如何用 AI 征服所有人（完整课程）

如何用 AI 征服所有人（完整课程） 2026 年 7 月 24 日 · 15 分钟阅读 · 查看原文 ↗ AI Claude 营销 广告 用智能体（agent）而不是聊天（chat）的创始人和员工，生产力要高出 5 到 10 倍。取个中间数，7 倍，那么一个工作日就开始产出一整周的工作量。这是我所知道的关于用 AI 构建的一切，从一个两小时的大师课浓缩到一个地方。 第一阶段是聊天。第二阶段是智能体。 聊天是"问题到答案"。你问点什么，它回复，而你还是得自己去做实际的工作。智能体是"目标到结果"。你交给它一个结果，它把它拆成一个计划，执行它，然后交给你一个成品。 把聊天想象成一个出色的顾问——给出的建议确实有用，但之后干活的还是你。智能体是那个同样出色的人，只不过被聘进了公司，端到端地真正把活干完。 聊天仍然有它真实的位置。快速的问题、小的决定、那种交给智能体反而是杀鸡用牛刀的事情，仍然属于聊天。任何算得上真正工作的事——那些过去真的会吃掉你好几个小时的实际产出——都该交给智能体。 在智能体那一步内部，到底发生了什么 交给智能体一个目标，它会在一个循环上跑三个步骤，一遍又一遍，直到任务完成：观察、思考、行动。看清局面，决定下一步，去做，然后再看。 它会一直循环，直到它判定任务确实匹配了你定义的"完成"。如果对"完成"长什么样含糊其辞，结果回来也会是含糊的。跑这个循环的应用叫做智能体套具（agent harness）——claude code、cowork、codex，无论你在用哪个。这些工具没有一个是自己发明这个循环的，这在所有工具里都是同一个底层机制。真正把好结果和坏结果区分开的，是你把跑这个循环的智能体调校得有多好。 三个杠杆控制着这个调校，循环的每一步各一个： → 观察步骤用上下文（context）和技能（skills）来调校 → 思考步骤就是模型本身，那个做决定的大脑 → 行动步骤用工具（tools）来调校 把不同的套具想象成汽车：codex 是一辆法拉利，claude code 是一辆路虎揽胜，还有一个是 G 级越野。只要真正会开车——转向、刹车、油门——你跳上任何一辆都能在几分钟内摸清。一辆把上下文、技能、工具都正确调好的沃尔沃，胜过一辆跑在默认设置上的兰博基尼。 像真正招聘一位员工一样给智能体做入职 想象一下，每月花 $100 雇一个真正出色的陌生人，无限带宽，全天候工作。不管他多聪明，没有三样东西他就毫无用处：理解你的业务、真正干活的工具，以及针对你确切流程的训练。 那就是上下文、工具和技能。把这三样都搞对，你就拥有了你雇过的最好的员工。 上下文：智能体在接到任务之前就应该已经知道的每一样东西 这些内容存在于 markdown 文件里——纯格式化文本，比原始 txt 文件高一级，有标题、项目符号和粗体，但没有更花哨的东西。markdown 之所以重要，恰恰因为它是智能体最容易真正消化的格式。递给它一个 PDF，它得先解包、提取文本。递给它 markdown，它直接读过去，每次都更快更便宜。 最重要的文件是你的 claude.md（在大多数其他套具里叫 agents.md）。这个文件默认自动加载进每一个会话。其他一切——你的"关于我"文档、你的理想客户画像、你的品牌语气、你的产品目录——都放在一个单独的上下文文件夹里，由你的 claude.md 指向它。 实测验证：打开一个完全没有上下文文件的空白文件夹，问"我是谁？"它毫无头绪，甚至都不尝试去猜。加一个指向真实上下文文件夹的 claude.md，问完全相同的问题，它回来时就知道创始人、业务、三个产品、背景，全都知道。 值得刻意对待放进这些文件里的内容。仓促写就的、AI 味十足（ai slop）的上下文文档，会在下游制造真实的问题——一份含混的理想客户画像，如果里面烙进了一个不准确的痛点，会悄悄把每一段营销文案都掰向错误的角度。批准之前，逐行读一遍。 为什么新会话比人们以为的更重要 每个会话都有固定数量的可用空间，把它想象成"脑力"，随着对话变长而逐渐填满。