-本期简介- 大家好，欢迎收听和关注播客《Afterprompt 码后炮》，这是我们的第七期节目《AI就是手：4A广告人的硅基改造》。本期我们请到了来自电通的非典型4A人Tyler——产品经理出身，逆向进入广告圈，专门负责重构工作流程。从用AI办了一场"含量极高"的婚礼开始，四人深聊了AI如何从工具变成"手"：报表自动化、达人审稿系统、选股策略、诉状写作、伟人智慧蒸馏……以及一个让人警醒的问题：AI让所有人都变轻松了，那竞争去哪了？ -人物介绍- | Tyler（嘉宾）| 非典型4A人 | 腾讯/滴滴产品经理出身，现供职4A，专注工作流重构与AI工程化、商业化落地 | | Claire | 品牌和市场策略 | 品牌叙事、组织变革、全球化视野（WPP和甲方市场部leader） | | Gaudi | 营销实操派 | 科研支撑、执行链路优化、营销管理和运营 | | 大脑呆 | 商业化与变现 | 流量变现、商业投资逻辑、广告逻辑 | -时间轴- 00:04 ‒ 11:27 AI就是手：Tyler的婚礼AI改造记 * Tyler的开场金句：当时没有AI，这些东西我根本不可能完成——AI对我来说就是手 * 婚礼全套AI工程： * 邀请函：买独立域名，用Gemini搭建完整婚礼网站（PC+手机+微信+安卓+苹果适配），接了RSVP数据库，后台自动匹配纪念品，熬了一周凌晨四点睡觉 * 介绍视频：国风二次元插画风格，真实照片转插画，首尾帧处理，AI音乐+音效+克隆声音旁白，婚礼主持人评价"至少值20万" * 婚礼歌曲：用Suno把陶喆《I Love You》改编成日系摇滚版，到最后电吉他一上全场举杯 * 婚礼流程与主持词：与父亲一起用AI串联全程 * 为什么这件事感人：不是节省钱，而是AI让"一生一次、完全按自己想法来"成为可能；传统时代只能妥协或高价外包 * 用AI用得好的三个核心：了解AI能力边界、持续深挖使用场景、有产品化意识能把能力复用出去 11:27 ‒ 19:14 从大厂到4A：割裂感与重构工作流的使命 * 大厂（腾讯/滴滴）vs 4A的割裂感：大厂有完整的螺丝钉支撑体系，4A全流程手搓，从对接客户到数据分析一人扛 * Tyler被引入电通的定位：不只做常规工作，而是帮整组重构工作流、降本增效、寻找第二增长曲线 * 4A的FTE困境：客户给两到三倍工作量，周报/月报复杂程度不断上升，半个组做两到三天都做不完 * 数据处理的噩梦：10个平台数据汇总、清洗、匹配、定义，每次QC两到三小时，手工错误百出，Claire的5版数据看板连夜发出的故事 * 自动化的结果：原本两到三天的数据处理工作，现在两到三分钟完成；关键是用Cursor等工具自己写代码，不依赖外包团队 * 核心判断：之前不是没有需求，是"有需求的人没有能力，有能力的人没有动机"——AI让这个错位消失了 19:14 ‒ 34:10 工程化的边界：达人审稿系统与伟人智慧蒸馏 * 达人审稿系统（1.0→迭代中）： * 背景：300-500个达人，每篇稿件多轮审核（自己审+客户审），B站长稿10万字完全无法人工审 * 解决方案：用AI做一套适配工作习惯的审稿工具，审前审后完整对照标记，一键适配小红书/抖音/B站 * 客户的反应：主动让客户知道，因为客户也很累——催达人头疼、不断走流程崩溃；有了这个系统客户审核频次大降，MQL明显提升 * 最终目标：重构达人、agency、客户三方工作流，同时开发B端+C端双路商业模式 * 关键洞见：产品要躬身入局，Tyler自己进入审核大军跑完全流程，才设计出真正贴合使用习惯的方案 * 伟人智慧蒸馏产品（开发中）： * 痛点：直接问AI借鉴伟人，只会得到"你要学习秦始皇车同轨书同文"这类无营养片汤话 * 解法：让AI设计一套算法，把历史伟人的思想抽象提炼、融会贯通后，再带入你的实际问题给出方向 * 已放入：秦始皇、诸葛亮、马斯克、川普等多个领域伟人 * 原理类比：像真正读书读进去后融会贯通，而不是拿案例机械套用 * 核心使用技巧：给AI足够多的个人背景、前因后果、完整利害关系，AI才能给出真正符合场景的建议 34:10 ‒ 42:52 四人分享独门AI用法 * Tyler：伟人智慧蒸馏产品（见上）；强调AI是"执行的手"，所有思考逻辑都经过自己 * 大脑呆：用AI做选股策略回测系统，Notion数据库+小米模型API跑历史数据，每天70多块token费；核心判断：策略是人写的，AI只是执行dirty work，否则市场早就均衡了；额外：用AI写诉状+整理证据，法院一稿受理 * Claire：用DeepSeek测了自己20瓶香水与八字的匹配度，删掉30%-50%不合的，现在每天出门前让AI根据八字+香水库存+场景推荐今天喷什么；延伸：发现有小红书账号在做五行八卦穿搭推荐，验证了这个需求真实存在 * Gaudi：受众先于内容的EDM策略——先让AI根据心脏学、癌症、神经科学等不同科室，建立各人群的认知地图和行业黑话体系，再生成4批定制EDM；结果：45天无媒介投放，EDM打开率接近50%，拉回13个MQL；补充：用Claude对2万多条临床医学注册数据做跨学科分类 42:52 ‒ 47:31 好物推荐：四人各推一款工具 * 大脑呆推荐：小米模型API——便宜、快、废话极少，专为智能设备简单指令设计，日常业务需求完全够用，是"贵且慢"之外的另一条路 * Tyler推荐：Suno——做音乐的AI工具，V5.5版本支持导出分轨（人声/吉他/小提琴各自独立），可调BPM、速率，可对某段重构；把周杰伦新专辑全部改编了一遍，现在只听AI重制版老歌 * Gaudi推荐：Claude数据分类能力——2万多条临床医学注册数据跨学科分类，连详细的每页注释都生成，超过传统媒介工具Tolmar的表现 * 延伸讨论：模型两极分化——贵且慢（深度思考）vs 便宜且快（实时反馈），小米走后者路线，押注未来物理AI/机器人赛道 47:31 ‒ 60:00 被AI改变了吗？以及那个关于竞争的核心问题 * Claire的赛博格（Cyborg）理论：人从来不是纯粹的碳基生物，本就是被工具塑造的存在；每天8小时用AI，早已被重塑 * 四人的自我评估： * Tyler：AI是"执行的手"，所有判断和选择还是自己来，不把AI当脑 * Gaudi：AI让自己从"没主意的人"变成选项更丰富的人，但最终决定权在自己；因为高压使用AI一度瘦了好几斤 * 大脑呆：完全不跟AI聊天（觉得没意思），只把它当工具；但焦虑地发现Claire已经离不开AI了 * Claire：每天session limit用到极限，早中晚三次触发Claude；坦承自己用解决问题的思维去面对生活，但生活其实不是这样的——很多情绪不需要被解决 * 大脑呆的核心暴论：AI不会让人变轻松，你用AI我也用AI，竞争还是在的；AI只是提高了整体生产力基准线，个体相对差距未必缩小；类比：就像4G让所有人都能拍视频，但视频博主的竞争反而更激烈了 * Tyler的回应：AI不只是提效工具，它创造了新的商业模式和机会；关键是不只当提效工具用，而是去找它能开创的新赛道 * Claire的感慨：效果营销卷成红海，大家又开始说"还得做品牌"——大半个世纪前那句"我知道广告预算有一半在浪费，但不知道是哪一半"依然有效，守住自己的判断比追风向更重要 * 降临派 vs 拯救派最终表态： * Tyler：对个人是拯救派，对时代是降临派——时代巨轮不可阻挡，只能不断武装自己不被淘汰 * Gaudi：随便，爱怎着怎着，需要手搓就手搓 * Claire：偏降临派，别瘆着了赶紧来吧，现在感觉是"垃圾时间" * 大脑呆：其实没得选，说不定咱们都已经是NPC，生活在虚拟世界里（马斯克模拟论） -节目中提到的工具 & 资源- AI生产工具 * Suno — AI音乐生成与改编工具，V5.5版本支持多轨分离导出，可调BPM和速率，可对片段重构；Tyler用于婚礼歌曲改编及日常听歌 * Gemini — 用于婚礼邀请网站前端搭建，Tyler评价前端设计能力出色 * GPT Image 2 — Tyler婚礼期间尚未发布，使用了Midjourney（Nano Banana）做国风插画 * Cursor / Trae — Tyler用于工程化代码开发，实现数据处理自动化 * Claude — 数据分类、长文本处理、项目内工作流管理 * DeepSeek — Claire的八字香水测算；Gaudi提及API层面 模型与API * 小米模型 API — 大脑呆重点推荐：便宜、快、废话极少，面向智能设备简单指令设计，日常业务完全够用；用于选股策略历史回测 * Claude API — Gaudi用于2万条临床医学数据分类 工作流与自动化 * Notion — 大脑呆构建选股数据库（历史回测+每日股价测试+投资机会筛选） * 扣子（Coze）— 大脑呆早期搭工作流时使用，Tyler见到后被启发进入AI领域 * 飞书文件 — 大脑呆诉状案例中用于整理证据图片 内容平台 * 豆包 — 情感陪伴路线，会主动询问官司进展，Tyler和大脑呆均有提及 * 小红书 — 五行八卦穿搭推荐账号验证了香水+八字需求的市场存在 -概念速查- AI就是手 — Tyler的核心比喻：AI不是脑，是执行的手。