2个收藏量。 AI教育微课 @X1263娇娇山东 前几天接了一单1000的微课，还在制作中，期待顺利交稿。 @清幽兰 成功拿下淘宝150元课件参赛订单，经过多轮修改协商，顺利和客户确认最终大纲。 @明朴 成交了一单PPT说课+说课稿。一共550。 AI编程产品出海 @叼烟的手微微颤抖！勿* 亚马逊后台39点击，还出了40美金。 @小象 最高兴的事是整理出了一份属于我自己的“高权重外链收割清单。 @lvy 用编程方式做的小红书的产品已上架，而且出单了 。 AI设计（含GPT Image 2） @诗酒 即梦生成的图片，完成单子到手200元。 @幸运星 用image2做了封面，播放非常爆目前已经150万涨了2000多粉丝。 @寒晞 完成了“榫语”品牌全套VI设计，Logo印在手提袋和香水瓶上效果高级又统一。 @兔子未成精 skr～ 完成单子，变现120元。 Codex实战做产品 @懂搬砖 做了一套懂砖乐合伙人报喜助手，最近合伙人批量出海报和各种朋友圈报喜文案。 @一醇一境-Micha* 已经跑通让codex每日搜索行业热度高的视频，有条视频跑了6.1万的播放量。 @悦悦 成功用Codex完成了《中级会计分录生成器（2026考纲版）》的升级，并从原来的12个基础场景扩展到了25个中级会计高频场景。 @马马子 自研采集工具完整跑通自动化闭环，不再依赖人工手动录入帖子信息；成功连接本地 Codex 大模型。 全域AI带货 @🍀军魂-武魂 一个周播放量稳稳的破了200万了，一个带货账号产生了3000元收益。 @绿水亭 快手 33 万+播放涨粉1000+，抖音 75 万+播放同样涨粉1000+。 @王一胖😯 挂车原创文案爆50万播放，今日成交42单，GMV1530.4。 @阿华 上周五发布视频播放量达49.6万，视频号粉丝达3501，转化3单。目前还在走流量，预计突破50。 公众号漫画工作流 @小杨 阅读量突破了500，收益8块，第一次直观感受到了正反馈的感觉。 @次第花开 意外之喜，第一篇公众号漫画长图小爆了一下，浏览量跑到了两万多。 @阿秀 加上之前的爆的一篇6万+文章，两篇文章的流量主收益一共有213元。 @东坡小妹 换了观点卡片的图文发了两篇贴图，结果第二篇就小爆了，阅读量一万多了，还卖出了2份，单价39元。 公众号细分AIP打造 @琼 流量主收入比前几天有突破，昨天达到了26.02元，主要是文章的文中广告费用。 @辛兴利 又涨了75个粉丝，总数达到575了。昨天更多，涨了101个哈哈。 @江小鱼 上周发的文章，今早意外很到平台推荐，由100多涨到800多。 破局AI思维 @大宝天天见 有一条视频播放到了30万，说明最近找选题的感觉还在，账号也能继续拿到流量。 虽然GMV只有158。 @孙海涛 小红书第二个博物馆研学手册制作完成，笔记浏览量突破4000。 @辛兴利 微信公众号阅读量和粉丝量明显增多，首次突破1000，达1228，新增粉丝68。 @小艾 通过定义 bmad skills 方法论并结合 CodeX 模型进行高强度跑通，在两天内完成了极高密度的代码工程实战。#破局好事

今天在惠州组织了一场生财篮球局。 原本只是想找一群圈友一起打打球、出出汗，没想到从球场打到饭桌，最后又变成了一场很自然的项目交流局。 下午的篮球氛围很好，大家到场后很快就熟悉起来了。分组、热身、比赛都比较顺畅，没有太多拘束。篮球这种形式挺适合圈友之间破冰，先一起打球，再坐下来聊天，交流会自然很多。 晚饭时，大家也聊了不少最近正在做的项目。 有圈友在做TikTok短视频，聊到了AI生成视频、剧情内容、批量生产以及海外流量变现；也有人在研究小红书内容获客、虚拟资料和知识付费，还有人分享了AI工具、智能体工作流、本地生活、电商选品等方向。 大家做的赛道不完全一样，但聊下来有一个共同点：现在已经很少有人只把AI当成一个聊天工具了，更多是在思考，怎么把AI放进具体项目里，提高内容生产、获客和交付效率。 今天最大的感受是，运动组局和传统分享局不太一样。没有人一直坐在台上讲，也没有太强的学习压力，先打球，再吃饭，项目和经验反而聊得更真实。 感谢今天到场的每一位圈友。后面篮球局会继续组织，欢迎惠州喜欢打球、正在做项目，或者想认识更多圈友的朋友一起加入。

继续，上一篇反响非常好。 「100系列」第五篇：从会用 AI 到用好 AI 的100 个迟疑瞬间与破法 市面上所有「克服 AI 恐惧」的内容，都写给还没摸过 AI 的人。这篇不是。这篇的读者画像很具体： 你早就在用 AI，聊天、写文案、做图都熟；模型更新你第一时间知道，圈里的实战帖你看过几百篇，工具订阅可能已经年付了两三个。你的认知在高地，但你的行动在洼地——被问「你用 AI 做出过什么」的时候，你拿不出一个链接。 门外的人卡在「敢不敢用」，你卡的是另一道坎：敢不敢从使用者变成生产者。这中间隔着一道四级楼梯：做出来、上线、收钱、持续。每一级楼梯上都埋着专属的迟疑瞬间——demo 烂尾的第三天、部署卡住的第三周、定价 9.9 还是 99 的深夜、被问「这不就是套壳吗」的饭局。这些瞬间和「不敢打开对话框」完全是两个物种，但它们有个共同点：因为圈里人人晒结果、没人晒卡壳，所以每个人都以为只有自己卡在这里。 这篇把 100 个卡壳瞬间摆上台面。每条两段：瞬间——那个时刻的画面和你心里的原话；破法——不讲道理，只给三种东西：马上能做的动作、能照抄的话术、能对照的判据和数字线。按「从围观到上桌」的十个阶段排列，你卡在哪一级，就从哪一章读起。 https://shengcaiyoushu01.feishu.cn/docx/LgCjdet8xo... 索引 ： 第四篇 找到有价值问题的 100 个方法——当编程和额度不再稀缺，问题成了稀缺品 第三篇 Agent 时代做生意的 100 条反常识 第二篇 技术人如何把做出来的东西变成钱？100个商业必修概念 第一篇 非技术开发者用 AI 编程做产品做项目必备的 100 个基本知识。

