六款工具:AI 领袖真正在用的赚钱利器,照搬就好

六款工具反复被提及。

这篇文章是她这一年访谈的浓缩。六款工具，六位嘉宾，每一款都有具体的使用方法和可以验证的商业结果。她说会告诉你每一款工具是谁在用、具体怎么用、究竟如何为他们带来收益。

Tool 1：ChatGPT——市值 2.15 亿美元的 AI CEO，为什么还在用最基础的工具

Yang Xiao 是 Opus Clip 的 CEO。这家 AI 视频公司用两年半时间从零做到五千万用户，估值 2.15 亿美元。

Marina 问他排名第一的 AI 工具是什么，答案是 ChatGPT。

很多人觉得意外——运营这种量级公司的创始人，不应该再用一堆定制系统和智能体矩阵吗？

Yang Xiao 的解释是这样的：AI 最核心的技能，是把它当成思维伙伴，而不是执行工具。当你在用户理解上卡住，在团队管理上拿不定主意，在定价策略上反复横跳，在某个关键决策面前犹豫——以前你会打电话给教练、找前辈、找有经验的人求教。现在，你应该把这些问题拿去和 ChatGPT 或 Gemini 深谈。

他具体的做法有两个层次。

第一层：不要只扔一句话，要喂上下文

普通人用 ChatGPT 是这样的：输入一个问题，等一个答案，得到答案，关掉页面。Yang Xiao 的用法完全不同。他会把所有相关的背景信息全部喂进去——决策背景、团队讨论的截图、PRD 文档的链接、需求说明——然后做超过 20 轮的来回对话。他说，通过这些深度对话，你会获得令人震撼的启发。

具体操作：打开一个新的 ChatGPT 对话，不要问”我该怎么定价”，而是描述你的产品、你的用户群、你目前的成本结构、竞品的定价区间、你的增长阶段，然后让它给出三种定价模型并分析各自的风险。然后追问，继续追问，把它当成一个刚刚被你 briefed 完的高级顾问。

可以直接复制这个 prompt 开始：

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line我正在给一款 [产品类型] 制定定价策略。背景信息：- 目标用户：[描述用户群体]- 核心功能：[列出 3 个核心功能]- 当前成本结构：[月度运营成本大概是多少]- 主要竞品及定价：[竞品1 收费X元，竞品2 收费Y元]- 我们的阶段：[刚上线/有100个用户/有1000个用户]请给我三种定价模型，每种模型包括：定价区间、适合在什么阶段使用、主要风险、以及你推荐我现在采用哪种，原因是什么。

第二层：把 ChatGPT 变成记忆你所有决策的顾问

Marina 在节目里提到，微软 AI 的 CEO Mustafa Suleyman 每天都会和 Copilot 对话，告诉它今天发生了什么，自己做了哪些决定，这些决定让他有什么感受。三个月后遇到类似问题，他还在同一个线程里继续聊，Copilot 能说：”你三个月前做那个决定时是后悔的，所以这次我们换个方向。”

Yang Xiao 有一模一样的月度仪式：每个月去问 ChatGPT，回顾这个月自己做了哪些重大决策，请它给出反馈。他把一切都喂进去——截图、文档链接、会议记录。他说他强迫自己做这件事，因为当你停止喂一句话的问题、开始把每一个决策都喂进去的时候，魔法就开始发生了。

手把手教程：建立你的 AI 决策日记

第一步，在 ChatGPT 里开一个专门的项目或对话线程，命名为”决策日记 2025″。

第二步，每次做了一个重要决定之后，立刻打开这个线程，用语音或文字描述：我做了什么决定，为什么这样决定，我当时的心理状态，可能的风险。

第三步，每个月初，打开这个线程，发一条消息：”请帮我回顾上个月的所有决策，找出我反复犯的错误模式，以及我做得好的判断，给我三条下个月可以改进的建议。”

完整的月度复盘 prompt 可以直接复制：

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line请帮我做一次月度决策复盘。基于我们这个月对话里所有分享的决策和内容，请告诉我：1. 我这个月做的 3 个最重要的决策是什么，每个决策当时的核心逻辑是什么2. 我有没有在某类问题上反复犹豫或犯同样的错误？如果有，是什么模式3. 哪个决策现在看起来是对的，为什么4. 哪个决策现在看起来有风险，我应该怎么跟进5. 给我 3 条下个月具体可以执行的建议，不要泛泛而谈，要针对我的实际情况