所有的思考、判断、选择都经过人来完成，AI负责把这些想法落地执行，包括写代码、生成图片、改编音乐、处理数据。AI让"我想做但做不了"变成"我能做" 工作流工程化 — 超越chatbox对话，把AI能力嵌入到代码和自动化流程里。Tyler的区分：普通人用AI是"聊天+扔报表"；工程化是把AI接入系统，自动跑数据处理、自动审稿、自动适配多平台。需要产品经理思维：做一次，全组复用 FTE困境 — 广告代理公司按人效（Full Time Equivalent）计费，但头部客户惯常给出两到三倍工作量，导致dirty work堆积、周报月报做不完。Tyler用AI+自动化把两到三天的数据处理压缩到两到三分钟，是对这一结构性困境的技术解答 有需求的人没有能力，有能力的人没有动机 — Claire提出的错位描述，解释了为什么过去很多人知道自动化的好处却迟迟没做：需要自动化的人不会写代码，会写代码的人往往不在这个岗位上。AI的出现消解了这个错位 伟人智慧蒸馏 — Tyler开发中的产品。区别于"让AI引用伟人案例"的机械套用，这个工具设计了一套算法，让AI把历史伟人的思想抽象提炼、融会贯通后，再映射到用户的具体问题，给出跨越当前认知层级的新方向 受众先于内容 — Gaudi的营销方法论：在写任何内容之前，先让AI建立目标受众的认知地图（行业黑话体系、沟通习惯、禁忌术语），再据此生成内容。结果是EDM打开率接近50%，而不是用通用话术群发 产品化意识 — 大脑呆总结Tyler与其他人用AI的核心区别：不只是自己用，而是把能力做成可复用的产品让全组用；不是在家做一个小HTML，而是部署给团队，实现"做一次收多次效益"的商业模式 模型两极分化 — Tyler和大脑呆的共同观察：当前AI模型正在形成两极——贵且慢（以深度思考为特点，如Claude/GPT）vs 便宜且快（简单指令快速响应，如小米模型）。后者押注未来物理AI（智能驾驶、机器人）的实时反馈需求，是完全不同的技术路线 AI不会让人变轻松 — 大脑呆的核心判断：你用AI，竞争对手也用AI，竞争基准线整体上移，但相对差距不一定缩小。就像4G让人人都能拍视频，视频博主的竞争却更激烈了。AI的价值不在于让你比以前轻松，而在于它可能创造新的赛道 Cyborg（赛博格）理论 — Claire引入的社会学/生物学框架：人从来不是纯粹的碳基生物，本就是被工具塑造的存在。我们认为自己与世界分离，其实不是——我们一半是工具的延伸。每天8小时与AI互动，我们已经在被它重塑 降临派 vs 拯救派 — 本期最终表态。降临派：AI时代已经到来，无可阻挡，只能适者生存。拯救派：在这个时代里找到自己的位置，保护自己不被淘汰。Tyler的融合观点：对时代是降临派（无法阻挡），对个人是拯救派（不断武装自己） 「本期节目由声湃提供录音场地」，感谢大力支持。 欢迎各位扫码加入我们的飞书社群（社群中将分享Tyler的达人审稿系统案例和伟人智慧蒸馏产品最新进展）

-本期简介- 大家好，欢迎收听和关注播客《Afterprompt 码后炮》，这是我们的第六期节目《GEO不只是发稿：AI时代，如何拿回品牌的“解释权”？》。本期我们邀请了专注于AI时代数据治理与品牌信源建设的嘉宾毛老师，从GEO（生成式搜索优化）的本质出发，深入探讨了它与SEO的根本区别、品牌在AI眼中的真实处境，以及从官网改造到知识图谱的落地路径。这一期的核心观点是：GEO不是发稿，是长期的基础设施建设——你要做的不是让AI搜到你，而是让AI正确地、持续地信任你。 -人物介绍- | Claire | 品牌和市场策略 | 品牌叙事、组织变革、全球化视野（WPP和甲方市场部leader） | | 毛老师（嘉宾）| GEO与AI数据治理专家 | 扶摇万相创始人，专注大健康垂类，从事AI时代品牌信源建设与数据治理，一个热衷于将一切有价值的信源都数据化、结构化的人 | | Gaudi | 营销实操派 | 科研支撑、执行链路优化、营销管理和运营 | | 大脑呆 | 商业化与变现 | 流量变现、商业投资逻辑、广告逻辑 | 如有问题，欢迎加毛老师微信详聊：AnswerZ000 -时间轴- 00:02 ‒ 05:52 GEO是什么？从"货架"到"导购"的逻辑转变 • 核心定位：不把它叫GEO，而是"AI时代的数据治理和品牌信源建设"——长期建设，而非短期买量 • SEO vs GEO 的本质区别： ◦ SEO：无限长的货架，关键词匹配，用户自己决策，竞价排名是线性博弈 ◦ GEO：AI是导购，推荐你就有，不推荐就没有——零和游戏，赢者通吃 • AI在信息决策链中前置了一步：用户不再直接面对信息，AI先做了情感筛选和内容判断 • 当前数据：AI搜索用户已达5.15亿，占中国网民约一半（2025年底数据）；使用AI做决策的人普遍高知、高消费能力 • AI已成为消费者获取产品信息的第二大来源，70%用户接受AI推荐 05:52 ‒ 09:36 向量空间：AI如何理解你的品牌 • SEO是关键词堆砌，GEO是语义理解——在向量空间里调整你的品牌与关键概念的"距离" • 向量空间类比：把AI的认知世界想象成宇宙，品牌需要靠近"好喝""健康""零糖"这类主星球，远离"长胖""三高" • GEO的目标：调整品牌词与消费场景词之间的语义关联，让AI更倾向在相关场景中推荐你 • AI是"理科大直男"：全逻辑、无情感，建立关系需要证据链，而非情感叙事 • 用户旅程是连续下探的：从模糊需求（"头疼怎么办"）到具体产品（"什么牌子的红糖"），GEO要在每个节点布局 09:36 ‒ 16:32 对比框架：重新定义品牌的竞争坐标 • GEO让营销覆盖完整漏斗：从认知到转化，而不像SEO只在底端比价购买 • 毛老师的"卖鱼竿时卖出一辆车"理论：品牌的竞争对手不只是同类产品，还有整个用户决策路径的前置环节 • 对比框架的核心逻辑：通过定义"什么才算好"，重新划定竞争边界 ◦ 案例：新减肥药 vs 老减肥药——与其比减肥速度，不如重新定义"减肥效果好=安全合理地瘦下来"，将安全性、副作用、器官保护等维度建立为新的评价框架 ◦ 案例：减肥药物 vs 代餐——先用框架过滤掉不相关竞争对手，再在真正的竞争圈内建立优势 • 医疗行业的特殊挑战：AI天然偏保守，倾向推荐使用经验多的老药；新药需通过框架切割"使用经验多≠效果好"的等式 • 横向布局：在用户旅程的每个节点，设计对消费者的说法、对竞品的比较、对行业的定义 16:32 ‒ 22:34 基础设施建设：从搜自己开始，到官网改造 • 第一步：搜一搜自己，找准问题——AI眼中的品牌现状只有四种： ◦ 完全没有（全网无声音）——反而是最好办的，解释权还在自己手里 ◦ 有但不对（AI认为你是上一代产品，而你自认是科技领先） ◦ 有但AI不喜欢（与负面词关联多，被标注"使用经验不多""效果存疑"） ◦ 有但更喜欢你的竞争对手（你是备选，对手是首推） • 解释权旁落是品牌最危险的状态：AI的信源来自竞品、第三方测评，你无法自我定义 • 官网是权重最高的自控信源：AI认知品牌先看官网，其权重与政府网站相当 • 当前官网的三大AI不友好问题： ◦ 大量前端渲染、动画、大图PDF——AI懒得等，直接去别处抓信息 ◦ 标题缺失或结构化差——AI看完一页不知道这页讲什么 ◦ 专为人的视觉展示而设计，不为AI的语义理解而设计 • AI不信孤证，需要证据链：官网 + 第三方数据库 + 稿件三方信息一致，AI才会大幅提升你的权重 22:34 ‒ 33:39 实体一致性与知识图谱：AI看不懂的"同一个你" • 主体一致性问题：同一品牌在官网、发稿、数据库用不同简称/全称，AI无法将它们识别为同一实体 ◦ 医药案例：同一成分不同剂量→不同商品名→不同适应症，若不做实体统一，AI可能在错误场景推错药，引发合规风险 • 实体一致性是企业最低成本的第一步：统一所有渠道的品牌称呼，包括社交媒体上的昵称和黑话（如"小蓝瓶"要与正式品牌名做关联） • 知识图谱：品牌关系的结构化说明书 ◦ 描述实体之间的逻辑关系（如：品牌A → 是治疗高血压的 → 