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

3000元投入，3个月50 万营收：同城高客单项目复盘 大家好，我是楚中天，目前在做同城高客单。 这次分享的是我在二线城市实际操盘过的一个同城高客单项目。三线四线城市更好复制。 项目前期，我主要通过素人种草和第三方内容分发获取客户，并用AI完成文案改写，通过飞书多维表格和腾讯云文档管理内容、任务和素人。 最终，我用大约3000元的直接现金成本，在3个月内为商家带来了约500名到店客户，商家累计产生约50万元营收，我自己获得了约10万元利润，日常投入时间大约为每天1小时。 这篇文章不会透露具体赛道和商家信息，主要复盘以下内容： 一、我为什么从全国项目转向同城高客单项目？ 二、我筛选同城商家时，重点看哪5个条件？ 三、只收2000元意向金，我是怎么启动项目测试的？ 四、前10条内容爆出百万播放后，我如何判断流量能不能转化成真实到店？ 五、什么是“A种B收”，素人种草为什么不等于简单代发广告？ 六、我如何用AI、飞书多维表格和腾讯云文档，把每天的工作压缩到1小时？ 七、接近200名素人，为什么最后只留下50—60人？ 八、内容、任务、到店和成交，我是怎么追踪和对账的？ 九、500个客户到店以后，我为什么发现原来的收费模式有问题？ 十、两个案例，分别如何通过“A种A收”和“A种B收”完成成交？ 这次分享不只是讲一次项目结果，也会把过程中有效的方法、踩过的坑，以及后续可以继续复用的系统整理出来。 下面是飞书好读版： https://waaii6mimsg.feishu.cn/wiki/IvKEwPVSZixiilk... #项目实操

本周末，30 场线下组局继续开场：9 城同频见面，一起把想法聊成行动。 从 7 月 30 日到 8 月 2 日，全国 9 城将陆续发起 30 场线下组局，其中 11 场已经报满。 这次的主题很集中：WorkBuddy 实操、Codex 应用、AI 短视频、个人 IP、知识变现、FDE 讨论、饭局交流和工厂参访。 每一场都围绕一个具体问题，把正在行动的人聚到一张桌子前。 线上能交换观点，线下更容易建立信任。 两三个小时，见到一屋子同频的人，听真实经验，问具体问题，也许就能认识一个后面能一起做事的伙伴。 全国战报里，武汉、深圳、广州排在前三。 具体每一场已经按区域分成华北、华东、华中、华南、西北。 大家可以在下面的图里找到自己的城市和感兴趣的主题，报名扫海报二维码。 如果你是圈友：想找同城伙伴、听真实案例、解决一个具体问题、给自己的项目找点新机会，这几天可以选一场线下组局来坐坐。 如果你是组局官：你发起的每一场组局，都在帮同城圈友把「线上认识」变成「线下能一起做事」。 后续组局发起ing，最新活动信息关注城市群或官网（AI破局官网） #线下聚会

【我与行动家的故事】从第一次走进企业课堂，到带老板们做出 20 多个业务原型 大家好，我是开心果妈，一个 40+ 二胎宝妈，前 AI 架构师，现在聚焦 AI 智能体和企业 AI 培训。 2025 年 2 月底，我加入了 AI 破局俱乐部。2025 年 7 月底，我又加入了 AI 破局行动家。 过去几个月，我连续参与了三场企业 AI 培训。 第一场在沈阳，现场来了一百多位企业家。我们从老板 IP 和短视频切入，带着很多第一次接触 AI 的企业家完成了自己的视频首秀。线下课程结束后，我们又做了 30 天公益陪跑。 第二场在河南鹤壁，我第一次独立担任主讲，走进一家拥有 200 多家门店的连锁便利企业。培训结束后，这家企业邀请我们继续做 AI 落地陪跑，老板又把我们介绍给了下一家企业。 第三场，我们走进一家拥有 2000 多家门店的连锁便利企业。培训前收回 164 份需求问卷，覆盖 15 个部门；培训现场，各部门负责人做出了 20 多个业务工具和系统原型，并留下了 22 段成果演示视频。 但我想复盘的，不只是这些数字。 我更想讲清楚，这些机会是怎样一步步产生的，一场企业 AI 培训又是怎样从需求调研、课程设计，走到现场共创和结果验证的。 因为真正有价值的学习，不是听过多少课，而是能不能把学到的东西带进真实现场，帮助别人解决问题。 为了增加可读性，欢迎移步飞书文档： https://my.feishu.cn/wiki/F39ewgjQdiqphLkikeAcW5LV...

1500万打造网红品牌梦碎：重资产代工的跨界死局，一家三十年肉制品代工厂的C端折戟复盘，重资产如何寻找柔性生路 我是柳明，专注传统制造企业转型升级咨询。上周的这个时候，我看着屏幕对面传过来的一份长达 60 页的《新国货内容品牌全案》。对面的客户是一位刚接手华东某老牌肉制品代工厂的二代。 三十年历史，数百号工人，给 ... 1500万打造网红品牌梦碎：重资产代工的跨界死局，一家三十年肉制品代工厂的C端折戟复盘，重资产如何寻找柔性生路

我把行者 IP 丢给 腾讯Miora，它直接做了一套品牌视觉系统 用了2年多的行者IP资产，终于进行了升级。 2024 年开始，行者就一直用悟空（寓意行者）这个头像，辨识度是有，但是不像一套能长期延展的 IP 资产 这次使用了Miora（腾讯妙境）的品牌设计全案，让它帮「行者」重新设计一套完整的 IP 品牌视觉系统。 帮我生成了人设、三视图、VI 色调、周边物料等。 这套风格最大的价值是：它把“行者”从一个自媒体账号，往一个可运营的 IP 角色推进了一步。 它会比真人照片更适合在小红书、视频号、社群里传播。 文章地址：https://my.feishu.cn/wiki/KsokwMrGji243OkUpasc83qw...

AI设计学习分享：做作业也能出单，制作图文上架小红书流程心得 大家好，我是鳗鱼儿，15 年装修设计师，也是龙凤胎妈妈。平常自己的学习时间还是有限。除了主业上班，还要接一些装修设计类的副业，最近又加了原创资料教辅（陪娃读书）。所以我每次花时间学习研究新东西时，首先考虑的是做出来的实用价值。 比如这次的AI设计作业，生成 ... AI设计学习分享：做作业也能出单，制作图文上架小红书流程心得