文章内容来自“Silicon Valley Girl”的Youtube视频，本文为核心内容梳理和提炼，如需更多细节内容请观看原视频。

https://www.youtube.com/watch?v=zL2PIa72gJ4

核心观点

• ChatGPT在被喂养决策、截图和文档并进行多轮深度对话时，作为深度思考伙伴效果最佳，而非一行提示词。

• Claude projects和“skills”文件编码了品牌、声音和流程，使团队能够在不增加人手的情况下将产出和收入翻倍。

• 主动式、定时AI智能体（36个工作流、约100个智能体）通过消除启动任务的需要，将AI从20%–30%的生产力提升转变为2倍–10倍。

• 氛围编程打开了一个暂时的财富窗口，Duolingo的国际象棋课程由两名非程序员构建并达到700万日活跃用户即为证明。

• 高级用户的定义是花在构建上下文和流程上的时间，而非工具支出；Perplexity和Granola处理CFO级别的财务和会议运营。

能学到什么

本视频面向创始人、自由职业者、顾问和创作者，帮助他们理解高绩效科技领袖如何真正利用AI来增加收入，而不仅仅是节省时间。内容基于过去一年中进行的50多场创始人和科技领袖访谈，提炼出当被问及“哪款AI工具真正改变了你的工作方式和赚钱方式？”时反复出现的工具。

观众将了解到哪些具体工具在顶级操盘手中占据主导地位、每款工具如何应用于实际业务成果，以及区分“用AI少干活”和“用AI多赚钱”这两类人的底层理念。视频还涵盖了实用框架，如上下文文档、主动式智能体工作流和语音提示。

核心经验是：高级AI用户不是那些在工具上花钱最多的人，而是在单一工具中投入时间最多、不断喂养上下文、添加文件并构建可重复流程的人。

核心主题

视频认为，一小部分AI工具已成为创始人扩展公司和收入的运营支柱。通过引用Young Zhao（Opus Clip CEO）、Mo Gawdat（Google X前首席商务官）、Ali Miller（前亚马逊AI负责人）、Gary Vaynerchuk和Luis von Ahn（Duolingo CEO）等领袖的访谈，视频识别出六款反复出现的工具和趋势：ChatGPT、Claude、design.com、氛围编程、WhisperFlow和Perplexity computer（Granola作为个人补充）。

核心结论是：AI的价值完全取决于如何使用它。正如视频所言：“大多数人用AI来少干活。聪明人用它来多赚钱。”区别不在于工具本身，而在于围绕工具构建的上下文深度和流程。Mo Gawdat对此有精辟论述：“如果你把问题解决外包给AI，AI会让你变蠢。如果你把人类大脑不擅长的部分交给AI……但让AI做那些工作，从而让你去做真正的思考，AI会让你变得前所未有的聪明。”

第二个结论是机会窗口仍然很早。视频指出“我们可能处于实际使用这些工具的人群中不到1%的位置”，并将当下比作十二年前社交媒体的早期阶段。这既创造了生产力优势，也创造了教他人如何采用AI的商业机会。

最后，视频强调AI现在是它“最差的版本”，当下最重要的技能是学会如何正确地与AI沟通——通过上下文、迭代和流程构建，而非一行提示词。

各子话题和案例分析：

主题一：ChatGPT作为思考伙伴

Young Zhao是Opus Clip的CEO——这家AI视频公司在两年半内从零增长到5000万用户和2.15亿美元估值——他将ChatGPT列为首选工具，这让那些以为大公司创始人会运行大量定制智能体的人感到意外。他的推理基于第一性原理：“第一号AI技能实际上应该从第一性原理出发……我认为每个人都应该把AI当作你的思考伙伴，甚至是思想伙伴。”

Zhao将这一方法应用于关键的创始人决策——理解用户、管理团队和定价。他不是咨询教练或资深同行，而是将问题交给ChatGPT或Gemini处理，他将其描述为“一个非常非常资深、非常全能的思考伙伴”。关键在于参与深度：“不要只问一行问题……进行20轮以上的来回沟通。你会通过这些对话获得令人震惊的启发。”