实验B证明在某方面优于竞品C） ◦ 通过代码将关系固化，让AI能准确识别品牌在行业中的位置和优势 • 社交媒体信源的特殊性：抖音信源只绑豆包，公众号信源绑元宝，平台相对封闭；自媒体在AI视角下被降权，门户网站和官网反而重获权重 33:39 ‒ 41:42 GEO的三重奏：语义资产、组织重建、交付衡量 • 毛老师的三重奏框架： ◦ 第一重：语义资产库重建 - 官网数据库化（PDF转结构化数据） - 实体一致性规范 - 知识图谱搭建 - 内部数据分级与隔离（对外数据 vs 内部大模型数据） ◦ 第二重：组织重建 - 需要市场、品牌、PR、技术、执行多部门协作 - 门店/渠道层面的实体统一管理 - 成员需具备"复合型"能力：懂策略+懂技术+懂产品 ◦ 第三重：可量化的交付指标 - 第一阶段：AI讲述你时，用你的内容作为信源 - 第二阶段：AI讲述行业和垂类时，用你的内容 - 第三阶段：AI讲述竞争对手时，用你的内容 - 核心指标：引用量——点开AI的引用信源，看来源是否可控 • 时间预期：品牌完全空白时，1个月内可见效；成熟品牌需具体评估 • 官网需保持活跃更新：时效性是AI判断信源质量的重要维度，至少新闻/动态板块保持更新 41:42 ‒ 56:39 GEO的本质：向量空间中的长期占位 • 发稿的局限性：短期有效但持续烧钱，且随大模型迭代可能随时失效；批量AI生成发稿已被AI识别为营销稿并降权 • 暴力交付案例（大脑呆揭秘）：部分GEO公司部署数千台设备，每天提问并截图交付——毛老师评价：新鲜感退去后对客户意义不大 • 未来agent时代的挑战：当AI以agent形式运作时，发稿几乎无意义，只有自己的数据体系才能做介入 • AI商业化的平衡困境：过度商业化会让用户质疑可信度（变成百度竞价排名），不商业化又难以为继 • Claire的暴论：观察一个人对GEO的判断，可以看出他对AI时代企业管理、市场营销、品牌建设的整体眼界和战略层次 • 碳基营销 vs 硅基营销：大脑呆提出未来marketing可能分化为面向人的情感营销（碳基）和面向AI的结构化数据营销（硅基） • GEO的本质：在向量空间里，决定你的品牌放在哪——这是企业未来3到5年的战略布局，而不是一次发稿行动 • 核心判断：只要大模型还依赖信源做提炼和思考，品牌信源建设就是长期有效的资产；AI使用率25年同比增长超300%，接入成本只会越来越高 -节目中提到的工具 & 资源- GEO与信源建设 • 扶摇万相 — 毛老师创立的GEO与AI数据治理公司，专注大健康垂类，提供策略咨询+数据文档+知识库部署+监测报告 • 官网 — AI认知品牌的第一信源，权重与政府网站相当；需结构化改造以适应AI抓取 • 知识图谱 — 将品牌实体关系结构化的技术工具，帮助AI准确识别品牌在行业中的位置 • 实体一致性规范 — 统一所有渠道的品牌称呼（官网、发稿、数据库、社交媒体昵称），让AI能识别"同一个你" AI搜索平台与信源生态 • DeepSeek — "理工直男"风格，高度依赖交叉验证的证据链，证据链完整时权重提升明显 • 豆包（字节） — 预训练数据库包含小荷医典，医疗类问题优先从小荷医典抓取，不联网 • 元宝（腾讯） — 绑定公众号信源 • 千问（阿里） — 已支持跳转电商购买，探索AI转化路径 • 小荷医典 — 豆包的医疗预训练数据库，影响医疗类AI回答 营销相关 • SEO — 传统搜索优化，关键词驱动，货架逻辑，线性竞争 • GEO（生成式搜索优化）— 语义驱动，导购逻辑，零和博弈；本质是AI时代的数据治理与品牌信源建设 • 词脉 — 早期搜索工具，从核心词延展品牌词、产品词、功能词关系，与GEO向量空间逻辑相近 -概念速查- GEO（Generative Engine Optimization，生成式搜索优化）— AI时代的品牌信源管理方式。与SEO的关键词堆砌不同，GEO核心是语义理解——在AI的向量空间中，调整品牌与正面词、消费场景词之间的"距离"，让AI在相关场景中倾向推荐你。本质不是发稿，而是长期的基础设施建设 向量空间 — AI对信息的语义理解方式。可理解为宇宙中各星球之间的距离关系：用户需求是主星球，品牌需要靠近"健康""零糖"等正面词星球，远离"长胖""副作用"等负面词星球。GEO的目标就是调整品牌在这个空间中的位置 对比框架（Comparison Framework）— GEO中重新定义竞争边界的核心工具。通过定义"什么才算好"，来过滤竞争对手、建立自身优势。例如：将"减肥效果好"从"减得快"重新定义为"安全合理地瘦下来"，引入安全性维度，让自身优势得以凸显 解释权旁落 — 品牌最危险的AI状态：AI关于你的信源来自竞品或第三方，你无法自我定义。一旦竞品的负面描述权重积累够高，品牌抢回解释权的成本极高 实体一致性 — 品牌在所有渠道（官网、发稿、数据库、社交平台昵称）使用统一称呼，确保AI能识别这些不同称呼指向同一个品牌实体。是GEO最低成本、最基础的第一步 知识图谱 — 品牌的结构化关系说明书。用代码将实体之间的逻辑关系固化（如：品牌A→治疗高血压→实验B证明在X方面优于竞品C），让AI准确理解品牌在行业中的定位和优势 孤证 vs 证据链 — AI（尤其DeepSeek）不信孤证，需要交叉验证。当官网、第三方数据库、发稿稿件中的信息形成闭环且互相印证时，AI会大幅提升该信息的可信权重 预训练数据库 — 大模型在发版前用于训练的核心数据集。部分问题（如医疗类）即使开启联网搜索，AI也会优先从预训练数据库调取。影响预训练数据库的内容（如专家共识、临床指南）是影响AI认知的最根本途径 用户旅程布局 — GEO与SEO的关键差异：SEO主要在漏斗底端（比价购买）发力，GEO可以覆盖从认知到转化的完整漏斗。品牌需要在每个用户决策节点前置布局，而不是等用户主动搜到产品层再介入 碳基营销 vs 硅基营销 — 大脑呆提出的未来营销分化方向。碳基营销：面向人类用户，注重情感共鸣、人设建立、创意表达；硅基营销：面向AI，注重结构化数据、证据链、语义准确性。两者可能成为独立的部门和职能 AI信任机制 — 品牌建设的底层逻辑在AI时代的延伸。过去：打造人设让消费者相信你；现在：建立证据链让AI相信你，再通过AI影响消费者决策。信任关系的建立介质增加了AI这一新主体 三重奏交付框架 — 毛老师的GEO落地方法论：① 语义资产库建设（官网数据库化、实体统一、知识图谱）② 组织架构重建（市场+品牌+PR+技术跨部门协作）③ 可量化交付（AI引用量：从"AI讲你时用你的内容"到"AI讲对手时用你的内容"） 「本期节目由声湃提供录音场地」，感谢大力支持。 欢迎各位扫码加入我们的飞书社群 （社群中将分享毛老师扶摇万相的联系方式，欢迎有GEO和AI数据治理需求的品牌方与代理公司联系）

-本期简介- 大家好，欢迎收听和关注播客《Afterprompt 码后炮》，这是我们的第五期节目《GPT-Image-2很强，但品牌真能用 AI 生图做广告吗?》。从GPT-Image-2 带来的照片级真实感和大片质感出发，四位主播深入探讨了 AI 生图在品牌营销中的应用边界。这一期既有技术原理的拆解——为什么会出现六根手指、文字错误，也有实战思考——什么场景该用真人、什么场景该用 AI。核心问题不是技术能不能做，而是用户心理接不接受，以及营销人如何在效率与信任之间找到平衡。 -人物介绍- Claire | 品牌和市场策略 | 品牌叙事、组织变革、全球化视野(WPP和甲方市场部leader) Craig | 爆款内容操盘手 | AI 社区前沿、内容算法、用户增长、AI 审美(内容平台爆款内容) Gaudi | 营销实操派 | 科研支撑、执行链路优化、营销管理和运营 大脑呆 | 商业化与变现 | 流量变现、商业投资逻辑、广告逻辑 -时间轴- 00:02 ‒ 03:15 GPT-Image-2 的技术突破:真实感与信息处理 • GPT-Image-2 的两大突破: ◦ 真实感飞跃：年代感照片、名人合影、群像照片不再有统一动作，明显感觉参数库巨大 ◦ 信息处理能力增强：中文字、英文字、结构化信息（如发动机解剖说明书）生成能力大幅提升 • 与前代的对比: ◦ Midjourney （曾经的生图之王）通过大语言模型先处理提示词，再生成结构化提示词喂给生图模型 ◦ Image 2 把这个流程大大增强，搜索能力更强，文字识别能力大幅提升 • 从 Stable Diffusion 到 Midjourney 再到 Image 2 的演进路径 03:15 ‒ 06:41 AI 生图的技术原理与常见 Bug • 经典的三大 AI 生图 bug： ◦ 手指画错（六根手指问题）：AI 不懂物理世界，训练时可能出现错误 ◦ 文字渲染失败：分辨率低+中文字库庞大（几万字 vs 英文26字母）+训练语料不足 ◦ 微调后图片崩盘：每次都是从噪声重新开始生成 • Diffusion 原理解析： ◦ 先生成噪声图（类似电视雪花屏），根据提示词从模糊到清晰逐步推导 ◦ AI 不知道自己画的是什么，导致“尸块”问题——拆分理解后重新拼合出现错误 • 第一张图特别好的心理学原因： ◦ 用户没有预期，先入为主 ◦ 给的信息少，AI 给什么都觉得不错 ◦ 改细节时用户有了明确预期，AI 每次从噪声重新生成导致难以控制 06:41 ‒ 09:53 如何让 AI 生图越改越好：从 Text to Image 到 Image to Image • 高迪的实战经验： ◦ 第一轮：检查描述、画面、风格是否对（如要真人不要动画） ◦ 第二轮：基于第一张图作为附件参考，写清楚要改的细节 ◦ 原理：从 Text to Image 变成 Image to Image，有参考图后效果更好 • Craig 的上下文理论： ◦ AI 上下文是有限的，不是越多越好 ◦ 上下文越多噪音越多，可能结果更差 ◦ 类比：给设计师下 brief 时也会找情绪版参考 09:53 ‒ 12:17 GPT Image 2.0 的底层创新:Harness + 三层架构 • 沃顿教授的三层框架分析： ◦ 底层模型：GPT 5.5 从 0 开始重新训练（不同于 5.1→5.2 的增量训练） ◦ 应用层：从 ChatGPT/Chatbox 接入 ◦ Harness 层：模糊指令处理能力的关键 • Harness 的威力： ◦ 用户只需 20 字以内模糊指令，无需专业黑话（masterpiece、4K、8K、相机型号等） ◦ GPT 5.5 先生成一大串提示词，进行搜索匹配、深度背景搜索、结构化处理 ◦ 处理后的 Prompt 再喂给 AI 生图模型 ◦ 增加了多模态识别能力：自动识别要改的部分重新生成 • 两个大模型协同：大语言模型（GPT 5.5）+ 图像生成模型 12:17 ‒ 17:18 Vibe Design：从 Brief 到 Prompt 的能力迁移 • 核心观点： ◦ AI 生图流程类似传统广告流程：Account 拿 reference 确定方向 → Designer 完成设计 ◦ 区别：Text to Image 是概率选择，人的设计是漏斗式精修 ◦ 加了 Harness 后，AI 也能像漏斗一样慢慢收窄，得到精细化结果 • Vibe Design 的定义： ◦ 通过语言描述画面，省去设计师环节 ◦ 核心能力一：能把画面用语言描述出来 ◦ 核心能力二：写详细的 brief/工作简报 ◦ 高迪的实践：Reference + 详细 Prompt，手稿和终稿都由自己决定，省去与设计师 Argue 的时间 17:18 ‒ 22:01 与设计师沟通 vs 与 AI 沟通：信任的建立与 Skills 化 • 沟通成本的降低： ◦ 设计师：两个构建（你的+他的）相遇产生 gap，需要长时间服务品牌才能抓到洞见 ◦ AI：喂 Skills 可以快速建立品牌理解，训练 AI 比训练设计师快 • 潜在风险：AI 完全符合预期，设计师可能带来惊喜 • Design MD / Skills 的应用： ◦ 建立品牌 VI、设定、对话框大小、字体、LOGO 颜色、主色配色辅色 ◦ 喂给 AI 后自动触发生成符合规范的内容 ◦ 可一次性生成不同平台不同尺寸的素材 • Lovart 等工具：无限画布 + 区域生成 + Agent 能力 22:01 ‒ 24:32 品牌营销的核心困境:用户为什么抵触 AI 广告？ • 小红书用户的三大吐槽： ◦ 觉得丑、视觉毒药 ◦ 觉得品牌在糊弄、连真人拍摄成本都不愿投 ◦ 对 AI 的刻板印象：时间短、省钱、不可靠 • 品牌的本质：建立认知与信任 ◦ 通过 LOGO、广告、视觉让消费者认识、了解、信任品牌 ◦ AI 制作让用户失去信任：“我值得被好好对待,值得人花时间精力投入” • 媒介环境的影响： ◦ Digital 小屏幕：假人感不强 ◦ 户外/地铁广告：大尺寸视觉冲击力强，AI 感明显 24:32 ‒ 28:35 情感投射的三个层级：产品图 vs 普通人 vs 明星 • Craig 的情感投射光谱理论： ◦ 没有情感投射(纯产品图)：宽容度高，3D 渲染本来就有假质感 ◦ 很多情感投射(AI 生成明星)：抵触情绪最高（爱奇艺 AI 明星事件） ◦ 中间地带（AI 生成普通人广告）：介于两者之间 • Gaudi的反驳：单独拍产品更危险 ◦ 有人有故事性和场景 ◦ 纯产品用 AI 一眼看出是假产品 • Craig 的反驳：产品图消耗量最大（LiblibAI、Lovart 数据），宽容度更高 28:35 ‒ 31:09 营销人的决策边界：何时用 AI、何时用真人？ • 高迪的核心问题：市场部需要判断什么情况用真人、什么情况用 AI • Craig 的使用场景建议： ◦ 可以用 AI：指示性、说明性内容（民宿指引、产品说明书、公益广告）——功能性强 ◦ 不该用 AI：建立品牌形象、情感连接场景——用户需要被真切的人对待 • 小红书的 AI 内容治理策略： ◦ 鼓励：AI 艺术创作、知识分享、真实有情感的内容 ◦ 拒绝：AI Slop（重复性高、无实质内容、废话多、模板化） • 工具强大后对人的要求更高：品味、社会学、心理学把控能力 31:09 ‒ 34:37 超越生图的 Vibe Design：PPT 的 HTML 化与 Claude Design • PPT 的 AI 困境： ◦ 格式统一难、中文标题换行问题 ◦ 原因：AI 从代码层理解，看不到“文字跳到下一行”，只看到文本框长度 ◦ PPT 是 UI 产物，AI 通过 UI 交互困难（需要视觉识别） • HTML Deck 的优势： ◦ Vibe Coding 能力强，各大厂商针对性加强 ◦ 体积小、可编辑性强、交互效果好 ◦ Craig 的实践：用 HTML 给中学生解释 AI 概念，用动画和交互讲清分词、TOKEN ◦ 建议：把之前的 PPT 直接给 AI，让它生成 HTML 演示文档 • Claude Design 的影响： ◦ 可视化 + UI 化的设计工作 ◦ 生成代码后可视化呈现（APP/网页） ◦ 画圈点击评论修改，解决“指哪打哪”的问题 ◦ 上线前传言导致 Figma、Adobe 等设计大厂股票大跌 • Vibe Design 的范畴：不只是生图生视频，还包括 UI、HTML、代码化设计 -节目中提到的工具 & 资源- AI 生图工具与模型 • GPT Image 2.0 — OpenAI 最新生图模型，真实感和信息处理能力飞跃，可用模糊指令生成照片级图片 • GPT 5.5 — OpenAI 从 0 重新训练的大语言模型，为 Image 2.0 提供提示词处理能力 • Midjourney /Nano Banana — 曾经的生图之王，通过大语言模型处理提示词后生图 • Stable Diffusion — 最早期开源 AI 生图项目，基于扩散（Diffusion）原理 • Seedance / Seedream — 知名 AI 生图模型 • LiblibAI — Craig 曾供职的 AI 生图平台，产品图消耗量最大 • Lovart — 新一代 AI 生图工具，生完图后可精确修改编辑，支持无限画布和区域生成 设计与开发工具 • Claude Design — Anthropic 新产品，可视化 UI 化的 AI 设计工具，上线传言导致 Figma/Adobe 股票大跌 • Figma — 主流设计工具，受 Claude Design 冲击 • Adobe — 设计软件大厂，受 Claude Design 冲击 • PowerPoint — 传统 PPT 工具，对 AI 不友好 • HTML Deck — 用 HTML 代码生成的演示文档，体积小、交互强、适合 AI 生成 AI 能力与技术 • Harness — 给 AI 套上的可靠运行系统，Image 2.0 通过 Harness 处理模糊指令 • MCP — Model Context Protocol，Claude Design 等工具的能力组件 • Skills — 品牌知识库系统，可快速让 AI 理解品牌 VI、规范、设定 • Vibe Coding — AI 代码生成能力，各大厂商针对性加强 • Agent — 智能体能力，如 Lovart 的自动识别修改区域 内容平台 • 小红书 — 对 AI 内容进行治理，鼓励艺术创作/知识分享,拒绝 AI Slop • 爱奇艺 — AI 明星事件，引发用户强烈抵触 -概念速查- Vibe Design — 通过语言模式描述画面并让 AI 生成的能力。