我跟一些朋友聊到 AI 的时候，确实发现很多人有种焦虑感：每天刷到各种 AI 工具的消息——这个有多厉害、那个功能有多炫酷，看得越多越觉得"为什么我工作里 AI 含量还这么低"。我自己倒没那么焦虑，更多是一种说不清的拖延——一直没动力去碰，但也说不上为什么。可能就是嫌复杂、嫌折腾、不知道从哪下手。直到最近一段时间，我感觉 AI 工具已经成熟到一个很顺手的程度，加上我手上正好有一个相对清晰的业务方向（小红书获客）可以直接拿来试，我突然觉得：可以了，是时候必须去做一下了。最近还从刘小排老师的课里学到的一个比喻——AI 是一个巨大的杠杆，但杠杆撬起东西，需要先有一个支点。你的支点，就是你正在做的业务。也就是说，你得先有一件正在做的事，然后再思考怎么让AI替你做这件事。没有支点，再大的杠杆也使不上力。我的支点是：我有教练业务的后端，需要持续在小红书发内容获客。五一假期，我看到一个对标账号——咨询类产品，内容风格清晰，数据也不错。我判断这类内容是完全可以用AI产出的。于是我决定：以这个内容形式为实验，跑一遍，看能做到什么程度。当时正好也看到有人在分享Claude Code结合Obsidian的玩法。我最初的想法只是：把它当知识库用，把平时积累的内容沉淀进去。但是真正上手后发现他能做的事远超想象。
这段时间，我在朋友圈、小红书、各种博主的分享里，陆续看到 Obsidian 结合 AI 的玩法。看到的人多了之后，开始注意到一个共性的画面——有人把 AI 接进自己的知识库，让它接管写小红书、写公众号、做产品分析这些事，原来每天好几个小时的工作压缩成不到一半的时间，效率更高，产出反而更稳。看多了我就动心了，因为这正好是我自己的痛点。五一正好有整块时间，我决定不再拖，直接做掉。为什么选Obsidian，而不是Notion或飞书我考虑过Notion和飞书，最后选Obsidian，主要是几个原因：数据全在我自己电脑上。所有笔记都是 .md 文件，存在我硬盘里，AI 直接读写，不用走云端。一是快，二是踏实——万一哪天哪个平台抽风、改规则、被收购了，我的东西不会跟着一起出问题。纯文本格式，谁都能打开。Markdown 这种格式，文件就是文件，换什么软件都带得走。任何AI工具都可以直接读取写入内容，非常方便。点开就能写。不像那种大而全的办公软件，加载半天，等它转完那点"想记一笔"的冲动早就过去了。Obsidian 是想到什么立马就能写，几乎没有摩擦。插件生态多得离谱。这一点我一开始完全没当回事，后来用着用着才发现：插件才是 Obsidian 最大的惊喜。有几个插件直接改变了我用知识库的方式——后面会专门说。Claude Code → Codex：一次因为钱的切换我最早用的是Claude Code接API，在终端里运行。速度很快，帮我把整个知识库结构搭起来了，小红书工作流的框架也是它搭的。但有一个问题让我很头疼：token消耗完全不可控。只要给它稍微大一点的任务——比如分析几十篇笔记、提炼方法论、批量处理素材——token就会跑得很快。刚开始用的那几天，一天能消耗将近100块钱的API费用。不知道它会跑多少，每次发出去都有点慌，渐渐地就不敢让它做大任务了。后来我切换到Codex，用的是Plus套餐。Codex有每周的使用额度上限，用多少心里有数，不会突然跑出一笔大消耗。切换之后，反而发现 Codex 在很多方面出乎我的意料。它对指令的遵循度比我预想的高，写出来的内容质量也挺好——这次跑出来的两篇爆款笔记，就都是 Codex 写的。整条小红书工作流，最后也是用 Codex 跑起来的。唯一让我不太满意的，是 Codex 的反应速度比 Claude Code 慢一截。同样一个任务——写几篇笔记、批量制图——Codex 跑起来总是要更久，等的过程我总觉得在浪费时间。不是说 Claude Code 就快得不需要等，它也得跑，只是相对来说快一点。