把一个聊天硬推几个小时，就会出现一种叫"上下文腐烂"（context rot）的现象——那条没完没了的 ChatGPT 线程之所以开始幻觉、或者忘记它一小时前说过的话，背后的失效模式就是这个。对话早期信息，随着新信息被塞进来，会实实在在地从顶部掉出去。 修复方法很简单，大多数人却从不这么做：刻意开新会话，而不是活在一个没完没了的线程里。一个构建良好的 claude.md 和上下文文件夹，意味着一个全新会话仍然知道它需要的所有东西，而不必背负一段正在慢慢退化的对话的包袱。 记忆层，以及为什么 ChatGPT"认识你"并不是魔法 在静态上下文文件之上，是一个 memory.md——一份不断增长的日志，记录智能体随时间学到的修正和偏好。告诉它一次"邮件永远以某种方式署名"或者"永远不要写得正式"，它就会被加为一条永久规则，在未来的每一项任务之前被检查。 这确实就是 ChatGPT"那么了解你"背后的同一个机制。它并不是针对你专门训练过，它只是悄悄在后台构建它自己的记忆 markdown 文件，而你看不到、也控制不了。这正是它有时会把无关上下文渗进错误位置的原因——一段私人对话影响了落地页草稿。拥有你自己的记忆文件、放在你自己的文件夹里，就彻底修复了这个问题。 一个小巧但真正有用的小技巧：用 @ 符号直接标记一个文件，它就会直接加载进来，不需要搜索循环，功能上等同于那个文件已经在这个会话里了。 为什么精简的上下文文件真的很重要 在 claude code 里运行 /context 命令，会拉出一个真实的使用量条。一个单个的小任务就已经可能烧掉会话总容量的 6%，而这还没有算上开始时自动加载的所有东西。堆上一百个臃肿的 markdown 文件，任务还没开始，整个窗口的五分之一就没了。保持文件精简、信息密集，而不是铺开。 工具：给你的新员工双手 光有上下文还不能让智能体真正行动。MCP——模型上下文协议（Model Context Protocol）——是坐在智能体和每一个外部工具之间的翻译官。claude 说英语，gmail 说法语，notion 说西班牙语，slack 说中文。没有翻译官，教智能体每一种语言都需要真正的定制开发。MCP 完全去掉了这一步——一个通用翻译官，任何东西都可以通过它连接。 有少数工具真正接近"不可省"： → apify，一个拥有数千个预制爬虫的市场，instagram、linkedin、google maps、reddit，互联网上几乎任何东西都变得触手可及 → firecrawl，是"能搜索网络的智能体"和"能真正读懂某个具体页面、提取品牌元素、跑一次真正的 CRO 审计的智能体"之间的区别 → composio，一座架在每一个独立 MCP 连接之上的桥，连接一次就能跨每一个套具通用，而不是在 claude 里重建一遍同样的连接，再到 codex 里重建一遍，再到别处重建一遍 → chrome devtools 和 playwright，两者都给智能体一个真正的浏览器——起一个全新会话，或者控制一个已经登录的会话，适用于任何没有干净 API 的事，比如发一条 LinkedIn 加好友请求 → higgsfield，图像和视频生成通过一个连接路由，而不是同时应付十几个独立的模型订阅 在安全这件事上，诚实的做法是从只读访问开始——让智能体能看数据但不能动数据——然后随着信任的建立逐步升级权限。真正的风险大多集中在敏感的财务工具和公司 IP 上，而不是日常那些东西。权衡生产力收益和实际风险，刻意做决定，而不是要么彻底避开工具、要么盲目授予全部权限。 技能：教会你的员工你希望事情怎么做 技能（skills）就是给 AI 用的 SOP，跟你交给一个新虚拟助理的那类分步文档一样。没有它，每个会话都从零开始，一遍遍纠正同样的偏好。把那个纠正过程存成技能，它就永远不需要重新教了。 每个技能都是一个文件夹，里面有一个 skill.md 文件，包含三部分：名字、描述、完整内容。名字和描述是默认唯一加载的两部分——把它们想象成书架上的书脊。当一项任务匹配某个技能描述所覆盖的内容时，完整内容才会被拉取并读取——这个机制叫渐进式披露（progressive disclosure），它让数百个技能保持可用，同时又不会让每个会话的起始上下文膨胀。 