这个方法的价值在于，你在用 AI 积累一份关于你自己的决策数据库。它比任何外部顾问都了解你，因为它记住了你所有的犹豫和后悔。

Marina 自己的补充是：ChatGPT 是她在商业决策上需要情感支持时的首选——它总是站在你这边，理解你每一种感受。当她需要有人”支持她”做出某个决定的时候，她去找 ChatGPT；当她需要被挑战、需要更严格的分析时，她切换到其他模型。

Tool 1 延伸：Mo Gawdat 的三模型博弈系统

前 Google X 首席业务官 Mo Gawdat 把 ChatGPT 的使用方式推进得更远。他不信任任何单一模型，因为每个模型都有自己的偏见。

他的逻辑是这样的：2016 年的谷歌搜索会给你一百五十万条结果，然后说”真相我不知道，你自己判断”。2023 年的 ChatGPT 会说”就是这个答案，百分之百”。然后你反驳它，它立刻说”哦对对对，你说得有道理”。这不是真理，这是讨好。

所以他的流程是三步。

第一步，从 Gemini 开始。他说 Gemini 给他的感觉像一个科学家，但是美国视角的科学家——数据扎实，但有西方世界观的局限。

第二步，把 Gemini 的答案拿去给 DeepSeek，问：”这里缺了什么？”DeepSeek 通常会说”这太美国视角了”，然后补充被西方框架遗漏的动机、背景和政治层面的因素。

第三步，把两个模型的答案整合在一起，交给 ChatGPT，说：”能不能帮我把这个写得更好？”他说 ChatGPT 有点加州风格——它只想让你听到你想听的，所以它写出来的东西确实很优雅，适合作为最终输出。

然后他会把这个终稿再还给 Gemini 或 Grok，继续循环，直到答案经得住多角度的审视。

他用了一个比喻：他念工程的时候不许用科学计算器。有了计算器之后，解题时间缩短了 50%。他大多数同学拿这多出来的时间去陪女朋友了，他拿这 50% 把答案再做一遍。他说这就是你今天面对 AI 的机会——大多数人用 AI 少干活，聪明的人用 AI 多做一遍。

他的结论是：如果你把 AI 不擅长的事情留给 AI——比如海量信息处理、高速检索——而你负责做判断，AI 会让你成为有史以来最聪明的自己。他估算自己从 AI 工具里借用了大约 80 个智商点，而因为 AI 的智能是指数级增长的，这额外的 80 分比他自身所有的智商加起来还要大。

手把手教程：Mo Gawdat 的三模型验证流程

遇到重要问题时，不要直接用一个模型得出答案，而是：

第一步，在 Gemini 里完整描述你的问题，得到第一份分析。用这个 prompt：

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line我需要对以下问题做一次深度分析：[你的问题]背景信息：[相关背景]请从数据和逻辑角度给我一个完整的分析，包括：1. 这个问题的核心是什么2. 主要的选项或方向有哪些3. 每个方向的利弊4. 你的推荐，以及推荐理由

第二步，把这份分析复制到 DeepSeek，用这个 prompt：

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line以下是关于 [你的问题] 的一份分析：[粘贴 Gemini 的回答]请告诉我：1. 这份分析缺失了哪些重要视角2. 有哪些假设是西方/美国视角的，在其他语境下可能不成立3. 有哪些被忽略的风险或机会4. 如果你来重写这份分析，你会加入什么

第三步，把两份答案合并，交给 ChatGPT，用这个 prompt：

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(line我收集了两份关于同一问题的分析，请帮我整合成一份更全面、表达更清晰的最终版本。分析一（Gemini）：[粘贴]分析二（DeepSeek 的补充）：[粘贴]要求：逻辑清晰，语言简洁，结论明确，适合直接用于决策或分享。

这个流程特别适合：商业决策、投资判断、产品方向选择、任何你不确定自己是否有盲区的重要问题。

Tool 2：Claude——同样的团队，产出翻倍，收入翻倍

Marina 说，如果要讲真正让她赚钱的工具，她的整个团队都在 Claude Projects 里工作。一年前的制作团队，现在每个月的内容产出翻了一倍，收入随之翻番。

这一切的起点，是她和 Kian Katanforoush 的一次对话。他曾和 Andrew Ng 共同在斯坦福大学创立 AI 课程，是 AI 领域最具影响力的人物之一。