两个工具叠用之后，这个差距感受会更明显。后来摸出一个小技巧，挺管用：Codex 在跑任务的时候，我就用 GPT 同时处理别的事——尤其是那些我自己还没想清楚的需求。我先跟 GPT 把这件事的思路梳理一遍，让它帮我把模糊的地方追问清楚，最后让它直接输出一套结构化的方案。等 Codex 那边跑完，我把这套方案直接丢给它，它能一次性按我想要的做出来，不用来回返工。这其实又回到前面那个思路：先把需求表达得无歧义，再丢给 AI 去执行。跟 AI 反复改十遍，不如先花十分钟把需求自己想清楚——这是我跟刘小排老师学到的方法，用得越多越觉得对。三个工具的分工最终定下来的组合是：Obsidian + Claude Code + Codex，三个一起用。Obsidian是知识库的地基。所有素材、草稿、方法论、已发布内容都在这里，文件结构清晰，AI 可以直接读写。这一层不需要花钱，免费版完全够用。Claude Code 和 Codex 是两个执行大脑，分工配合用。我一开始只开了 Codex 的 Plus 套餐，本来以为一周额度足够。结果两天就把额度跑完了——倒不是任务量本身太大，真正烧 token 的是做工具和 Skill 时需求表达不清楚，反复拉扯修改浪费的。最典型的就是那个卡片笔记生成器。一开始我需求没想清楚，把对标账号的图片直接丢给 AI 说"帮我做一个能生成这种东西的工具"，结果它改一版我看不对、再改一版还是不对，几轮下来 token 哗哗地走。后来才意识到——问题不在 AI，是我自己没把要什么说清楚。换了思路：先用 GPT 把需求梳理清楚，再丢给 Codex 去执行，一次就跑通了。这个完整的故事我放在后面"踩过的坑"那一节展开讲。总之那两天额度一断，整个流程就停了，特别难受。额度用完之后，我没法等。流程跑到一半停下来，那种感觉特别难受，必须得有解决方案。第一反应是直接把 Codex 升到 Pro 套餐——额度更大，按理说够用。但我一开始 Plus 用的是别的渠道支付的，没法直接走客户端升级 Pro。那就只能换思路：要不再买一个 Claude Code 的会员？刚好两个工具各有侧重，Codex 慢但执行稳、Claude Code 快且在内容创作上更细腻，叠在一起用反而能各自发挥优势。于是就直接开了 Claude Code 的会员，两个会员同时用。Claude Code 的会员也是有限额的（每周 + 每5小时），但两个工具的额度叠加之后，基本就够了。两个工具分工目前是这样的：
Codex
主要处理非内容创作的事情：知识库的目录整理、笔记归档、Skill 调用、定时任务这些。
Claude Code
主要处理内容创作的事情：写小红书笔记、改稿、生成卡片。我用下来感觉 Claude Code 在内容创作上更有优势，写出来的东西更细腻。分工不是绝对的，有时候哪个手边方便就用哪个。但大方向上「内容找 Claude Code、其他找 Codex」这样分着用，两个会员叠起来基本不会卡住。一个建议：如果你想尝试，建议先使用Codex（客户端界面友好，对小白友好，对环境要求低，性价比高），开个 plus 套餐性价比更高。跑一段时间再决定要不要加 Claude Code（对环境要求高，封号严重，使用成本比 codex 高不少）。
第一步：安装 Obsidian去 obsidian.md 下载安装包，支持 Mac 和 Windows，双击安装。打开之后点➕「新建文件夹」，选一个你电脑上的文件夹位置新建一个比如“XX的知识库”。这个文件夹就是你以后所有笔记、素材、草稿的家，AI 也会在这里工作。第二步：安装 Codex（或 Claude Code）推荐先从 Codex 桌面客户端开始，比终端友好。去官网下载：openai.com/codex，双击安装，登录你的 ChatGPT 账号即可（需要充值渠道可以私聊）。