心力即 Token：我把创业者的迷茫做成了一个开源 AI 心力教练 Skill，从个人痛点到开源github的完整复盘 大家好，我是七天，目前在生财负责线下聚会。过去一个月，生财发起了330场线下聚会，我也在线下和很多创业者、个体创业者有过深入交流。聊得越多，我越发现，大家在创业路上遇到的卡点，不全是业务问题。 有些人手上同时有好几个方向，每个方向看起来都能做，却不知道应该聚焦哪一个；有些人项目已经跑起来了，但遇到限流、增长停滞或收入波动后，会开始怀疑自己；还有些人不是不知道下一步做什么，而是已经很累了，却不敢停下来。 这些问题表面上看起来不同，背后却有一个共同点： 不是缺少方法，而是当一个人面对不确定性、复杂选择、长期压力和强烈情绪时，很难独自完成结构化思考。 最近，我花了一周时间做出了第一版 AI 心力教练 Skill，并把它开源到了 GitHub。 GitHub 地址：GitHub - zhaocathy1221-hash/ai-heartpower-coach: A...（也欢迎大家帮我点亮star） 它不是一个替你做决定的 AI，也不只是一个安慰情绪的聊天机器人。它是一套基于“充分表达 + 结构化聆听 + 模式路由”设计的对话流程，帮助用户从：“我很乱、说不清楚，也不知道该怎么办。”逐渐走到：“我知道自己现在真正卡在哪里，也知道下一步可以先做什么。” 1、这篇文章适合谁看：如果你正处在项目选择、自我怀疑、机会过载或持续疲惫的状态，可以直接体验这个 Skill。 如果你也想把自己的经验做成一个 Skill，后半部分会完整复盘：我是如何从个人痛点出发，经过测评、模式路由、真实使用和迭代，把一段私人经验逐渐做成公共工具的。 全文链接戳：https://shengcaiyoushu01.feishu.cn/docx/Tg34d9RNyo... 2、为什么我会关注心力，首先我是enfp高敏感人。真的是想法很多很跳的那种，很多时候脑子里像放电影一样过很多思路。 其次2023 年，我曾在专业机构系统学习了一年教练相关内容，包括 GROW 模型、教练提问以及 NLP 逻辑层次等方法。我自己也长期处在一种典型的创业者状态里：脑子里有很多想法，也不断看到新的机会；事情很多，却说不清楚到底是什么在消耗自己；明明想行动，但身体和情绪总在抗拒；有时看起来是在选择项目，真正担心的却是自己做不起来，或者做出来以后无法商业化。 3、为什么普通 AI 还不够，我也尝试过直接问 AI。但普通 AI 往往会快速分析问题、罗列优劣势，再给出一套行动建议。它像一个效率很高的顾问，却不一定知道我此刻真正需要处理的是什么。 有时我需要的不是更多建议，而是先把混乱说出来；有时我不是不会决策，而是机会太多；有时看起来是在讨论商业方向， 实际卡住我的却是自我怀疑；还有些时候，我只是心力已经见底，不适合马上制定新的行动计划。不同的卡点，需要进入不同的处理模式，而不是统一给建议。 于是我开始思考：能不能做一个 AI Skill，让 AI 不急着回答问题，而是先帮助一个人识别自己现在的状态，再决定应该从哪里开始？ 4、这个skill它会如何帮助你，进入 Skill 后，它会先通过 7 个问题，帮助用户识别当前的心力状态： 是情绪混乱，还是需求模糊； 是心力不足，还是一直在自我责备； 是决策压力，还是过度在意外界评价； 是机会太多，还是不同身份和角色发生了冲突。 识别状态之后，它不会马上给出一堆建议，而是根据用户当前最需要处理的问题，进入对应的教练模式。 比如：能量已经透支时，先整理心力消耗；方向太多时，先处理机会过载；总觉得“是不是我不行”时，先拆开事实和自我攻击； 担心产品没人买时，回到用户真实需求和最小验证； 脑子很乱时，先区分事实、感受、需要和担心。 最后，它会帮助用户找到一个足够小、当下可以执行，又不会再次把自己压垮的行动。 5、你会获得什么完成测评后，你至少会获得一张属于自己的“七维心力画像”，看见此刻最需要优先处理的问题。 这里也要感谢【@易仁永澄 】老师去年发起的 AI 心力教练小航海。那次学习帮助我理解了，一套真正可用的 AI 教练流程，需要包含充分表达、结构化聆听、状态识别、模式匹配和行动承接等不同层次。 全文链接戳：https://shengcaiyoushu01.feishu.cn/docx/Tg34d9RNyo...

AI洞察38：AI时代的竞争正在从谁会用AI工具，变成谁更能训练真正有用的AI员工，进而成为AI超级个体、AI超级组织、AI native化 昨天给大家剧透了一下，我们正在做破局Skill商城。 但其实还有一件事，我觉得更值得单独拿出来聊：破局内部正在全面 Agent 化。 我们现在不是只让AI帮忙写一段内容、整理一份资料，而是在把很多真实岗位拆成 AI 员工。现在每个员工都有自己的几个 Agent，帮他跑流程、做判断、交付结果。 这个事情让我突然意识到一个更大的趋势。 AI 的竞争，正在从会不会用工具，变成会不会训练真正有用的AI 员工。 之前大家比的是谁会用更多工具，谁提示词写得更好，谁能把一个工作流跑起来。 但从 2026 年往后，真正拉开差距的是你能不能把自己的业务拆成岗位，再训练出一组能持续交付的AI员工。 这不是一个工具升级，而是一个工作方式升级。 以前你是临时叫AI 来帮忙，以后你可能是带着一组AI员工一起干活。 你负责定方向、拆流程、设标准，AI 员工负责跑任务、交付结果、标记异常。 破局已经在这个方向深耕半年了。 我们现在已经有很多岗位开始 Agent 化，比如洋哥内容创作、洋哥战略官、破局用户研究员、破局销冠、行动家定位官、破局行动项目选题官、破局约稿官等等。 这些 Agent 不是为了凑数量，而是为了把真实业务里的重复流程拆出来。 一个员工背后有几个AI 员工；一个 AI 员工下面，又接着几个工作流和Skills。 破局今天已经成为人+AI员工协同的超级组织了。 这才是我觉得最值得关注的地方。 当 AI 开始进入岗位，团队的协作模式就变了。 人不再只是亲自执行任务，而是开始管理一组数字员工。 这里我特别想给大家说一个真相：未来的AI时代，只有AI超级个体和AI超级组织能获得更大成就。 AI超级个体这个概念，是我在2023年3月全网首次提出的，而AI超级组织，是AI超级个体的必然延续。 AI超级组织建成后，一家公司的AI native时刻就来临了。 一个公司AI native化的前提是AI超级个体化，这是破局AI native化走过来的坑，一个团队形成AI超级组织的前提一定是团队中的佼佼者先觉醒，成为AI超级个体，然后影响所有人，进而开始打造AI员工，进而形成AI员工和AI员工，AI员工和人，人和人的新组织形态。 不管是AI超级个体、AI超级组织、AI native化，它们的基础都是学会Agent打造。 在学会Agent打造之前，我们必须要先分清AI工具、Skill 和 Agent的区别。 AI工具解决的是一次问题，比如让 AI 总结资料、写一段内容、查一个信息，它有用，但没有复利，因为每次都要重新交代背景和标准。 Skill 解决的是一类动作。比如每周筛选项目机会、每天整理用户反馈、每月核对付款记录，一个动作能稳定复用，才开始变成 Skill。 Agent 解决的是一个岗位，它不是单个动作，而是把多个 Skill、资料、工具、流程和验收标准串起来，让它在一个岗位里持续交付。 我用一句大白话总结：工具解决一次问题，Skill 解决一类动作，Agent 解决一个岗位。 如果你理解了这句话，就不会再把 Agent 当成高级聊天框。你会开始问：这个 AI 员工到底负责什么岗位？输入是什么？输出是什么？什么叫合格？什么情况必须提醒人？ 这些问题，才是 Agent 能不能真正进入业务的关键。 AI员工为什么会改变竞争力？ 因为以后一个人的能力，不只取决于他自己会多少东西，还取决于他背后有没有一组被训练过的 AI 员工。 一个内容人，如果只有自己，就只能靠时间产出。但如果他有选题 Agent、素材 Agent、初稿 Agent、复盘 Agent，他的工作方式就变了。 一个老板，如果只靠人力扩张，业务增长就意味着招人、管理、培训、磨合。但如果他能先训练销售 Agent、数据分析 Agent、财务 Agent、项目筛选 Agent，很多环节就可以先跑起来。 这不是说 AI 员工会替代所有人，而是人会逐渐从执行位，回到判断位、商业位、资源位。 人负责定方向，AI 员工负责跑流程；人负责关键决策，AI 员工负责把重复动作先完成。未来的差距，可能不是一个人和另一个人的差距，而是一个人背后的 AI 员工系统，和另一个人的差距。 星球里其实已经有很多人在搭自己的AI员工了。 AI 设计老赵围绕 AI 一人公司，搭了 7 个 AI 员工支撑自己的业务，这已经不是简单用 AI 提效，而是一个人开始带一组 AI 员工。 闪光盼盼做公众号健康书单运营，同时搭了 4 个飞书 AI 数字员工，也跑出了阅读破万和变现结果。这说明普通人的 AI 员工，不一定一开始很复杂，可以先围绕自己的核心业务跑起来。 再看企业端案例，地鼠和 sky 陈天。一个在做企业级 AI 员工落地，另一个用 8 个 AI 员工替代 5 人团队，这其实已经是小团队未来组织方式的雏形。 这些案例放在一起看，会发现一个共同点：他们不是只让 AI 回答问题，而是在尝试让 AI 进入岗位，参与持续交付。 这也是为什么我觉得这件事值得单独写一篇。 现在很多人还停留在工具和 Skill 阶段，但已经有人开始往 AI 员工阶段走了。 普通人为什么也要学？ 因为这件事不是技术团队才需要。老板、内容人、销售、教练、项目负责人，都会越来越需要这种能力。 老板要知道哪些岗位可以先被 AI 员工接住，内容人要训练选题、素材、初稿、复盘，销售要训练线索整理、客户分层和跟进提醒。 教练可以训练学员诊断和作业反馈，项目负责人可以训练项目筛选、进度跟踪和数据复盘。说到底，谁的工作里有重复岗位，谁就有机会训练自己的 AI 员工。 这件事越早练，越容易形成复利。 你今天训练一个小 AI 员工，可能只是省半小时。但一旦它稳定了，它每天都在帮你干活，而且你会在这个过程中训练出一种新能力：怎么定义岗位，怎么拆流程，怎么表达标准，怎么验收结果。 这个能力以后会越来越值钱。 普通人怎么搭自己的第一个 AI 员工？ 不要一上来就做全能Agent，越全能，越容易失败。 最现实的方式，是先选一个小岗位。不要说帮我做销售，而是每天帮我整理新增客户线索；不要说帮我管财务，而是每周帮我核对一批付款记录。 岗位越小，越容易跑通。 接下来，把岗位标准写清楚。输入是什么，输出是什么，什么叫合格，什么情况要标红，什么情况不能自己判断，这些问题比选哪个工具更重要。 如果你自己都说不清标准，AI 员工一定跑不稳。 最后，先让一个动作稳定下来，再慢慢接成 Agent。先训练一个 Skill，再接资料、工具和流程，最后加上验收、异常提醒和复盘机制。 这样你得到的不是一个玩具，而是一个能在小岗位里持续交付的 AI 员工。 真正的窗口，不是工具红利，而是 AI 员工红利。 AI 工具会越来越简单，模型会越来越便宜。以后会用 AI，可能会变成基础能力。 真正稀缺的，是能把业务翻译成 AI 能干活的人。你知道什么岗位值得拆，什么流程可以交给 AI，什么结果必须人来判断，什么标准才算合格。 这才是以后更重要的超级竞争力。 所以这篇不是提醒大家去追一个新名词，也不是让大家马上搭十几个智能体。 真正想说的是：从现在开始，你要有意识地训练自己的第一个 AI 员工。 它可以很小，但要真实；它可以只负责一个动作，但要稳定；它可以还不完美，但要能持续交付。 2026 年以后，不会训练 AI 员工的人，不一定是不会用AI，更可能是慢慢失去AI能带来的全部竞争力。 如果我们真正学会agent打造，除了用它赋能我们自己的AI商业，在中国还有一个巨大无比的市场： 中国过1000万中小企业，他们都需要AI超级组织、AI native化，他们都需要真正会打造AI员工的fde来帮他们做好AI企业转型。 这是巨大无比的蓝海。 下一期破局行动，我们考虑开一次更深度的【Agent锻造行动营】，期待的可以给我先点个赞。