一个具体的习惯由此形成：每月，Zhao让ChatGPT回顾他上个月的重大决策并给出反馈。他输入群组讨论的截图、PRD文档和规格说明，迫使自己记录决策过程。视频总结了回报：“当你不再问ChatGPT一行问题，而是开始喂养它每一个决策、每一张截图、每一份文档时，魔法就开始发生。然后它就变成了那个在错误让你付出代价之前就抓住它的顾问。”

这与Microsoft AI CEO Mustafa Suleyman分享的做法如出一辙，他每天与Copilot讨论自己的决策以及这些决策带给他的感受，这样几个月后同一个对话线程可以提醒他过去的遗憾。视频还指出，ChatGPT在商业决策中因情感支持而受青睐——“它总是那个在任何决策中支持我、理解每一种感受的LLM”——而当需要不那么顺从的回应时，则会使用其他模型。

主题二：Claude Projects和Skills用于团队运营

Claude被呈现为直接让视频自身制作团队收入翻倍的工具。“我的整个团队现在都在Claude projects中工作。一年前同样的制作团队，现在每月产出两倍的内容，这实际上让我们的收入翻了一番。”这一转变发生在与Gyon Caton Ferouge的播客之后，后者与Andrej Karpathy在斯坦福共同创办了AI课程。

在Workera——被描述为“内部大量使用Anthropic产品”——工程师使用Claude Code Max，公司维护着“skills”——定义特定任务如何完成的文件。示例包括招聘流程和品牌指南：“这是我们使用的字体。这是我们的说话方式。这些是你可以使用的配色方案。”以前，构建网站的工程师必须请市场团队审核字体和排版；现在LLM根据维护的代码验证文案和配色方案，减少了沟通开销，释放市场团队进行战略思考。

视频自身的实施涉及为每个社交渠道——LinkedIn、newsletter、YouTube——建立单独的Claude project，每个都加载了创作者的风格、过往节目表现、受众参与话题和采访风格，全部连接到Notion数据库。结果是：“它给我的建议比大多数昂贵的策略师都好。”外部策略师偶尔仍会使用；一位建议了生成引擎优化（GEO），然后Claude构建并执行了整个策略，无需聘请专家。

视频强调这是一个被低估的商业利基：“大多数人仍然不知道这是可能的，这使得帮助他人搭建AI成为一个严重被低估的利基市场。”

主题三：主动式AI智能体和定时工作流

Ali Miller，前亚马逊AI负责人，展示了从被动助手到智能体AI的转变。“两年前，你可以让AI帮你做研究……但现在你使用的AI系统，或多个智能体，可以代表你采取行动。”她将问答式助手“20%到30%的生产力”与委托式智能体工作的“2倍到10倍之间”进行了对比。

Miller运行着“36个主动式工作流和28个主智能体”，每个大约启动两个子智能体——总共约100个智能体。她的指导原则是：“AI能做什么让我不必手动启动的事。”如果一项任务是你每天早上都要问的，“那个询问的过程，不仅仅是任务本身和提示词本身，而是任务应该被自动化。”Claude Co-work、Codex和Claude Code中都提供定时功能，因此工作可以在你睡觉或遛狗时运行。

两个具体例子：周五早上的未回复紧急邮件摘要，按紧急程度排序，附带草拟回复、委派选项和提醒；以及涵盖行业新闻、本地活动和会议启动的早间简报。对于与财富500强CEO或CFO的客户会议，回复一个关键词就会触发智能体为该会议构建素材。

视频还强调了“guidelines”——告诉每个AI你如何写作、如何思考以及绝不要做什么的文件。三份文档完成这项工作：反AI写作风格指南（不用通用措辞、填充词或陈词滥调）、声音档案（语气、节奏、开头、结尾、词汇）和事实档案（关于创作者、工作和受众的经过验证的上下文）。在上传这些之前，“每一份草稿回来都是通用的、非常有AI味。”