第三步：把 Obsidian 中刚才新建的文件夹路径告诉它这一步很关键，但是很简单用 Codex 客户端，直接把Obsidian中创建的仓库的路径复制给 Codex，跟它说"这是你的知识库"他就能读取到了，它就会自动去读取这个目录下的内容。操作文件时它都会弹一个权限确认——记得点"允许"。给完权限之后，它才能真正读写你的知识库文件，否则会一直卡在那里。第四步：装笔记同步助手（解决素材输入问题）工具装好之后，紧接着要解决一个问题：怎么把日常看到的好内容快速收进知识库。这一步我推荐装一个叫笔记同步助手的工具（bijitongbu.site）。装完之后，你会有一个专属的微信联系人。遇到任何想保存的内容，直接转发给它：微信文章、聊天记录——直接同步成文字小红书笔记——图片里的正文自动 OCR 提取小红书视频——字幕自动提取网页链接——正文抓取这个工具支持几乎所有的主流平台的内容抓取，大家可以自己去探索一下。内容会落进 Obsidian 的临时目录里，等你后面让 AI 自动归档。为什么这一步重要？因为后面整套系统跑得好不好，取决于你喂给 AI 的素材有多丰富。收集的摩擦越小，你越愿意收，素材库越厚，AI 写出来的东西越准。这个工具就是把"看到→想保存→真的存下来"这条路径的摩擦降到几乎为零。
第二阶段：让 AI 学习你
工具装好了，但 AI 现在还不认识你。这一阶段要做的事情，是让 AI 知道你是谁、在做什么、知识库长什么样。第五步：让 AI 帮你搭出知识库目录结构很多人卡在这一步，因为不知道目录怎么分、文件夹怎么命名。其实不需要自己硬想——直接让 AI 帮你搭就行。打开 Codex 或 Claude Code，完整地把你自己介绍给它：你是谁、做什么工作或业务、平时有哪些事情需要处理、希望这个知识库帮你管理哪些方面。介绍得越清楚，它给出来的结构就越贴你的实际需要。介绍完，让它根据这些信息帮你设计一套知识库的目录结构，并且直接在你的 Obsidian 仓库里建出来。它搭出来的初稿不一定完全对，但没关系——你可以在它的基础上改，也可以完全推翻自己重搭，怎么顺手怎么来。结构是用出来的，不是设计出来的。用的过程中也不要追求一次到位。发现某类内容没地方放，就让 AI 加个目录；某些目录一直没用上，就让它合并掉。慢慢就稳定了。第六步：写 CLAUDE.mdCLAUDE.md 是放在知识库根目录的一个文件，AI 每次启动都会自动读取。它相当于你交给 AI 的入职手册——你是谁、做什么业务、知识库怎么用、有哪些规则不能违反，都写在里面。里面大致包含这几块：你的背景介绍、协作原则（比如中文优先、用中文标点等）、行为约束（哪些操作必须经你确认）、知识库的目录索引、常用 Skill 的调用说明。不知道怎么写？两个办法：参考别人现成的写法，照葫芦画瓢一份初版。比如：dontbesilent 的 CLAUDE.md然后在别人的基础上——直接把你的情况告诉 Codex / Claude Code，让它帮你生成一份。你只要把"你是谁、做什么、有哪些习惯和规则"说清楚就行。CLAUDE.md 是边用边长出来的。AI 犯什么错，你就把对应的规则加进去；AI 表现好的地方，也可以让它把好的标准写进去。用一段时间，它自然就完整了。不用追求第一版完美，先有再好。
第三阶段：把重复动作沉淀成 Skill