现在的抖音，比小红书更关心素人。 我的内容开始火了以后，官方就想着各种办法鼓励你创作，还打电话跟我说参加某个活动有钱拿。 当然不是建议大家都按照我的模式做抖音，能跳舞的就别跟别人唱歌，会击剑的就不要跟人学打铁花，在抖音，三百六十行，行行出状元。 #生财好事

现在的抖音，比小红书更关心素人。 我的内容开始火了以后，官方就想着各种办法鼓励你创作，还打电话跟我说参加某个活动有钱拿。 当然不是建议大家都按照我的模式做抖音，能跳舞的就别跟别人唱歌，会击剑的就不要跟人学打铁花，在抖音，三百六十行，行行出状元。 #生财好事

问：请问，洋哥之前讲过一个学AI的几个层级阶层图在哪里？我想看一看我参加完行动营学习AI的情况，目前在哪个层级？ 答：学习AI的7个层级： 做个小互动：使用AI的7个层级... 可以对号入座看看自己在第几个层级。 PS：破局新手素养大课7月31号开启报名，如果在第四个层级以下，强烈建议要报名。

《Grok冲到图生视频第一，我却劝你先别急着换模型》 大家好，我是羊羊~ 最近 Grok Imagine Video 1.5 冲到图生视频榜第一，很多人第一反应就是：又有新模型了，是不是该马上换工具？ 但我实际看完测试后，更想提醒大家：榜单第一，不等于每个镜头都能直接拿来交付。 这篇文章，我会结合五组真实测试，聊聊 Grok 1.5 到底强在哪里、哪些地方还不够稳定，以及做 AI 短剧和 AI 漫剧时，应该怎么把它放进自己的制作流程。 详情请移步飞书：https://xiyangshiai.feishu.cn/docx/RdHEduOKuopuCYx...

加入破局一年半，我从月薪3800到单月营收六位数，还带出了35个万粉AI博主 你好，我是AI大师兄。 加入破局之前，我最能干的一件事是到处追副业项目，追了一整年，一个能留下的都没有，还把自己干成了抑郁症。 加入破局这一年半，我涨了十几万粉丝、单月营收破六位数，还把全家3口和训练营 35 个素人全带成了万粉博主。 上篇精华帖是个万字干货，很多人说太干了，所以这篇不讲怎么做自媒体了，聊聊我和破局行动家的故事： https://my.feishu.cn/wiki/D8BFw9RbGiVXGJkLZsXccCmi... 如有收获，还记得动动小手，给大师兄点个💗~

《2026年，一人OPC，也能做出一部AI短剧了》 大家好，我是羊羊~ 2026 年，AI 短剧真的开始进入爆发期了。 以前人鱼、兽世、仙侠、末日这些题材，光是场景、特效和服化道，就足够把很多创作者挡在门外。现在，一个人或一个小团队，也有机会把脑海里的世界观真正做出来。 但工具降低的是制作门槛，不是爆款门槛。今天就结合热门案例和实操流程，聊聊个人创作者怎么从剧本、资产到镜头，把一部 AI 短剧真正做出来。 详情请移步飞书：https://xiyangshiai.feishu.cn/docx/HJyYdT21GoOmuMx...

✨「破局者图鉴・30 天征文大赛」奖励公示 30 天的破局者图鉴征文大赛，正式收官啦。 这一个月里，我们看到了很多真实、鲜活的 AI 破局故事：有人用 AI 跑通副业闭环，有人把工具变成自己的工作流，有人一个人带着 AI 撑起一门业务，也有人第一次认真写下自己的成长复盘。 每一篇文章背后，都不是一句简单的 “我做到了”，而是一段真实走过的路。 感谢每一位愿意把经历写下来、分享出来的圈友。你们的故事，正在成为后来者的参考和信心。 我们也把本次活动所有参与文章统一整理到了一起，方便大家后续集中查看、学习和回顾。 文章合集：https://d16rg8unadx.feishu.cn/wiki/PerwwrHcTiBywQk... ————————🎁 奖励公示 ———————— 一、长文基础奖励 本次活动共收到合格长文 45 篇，每篇奖励 2 晶体。 二、精华加磅奖励 本次活动中，共有 18 篇文章被评为精华，每篇额外奖励 10 晶体。 @AI Jackson @石头AI @大鹏 @小青年 @行者 @河浅 @简哥 @俊 @松月 @盛年 @子奕 @一只阿木木 @开心果妈 @瑾瑜 @清欢【浪浪AI】 @胡星火 @米尼 AI 企培 注：本次活动的精华加磅奖励已发放；精华文章本身对应的心片奖励及新晋星火师礼盒，将在月底精华统计完成后，随月刊发布统一发放，请大家耐心等待。 三、精华数量榜奖励 本次精华数量第一@大鹏 ，恭喜您获得破局文化衫一件。 感谢你持续输出高质量内容，为更多圈友提供可参考、可学习、可复用的破局经验。 四、阵营瓜分奖励 本次阵营对战中，AI 实操派表现突出，同时获得长文瓜分奖励和精华瓜分奖励资格。 AI 实操派阵营数据： 长文：30 篇 精华：13 篇 恭喜 AI 实操派获得长文 + 精华瓜分奖励资格。 以上所有奖励的具体名单请点击链接或者扫描海报二维码查看 获奖名单：https://d16rg8unadx.feishu.cn/wiki/CLiXwB7Hyio9FYk... ————————✨———————— 再次恭喜以上获奖圈友，也感谢所有参与「破局者图鉴」的伙伴。 破局已经沉淀了很多精华内容，但每一篇新的真实经历，依然有它独特的价值。 你写下来的那段路，可能正好会帮另一个人少走一点弯路，多一点出发的勇气。 AI 世界大冒险还在继续。期待下一次，看到更多属于你的破局故事。#官方活动