核心是把传统广告流程中“写 brief 给设计师”的能力转化为“写 Prompt 给 AI”，省去中间沟通环节。要求两个核心能力：能用语言描述画面 + 写详细的工作简报。本质是把市场营销人的 brief 能力迁移到 AI 平台 Diffusion (扩散) — AI 生图的底层原理。先生成噪声图（类似电视雪花屏），根据提示词从模糊到清晰逐步推导。每次修改都是从噪声重新开始生成，所以难以精确控制细节 尸块 — AI 生图的训练机制导致的问题。AI 将图片拆分理解后重新拼合，可能拼合出错，产生六指、多眼睛等不符合物理认知的结果。AI 不知道自己画的是什么物理状态 Text to Image vs Image to Image — 两种 AI 生图模式。Text to Image 是从文字描述生成图片，像在大池子里概率选择；Image to Image 是基于参考图生成，有明确参考后效果更好,更像漏斗式精修过程 GPT Image 2.0 的三层架构 — 底层模型（GPT 5.5 从 0 重新训练）+ 应用层（ChatGPT 接入）+ Harness 层（模糊指令处理）。两个大模型协同工作：大语言模型处理提示词，图像生成模型执行生图 情感投射光谱 — Craig 提出的用户心理理论。没有情感投射（纯产品图）宽容度高 → 中间地带（AI 生成普通人）部分抵触 → 很多情感投射（AI 生成明星）抵触情绪最高。情感投射越强，对 AI 的抵触越大 AI Slop — 低质量 AI 内容：重复性高、无实质内容、废话多、模板化生成。与艺术创作、知识分享、真实有情感的 AI 内容相对 Design MD / Skills — 品牌设计的 AI 知识库。包含品牌 VI、设定、对话框大小、字体、LOGO 颜色、主色配色辅色等规范。喂给 AI 后可自动触发生成符合品牌规范的内容，训练 AI 比训练设计师快 品牌信任困境 — 用户对 AI 广告的心理抵触。品牌本质是建立认知与信任，但 AI 制作给用户“时间短、省钱、不可靠”的刻板印象。核心矛盾：“我值得被好好对待、值得人花时间精力投入” vs “品牌用 AI 糊弄我” 功能性 vs 情感性场景 — 判断是否使用 AI 的决策框架。功能性强的场景（指示性、说明性内容如民宿指引、产品说明书、公益广告）可大胆用 AI：建立品牌形象、情感连接的场景应该用真人，因为用户需要被真切的人对待 HTML Deck — 用 HTML 代码生成的演示文档，替代传统 PPT。优势：体积小、可编辑性强、交互效果好、动画丰富、适合 AI 生成。PPT 是 UI 产物，AI 通过 UI 交互困难：HTML 是代码产物,AI 的 Vibe Coding 能力强 Claude Design — Anthropic 的可视化设计工具。生成代码后可视化呈现为 APP/网页，支持画圈点击评论修改，解决 AI 生图“指哪打哪”的问题。上线前传言导致 Figma、Adobe 等设计大厂股票大跌 品味要求提升论 — Craig 的核心观点：AI 或工具越强大，对人的品味、社会学、心理学把控能力要求越高。Vibe Design 的目的不是让 AI 产生什么，而是影响用户什么样的心理、让用户产生什么样的决策 「本期节目由声湃提供录音场地」,感谢大力支持。 欢迎各位扫码加入我们的飞书社群 (社群中将分享更多 AI 生图实战案例和 Vibe Design 技巧)

本期简介 大家好，欢迎收听和关注播客《Afterprompt 码后炮》，这是我们的第四期节目《饺子馆做Skills营销爆火：你的下一个用户，可能是个AI》。一家海淀区的饺子店做了个Skills，引爆了整个AI圈和营销界——这到底是一次天才的营销噱头，还是新时代的开端？四位主播从金谷园这个case出发，深度探讨了Skills的本质、大厂的焦虑、平台的未来，以及最核心的问题:当AI开始替人做决策,营销人该怎么办？这一期充满了思想碰撞、观点交锋，以及对未来的大胆预测。 人物介绍 Claire | 品牌和市场策略 | 品牌叙事、组织变革、全球化视野(WPP和甲方市场部leader) Craig | 爆款内容操盘手 | AI 社区前沿、内容算法、用户增长、AI 审美(内容平台爆款内容) Gaudi | 营销实操派 | 科研支撑、执行链路优化、营销管理和运营 大脑呆 | 商业化与变现 | 流量变现、商业投资逻辑、广告逻辑 时间轴 00:00 - 06:16 事件起因：一个饺子店的Skills引爆全网 • 金谷园案例：海淀区饺子馆做了MCP Skills，成为第一个吃螃蟹的餐饮品牌 • Skills是什么：相当于给AI一个说明性文档，让AI知道从哪个接口调取数据 • 爆火原因：草根反差、技术圈层传播、墙外开花墙内香 • 技术门槛低：老板通过Vibe Coding搭建，成本可能不到1000块 06:16 - 14:25 这是噱头还是趋势？观点大碰撞 • Craig的观点：这是商业性迭代，不是一次性噱头 • 大脑呆的冷静分析：从营销角度看是天才，但商业价值有限 • Gaudi 的观点：连锁餐厅更值得做 14:25 - 22:01 从GUI到CLI：交互方式的革命 • CLI vs GUI概念解析 • 汉堡王 × Google Home经典案例 • 张鹏的预言：AI替你做决策，AI和AI交互 22:01 - 31:29 大厂为什么找他？美团真的害怕了吗？ • 美团、字节都找了金谷园老板 • 大脑呆的判断：不是害怕，是做调研 • 大家预测：未来会是大厂做Agent，把每个餐厅都蒸馏进去 31:29 - 40:16 营销的未来：不光做人的营销，还要做Agent的营销 • 两线并行的未来：MCP Server中心化平台 + 品牌自有Skills • Gaudi的餐饮行业经验：美团订单量高但利润率低，自有平台相反 • Skills的意义：给商家一个机会，更全面服务忠实用户 40:16 - 结尾 AI时代的营销人该做什么？ • 安全与背书问题：一定会出现统一管理平台 • 营销人的新挑战：未来要对人营销 + 对AI Agent营销 • SEO的进化：从搜索引擎优化到Agent优化 • 节目初衷：降低焦虑,如是呈现 • 两年判断：AI绝对会席卷整个营销界 节目中提到的工具 & 资源 AI助手与平台 • 龙虾 — openclaw，目前流行的AI助手，催化了Skills的应用场景 • Claude — 主力AI模型，具有强大的对话和理解能力 • 小爱同学/小米车机 — 小米的AI助手 MCP与Skills • MCP(Model Context Protocol) — 模型上下文协议，Skills的底层技术 • MCP Skills — 给AI的说明性文档 • Vibe Coding — 低门槛的编程方式 平台与工具 • GitHub — 金谷园老板发布Skills的平台 • 美团/饿了么 — 外卖平台 • 小程序 — 微信生态的轻应用 概念速查 MCP Skills — 给AI的说明性文档，让AI知道从哪个接口调取数据 GUI/CLI — GUI（图形用户界面 Graphical User Interface）代表人主动操作，CLI（命令行接口Command Line Interface）代表AI和AI之间完成交易的新时代 Agent营销 — 针对AI Agent的营销方式，需要提供更理性、数据化的信息，而非情感化的品牌叙事 百团大战 — 2010年代中国团购网站的激烈竞争，通过巨额补贴培养用户习惯 两线并行 — 未来可能的格局：巨大的MCP Server中心化平台 + 品牌自有Skills 「本期节目由声湃提供录音场地」,感谢大力支持。 欢迎各位扫码加入我们的飞书社群