这一步是这套系统里最值钱的部分。前面装工具、搭目录、写 CLAUDE.md 是把"地基"打好；Skill 是真正让你日常省力的东西。Skill 是什么？你可以把它理解成一份菜谱。你把某件经常做的事情，提前写清楚：这件事叫什么、什么时候做、按什么步骤做、最后端出来是什么样子。下次只要说一声"做这个"，AI 就照着菜谱一步步做完，不用你再讲第二遍。举我自己的例子：我有个 Skill 叫"生成卡片笔记"。我只要说这五个字，AI 就自动去读草稿、提炼金句、画封面、排版图片、归档存好。整个过程一句话搞定。一个 Skill 写什么？四件事，按这个顺序写：什么时候用它——一句话说清楚，比如"当我说'写日记'的时候用"要做哪些步骤——第一步、第二步、第三步……写得越具体越好最后产出什么——是一篇文档？一张图片？一段文字？放在哪个文件夹？给一个例子——这一条最重要，AI 看一个具体例子，比你解释一百句还管用第四点很多人会忽略，但它真的是 Skill 好不好用的关键。与其跟 AI 解释什么叫"有网感的文案"，不如直接甩两段被验证过的网感好的文案，它一看就懂了。怎么创建一个 Skill？不用自己写——让 AI 帮你写就行。打开 Claude Code 或 Codex，跟它说：「我经常做 XX 这件事，每次的步骤大概是 XX，最后我要的产出是 XX，举个例子像这样 XX，帮我把这个做成一个 Skill。」把这四条说清楚，它就会帮你生成一个 Skill 文件。以后用的时候，一句触发词就能跑起来。
或者你看到了哪个大佬写了帖子，或者你看到某篇很有用的文章等等，你可以直接把文章发给 AI ，让它帮你拆解做成一个 skill 文件。
最自然的积累方式：不需要提前规划要做哪些 Skill。日常用 AI 的过程中，每当你觉得"这件事我不想再讲第二遍了"，就在那一刻跟它说"把这流程做成 Skill"。它就帮你做好了。刚做好的 Skill 可能不好用，如果在执行过程中遇到了任何问题，直接告诉 AI 出现了什么问题，让它自己修正，修正后自己沉淀到 Skill 当中去，用得越久，Skill 越了解你的的规矩，AI 越懂你怎么干活。
第四阶段：装更多工具？把文档丢给 AI
到这一步，基础系统已经能跑了。但你后面会发现，有更多工具可以接进来——比如小红书 MCP（让 AI 能搜小红书内容）、各种 Obsidian 插件、图片生成 API 等等。以前装这种工具是件很劝退的事——英文文档、终端命令、依赖报错，折腾半天还不一定装上。但现在完全不一样了：只要你有 Claude Code 或 Codex，想装什么工具，直接把官方安装文档复制给它，或者直接给他文档链接，让它帮自己学习后帮你装。它自己会读文档、执行命令、处理依赖、验证能不能用。装不上的时候，它会一步一步告诉你怎么手动操作。我装小红书 MCP 的时候，就是把官方教程全文复制发给 Claude Code，说"帮我按这个装好"。我在旁边喝了杯水，回来它说装完了。这个方法适用于所有有安装文档的工具，或者说所有工具，只要你不会安装，直接告诉 AI 让它想办法帮你安装，然后根据它的提示操作就可以。这一条小心法，比记住任何具体安装步骤都重要。
卡片笔记生成我对标的账号用的是一种特定形式的图文卡片，所以我直接让 AI 帮我做了一个卡片笔记生成器。现在我只要说"生成卡片笔记"，它就会自动把草稿转成成品图：封面带插画、有标题、提炼这篇笔记的核心金句；正文排版成一张张卡片图。生成完，图片文件夹的路径会自动附在对应笔记文件的末尾，点开就能直接预览。这个工具不是一开始就有的，而是反过来：我先确定我想要什么样的笔记形式，再让 AI 帮我把它做成工具。如果你也想做某种特定形式的图文笔记，路径基本一样：搜集 8-10 篇你想模仿的笔记样例—— 越完整越好，封面、正文、风格都带上，喂给 AI 让它分析、总结：这种笔记的结构、视觉规律、文案套路是什么，分析完后直接说"帮我把这套规则做成一个工具"—— 至于做成 Skill、还是写成代码、还是做成自动化任务，让 AI 自己判断怎么实现，把工具沉淀到工具文件夹里。工具做出来之后别急着定型。多用几次，发现哪里不顺、哪里效果不到位，就跟 AI 说"这次生成的封面 XX 不对，记住下次怎么处理"，让它把改进直接沉淀回工具里。用得越多，工具越懂你。SEO 优化写流量笔记的人都知道 SEO 重要，但手动做特别累。