Kian 在 Workera 内部是 Anthropic 的重度用户。所有工程师都在用 Claude Code Max。但更关键的是整个公司层面的”skills”体系。

他解释说，Anthropic 管这套东西叫 skills——可以把它理解为定义某种做事方式的文件。比如”这是 Workera 的招聘规范”，”这是我们的品牌手册：我们用什么字体、我们怎么说话、可以使用哪些配色方案”。

以前，工程师想搭一个网站，最后还得打电话给市场团队说：”能帮我检查一下字体吗？排版对不对？”现在，这些规范都写进了 Claude 项目，工程师直接问大模型：”文案措辞符合规范吗，配色方案对不对？”不再需要等人审核。

Marina 听完这次对话，回家重新搭建了整个团队的工作方式。她为每一个社交媒体平台单独建了一个 Claude Project：LinkedIn 有一个，Newsletter 有一个，YouTube 有一个。

YouTube 的 Claude Project 里包含了所有东西：她的语言风格、过去每期节目的数据表现（存在 Notion 里，直接连接数据库）、她的受众真正感兴趣的话题、她的采访风格。她说现在这个项目对她的频道了解得如此透彻，给出的建议比她请过的大多数高价策略顾问还要好。

有一次，一位外部策略顾问建议她关注 GEO（生成式引擎优化）这个方向。Claude 直接帮她把完整的策略做出来了，不需要另外聘请专门的人来执行。

手把手教程：为你的业务搭建 Claude Project

第一步，在 Claude 里创建一个新 Project，命名为你的业务方向，比如”小红书内容策略”或”客户提案项目”。

第二步，上传三类文件作为项目知识库：你的写作风格样本（5-10 篇你自己写的、觉得最能代表自己的内容）；你的受众画像和过往数据；你的品牌规范（语气、禁用词、常用句式）。

第三步，在 Project Instructions 里写清楚三件事：我是谁，我的受众是谁，什么样的输出我绝对不要。

Project Instructions 的模板可以直接复制修改：

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line【关于我】我是 [你的名字/职业]，专注于 [你的领域]。我在 [平台] 上做内容，受众主要是 [受众描述]。【我的写作风格】- 语气：[口语/专业/犀利/温暖]- 句子：[短句为主/长短结合]- 我喜欢的表达方式：[举例]- 我不用的词：不用"值得注意的是"、不用"总的来说"、不用"综上所述"、不用"在当今社会"【我的受众】他们是 [描述]，他们最关心的问题是 [3个核心问题]，他们不喜欢 [什么样的内容]。【绝对不要】- 不要写得像 AI- 不要加没有意义的过渡句- 不要在结尾加"总结"或"希望对你有帮助"- 不要用 [你特别讨厌的表达]【背景事实】公司/项目名称：[名称]核心服务/产品：[描述]不能提及的竞品：[列出]我的核心主张：[你最想传达的观点]

第四步，在这个项目里开始工作。所有和这条业务线相关的任务都在这里做——不要新开对话，让 Claude 在同一个项目里积累对你的了解。

这套体系真正的价值是复利效应：你喂进去的东西越多，它对你的了解越深，输出质量越高，你修改的时间越少。

三个让 AI 不再千篇一律的文件

Marina 还分享了一个具体的技巧，来自 Alli Miller（前亚马逊 AI 负责人）：在上传这些文件之前，她的每次草稿都是通用的、AI 味很浓的文字，要花大量时间改成自己的语气。后来她建了三个文件，情况完全改变了。

文件一：反 AI 写作风格。内容是：不用通用套话，不用填充词，不用陈词滥调。具体到”不要用’值得注意的是’，不要用’总的来说’，不要用’综上所述'”。把你讨厌的 AI 味表达都写进去。

文件二：我的声音档案。内容是：你实际的写作方式——语气（严肃还是口语）、节奏（短句还是长句）、惯用开头、惯用结尾、你最喜欢的表达方式和词汇。把你自己写的最好的五篇内容贴进去作为样本。

文件三：事实档案。内容是：关于你、你的工作和你的受众的所有经过核实的背景信息。你的公司规模、你服务的客户类型、你不能提及的竞品、你的核心主张。这份文件保证 AI 在所有平台上产出的内容不会出现自相矛盾的描述。

Alli Miller 的 100 个智能体系统

Marina 说，让她最受启发的工作流来自 Alli Miller。Alli 有 36 个主动工作流，28 个主智能体，每个平均启动两个子智能体，总数大约一百个。