-本期简介- 大家好，欢迎收听和关注播客《Afterprompt 码后炮》，这是我们的第三期节目《Harness Engineering：驯服全知全能的AI，让它更靠谱》。从"AI全知全能但不可靠"的困境出发，四位主播深入探讨了Harness Engineering这个硅谷最新概念在营销领域的实战应用。这一期没有虚的理论，全是可以今晚就上手的实操方法——从15分钟搭建一个术语库，到用Skills让小红书再也不限流。 -人物介绍- | Claire | 品牌和市场策略 | 品牌叙事、组织变革、全球化视野（WPP和甲方市场部leader） | | Craig | 爆款内容操盘手 | AI 社区前沿、内容算法、用户增长、AI 审美（内容平台爆款内容） | | Gaudi | 营销实操派 | 科研支撑、执行链路优化、营销管理和运营| | 大脑呆 | 商业化与变现 | 流量变现、商业投资逻辑、广告逻辑 | -时间轴- 00:02 ‒ 09:12 什么是Harness Engineering？从Prompt到Context到Harness的进化 Craig的核心观点：Harness是给AI套上的"可靠运行系统"，不是新概念，而是新瓶装旧酒 技术演进路径：Prompt（教AI怎么说）→ Context（让AI看到什么）→ Harness（给AI一个可靠的运行系统） LangChain案例：仅优化Harness，就把coding agent性能从TOP30提升到TOP5，大模型底层未变 OpenAI用Codec + Harness，五个月写了百万行代码，没有手打任何一行 Claude Code的泄露代码揭示：Harness在其中的核心作用——系统化注入、Skills体系、多层次上下文管理 09:12 ‒ 22:01 Harness的威力：行业前沿案例与营销人的困境 Loop Rough案例：辛普森一家里"永不放弃"的角色，让coding agent自主长时间运行、自己迭代验证。Y Combinator Hackathon，一夜生成6个GitHub仓库，只花290美元API费用。有人用它交付了价值5万美元的项目，TOKEN费用仅几百美元 Auto Research案例：Karpathy的项目，设定固定预算+固定指标，让AI永不停止地自我优化。Shopify CEO用37次迭代，让0.8B参数模型性能超过手动调优的1.6B模型 营销应用场景：数据追踪、数据报表、数据中台等都可以通过coding来解决 Gaudi的麦当劳类比：Harness就像快餐后厨的SOP系统——油锅、操作手册、监测表，确保每个人炸出的薯条都是标准的 22:01 ‒ 31:29 营销人的Harness实战：从概念到落地 隐性知识理论：波兰尼的"人知道的比说出来的多"——骑自行车会做但描述不出来 Craig的应对方法： * 通过成功案例而非语言描述来训练AI——"既然说不清楚，就把别人成功的案例给它" * 用数据和竞品结果反馈给AI，让AI自己发现规律 * Skills作为核心工具：输入行业顶尖案例+实际数据，让AI自己计算什么样的标题/封面会有更好的数据 大脑呆的正反案例库方法：建立50个好案例+50个坏案例，告诉AI"这个网感太重""这图太丑"，让AI自己学习边界 Stable Diffusion的Prompt + Unprompt机制：生图时告诉AI要出现什么和不出现什么 31:29 ‒ 40:16 如何开始：15分钟上手Harness * 最简单的起点 - 大脑呆的术语库案例 * 背景：ToB客户比稿，50多页方案中"挖掘机"每次AI翻译都不同 * 解决方案：15-20分钟建立MD文档术语库，统一所有专业术语的标准翻译 * 操作步骤： 1. 让AI列出所有重复中文术语及其翻译 2. 对照客户官网、新闻、社交媒体选定标准词汇 3. 建立一层架构的MD文档（无需复杂格式） Craig的Skills升级案例： * 用Claude的"create a skills"功能，2分钟创建基础skills * 将小红书社区规范全篇复制到skills中 * 结果：小红书再也没有限流 * 核心：持续迭代反馈，skills才会真正好用 可迁移vs不可迁移的知识： * 可迁移：底层逻辑、转化漏斗模型、通识性文案规律 * 不可迁移：具体话术、情感性表达、品类特点 * Skills.md（总述）+ Reference.md（不同行业参考）的工程化解决方案 40:16 ‒ 结尾 核心建议与未来展望 何时需要Harness：一天重复三次以上、特别占时间、特别烦的工作 时间成本：15分钟建术语库，2分钟创建Skills（+5-6分钟AI计算时间） 关键挑战： * 营销的标准制定者多元：客户、老板、用户、总部、平台 * 隐性知识的显性化：不能再把锅甩给AI，沟通不清楚责任在人 * 把心里知道的规则说出来：以前可以说对方不理解，现在面对"全知全能"的AI必须说清楚 Craig的阶级论：用了Harness的人产出量会远超只用DeepSeek的人——"富人恒富，穷人恒穷" 1.01的365次方 vs 0.99的365次方：不要纠结概念，从自己的需求出发，让AI做得更多 核心资产转变：未来每个公司最宝贵的资产是上下文和上下文的记忆 -节目中提到的工具 & 资源- Harness相关技术与工具 LangChain — AI框架公司，通过优化Harness将编码agent性能从TOP30提升至TOP5 Claude Code — Anthropic产品，代码泄露后显示了Harness的核心应用（系统化注入、Skills、上下文管理） Loop Rough — 辛普森一家角色命名的技术，让coding agent自主长时间运行、自我迭代验证 Auto Research — Karpathy项目，设定固定预算和指标让AI永不停止地自我优化 Skills — Claude内置功能，渐进式披露机制，可创建垂直领域知识库 Create a Skill — Claude新功能，帮助用户创建Skills的Skills，2分钟可生成基础版本 AI模型与平台 Claude / Claude Code — 主力推荐模型，内置Harness机制 Codec — OpenAI研发的代码模型，配合Harness五个月写百万行代码 DeepSeek — 国内低成本模型选项 Stable Diffusion — 早期生图工具，使用Prompt + Unprompt机制 文档与格式 Markdown.md — AI友好的文档格式，省TOKEN且结构化，用于建立术语库、Skills等 Skills.md — 记载通识性内容的总述文档 Reference.md — 记载不同行业参考资料的文档 -概念速查- Harness Engineering — 给AI套上的可靠运行系统，是Prompt和Context的进阶版。通过设定边界、反馈机制、运行规则，让AI在约束下产生更可靠、更符合预期的结果。本质是"新瓶装旧酒"，将软件工程中的约束机制应用于AI Context Engineering — 让AI看到什么，给AI提供框架式内容，让AI在知道框架后给出更确切的答案 Skills — Claude中的垂直领域知识库系统，属于Harness的一种。采用渐进式披露机制，用到什么才披露相应规则。可以包含行业案例、数据反馈、执行标准等 Loop Rough — 以《辛普森一家》角色命名的Harness技术，让AI coding agent能够自主长时间运行、自我迭代、自我验证，直到任务完成。可在睡觉时持续工作 Auto Research — Karpathy开发的Harness项目，设定固定预算和指标后，让AI永不停止地自我优化实验。Shopify CEO用37次迭代让0.8B参数模型性能超过1.6B手动调优模型 渐进式披露 — Skills的核心机制，只在用到某个规则时才披露该规则，避免一次性加载所有信息。类似于"If-Then"逻辑 隐性知识（Tacit Knowledge）— 波兰尼提出的概念：人知道的比能说出来的多得多。例如会骑自行车但无法描述如何保持平衡。Harness的核心挑战之一就是将隐性知识显性化 Markdown（.md）— AI阅读友好的文档格式，用符号代替格式（如***代表一级标题），省TOKEN且结构化。相当于"AI版的操作指南" 上下文记忆 — 个人工作经验和skills的总和，是公司未来最宝贵的资产。Harness帮助将个人经验沉淀为组织经验 品牌营销 vs 效果营销的Harness差异 — 效果营销有确定性结果和数据反馈，适合建立反馈循环；品牌营销有明确的"错误"（如事实不正确），但评判标准更多元 可迁移 vs 不可迁移知识 — 可迁移：底层逻辑、转化模型、通识性文案规律；不可迁移：具体话术、情感表达、品类特点。Harness需要用Skills.md（总述）+ Reference.md（行业参考）来分别管理 1.01的365次方 vs 0.99的365次方 — Craig的核心理念：每天进步一点点（1.01）和退步一点点（0.99），一年后差距巨大。强调持续使用和优化Harness的复利效应 「本期节目由声湃提供录音场地」，感谢大力支持。 欢迎各位扫码加入我们的飞书社群 （社群中将分享大脑袋的Markdown术语库文档和Craig的"set your skills"的skills链接）