实测验证，从零构建一个真实技能：连接一个邮件平台的 MCP，然后用平实的自然语言，让智能体找出最近一封未发布的简报，拉取历史主题行的表现数据，并基于过去真正奏效的东西写十个新选项。它交付了十个带排名的选项，识别出了真实的模式——大胆的断言胜过泛泛的选项，堆叠的工具名逊于干净单一的概念。 它提炼出的那些具体模式，本身就很有用，独立于技能之外。把两个工具名挤在一起的主题行始终表现不佳。一句直言不讳的鲜明立场，每次都胜过一句无聊的描述性任务总结。有一条得分惊人地高：一句斩钉截铁的声明，说这家公司拒绝被困在任何一个 AI 工具里——这是一种立场，不是一份功能清单。这种模式，只有真正去看真实的历史表现数据才会浮现，而不是去猜什么听起来聪明。 然后，一条指令——"把这个确切流程构建成一个技能"——从那一刻起它就永久可复用了。 技能很少第一次就完美落地。跑一次，注意到哪里不对，直接在同一个聊天里纠正它，告诉它更新技能，好让这永远不再发生。大多数日常使用的技能，在停止需要调整之前，都经历了五到十轮这样的迭代。 编排器技能（orchestrator skills）——一个技能按顺序调用其他几个技能——是复利最狠的地方。一个 youtube 发布工作流技能，先调用标题技能，再调用缩略图技能，再调用描述技能——一条指令，而不是四条分开的指令。 实测验证，一个编排器技能真实运行的样子：一个叫 ads analyst（广告分析师）的技能，为竞品调研做的正是这件事。只给它一个竞品的广告库链接，它就把下面几个技能串联起来：抓取每一条活跃广告，下载每一个视频和图片素材，找到并截图这些广告指向的每一个落地页，然后把所有这些编译成一份可读的单一报告。 那份最终报告把竞品活动拆解成了真实数字——几十条活跃广告分列视频和图片、正在测试的价格点、运行最久的广告已经上线多久、最新的活动何时启动。在原始数字之外，它还提炼出了真正的战略洞见——标记出某个竞品专门重构了产品的品类，来为一个更高的价格正名，不是靠改变产品，只是靠改变"它被拿来跟什么比较"。 值得对第一遍诚实一点：初始的排版不对，有些板块显示得太大了、太笨重，读起来不舒服。不是接受它，修复简单到就是在同一个聊天里直接说出来，要求把布局改对。这是每个技能都会经历的同一种迭代循环——第一次很少完美，第二次或第三次就始终更好。 一个专门为"做决定"而建、值得一建的技能 一个围绕"更好的决策"构建的单一技能，已经悄悄成为日常轮换里最有用的技能之一。直接问 claude 某件事是不是个好主意，它会为"是"构建一个完美有说服力的案子。反过来问它是不是个坏主意**，它又会为"否"构建一个同样有说服力的案子**。单靠任何一个答案都真的不能信，因为模型只是在附和它被递过去的任何一种框架。 修复方法是同时起几个独立的会话，每个被赋予一个鲜明的人格——一个专门积极找茬的怀疑论者、一个乐观主义者、还有其他几个。它们的答案被匿名打乱，交给一轮扮演同行评审（peer reviewer）的新会话。最后，一个扮演主席的会话，权衡每一份被评审过的答案，交付一份单一的最终裁决。对真实的决策真的有用——是否发布一个功能、接下来优先做什么，任何单个模型的第一直觉不足以单独采信的事。 两层，而不只是一层 到目前为止覆盖的所有东西，都活在个人层面——一个创始人自己的操作系统，单个人更快工作的延伸。把它想象成一条螺栓固定在一个已经很有能力的人身上的机械臂，现在能伸得更远、做得更多。 上面还有第二层：真正的业务基础设施，意在独立于任何一个人的笔记本电脑运行。客户支持不应该活在一个创始人的个人机器上，它需要自己专属的环境，持续运行，可被一个团队访问，而不是单个人。更高级的框架就出现在这里——跑在一台专用机器上，而不是个人笔记本上，构建来全天候自主运行。 好消息是，进入那第二层时，底层原则没有任何变化。同样的上下文、同样的工具、同样的技能，只是跑在"旨在比任何单个人的会话都活得久"的基础设施上。 底下支撑一切的文件夹结构 一切都从一个控股公司式的文件夹里跑出来，叫做 os 文件夹。