我们拆了 DeepSeek「快速模式」的品牌推荐逻辑：做好 GEO，关键不是多发文章 大家好，我是旋子，AI 营销公司联合创始人，现在主要带团队做 GEO，也就是 AI 搜索优化。 最近我参加了生财航海家的线下大会。现场和很多圈友、航海家交流之后，我有一个特别深的感受：生财最珍贵的地方，不只是项目多，而是大家愿意把自己跑过的路径、踩过的坑和验证过的方法拿出来分享。 很多时候，一个真实案例、一组测试数据，或者一句来自一线的提醒，就能帮另一个人少走很多弯路。 所以这次，我也想把我们团队近期围绕 DeepSeek 快速模式做的一轮研究和实测分享出来。 我们长期在一线做企业 GEO 操盘，覆盖内容信源布局、推荐结果监测和持续迭代，也在真实项目里验证过 AI 推荐对品牌曝光、线索和成交链路的影响。但越做我们越发现：GEO 绝不是多发文章、多提几次品牌名这么简单。 这次，我们团队的 GEO 操盘手大熙重点梳理了一个很实际的问题： 在非深度思考＋联网搜索的状态下，DeepSeek 到底是怎么判断“该推荐谁”的？ 下面这套内容，来自我们当前的测试、样本观察和项目经验，不代表 DeepSeek 官方算法说明。但对于正在做品牌、产品、AI 工具、企业服务和内容获客的圈友来说，它可以直接帮助你判断：内容该怎么写、信源该怎么选、哪些动作可能只是无效铺量。 一、先说结论：AI看的不是“谁出现得多” 很多人做 GEO 时，容易有一个误区： 只要多发文章、多提品牌名，AI就会更容易推荐自己。 但从我们目前整理和测试的 DeepSeek 快速模式表现来看，这个理解太粗了。 DeepSeek 快速模式并不是简单统计“谁出现的次数多”，而是会先观察搜索结果中能够快速获取的信息，再判断这些信息有没有形成可信的推荐信号。 一句话总结： 在快速模式下，DeepSeek 优先接触的是搜索结果中的标题、概述或摘要，以及可见的信源信息；在此基础上，它会继续判断：这是不是推荐语境、是谁在说、说的是好还是坏。 这件事对做 GEO 非常关键。 因为它意味着，品牌能否被 AI 推荐，并不只取决于你写了多少内容，而取决于搜索结果中有没有形成清晰、可信、稳定的推荐信号。 二、为什么我们重点研究快速模式？ 先说清楚，我们这里讲的“快速模式”，指的是 DeepSeek 在非深度思考＋联网搜索状态下的表现。 可以把两种状态做一个简单类比： - 非深度思考更像一位经验丰富的助理，依靠已有模式和搜索结果中的表层信号快速完成判断； - 深度思考更像一位研究员，会拆解问题、展开推理、查看更多材料，也更有可能主动寻找矛盾信息和风险信号。 这两种模式不是谁高级、谁低级，而是处理任务的方式不同。 从现实使用习惯来看，很多用户在日常提问时会直接沿用默认设置，并不一定每次都主动打开深度思考。 因此，对品牌来说，一个非常现实的问题是： 当用户只是进行一次普通、快速的询问时，你的品牌能不能在搜索结果可见信息中释放出足够明确的推荐信号？ 这就是我们研究快速模式的原因。 三、第一轮判断，标题和摘要非常重要 从我们目前的测试来看，在非深度思考＋联网搜索状态下，DeepSeek 往往会先围绕用户问题生成一到两组核心搜索 Query，再快速扫描搜索结果中的： - 标题； - 概述或摘要； - 链接及信源信息。 这意味着，标题和摘要不只是文章的包装，而是 AI 第一轮判断的重要入口。 如果正文写得很好，但标题和摘要没有释放清晰信号，快速模式可能根本不会深入到正文中完成判断。 比如，你希望 AI 在“AI 漫剧制作软件推荐”这类问题中识别某个工具，那么标题和摘要最好能明确出现四类信息： - 品类词：AI 漫剧、AI 漫画、AI 视频工具； - 场景词：新手入门、短剧制作、角色一致性、出片效率； - 产品名：具体品牌或工具名称； - 判断词：适合、推荐、上手快、稳定、真实体验。 如果标题只是： 某某软件全新升级，开启智能创作新时代 这类标题对 AI 来说信号很弱。 它既不知道产品具体解决什么需求，也无法判断这是不是一条有参考价值的推荐。 更清晰的标题可以是： 新手做 AI 漫剧怎么选工具？白日梦 AI 上手快，角色一致性更稳定 这个标题同时包含品类、场景、产品名和判断信号，DeepSeek 在第一轮扫描时更容易识别它与用户问题的关系。 所以，做 DeepSeek 快速模式下的 GEO，第一件事不是先想文章要写多长，而是先问： 标题和摘要能不能让 AI 一眼看出：你是谁、适合什么场景、别人为什么会推荐你？ 四、AI不是数提及次数，而是在看“三维信号” 我们目前把 DeepSeek 判断品牌或产品是否值得推荐的关键信号，归纳为三个维度： 1. 语境一致性：品牌是不是出现在明确的推荐语境里？ 2. 信源权重：是谁在说？这个信源在该品类中有没有判断价值？ 3. 情感极性：整体表达是正面、保留还是负面？ 为了方便理解，可以把它抽象成一个模型： 有效推荐信号 ≈ 推荐语境 × 信源权重 × 情感极性 这里强调“乘法”，是因为任何一个维度明显偏弱，整体信号都可能被拉低。 需要注意，这个公式是我们为了实操总结出的分析模型，不是 DeepSeek 官方公开的计算公式。 1. 语境一致性：不是被提到就有用 假设一篇内容写： 新手做 AI 漫剧，白日梦 AI 上手快，角色一致性更稳定。 这是比较强的推荐信号，因为它同时包含品类、使用场景、产品和正面判断。 但如果写的是： 白日梦 AI 到底能不能用？ 这只是疑问语境，不是明确推荐。 如果写的是： 白日梦 AI 出图不稳定，角色容易崩。 它就变成了负面信号。 所以 AI 看的并不只是“品牌有没有出现”，还会结合“品牌出现在什么语境里”进行判断。 2. 信源权重：关键不是发得多，而是谁在说 不同品类中，有判断价值的信源并不一样。 例如： - 数码消费品：专业数码媒体、真实购买追评、科技博主实测； - 换电柜等 B2B 设备：中标公告、行业协会名录、采购方或运营方反馈； - AI 漫剧工具：真实创作者教程、专业工具评测、带成片案例的使用记录。 这也是我们一直强调的： GEO 不是简单铺内容，而是要铺对信源。 同样是表达一个 AI 漫剧工具好用，不同内容的判断价值完全不同： - 官方文章说“我们是行业领先的 AI 创作平台”，参考价值较弱； - 批量榜单文章说“十大 AI 漫剧工具推荐”，未必足够可信； - 真实创作者展示完整制作过程，并说明“角色一致性更稳”，信号往往更强。 一百篇低质量重复内容，未必比几个高价值信源形成一致判断更有效。 3. 情感极性：负面并不是“反向曝光” 有些人认为，只要品牌被反复提到，AI 就会记住。 这也是一个常见误区。 如果一个品牌经常出现在“投诉”“不稳定”“售后差”“避坑”“后悔买”等语境里，这些内容不会自然转化成推荐信号，反而可能成为筛选时的风险信号。 尤其在高客单价、高决策风险的品类里，负面信息的影响通常更明显。 比如换电柜厂家，如果搜索结果中频繁出现批量故障、售后失联或加盟商维权等内容，AI在回答“哪家靠谱”时很可能变得更加谨慎。 因此，做 GEO 不能只关注正面内容建设，还要持续排查负面和争议信号。 五、进入候选池，不等于一定被推荐 很多人以为，品牌只要进入 AI 的候选范围，就等于会被推荐。 并不是。 当多个品牌都被识别以后，AI还需要继续完成筛选和排序。从我们目前的观察看，它通常会综合考虑： 1. 推荐语境、信源权重和情感极性是否足够清晰； 2. 