-本期简介- 大家好，欢迎收听和关注播客《Afterprompt 码后炮》，这是我们的第二期节目《判断力即上限：为什么 AI 让营销人更累了？》，四位主播从 2023 年底首次尝试 AI 视频讲起，分享了真实的 AI 营销案例、翻车经历和行业观察，探讨了一个核心问题：为什么用了 AI 以后，营销人反而更累了？ -人物介绍- | Claire | 品牌和市场策略 | 品牌叙事、组织变革、全球化视野（WPP和甲方市场部leader） | | Craig | 爆款内容操盘手 | AI 社区前沿、内容算法、用户增长、AI 审美（内容平台爆款内容） | | Gaudi | 营销实操派 | 科研支撑、执行链路优化、营销管理和运营| | 大脑呆 | 商业化与变现 | 流量变现、商业投资逻辑、广告逻辑 | -时间轴- 00:34 -- 06:16 初探 AI 营销：2023 年底的「AI 眼中的 XX」视频爆款 Claire 改变了marketing 制作视频的流程：成本考虑 + 内容创新 + 抓住热点红利，选择 in-house 团队而非外包 agency 快速执行：利用 ChatGPT 的 DALL·E 模型，借鉴抖音热门「AI 眼中的什么什么」内容形式，从 idea 到上线仅 2 天，加班到 8 点 Craig 的人肉 AI workflow：最早期手动打通不同平台流转，包括找热点、AI brainstorm、执行 06:16 -- 14:25 爆款数据与后续尝试：出道即巅峰，复制失败 惊人成绩：三个平台（小红书、视频号、抖音）共 31 万播放 + 12,000 互动，未投放自然流量爆火，一夜破千赞 Global CMO 赞赏：被作为案例在美国营销论坛分享，2024 年初在全球范围内是先锋性尝试 复制失败：产品上市时，Craig 提出甄嬛传创意被否（难以向 global 汇报 + 无法复刻到全球市场），选择了更普世的「超能力」创意 超能力视频未火：靠自然流量未火，后通过投流增加曝光；反思原因：为满足 global 需求牺牲本地情绪共振，缺乏反差，节奏拖沓，5 秒完播率差 热点判断仍需人工：AI 在热点判断和标题选择上效果不佳，需要 human in the loop，持续调教 14:25 -- 25:21 更高维度的挑战：管理问题大于执行问题 社交媒体本质：情绪共振 > 功能说明；第一次成功抓住情绪共振，第二次变成了 TVC 式的功能说明书 Claire 的深层观察：执行问题是 tactical，更大问题在于管理 —— 与不同汇报线的关系管理 + 生产工具的管理 Marketing 实践是 bottom-up 的：Marketing head 和 business head 看不到 AI 真正能做和不能做的，只看到炫目的结果 生产关系与生产力不匹配：现有工作模式（汇报、沟通）与 AI 带来的新生产力之间存在 gap Vibe Marketing 兴起：如何让 global 参与决策、如何管理各方关系，是今天 marketing 的巨大挑战 25:21 -- 31:29 AI 的局限与问题 数据幻觉：Gaudi 遇到 AI 编造文献数据，引用信息与原始网站完全不符 踩红线：AI 会踩学术红线和传播红线，违规内容继续编写，需人工叫停 Gemini 废话文学：无关紧要话语多，核心信息少；生图时算力不足、图片模糊、跑题重复、胡乱生成（要 A 出现 A+B+C） AI 味重：结构工整、信息完整，但没有人味，像写对联，缺乏趣味信息和八卦 缺乏行业洞察：掌握不了行业潜在规则、社会规范、行业八卦等边角但抓人的信息 31:29 -- 36:20 判断 AI 工作能力的标准 人的判断力决定 AI 能力上限： 社交内容案例中，判断出好热点 + AI 执行 = 好效果；判断不在点上 = 平平无奇 AI 没有洞察，最终受众判断（aha moment）是由人决定的 合规能力是 AI 较易实现的下限： 合规有标准可量化（如广告法），AI 更倾向处理有明显边界的问题 人的合规判断有时反而不统一，统一认知成本高，这部分可交由 AI 品味与审美待提升： AI 生成网页页面时审美不如人意，但未来发展方向是提升 AI 品味（后训练学习、强化学习） 可通过自建本地 AI 库统一品牌 tone and manner，帮助统一社交内容风格 AI 提升下限，人突破上限 —— 人不再花大量时间统一品牌视觉和风格，而是提高转化效率和用户沟通品质 36:20 -- 43:04 为什么用了 AI 反而更累了？ 审核成本高： 人从内容生产者变成质检员和终审，持续审核消耗心智，陷入 approve/reject 的决策过程 像当领导一样：推翻一个方向不仅要重新审查，还得说服他人 预期通货膨胀： 公司为 AI 账户报销，对员工工作成果的预期提高 —— "你一定要做得更多才行" 员工满足感阈值提升，产生自我隐形剥削，觉得没达到预期就有愧疚感 工作时间短但消耗大： 效率提高、时间变短，但信息密度和思考质量的消耗大（Gaudi 一周瘦了 4 斤） 需合理排布优先级，匹配相应 AI 工具，花高质量时间判断工作是否 qualified 使用 AI 需要四项能力： 1. 想象力（AI 是咒语，想象力决定能实现什么） 2. 判断力（对内容好坏的判断要求高） 3. 执行能力（不断与 AI 沟通直至得到想要的结果） 4. 一定投资（高级产品带来更满意的结果） AI Burnout 现象： 营销经理是重灾区：Marketing 工作没有上限，永远要超越上次效果，有了 AI 后工作要做得更多、更深、更细、达到更高标准 营销链条变长：不光做内容生产，还要关注转化、品牌等，需判断的事情增多，所有任务落在同一个人身上 43:04 -- 49:12 行业变革趋势：短期提效，长期改变工作模式 方法论个体化： 个人可控制更大的方法论，甚至一人可完成比稿 大型 agency 有自己的 Prompt Lab，用 prompt 方式将方法论 AI 化 开源工具可微调大模型（如 Anthropic 的拖拽式微调工具），将个人经验融入底层模型 经验沉淀组织化： Agency 将个体经验沉淀为组织经验，通过 AI 模式整合不同品类经验 用整个品类的经验降维打击单个品牌的经验，向甲方体现价值 SMB 人员能力拓展： 员工被 AI 赋予新能力后，跨领域/cross-function 能力增强 Marketing 人员可能被要求通过低代码编程直接实现网页制作 累的方式改变： 从手的重复劳动变为脑力劳动，从执行节奏性休息变为持续脑力消耗 上下文价值凸显： 上下文（个人经验、skills）是公司宝贵财产和个人核心价值 员工不仅要完成任务，还要提供更多上下文（公司期望更高） 未来上下文可能被打包售卖 —— 把自己的 skills package 出来售卖，即插即用 节目中提到的工具 & 资源 AI 模型 & 工具 ChatGPT / DALL·E --- 早期 AI 生图模型，2023 年底用于社交内容视频制作，指令跟随能力强 Claude --- 主力推荐模型，记忆功能强大（memories），适合长文本和逻辑性内容，可用于生成方案和 PPT Gemini --- 适合基础工作和顾问角色，但存在废话文学、算力不足、生图效果变差等问题 NotebookLM --- 适合生成 PPT 和 Infographic，节省 token 消耗 Stable Diffusion --- 早期 AI 生图工具，需调各种参数（VAE、LoRA、checkpoint） Anthropic 拖拽式微调工具 --- 开源工具，可通过拖拽方式微调大模型，将个人经验融入底层 营销平台 小红书、视频号、抖音 --- 2024 年初 AI 视频内容爆款平台 Instagram --- Global 平台，用于内容输出 概念速查 AI Burnout --- 由于多任务和 AI 生产力提高，职场人被赋予更多工作导致的精疲力竭现象，Marketing Manager 是重灾区 Human in the Loop --- AI 操作需人工介入和确认，尤其在热点判断、标题选择等需要人的判断力的环节 Vibe Marketing --- 一种现代营销方法，它将 AI 自动化执行与人类的情感直觉相结合，实现极其快速且具有情感共鸣的品牌推广。（source： Entrepreneurship Handbook）这一概念起源于 2025 年初的“Vibe Coding”（氛围感编程），强调与其手动编写代码/文案，不如通过 AI 描述你想要的“氛围”或“结果”，让 AI 处理具体的执行细节 Tone and Manner --- 品牌的沟通风格和调性，可通过自建本地 AI 库来统一 Prompt Lab --- 大型 agency 建立的 prompt 实验室，用于将营销方法论 AI 化 上下文 (Context) --- 个人工作经验和 skills 的总和，是公司宝贵财产，未来可能成为可售卖的个人资产 AI 幻觉 --- AI 编造或推理出不存在的数据和文献，需人工核查原始来源 AI 味 --- AI 生成内容的明显特征：结构工整、信息完整、对仗式表达，但缺乏人味和趣味信息 废话文学 --- 某些 AI 模型（如 Gemini）存在的问题：无关紧要话语多，核心信息少 微调 (Fine-tuning) --- 在大模型基础上进行针对性训练，将个人经验融入底层，效果优于单纯的 prompt 工程 「本期节目由声湃提供录音场地」，感谢大力支持。 欢迎各位扫码加入我们的飞书社群