在它里面，每个主要支柱的子文件夹——业务、品牌、个人类别。在里面，更具体的文件夹——内容、营销、财务、简报。 全局的上下文和技能——不管在做什么都成立的东西，创始人的核心身份、长期原则——放在顶层 claude.md 里。项目特定的上下文放在各个子文件夹内部，叠加在全局文件之上，而不是取代它。用 @ 符号直接标记一个具体文件夹，就能把智能体指向恰好正确的上下文，而无需离开主工作文件夹。 技能遵循同样的切分。有些活在全局，任何地方可用。另一些活在某一个特定项目文件夹里，因为它们在别处真的永远不会被用到。 真实的成本，以及为什么它几乎无关紧要 跑这整套设置，所有工具加起来大概每月 $1,000——不是个小数目，但在功能上，是一个真实员工薪资的零头，换来的却是接近一百个人的产出。 值得诚实地知道：每一个主要 AI 实验室目前都把价格定在远低于真实计算成本之下，大力补贴使用量来抢占市场份额，然后在不得不向盈利推进时，最终需要提价。今天的定价不保证永远不变，而这恰恰是"构建这套系统的真本事"比"这个月哪个具体工具碰巧最便宜"更重要的原因。 让一整家公司都达到那个水平，而不只是一个创始人 自上而下的推广——请专家来访谈每一个部门，替员工构建智能体——听起来高效，通常并不高效。没有任何外部专家能深刻理解每一个角色的每一处细微差别，从而正确地规模化自动化它。 自下而上反而胜出。训练那些已经在干活的人，去构建他们自己的系统。最好的媒介买手教智能体做媒介采买。最好的文案教智能体写文案。这会变成一场招聘冻结、一支杠杆高得多的团队**，而不是裁员**，而且它通过真正的公司文化扩散——构建周、小型竞赛、每周的成果展示会——而不是一道自上而下压下来的命令。 真正的第一步 创建一个文件夹。写一个 claude.md，简短概述你是谁、你做什么。连接两三个工具。花一天时间，尽量在一个智能体会话里跑尽可能多的真实工作日。文件夹结构、深度、技能库，所有这些都会在几个月里复利累积。没有一样需要在第一天就完美，它只需要开始。 几个值得留在手边的快速答案 → 第一个要建的技能：收件箱分流（inbox triage）技能，按计划每天跑三次，在噪音打到你之前就把它切掉 → 最大的初学者错误：太完美主义、太害怕打出第一个提示词，把整件事当成一个处理不当就会坏掉的黑箱 → 当下最被高估的工具：专门的 AI 应用构建器。它们承诺的大部分东西，在一个正确设置的项目文件夹里就同样能做得到，而无需再加一份订阅 → 最被低估的工具：像 composio 这样的桥接层——那种不显眼的基础设施件，一旦真正连上，就悄悄省下最多时间 → 唯一值得永远不完全自动化的事：真实的人类判断，以及任何涉及直接电话销售的事——一场真实对话的信任和察言观色，目前还不具备 → 感受到真实生产力提升的诚实时间线：一旦上下文和几个工具真正连接正确，是几天的事，不是几个月 附言：如果你想要那个为你构建整套系统、访谈你、自动连接你的邮件、日历和文档的确切插件，那就是这门 AI 课程交付的东西。在这里预订席位 → awr-gamut-exploration.vercel.app/self-paced#reserve 带一个 20 人以上团队、需要把这一整套在全公司范围内铺开、而不只是给你自己用？那完全是另一个量级 → awr-gamut-exploration.vercel.app/enterprise remy 标签：# X # AI # Claude # Marketing # Advertising # Growth # MCP # Finance # Linkedin # Thread # Guide # Chatgpt 相关文章 from $0 to $38K in 30 days with a product I could not code a few people asked me to write the whole story. not the tweet version. the real one, with the boring parts. Advertising Marketing AI Claude