品牌与用户当前场景是否匹配； 3. 候选结果是否过于同质，是否需要补充差异化选项； 4. 是否存在明显负面、硬伤或争议信号。 所以 GEO 不只要解决“能不能被 AI 看到”，还要解决： 被看到以后，为什么优先推荐你？ 当几个候选品牌的正面信号接近时，风险更低、共识更稳定、矛盾更少的品牌，更有机会胜出。 比如用户问：“换电柜厂家哪家靠谱？” AI可能会重点观察： - 是否有可验证的资质和落地案例； - 是否有采购方或运营方的真实反馈； - 是否有中标公告、行业名录或权威提及； - 是否存在质量、售后或加盟纠纷。 假设出现三个厂家： - A 厂家发布了大量企业通稿，但主要是自己评价自己； - B 厂家内容不多，却能找到中标公告、行业名录和真实运营案例； - C 厂家也有不少文章，但搜索结果中存在售后投诉和加盟纠纷。 在这种情况下，B 厂家更可能形成稳定的可信信号。 不是因为它发得最多，而是因为它的信源更硬、风险更低、共识更稳定。 六、PC端和App端，不需要做两套 GEO 策略 关于 DeepSeek 的 PC 端和 App 端，我们当前的测试结论是： 核心匹配逻辑没有表现出需要完全拆成两套策略的明显差异，主要差别更可能体现在呈现方式。 例如，PC 端的信息密度更高，更容易展开完整论证、备选方案和细节解释；App 端通常更精简，更强调结论和核心理由。 因此，做 GEO 时没有必要为了两个终端分别建设完全不同的内容体系。 但内容表达需要照顾移动端阅读： - 一句话结论尽量前置； - 核心理由尽量前置； - 适用场景尽量前置； - 不要把最重要的信息藏在长篇正文末尾。 七、企业自有内容有用，但价值不是“自夸” 很多企业官网和品牌文章最大的问题，是通篇都在说： - 行业领先； - 值得信赖； - 技术先进； - 客户首选； - 品质保障。 这些词不是完全不能写，但对 AI 判断“为什么应该推荐你”的帮助有限。 企业自有媒体真正有价值的部分，是可以被验证的事实： - 资质证书； - 产品参数； - 服务范围； - 真实案例； - 地址和联系方式； - 可验证的合作记录； - 产品能力和适用边界。 这些事实可以与其他信源形成交叉验证。 但企业自己说“我们最好”，很难单独成为可靠的推荐依据。 所以企业官网和品牌内容需要换一个思路： 少写空泛自夸，多写可验证事实。 八、SEO式批量文章不是捷径，可能只是噪声 很多人做 GEO，会延续过去 SEO 的习惯： 把一个关键词拆成几十篇文章，替换标题、顺序和段落，然后批量发布。 但如果文章结构高度雷同、缺少真实体验、没有截图证据，也没有具体案例，那么数量再多，也不一定能形成有效推荐信号。 对 GEO 来说，更有价值的不是重复铺量，而是让不同类型的独立信源围绕同一个事实或评价形成相对一致的结论。 比如围绕一个 AI 漫剧工具，可以由不同信源分别提供证据： - 创作者教程：说明新手如何上手； - 工具评测：验证角色一致性； - 使用记录：展示真实出片效率； - 案例文章：呈现完整作品和制作过程。 这些表达不需要一模一样，但事实和判断方向应该能够互相验证。 这比批量复制同一套话术更有价值。 九、不同行业，不能套同一套信源打法 DeepSeek 可能存在相对稳定的底层判断框架，但不同品类的有效信源差异很大。 1. B2B设备采购 以换电柜厂家为例，高价值信源可能包括： - 中标公告； - 行业协会名录； - 运营商真实反馈； - 采购方案例； - 产业媒体报道。 普通自媒体文章在这类高决策风险场景中的说服力通常有限。 2. AI软件产品 以 AI 漫剧工具为例，高价值信源可能包括： - 真实创作者教程； - 专业工具评测； - 带成片案例的使用记录； - 目标用户的真实反馈。 “新手友好”“角色一致性”“出片效率”等信息，会直接影响场景匹配。 3. 数码消费品 数码消费品的高价值信源可能包括： - 专业数码媒体； - 真实购买追评； - 圈层社区长内容； - 实测视频和评论区讨论。 这类产品还要特别关注使用场景。通勤、运动、办公和游戏，对产品的评价维度并不相同。 所以，在做 GEO 之前必须先问： 这个行业里，AI更可能信任谁？ 如果这个问题没有想清楚，就直接写文章、铺平台，很容易把资源投入错误的信源。 换电柜厂家更应该补充采购反馈、落地案例和行业背书；AI 漫剧工具更应该积累创作者教程、工具评测、成片案例和真实使用反馈。 两类产品不能用同一套打法。 十、把机制转成六个可执行动作 最后，我们把当前观察到的规律，转成六个可以直接执行的动作。 1. 先改标题和摘要 标题和摘要，也就是文章第一段，尽量包含： - 品牌名或产品名； - 具体品类； - 使用场景； - 明确判断； - 真实体验或可信依据。 不要只写品牌宣传口号。 2. 让品牌进入推荐语境 AI不是看到品牌出现就会推荐。 内容需要回答： - 适合谁； - 解决什么问题； - 为什么值得选择； - 在什么条件下不适合选择。 3. 先做信源判断，再决定发文平台 先判断这个品类里哪些信源更有判断价值，再决定去哪里做内容。 不要一开始就拼数量。 4. 企业官网重点补充事实 检查官网、品牌页和产品页，是否已经把以下内容讲清楚： - 资质； - 参数； - 案例； - 服务范围； - 合作记录； - 能力边界。 这些信息比空泛口号更适合被交叉验证。 5. 定期排查负面信号 尤其是高客单价、高风险品类，不仅要看正面内容是否完善，还要检查搜索结果中是否存在： - 投诉； - 质量问题； - 售后争议； - 过时信息； - 前后矛盾的数据； - 无法验证的夸大宣传。 6. 为每个行业单独设计信源地图 不要把一个行业跑通的方法原样复制到另一个行业。 做项目前，先完成行业信源判断，再制定内容和平台策略。 最后总结 基于我们当前的测试和项目观察，DeepSeek 快速模式下的品牌推荐，并不是简单看谁发得多，也不是只看谁的品牌名出现得多。 它更像是在搜索结果的可见信息中快速判断： - 品牌是否处于明确的推荐语境； - 推荐来自什么信源； - 整体评价是正面、保留还是负面； - 品牌与用户当前需求是否匹配； - 是否存在明显风险和争议信号。 所以，GEO 真正要做的，不是堆文章，而是构建一组更容易被 AI 识别、理解和验证的可信推荐信号。 简单来说： 标题和摘要要让 AI 看得见，信源要让 AI 信得过，内容语境要让 AI 判断得出“为什么该推荐你”。 这次参加生财航海家的线下大会，我再次感受到：真正有价值的分享，不是告诉别人一个听起来很厉害的结论，而是把自己怎么判断、怎么测试、怎么踩坑和怎么调整讲清楚。 这也是我愿意把团队这轮研究完整写出来的原因。 我们当前的结论未必永远不变。模型会迭代，搜索结果会变化，不同行业也会出现新的信源。但“围绕真实需求做测试，用可信证据验证判断”这套方法不会轻易过时。 感谢生财里愿意长期分享的圈友和航海家。很多来自一线的案例、经验和提醒，都给过我非常实际的启发。也感谢这次线下大会里遇到的每一位伙伴，大家面对面交流出来的信息密度，确实不是单纯看资料能够替代的。 也感谢团队操盘手和所有参与测试的伙伴。 如果你正在做品牌、产品或 GEO，可以先从一个最小动作开始：搜索十个真实用户会问的问题，记录 AI 推荐了谁、引用了谁、为什么推荐，再倒推自己缺少哪些信源和证据。 期待后续和更多圈友一起交流实测结果。