主题四：氛围编程作为财富窗口

氛围编程——用自然语言描述你想要什么，让AI写代码——被定位为一种趋势而非单一工具。Gary Vaynerchuk，Facebook、Twitter和Uber的早期投资者，表示：“现在学习氛围编程是一个真正的积累财富的窗口，而这个窗口不会永远敞开。”他描述了通过碎片化创造“超微型财富”的机会，孩子们快速构建产品并取得成功。

Vaynerchuk勾勒了一个具体打法：“如果我失去了我的声誉和个人品牌，但我保留了在社交媒体上制作内容的知识，我会构建一个每月5到50美元的应用，我会在LinkedIn、Twitter、TikTok上制作无限量的自然内容，试图获取客户。”视频用Bill Gurley的观察来强化这一点：无数收费6美元的简单网站每月赚取数万美元，因为消费者行为滞后于技术变革。

Duolingo的CEO Luis von Ahn提供了一个企业级证据。两名员工——既不懂国际象棋也不会编程——用氛围编程构建了Duolingo国际象棋课程的第一个原型。在大约六个月里，他们用AI构建了整个课程体系和应用原型。该课程现在有700万日活跃用户在学习国际象棋。他们的过程是：学习国际象棋、对现有工具做市场调研、下载Cursor、构建棋局谜题、发现AI在谜题方面较弱、用在线谜题数据库训练它、然后迭代移动端原型。

视频指出，这已经在数十亿美元的公司内部由非程序员员工实现，并且随着构建周期的坍缩，品牌成为持久的护城河。

主题五：语音提示和Perplexity用于财务

WhisperFlow，一款安装在所有设备上的语音转文字应用，被描述为前三名的游戏规则改变者。“我不再打字了。我跟电脑说话。我跟手机说话。我跟iPad说话。”这一洞见归功于Ali Miller，即向你的AI抱怨：“你知道说话时抱怨比打字时容易多少吗？因为当我说话时，我自然获得的上下文远比我愿意打字的要多。”这产生的帖子、邮件和草稿听起来更像用户本人，同时节省了时间。

Perplexity computer处理财务运营。每月15号，它从QuickBooks拉取数据并交付完整画面：利润率、预计应缴税款、降低税单的税务策略、同比比较，以及什么在侵蚀利润——“所有这些高级CFO类型的审查。”这取代了按小时收费的会计师。它还执行最初在Claude中构建的投资策略：重仓标普500加上Google、Meta和Microsoft股票，在下跌时进行定投。“Perplexity computer追踪下跌何时发生，并告诉我在那天买入。”

Granola，第二个个人补充，记录、转录并整理每场会议。在重复会议开始时，有一份清晰的后续事项清单——达成了什么共识、各方欠什么。每个团队成员都有文件夹，录音可以上传到Claude并对照该人的KPI运行。“我觉得我的Claude正在变成一个数字COO。”治理规则是：“如果它是重复性的，如果它不是依赖我创造力的工作，我就把它自动化。”

案例参考

案例一：Opus Clip的CEO将ChatGPT用作思想伙伴

背景：Young Zhao领导Opus Clip，这家AI视频公司在2.5年内达到5000万用户和2.15亿美元估值。

事实：他将关键创始人决策通过ChatGPT/Gemini进行20轮以上的来回沟通，并保持每月用AI反馈回顾重大决策的习惯。

意义：证明即使是大规模创始人，也依赖通用LLM作为高级顾问，而非定制智能体集群。

案例二：Duolingo的国际象棋课程由非程序员构建

背景：Duolingo新增了国际象棋课程，尽管CEO最初否决了这个想法，后来被危地马拉教育部长说服。

事实：两名既不懂国际象棋也不会编程的员工在Cursor中用氛围编程在大约六个月内构建了原型；该课程现在有700万日活跃用户。

意义：证明氛围编程使非工程师能够在数十亿美元的公司内部交付重要产品。

案例三：Ali Miller的主动式智能体系统

背景：Ali Miller是前亚马逊AI负责人，她构建了一套个人智能体工作流。

事实：她运行着36个主动式工作流、28个主智能体和总共约100个智能体，包括周五邮件摘要和早间简报。

意义：展示了从被动助手（20%–30%）到委托式智能体工作（2倍–10倍）的生产力飞跃。