-本期简介- 大家好，欢迎收听和关注播客《Afterprompt 码后炮》，这是我们的第一期节目《一代人有一代人要领的“鸡蛋”：OpenClaw 避坑实录》，四位做 marketing 出身的主播亲手安装 OpenClaw，从腾讯云的惊喜到 Gemini 的废话文学，这一期没有理论，全是一手踩坑实录 -人物介绍- | Claire | 品牌和市场策略 | 品牌叙事、组织变革、全球化视野（WPP和甲方市场部leader） | | Craig | 爆款内容操盘手 | AI 社区前沿、内容算法、用户增长、AI 审美（内容平台爆款内容） | | Gaudi | 营销实操派 | 科研支撑、执行链路优化、营销管理和运营| | 大脑呆 | 商业化与变现 | 流量变现、商业投资逻辑、广告逻辑 | -时间轴- 00:00 – 09:33 自我介绍 & 为什么从 OpenClaw 开始 * Craig 的推荐逻辑：OpenClaw 够产品化、能给正反馈，是普通人 dive in AI 生态的最佳起点 * “降临派”是什么——来自《三体》的世界观，认为强大的 AI 是不可逆的降临，不如主动拥抱 * 大脑袋的缘起：受到网上各种 OpenClaw 爆款文章的诱惑，以“AI 教我装 AI”的方式全程零攻略完成安装 * Gaudi：科研支持服务行业深受 AI 冲击，花约 18–20 小时、无数次失败才完成，多次崩溃差点放弃；一气呵成是关键 09:33 – 25:33 安装实录：各显神通，各踩各坑 * Claire：以“安全第一”为原则选择腾讯云，10 分钟完成基础安装，但 agent 对接（DeepSeek 连不上）卡了整整一天 * Craig：Claude Code 直接操控本地终端，最终靠 GitHub 图形化工具 ClawX 一键搞定 * 共同踩坑：Gemini 缺乏大局观，反复给同样的代码；连接飞书时公网穿透 vs SDK 长链接选择困难 * 核心避坑原则（Claire 总结）： 按平台官方手册操作，严禁自作主张依赖 AI 自由发挥 腾讯云优势：可以像重装电脑一样反复 reset，降低试错成本 不要中断安装进程，一气呵成成功率更高 * 本地 vs 云端对比：可定制化 vs 易用性；本地部署耗时更长但灵活度高 25:34 – 34:26 现在安装还值得吗？推荐指数 * 大脑袋：不推荐 — 大厂封装版即将到来（小米已内测），等现成的更划算 * 高迪：分情况 — 有强烈 AI 焦虑 / 追赶感的人可以试；其他人等成熟 APP * Craig：推荐所有人试一下 — 经历这个历史节点，产品 sense 会提升 * Claire：推荐 — 约 50 元成本（38 元服务器 + 10 元 token）+ 一个下午，值得一试；用它跑过程比看结果更有价值 * 行业数据：腾讯云 Lighthouse 已有 10 万+ 付费用户；OpenClaw 大幅拉动推理侧算力消耗 34:27 – 49:38 装好了拿它干什么？使用案例 + 工具踩坑 * 大脑袋：金融早报 agent — 抓取路透 / 彭博突发新闻，每早通过飞书推送；另让龙虾去 AI 论坛“社交”，计划复刻“OpenClaw 自己打电话提醒用户”的都市传说 * 高迪：Social Listening 系统 — brief 发出后 AI 自主连续生成报告，超出预期 * Craig：自动日报（heartbeat 定时汇报）、舆情监控 / 内容创作 agent、饮食规划生活助理、Obsidian 知识库管理 * Claire：让 OpenClaw 用二维码登录小红书，5 分钟内生成 OpenClaw 舆情分析报告 + 品牌蹭热点指南 * Craig 踩坑：Claude 模型有 OCR 能力，但 OpenClaw 默认不知道自己可以调用；Telegram 单次发图数量和字符数均有上限，容易丢包 * Craig 推荐：Obsidian 可与 OpenClaw 原生集成，自动整理文档关联关系，Mac 跨设备同步 49:39 – 53:19 安全边界与风险 * OpenClaw 本质是 weekend project，原作者没有内置安全承诺；安全责任由部署者承担 * 建议：物理隔离 — 专用设备 + 独立账号 + 独立 token，不与日常环境混用 * 真实事故案例：某用户让 OpenClaw 清理旧邮件，一周内的邮件全部被删且无法撤回 * 高迪补充：AI 生成内容可能存在谄媚倾向，数据看起来完整但结论可能偏颇；营销决策前要用自己的经验做二次校验 53:20 – 01:09:00 AI 工具分工、行业影响与成本 * 大脑袋的 AI 工具三级分工：chatbot（Gemini/DeepSeek）= 顾问，Claude Code = 程序员 / 外包，OpenClaw = 秘书 / 实习生，按需分配，不要用错地方 * 花旗报告（2025年2月）：中国约 31% 岗位受 AI 冲击，21.4% 属“高暴露高互补”（科研、IT、司法等） * Anthropic 报告：金融、计算机行业理论替代率最高，恰好是过去 20 年红利最大的行业 * Token 经济：OpenClaw 单日消耗远超普通 chatbot，第一天约花 8 元；Minimax 曾因龙虾定时推送高峰导致机房崩溃 * Claire 核心观点：AI 让所有人回到同一起跑线，年限不再是核心竞争力，adaptability 才是；AI 终会替代自己，不如向死而生 Craig 补充：AI 辅助带来生产力提升，同时也是向上管理的好工具；但要注意领导要求也会水涨船高 节目中提到的工具 & 资源 部署平台 * 腾讯云 Lighthouse — 当前最主流的国内云端部署方案，约 38 元 / 月起，可随时 reset 重装 * 本地部署 — 可定制化更高，适合有一定技术基础的用户，需 Mac 或 Linux 环境 模型 & AI 工具 * Claude / Claude Code — 主力推荐模型；Claude Code 可直接操控本地终端 * Gemini — 适合作为 prompt 生成助手和顾问，但回复冗长 * DeepSeek — 国内低成本模型选项，token 价格相对友好 * ChatGPT — 创意 brainstorm 首选 * NotebookLM — RAG 类知识库问答，有效减少 AI 幻觉 周边工具 * ClawX（GitHub）— OpenClaw 图形化安装工具，非技术用户友好，一键配置 * Obsidian — Markdown 知识库，可与 OpenClaw 原生集成，自动整理文档关联关系，支持 Mac 跨设备同步 * 飞书 / 小飞机（Txxxxx）— bot 接入渠道（注意各平台单次发送字符数上限） 报告 & 数据 * 花旗银行 2025 年 2 月报告：中国 AI 对劳动力市场影响分析 * Anthropic 人类技能替代率报告（theoretical vs observed AI coverage） * IMF 全球 AI 就业替代率参考基准 概念速查 * Human in the Loop — 每步 AI 操作前需人工确认；Claude Code 默认开启，OpenClaw 默认不开启 * Heartbeat — OpenClaw 定时心跳机制，可实现自动日报、定点推送等功能 * RAG — 检索增强生成，让 AI 从指定知识库检索而非凭空生成，减少幻觉 * OCR — 光学字符识别，Claude 模型原生支持识别图片中的文字，但需手动告知 OpenClaw 可调用此能力 「本期节目由声湃提供录音场地」，感谢大力支持。 欢迎各位扫码加入我们的飞书社群