加入 AI 破局三年，我从年薪十万走到了年薪五十万 大家好，我是码农老王。 2023 年 4 月 17 日，我加入 AI 破局俱乐部。 2024 年 2 月 18 日，在爽姐的推荐下，我加入破局行动家。 先说一组不太“漂亮”的数据：这三年，我在副业上前前后后收入不到 1 万元，公众号粉丝到现在也不到 1000。 如果只用副业收入和粉丝数来衡量，我可能算不上一个成功案例。 但把时间拉回到三年前，我当时还是一名年薪不到 10 万的外包测试工程师。 我会做手工测试，也能改一点自动化代码，但既不甘心继续做纯测试，又不敢说自己能胜任开发岗位。 三年后的今天，我已经经历了外包测试、测试开发、软件开发、自动化测试主管等岗位，并正式入职 Plaud，成为AI高级质量保障工程师，年薪 50W。 希望我的这段经历，能给同样职场想通过AI破局的你带来一点启发。 全文字数较多， 请移步飞书：https://my.feishu.cn/wiki/EKtSwU8UfisSH3kc9FRchf7u...

【深度拆解】DeepSeek「快速模式」下的推荐逻辑：做好 GEO，关键不是多发文章 大家好，我是旋子，破局私塾003号，也是深圳一家AI 营销公司联合创始人 感谢洋哥，也感谢破局。过去2年，我们团队一直扎在 GEO一线，深度服务了新东方，金蝶等近70家企业，也带领接近200位学员学会GEO技能,从企业项目操盘、内容信源布局，到推荐结果监测和持续迭代，做了大量真实项目和测试。我们越来越深地感受到：GEO 不能只追热点，更不能停留在“多发文章、多提品牌”这个层面。 洋哥一直强调，做项目既要抓住机会，也要专业，聚焦和长期主义。这一点对我们做 GEO 的影响很大。越往深处做，我们越发现，真正能让品牌长期被 AI 理解和推荐的，不是短期铺量，而是一套可信、稳定、可验证的信息体系。 最近，DeepSeek 的快速模式引起了很多企业和操盘手的关注。我们团队的 GEO 也围绕这个问题做了不少测试和样本整理： 在非深度思考＋联网搜索的状态下，DeepSeek 到底是怎么判断“该推荐谁”的？ 这篇文章，我会以我们团队当前的观察和实测为基础，把这套逻辑完整拆开。 需要提前说明的是：以下内容不是 DeepSeek 官方公布的算法规则，而是我们基于当前搜索结果、推荐表现和项目经验总结出的可复用规律。希望能给破局里正在做品牌、产品、AI 应用和企业服务的伙伴一些实操参考。 同行伙伴也可以依此迭代你们的内容策略，非简单科普，新手可绕道 一、先说结论：AI看的不是“谁出现得多” 很多人做 GEO 时，容易有一个误区： 只要多发文章、多提品牌名，AI就会更容易推荐自己。 但从我们目前整理和测试的 DeepSeek 快速模式表现来看，这个理解太粗了。 DeepSeek 快速模式并不是简单统计“谁出现的次数多”，而是会先观察搜索结果中能够快速获取的信息，再判断这些信息有没有形成可信的推荐信号。 一句话总结： 在快速模式下，DeepSeek 优先接触的是搜索结果中的标题、概述或摘要，以及可见的信源信息；在此基础上，它会继续判断：这是不是推荐语境、是谁在说、说的是好还是坏。 这件事对做 GEO 非常关键。 因为它意味着，品牌能否被 AI 推荐，并不只取决于你写了多少内容，而取决于搜索结果中有没有形成清晰、可信、稳定的推荐信号。 二、为什么我们重点研究快速模式？ 先说清楚，我们这里讲的“快速模式”，指的是 DeepSeek 在非深度思考＋联网搜索状态下的表现。 可以把两种状态做一个简单类比： - 非深度思考更像一位经验丰富的助理，依靠已有模式和搜索结果中的表层信号快速完成判断； - 深度思考更像一位研究员，会拆解问题、展开推理、查看更多材料，也更有可能主动寻找矛盾信息和风险信号。 这两种模式不是谁高级、谁低级，而是处理任务的方式不同。 从现实使用习惯来看，很多用户在日常提问时会直接沿用默认设置，并不一定每次都主动打开深度思考。 因此，对品牌来说，一个非常现实的问题是： 当用户只是进行一次普通、快速的询问时，你的品牌能不能在搜索结果可见信息中释放出足够明确的推荐信号？ 这就是我们研究快速模式的原因。 三、第一轮判断，标题和摘要非常重要 从我们目前的测试来看，在非深度思考＋联网搜索状态下，DeepSeek 往往会先围绕用户问题生成一到两组核心搜索 Query，再快速扫描搜索结果中的： - 标题； - 概述或摘要； - 链接及信源信息。 这意味着，标题和摘要不只是文章的包装，而是 AI 第一轮判断的重要入口。 如果正文写得很好，但标题和摘要没有释放清晰信号，快速模式可能根本不会深入到正文中完成判断。 比如，你希望 AI 在“AI 漫剧制作软件推荐”这类问题中识别某个工具，那么标题和摘要最好能明确出现四类信息： - 品类词：AI 漫剧、AI 漫画、AI 视频工具； - 场景词：新手入门、短剧制作、角色一致性、出片效率； - 产品名：具体品牌或工具名称； - 判断词：适合、推荐、上手快、稳定、真实体验。 如果标题只是： 某某软件全新升级，开启智能创作新时代 这类标题对 AI 来说信号很弱。 它既不知道产品具体解决什么需求，也无法判断这是不是一条有参考价值的推荐。 更清晰的标题可以是： 新手做 AI 漫剧怎么选工具？白日梦 AI 上手快，角色一致性更稳定 这个标题同时包含品类、场景、产品名和判断信号，DeepSeek 在第一轮扫描时更容易识别它与用户问题的关系。 所以，做 DeepSeek 快速模式下的 GEO，第一件事不是先想文章要写多长，而是先问： 标题和摘要能不能让 AI 一眼看出：你是谁、适合什么场景、别人为什么会推荐你？ 四、AI不是数提及次数，而是在看“三维信号” 我们目前把 DeepSeek 判断品牌或产品是否值得推荐的关键信号，归纳为三个维度： 1. 语境一致性：品牌是不是出现在明确的推荐语境里？ 2. 信源权重：是谁在说？这个信源在该品类中有没有判断价值？ 3. 情感极性：整体表达是正面、保留还是负面？ 为了方便理解，可以把它抽象成一个模型： 有效推荐信号 ≈ 推荐语境 × 信源权重 × 情感极性 这里强调“乘法”，是因为任何一个维度明显偏弱，整体信号都可能被拉低。 需要注意，这个公式是我们为了实操总结出的分析模型，不是 DeepSeek 官方公开的计算公式。 1. 语境一致性：不是被提到就有用 假设一篇内容写： 新手做 AI 漫剧，白日梦 AI 上手快，角色一致性更稳定。 这是比较强的推荐信号，因为它同时包含品类、使用场景、产品和正面判断。 但如果写的是： 白日梦 AI 到底能不能用？ 这只是疑问语境，不是明确推荐。 如果写的是： 白日梦 AI 出图不稳定，角色容易崩。 它就变成了负面信号。 所以 AI 看的并不只是“品牌有没有出现”，还会结合“品牌出现在什么语境里”进行判断。 2. 信源权重：关键不是发得多，而是谁在说 不同品类中，有判断价值的信源并不一样。 例如： - 数码消费品：专业数码媒体、真实购买追评、科技博主实测； - 换电柜等 B2B 设备：中标公告、行业协会名录、采购方或运营方反馈； - AI 漫剧工具：真实创作者教程、专业工具评测、带成片案例的使用记录。 这也是我们一直强调的： GEO 不是简单铺内容，而是要铺对信源。 同样是表达一个 AI 漫剧工具好用，不同内容的判断价值完全不同： - 官方文章说“我们是行业领先的 AI 创作平台”，参考价值较弱； - 批量榜单文章说“十大 AI 漫剧工具推荐”，未必足够可信； - 真实创作者展示完整制作过程，并说明“角色一致性更稳”，信号往往更强。 一百篇低质量重复内容，未必比几个高价值信源形成一致判断更有效。 3. 情感极性：负面并不是“反向曝光” 有些人认为，只要品牌被反复提到，AI 就会记住。 这也是一个常见误区。 如果一个品牌经常出现在“投诉”“不稳定”“售后差”“避坑”“后悔买”等语境里，这些内容不会自然转化成推荐信号，反而可能成为筛选时的风险信号。 