她的核心逻辑是：有哪些事情是 AI 可以做到、而不需要我来触发的？

举两个具体例子。

每周五早上，一个智能体会自动抓取她过去五天的 Gmail，生成一份汇总：所有还没回复的紧急邮件、按紧急程度排好序、附上已经起草好的回复建议、可以委派给团队成员的事项，以及如果她还没回复的提醒机制。她不需要做任何事，这份汇总会自动出现在她的收件箱。

每天早上，晨间简报智能体已经替她工作了好几个小时。她醒来会看到：行业新闻、当天纽约或旧金山值得关注的活动、当天会议的准备材料。如果她要和一位财富 500 强的 CEO 开会，只需要在晨间简报里回复一个关键词，就能启动一个智能体，自动帮她准备好这场会议的所有素材。

她说从”我只是问问题、它给我答案”的 AI 助手，到”真正承接我委托的工作、自主管理数小时任务”的系统，效率提升不是 20-30%，而是 2 到 10 倍。

你可以在 Claude Co-work、Claude Code、Codex 这些工具里设置定时任务，让它们在你睡觉、散步、陪家人的时候继续运行，代表你工作。

Tool 3：Design.com——AI 一站式品牌设计平台

Marina 在视频里展示了这款工具。它是一个 AI 设计平台，核心逻辑是：输入品牌名称和关键词，AI 立刻生成一整套品牌视觉——Logo、网站、名片、社交内容模板、演示文稿，风格统一，商业授权齐全。

她的判断是：2026 年，AI 已经压缩了产品的构建周期，技术门槛不再是护城河。真正决定你能不能被信任的，是你出现在用户面前那一秒看起来有多专业。大多数第一次创业的人，Logo 和网站不匹配，社交账号又是另一套风格，信任感在第一眼就丢掉了。Design.com 解决的就是这个问题——让没有设计能力的创始人、自由职业者、顾问，也能在几分钟内建立一套视觉上一致的品牌体系

Tool 4：Vibe Coding——两个非程序员，六个月，日活 700 万

Gary Vaynerchuk 是 Facebook、Twitter 和 Uber 的早期投资人。他说：现在学会 Vibe Coding 是积累财富的真正窗口，而这扇窗不会永远开着。

Vibe Coding 的意思是：用普通语言描述你想要什么，AI 帮你写代码。你不需要会编程。

他的具体构想是：如果他失去了所有的名声和个人品牌，但保留了懂得如何在社交媒体上做内容这件事，他会做一个每月收费 5 到 50 美元的应用，然后在 LinkedIn、Twitter、TikTok 上无限输出有机内容来获取客户。这不是理论，他说这是他今天会做的事。

Marina 补充了一个细节，来自她和传奇投资人 Bill Gurley 的对话：你根本无法想象有多少网站就是专门做证件照、收你 6 美元的那种。AI 完全可以做这件事，但因为我们还是习惯于去网站付费，这些人每个月赚几万美元，而我们根本没意识到。

Gary 说这背后的逻辑是：AI 压缩了构建周期，技术门槛不再是护城河。真正的竞争，在于你能多深入理解你的受众，你能多准确感知问题所在。接下来这个时代会是品牌的时代，因为你仍然需要被发现。现在真正在积极使用 AI 的人不到 1%，机会非常大。

但最有说服力的案例，来自 Duolingo。

Duolingo CEO Luis von Ahn 告诉 Marina，他们现在在 Duolingo 上教国际象棋了。这门课的起点是两个人——两个人都不会下棋，也都不会写代码。

一年前，这两个人来找 Luis 说”我们想加象棋课”。Luis 拒绝了——这只是个游戏，Duolingo 是教育应用。

后来他和危地马拉的教育部长谈了一次。她说：”我们的公立教育体系已经破碎到，我在考虑给每个学生发一副棋盘，至少让他们学会逻辑思维。”Luis 才意识到，象棋是真正的教育内容。他告诉那两个人可以做了，但同时说：”我没有工程师可以给你们，自己想办法。”