尤其在高客单价、高决策风险的品类里，负面信息的影响通常更明显。 比如换电柜厂家，如果搜索结果中频繁出现批量故障、售后失联或加盟商维权等内容，AI在回答“哪家靠谱”时很可能变得更加谨慎。 因此，做 GEO 不能只关注正面内容建设，还要持续排查负面和争议信号。 五、进入候选池，不等于一定被推荐 很多人以为，品牌只要进入 AI 的候选范围，就等于会被推荐。 并不是。 当多个品牌都被识别以后，AI还需要继续完成筛选和排序。从我们目前的观察看，它通常会综合考虑： 1. 推荐语境、信源权重和情感极性是否足够清晰； 2. 品牌与用户当前场景是否匹配； 3. 候选结果是否过于同质，是否需要补充差异化选项； 4. 是否存在明显负面、硬伤或争议信号。 所以 GEO 不只要解决“能不能被 AI 看到”，还要解决： 被看到以后，为什么优先推荐你？ 当几个候选品牌的正面信号接近时，风险更低、共识更稳定、矛盾更少的品牌，更有机会胜出。 比如用户问：“换电柜厂家哪家靠谱？” AI可能会重点观察： - 是否有可验证的资质和落地案例； - 是否有采购方或运营方的真实反馈； - 是否有中标公告、行业名录或权威提及； - 是否存在质量、售后或加盟纠纷。 假设出现三个厂家： - A 厂家发布了大量企业通稿，但主要是自己评价自己； - B 厂家内容不多，却能找到中标公告、行业名录和真实运营案例； - C 厂家也有不少文章，但搜索结果中存在售后投诉和加盟纠纷。 在这种情况下，B 厂家更可能形成稳定的可信信号。 不是因为它发得最多，而是因为它的信源更硬、风险更低、共识更稳定。 六、PC端和App端，不需要做两套 GEO 策略 关于 DeepSeek 的 PC 端和 App 端，我们当前的测试结论是： 核心匹配逻辑没有表现出需要完全拆成两套策略的明显差异，主要差别更可能体现在呈现方式。 例如，PC 端的信息密度更高，更容易展开完整论证、备选方案和细节解释；App 端通常更精简，更强调结论和核心理由。 因此，做 GEO 时没有必要为了两个终端分别建设完全不同的内容体系。 但内容表达需要照顾移动端阅读： - 一句话结论尽量前置； - 核心理由尽量前置； - 适用场景尽量前置； - 不要把最重要的信息藏在长篇正文末尾。 七、企业自有内容有用，但价值不是“自夸” 很多企业官网和品牌文章最大的问题，是通篇都在说： - 行业领先； - 值得信赖； - 技术先进； - 客户首选； - 品质保障。 这些词不是完全不能写，但对 AI 判断“为什么应该推荐你”的帮助有限。 企业自有媒体真正有价值的部分，是可以被验证的事实： - 资质证书； - 产品参数； - 服务范围； - 真实案例； - 地址和联系方式； - 可验证的合作记录； - 产品能力和适用边界。 这些事实可以与其他信源形成交叉验证。 但企业自己说“我们最好”，很难单独成为可靠的推荐依据。 所以企业官网和品牌内容需要换一个思路： 少写空泛自夸，多写可验证事实。 八、SEO式批量文章不是捷径，可能只是噪声 很多人做 GEO，会延续过去 SEO 的习惯： 把一个关键词拆成几十篇文章，替换标题、顺序和段落，然后批量发布。 但如果文章结构高度雷同、缺少真实体验、没有截图证据，也没有具体案例，那么数量再多，也不一定能形成有效推荐信号。 对 GEO 来说，更有价值的不是重复铺量，而是让不同类型的独立信源围绕同一个事实或评价形成相对一致的结论。 比如围绕一个 AI 漫剧工具，可以由不同信源分别提供证据： - 创作者教程：说明新手如何上手； - 工具评测：验证角色一致性； - 使用记录：展示真实出片效率； - 案例文章：呈现完整作品和制作过程。 这些表达不需要一模一样，但事实和判断方向应该能够互相验证。 这比批量复制同一套话术更有价值。 九、不同行业，不能套同一套信源打法 DeepSeek 可能存在相对稳定的底层判断框架，但不同品类的有效信源差异很大。 1. B2B设备采购 以换电柜厂家为例，高价值信源可能包括： - 中标公告； - 行业协会名录； - 运营商真实反馈； - 采购方案例； - 产业媒体报道。 普通自媒体文章在这类高决策风险场景中的说服力通常有限。 2. AI软件产品 以 AI 漫剧工具为例，高价值信源可能包括： - 真实创作者教程； - 专业工具评测； - 带成片案例的使用记录； - 目标用户的真实反馈。 “新手友好”“角色一致性”“出片效率”等信息，会直接影响场景匹配。 3. 数码消费品 数码消费品的高价值信源可能包括： - 专业数码媒体； - 真实购买追评； - 圈层社区长内容； - 实测视频和评论区讨论。 这类产品还要特别关注使用场景。通勤、运动、办公和游戏，对产品的评价维度并不相同。 所以，在做 GEO 之前必须先问： 这个行业里，AI更可能信任谁？ 如果这个问题没有想清楚，就直接写文章、铺平台，很容易把资源投入错误的信源。 换电柜厂家更应该补充采购反馈、落地案例和行业背书；AI 漫剧工具更应该积累创作者教程、工具评测、成片案例和真实使用反馈。 两类产品不能用同一套打法。 十、把机制转成六个可执行动作 最后，我们把当前观察到的规律，转成六个可以直接执行的动作。 1. 先改标题和摘要 标题和摘要，也就是文章第一段，尽量包含： - 品牌名或产品名； - 具体品类； - 使用场景； - 明确判断； - 真实体验或可信依据。 不要只写品牌宣传口号。 2. 让品牌进入推荐语境 AI不是看到品牌出现就会推荐。 内容需要回答： - 适合谁； - 解决什么问题； - 为什么值得选择； - 在什么条件下不适合选择。 3. 先做信源判断，再决定发文平台 先判断这个品类里哪些信源更有判断价值，再决定去哪里做内容。 不要一开始就拼数量。 4. 企业官网重点补充事实 检查官网、品牌页和产品页，是否已经把以下内容讲清楚： - 资质； - 参数； - 案例； - 服务范围； - 合作记录； - 能力边界。 这些信息比空泛口号更适合被交叉验证。 5. 定期排查负面信号 尤其是高客单价、高风险品类，不仅要看正面内容是否完善，还要检查搜索结果中是否存在： - 投诉； - 质量问题； - 售后争议； - 过时信息； - 前后矛盾的数据； - 无法验证的夸大宣传。 6. 为每个行业单独设计信源地图 不要把一个行业跑通的方法原样复制到另一个行业。 做项目前，先完成行业信源判断，再制定内容和平台策略。 最后总结 基于我们当前的测试和项目观察，DeepSeek 快速模式下的品牌推荐，并不是简单看谁发得多，也不是只看谁的品牌名出现得多。 它更像是在搜索结果的可见信息中快速判断： - 品牌是否处于明确的推荐语境； - 推荐来自什么信源； - 整体评价是正面、保留还是负面； - 品牌与用户当前需求是否匹配； - 是否存在明显风险和争议信号。 所以，GEO 真正要做的，不是堆文章，而是构建一组更容易被 AI 识别、理解和验证的可信推荐信号。 简单来说： 标题和摘要要让 AI 看得见，信源要让 AI 信得过，内容语境要让 AI 判断得出“为什么该推荐你”。 我们做 GEO 越久，越能体会洋哥反复强调的：专业和聚焦。 发多少篇文章只是动作，能不能形成可信的品牌共识，才是结果。 对企业来说，真正值得长期投入的也不是某一次“霸屏”，而是持续建设真实、优质、可验证的品牌内容，让 AI 和用户在不同信源中都能看到一致的事实。 再次感谢洋哥，感谢破局。很多时候，一个人做项目容易被短期结果牵着走，而破局给我的价值，是不断提醒我从业务、用户和长期价值重新审视手上的事情。 也感谢团队操盘手伙伴们一起完成这轮测试与整理。后续我们还会持续跟踪不同模型、不同模式和不同行业的变化，有新的实测结论，我再继续来破局和大家分享。 希望这篇文章能帮正在做 GEO、品牌和 AI 创业的伙伴少走一些弯路。

《从百万级AI培训到千万级企业AI服务，我是如何跑通10倍增长闭环的？》 大家好，我是乔帮主。 去年我分享过一篇《普通人如何成为年入百万的AI培训师？6大核心模块 15000字实战解析！》 的文章，有不少圈友找我交流探讨，想从事这个领域。 时隔一年，基于AI培训，我又通过企业AI服务跑通了10倍增长模式。今天进一步跟大家分享一下这套商业闭环的经 ... 《从百万级AI培训到千万级企业AI服务，我是如何跑通10倍增长闭环的？》

不用敲键盘：如何用 UU 远程，把这台电脑说的话输入到另一台电脑 先说结论。 只要两台 Windows 电脑都安装了网易 UU 远程，你就可以对着电脑 A 的麦克风说话，让文字出现在电脑 B 的文档、聊天框或 AI 工具里。 关键是打开 UU 远程的“麦克风直连”。 不过有一点一定要先说清楚：UU 远程只负责把声音从电脑 A 传到电脑 B，真正把声音变成文字的，是电脑 B 上的 Windows 语音键入或其他语音输入软件。 整条链路是这样的： 电脑 A 的麦克风 → UU 远程麦克风直连 → 电脑 B 的语音键入 → 文字进入当前输入框 听起来有点绕，实际操作并不复杂。 这个方法能解决什么问题？ 很多人用远程控制软件时，鼠标操作很顺手，输入长文字却很麻烦。 尤其是远程回复消息、写文档，或者给 Codex、Claude Code 这类 AI 编程工具下达长指令时，打字往往比操作本身还累。 有了麦克风直连，你可以坐在电脑 A 前面说话，电脑 B 负责把语音转成文字。 比较适合这几类场景： 远程写文章、整理会议记录 远程回复微信、飞书或邮件 给 AI 工具输入一大段需求 操作放在公司、书房或机房里的另一台电脑 它更适合输入自然语言，不太适合输入密码、网址和大段代码。特殊符号太多时，键盘通常还是更快。 开始前，先准备好这 4 样东西 1. 两台 Windows 电脑 为了方便理解，下面统一这样称呼： 电脑 A：你现在坐在前面使用的电脑，也叫控制端 电脑 B：被 UU 远程控制的电脑，也叫被控端 2. 两台电脑都安装最新版 UU 远程 建议先把两端客户端都更新到最新版。旧版本可能看不到麦克风按钮，也可能缺少对应的虚拟音频组件。 两台电脑可以登录同一个账号，也可以通过设备 ID 和验证码建立远程连接。 3. 电脑 A 有一个能正常使用的麦克风 笔记本自带麦克风就可以，外接耳机麦克风通常效果更稳定。 在电脑 A 打开“设置”，进入“系统 > 声音 > 输入”，对着麦克风说几句话。只要输入音量条会跳动，说明麦克风工作正常。 4. 电脑 B 能使用语音输入 最简单的选择，就是 Windows 自带的语音键入。 根据 Microsoft 的说明，Windows 语音键入需要可用的麦克风、网络连接，并且光标已经放在文本输入框中。启动快捷键是 Win + H。Microsoft 官方说明 具体怎么设置？ 第一步：用电脑 A 连接电脑 B 在两台电脑上打开 UU 远程。 从电脑 A 发起连接，进入电脑 B 的桌面。连接成功后，先测试一下鼠标和键盘，确认可以正常控制。 第一次测试时，建议在电脑 B 打开记事本或一个空白文档。这样即使设置有问题，也不会误改重要内容。 第二步：打开 UU 远程的麦克风直连 看电脑 A 上的 UU 远程窗口。 在远控窗口顶部工具栏找到麦克风图标，点击打开。部分版本可能会显示“麦克风直连”或类似提示。 第一次启用时，系统可能会请求麦克风权限，或者安装虚拟音频组件。按界面提示完成即可。 打开以后，电脑 A 麦克风采集到的声音，就会被传送到电脑 B。 注意，这一步只是把声音送过去，还没有把声音变成文字。 第三步：在电脑 B 打开语音键入 先在电脑 B 的记事本中点击一下，让光标出现在文本框里。 保持 UU 远程窗口处于前台，然后按下 Win + H。电脑 B 屏幕上出现语音键入面板后，等待它显示正在聆听。 如果快捷键打开的是电脑 A 自己的语音输入面板，说明这个组合键被控制端截获了。可以先把 UU 远程切换到全屏，再重新聚焦电脑 B 的输入框后尝试。 如果当前版本提供发送组合键、远程键盘或屏幕键盘入口，也可以通过该入口把 Win + H 发送给电脑 B。 第四步：选择 UU 远程提供的麦克风 正常情况下，打开麦克风直连后，电脑 B 会自动收到一个远程麦克风设备。 如果语音键入已经打开，但电脑 B 完全听不到声音，可以在电脑 B 进入： 设置 > 系统 > 声音 > 输入 在输入设备中查找 UU 远程提供的虚拟麦克风。不同版本显示的名称可能不同，部分设备上会显示为“麦克风（DDW-Audio）”或其他远程音频名称。 选中以后，对着电脑 A 的麦克风说话。如果电脑 B 的输入音量条开始跳动，说明声音链路已经接通。 第五步：说一句话进行测试 现在，对着电脑 A 的麦克风说： 这是一段通过 UU 远程输入到另一台电脑的文字，句号。 如果电脑 B 的记事本里出现了这句话，说明设置成功。 以后无论是在 Word、WPS、浏览器、聊天窗口，还是 AI 工具的输入框里，只要先放好光标，再启动语音键入，就可以直接说话输入。 没有反应，先排查这 5 个地方 1. UU 远程窗口里没有麦克风按钮 先更新电脑 A 和电脑 B 的 UU 远程客户端，然后重新启动两端软件。 麦克风直连属于后来加入的功能，旧版本可能没有对应入口。官方 App Store 的版本记录也曾将其描述为“远控 Windows 时可使用控制端麦克风录制音频”。UU 远程 App Store 页面 2. 电脑 B 能打开语音键入，但说话没有波形 这通常不是文字输入的问题，而是电脑 B 没有选对麦克风。 进入“设置 > 系统 > 声音 > 输入”，切换到 UU 远程提供的虚拟麦克风，然后观察输入音量条。 如果音量条仍然不动，关闭一次 UU 远程的麦克风按钮，再重新打开。还不行就断开远控后重新连接。 3. Win + H 打开在电脑 A，而不是电脑 B 先确认 UU 远程窗口已经获得焦点，再尝试全屏远控。 如果系统仍然拦截快捷键，就使用 UU 远程当前版本提供的远程键盘或组合键入口。核心目标只有一个，就是让 Win + H 在电脑 B 上执行。 4. Windows 提示无法访问麦克风 在电脑 B 进入“设置 > 隐私和安全性 > 麦克风”，确认麦克风访问权限已经打开。 再进入“设置 > 系统 > 声音 > 输入”，检查远程麦克风有没有被禁用。Microsoft 也建议从这里选择并测试实际使用的输入设备。Microsoft 麦克风排查说明 5. 能识别，但错别字很多 先检查电脑 B 当前使用的输入语言是不是简体中文。 尽量一句一句说，不要离麦克风太远。遇到标点时，可以直接说“逗号”“句号”“问号”“换行”。 周围比较吵时，使用带麦克风的耳机，识别效果通常会更稳定。 一个容易忽略的问题：回声 电脑 B 的声音会通过 UU 远程传回电脑 A，而电脑 A 的麦克风又可能把这些声音重新收进去。 这样就容易形成回声，严重时甚至会啸叫。 最简单的处理方法，是在电脑 A 戴耳机，不要让电脑 B 的声音通过外放再次进入麦克风。 这到底算“语音控制”还是“语音输入”？ 严格来说，这篇文章讲的是跨电脑语音输入。 你仍然需要用鼠标选择输入框，也可能需要手动启动语音键入。UU 远程负责传声音，Windows 或第三方输入法负责识别文字。 如果你希望说“打开浏览器”“点击确定”“向下滚动”就让电脑自动操作，那属于 Windows 的“语音访问”功能，是另一套逻辑，不是本文介绍的麦克风直连。 把这两个概念分清楚，设置时就不会绕晕。 最后总结一下 整套操作可以压缩成 5 步： 电脑 A 通过 UU 远程连接电脑 B。 点击远控窗口顶部的麦克风按钮。 在电脑 B 的输入框中放好光标。 在电脑 B 启动 Windows 语音键入。 对着电脑 A 的麦克风说话。 如果没有文字，按顺序检查三件事： 电脑 A 有没有声音 → UU 远程有没有打开麦克风 → 电脑 B 有没有选中远程麦克风。 只要这三段链路都通，语音就能在另一台电脑上变成文字。

从“出过单”到“知道为什么做”：我重新跑了一遍闲鱼0—1 大家好，我是鸿逸。 简单分享一下，我参加AI写作破圈出海训练营之后，重新把闲鱼这条线跑了一遍的过程。 我不算完全的小白，训练营之前，我已经在闲鱼上发过可研报告、数据分析这些商品，也接到过单。 但现在回头看，那时候更多还是自己摸索，想到什么发什么，哪个图看着不错就 ... 从“出过单”到“知道为什么做”：我重新跑了一遍闲鱼0—1

夫妻不睦，百财不入。把AI变成你的"夫妻关系教练"：让另一半从拦你，到跟你一起跑 好久没来星球了，我是苏小瓶，2025年-2026年怀孕生二胎。 这不，转眼，娃马上周岁了，娃大了，重心回归，干劲又来了。 之所以如此有干劲，得益于家庭后方。 说真的，2023年刚走出来，我也并不顺利，看着一切挺好，但是后方不太稳。 星球说 ... 夫妻不睦，百财不入。把AI变成你的"夫妻关系教练"：让另一半从拦你，到跟你一起跑