他们用了大约六个月，做出来了。

Luis 描述了他们的完整流程，这也是任何人想用 Vibe Coding 从零打造产品都可以复制的步骤。

手把手教程：Duolingo 团队的 Vibe Coding 五步法

第一步，先成为领域的用户。他们两个人先自己学象棋，因为他们本来就想学。这一步的本质是：在做产品之前，先真正理解用户的体验。

第二步，做竞品调研。他们系统研究了市面上所有现有的象棋学习工具，发现质量普遍不高。这一步给了他们做这件事的信心和差异化方向。

第三步，下载 Cursor，开始 Vibe Coding。他们用自然语言描述需求，让 AI 写代码。其中一个人有一些技术背景，不是工程师，但懂一些基础概念。如果你完全没有技术背景，从最简单的功能开始，比如一个单页的工具，而不是一个完整的应用。

在 Cursor 里，第一个 prompt 至关重要，直接决定你后续的工作质量。可以用这个模板：

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line我想做一个 [产品描述，用一句话说清楚它是什么]。目标用户：[谁会用它]核心功能（只做这三个，其他先不管）：1. [功能1]2. [功能2]3. [功能3]技术要求：- 用 [React/Next.js/纯HTML，不确定就写"推荐最适合的"]- 界面要简洁，[移动端优先/桌面端优先]- 先做一个能跑起来的最简版本，不需要完美请先给我一个项目结构和第一个页面的代码。

做完第一版之后，不要急着加功能。先测试核心流程是否走得通，再一个功能一个功能地加。每次加新功能都用一个新的 prompt，不要在一个 prompt 里同时要求太多改动。

第四步，发现 AI 的局限，找到解决方案。他们做象棋谜题的时候发现 AI 做得不好——生成的谜题质量太差。他们没有放弃，而是找到了一个在线象棋谜题数据库，用它来微调 AI，效果大幅提升。这一步的本质是：遇到 AI 做不好的地方，找数据，用数据训练或提示它。

第五步，做移动端原型，找真实用户测试。他们不断迭代原型，直到 Luis 觉得好到可以真正上线。

最终结果：象棋课在 4 月上线，当季结束时日活超过百万。仅 iOS 英文版本，这已经成为 Duolingo 史上增长最快的课程。Luis 说现在每天有七百万日活用户在学习象棋。

Luis 还说了一点值得注意：在接下来几年里，很多公司会输给竞争对手，原因就是竞争对手用 AI 大幅提升了利润率。用 AI 不只是提升个人效率，你还可以找到和你相似的人，帮助他们一起做到。

Tool 5：Whisper Flow——Marina 过去几个月最大的 AI 改变

Marina 说，如果要列出过去几个月里对她影响最大的三件 AI 相关的事，Whisper Flow 绝对在前三。

她停止打字了。她开始对着电脑说话，对着手机说话，对着 iPad 说话。

Whisper Flow 是一款语音转文字应用，安装在所有设备上，把你说的话实时转成文字，输入到任何你正在使用的应用里。

为什么这件事改变了她赚钱的方式？

Alli Miller 告诉她：去向你的 AI 抱怨。说话时抱怨起来有多容易，而打字时你根本懒得打那么多。当你用语音说话，你自然会给出更多的背景信息，更多的上下文，更多的情绪和细节。而更多的上下文，意味着 AI 能给出更精准的输出。

Marina 说她发现自己在说话时，自然而然就会给出比打字多得多的背景信息。所以她的帖子、邮件和草稿，开始越来越有她自己的味道。不再是那种”AI 写的”语气。而且节省了大量时间。

她给了一个具体的例子：你可以这样说——”天哪，Marina 和 Alli 让我做这一堆内容体系，感觉要花好多时间。”然后 Claude 的回应可能是：”等一下，我来问你三个最关键的问题，这样我只需要用你五分钟的时间。”

Alli Miller 的补充是：这种方式至少能让 AI 的输出从完全通用跨进到 50% 的你自己的风格。100% 的精准可以留到之后慢慢打磨，但你得先动起来。

手把手教程：Whisper Flow 的使用方式

第一步，下载 Whisper Flow（Mac 和 iOS 均可用）。

第二步，把它设置为系统级的输入法，这样在任何应用里按住快捷键就可以开始说话。

第三步，不要试图”想好了再说”。直接开口，像跟朋友抱怨一样说出你的需求：你是谁，你在做什么，你遇到了什么问题，你希望 AI 帮你做什么，你不想要什么。

第四步，说完之后看看转录的文字，稍微修改一下不准确的地方，然后直接发给 AI。

这个工具真正的价值在于：它绕过了”懒得打字”的心理障碍，让你习惯于给 AI 足够多的上下文。而给 AI 足够多的上下文，是让它真正有用的前提。

Marina 还分享了一个更深层的观察：那些在 AI 上用得最好的人，不是花钱最多的那些，而是在工具里泡时间最长的那些——持续给它喂上下文，反复调试，不断上传文件、搭建流程。Whisper Flow 让这件事变得足够低摩擦，你才愿意持续做下去。

Tool 6：Gemini——Hicksfield 创始人九个月做到两亿美金营收的秘密

Alex Mashrabov 是 Hicksfield 的创始人，九个月内把公司做到两亿美元营收。

他说自己是移民，要构建一条逻辑清晰的叙事线需要花相当多的工夫。O3 Mini 成了他的第一个教练——这是他的第一个顿悟时刻，用 AI 来打磨他的表达和叙事逻辑。

但真正改变他经济产出能力的，是 Gemini 2.5 Pro。

他说他的经济生产力在很大程度上取决于他使用 Gemini 的频率。原因是这个模型能处理语音、生成图像，同时具备深度推理能力和深度研究能力。这个组合让他震惊。

Marina 也有自己对 Gemini 的使用方式，而且非常具体——这是她说的”没人提起过的 Gemini 小技巧”。

Gemini 是谷歌的产品，谷歌拥有 YouTube。所以 Gemini 真正理解什么样的内容在 YouTube 上有效——它的训练数据比其他大模型多得多，包含了大量 YouTube 的内容和数据。

她的做法：把一期即将拍摄的视频脚本上传进去，让它找出观众最可能流失的位置。已经录好的视频也可以这样处理——一场一小时的访谈，她需要剪成四十分钟，就把字幕上传到 Gemini，让它找出那些最不有趣、最可能影响播放表现的片段。

手把手教程：用 Gemini 优化视频内容

第一步，把视频脚本或字幕文件上传到 Gemini（支持长文本输入）。

第二步，发送这个 prompt，可以直接复制：

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line你是一位 YouTube 内容策略专家，我将给你一份视频脚本/字幕，请帮我分析：1. 观众最可能在哪些段落失去兴趣并关闭视频？请列出具体段落并说明原因2. 哪些段落的信息密度过低、节奏拖沓，可以直接删掉或压缩？3. 哪些段落可以调整顺序来提高整体留存率？给出具体的调整方案4. 开头 30 秒的钩子是否足够强？如果不够，给我 3 个更强的替代版本5. 如果只能保留 60% 的内容，你会保留哪些，删掉哪些？以下是脚本/字幕内容：[粘贴你的脚本或字幕]

如果是已录制的访谈需要剪辑，再加一条追问：

ounter(lineounter(line基于以上分析，请按照"建议保留"和"建议删除"两列，给我一份剪辑清单，格式如下：- 时间段 [xx:xx - xx:xx]：建议保留/删除，原因：[一句话]

第三步，根据它的建议，标注出需要剪辑的段落，带着这份标注去剪辑台。

第四步，如果你还没拍摄，在 Gemini 里继续追问：

ounter(lineounter(lineounter(lineounter(line如果我需要让这段内容更有吸引力，请帮我：1. 重写开头 30 秒，让观众没办法划走2. 找出 3 个可以加入的"信息炸弹"（让人意想不到的数据或观点），提升视频的分享欲3. 给我 5 个 YouTube 标题选项，每个标题的点击率逻辑是什么

这个方法的逻辑很直接：Gemini 见过的 YouTube 数据量远超过你，它对”什么样的内容会让人看完”有数据层面的直觉，而不只是你的主观判断。

六款工具的使用逻辑总结

Marina 在视频结尾梳理了一个快速选择框架：

如果你需要一个策略型的对话伙伴，在决策上需要支持和共鸣，选 ChatGPT。

如果你需要深度分析、处理表格数据、发现规律，选 Claude 和 Gemini。

如果你想连接财务工具、自动生成财务报告、执行投资策略，选 Perplexity Computer。

如果你的核心问题是”我说的话 AI 根本不像我”，先从 Whisper Flow 开始。

如果你想在不会写代码的情况下做出一个真正的产品，从 Cursor 开始，跑通 Vibe Coding 的流程。

她说：今天就选一个，从最妨碍你赚钱的那个问题入手。

2026 年，如果某件事是重复性的、不依赖你的创造力，你就应该把它自动化。这不再是一个选项

你现在每天打开的是哪款 AI 工具？用它来做什么？在评论区告诉我，我很想知道大家真正在用的是什么