我的做法是：找几篇靠谱的小红书 SEO 的方法论文章，喂给 AI 让它学，然后在 CLAUDE.md 或者写稿 Skill 里加一条："每次写笔记，按照学到的 SEO 规则处理标题关键词、正文关键词密度、标签选取。"加完这一条，以后 AI 写出来的每篇笔记都会自动带 SEO 优化，不需要你再额外提醒。一键发布发布这一步看起来简单，但每次要填标题、填正文、配标签，手动复制很烦。我让 AI 在每篇笔记的末尾自动生成两个一键复制块：「标题+发布正文 + 标签」，发布时直接一看复制，苹果设备可以直接实现不同设备复制，很方便。其他设备也可以使用微信输入法等工具实现。我把生成好的图片传到手机，复制对应块的内容，粘进小红书发布界面就行，几分钟搞定一篇。一个还没做但完全可行的优化：让 AI 直接把生成好的卡片图 + 文案，自动填进小红书发布草稿里——连复制粘贴都省了。这一步技术上完全能实现，我还没来得及弄。后面有时间会补上。
顺便说一句方法论：整个生成 + 发布阶段你遇到的任何不顺手的小事，都可以直接告诉 AI 让它帮你优化。 不要忍着。「每次都要自己改 XX」「我希望最后能直接 XX 不用我再 XX」——把这些话直接说给 AI，它能理解的。整套系统会跟着你的反馈越来越顺手。
第四阶段：数据反馈和持续进化
数据复盘发布之后，定期把数据好的笔记截图发给AI，让它自动把数据统计进复盘表，然后拆解这篇笔记为什么数据好——是标题、痛点共鸣、结构，还是别的原因。扩展爆款拆解完之后，让 AI 基于爆款笔记的选题再扩展一批相似方向的选题出来，把爆款榨干，继续写。让 AI 反过来总结自己的"爆款方法论"这一点是我后来才发现的，但很关键。当 AI 已经帮你产出了足够多的笔记，里面会有几篇数据明显好的——这些都是 AI 自己写的。这时候你可以把这些"AI 自己写的爆款"挑出来，反过来再喂回给 AI，让它自己分析：这几篇为什么数据好？它们和那些数据一般的笔记有什么共同点和差异？能不能把这些规律提炼成一份新的方法论？然后让它把这套自己总结出来的方法论，补充进原有的方法论文档里。这一步本质上是让 AI 成长——它从「我教它怎么写」变成「它自己教自己怎么写得更好」。每跑一轮就更强一次。持续优化方法论除了上面这种"AI 自我蒸馏"，我也会定期把自己改过的笔记、新学到的写作方法，喂给 AI 让它学习，把学到的东西补充进方法论文件里。这套系统的特点就是：用得越久，越懂你，越准。整条链路跑完，我实际深度投入的时间只有两件事：搜集原始素材，以及最后发布（传图片、按发布键）。其余都是 AI 在做。老实说，我跑的这条链路还算是一个比较简单的场景。但它已经足够验证很多东西。整套系统真正核心的，其实就是两件事：第一件，把素材喂好。这个素材可以是同行的爆款笔记、可以是你自己业务里产生的真实内容（客户案例、咨询记录、业务复盘），也可以是你看过觉得有价值的方法论。只要是有价值的素材，全部投递给 AI，让它帮你整理、归档、分类。素材库越厚，AI 写出来的东西越准。第二件，把方法论调好。写作方法论、SEO 规则、内容边界，这些一开始可能不到位，但每次发现 AI 写得不对的地方，把对应的规则补进方法论文档里。慢慢调，调到 AI 写出来的东西基本不需要你大改为止。把这两件事做扎实了，剩下的写稿、生成、归档、复盘，都可以交给 AI 来做。我刚开始用这套方法，一周左右吧，我觉得后面应该还有更多可以探索的，包括不断的沉淀你个人的信息，不只是让 AI 帮你跑业务，还可以让 AI 真的成为你身体和大脑的延伸。
六、踩过的坑
任何工具组合都有磨合期，说几个真实的。坑1：直接把参考图片喂给AI，让它做工具——行不通我想让AI帮我把笔记内容做成小红书卡片图文的形式：一张设计好的封面，有插画、有标题、有这篇笔记的精华提炼；后面的正文排版成一张张图片，风格对标我研究过的目标账号。我的第一个做法是：把对标账号的图片直接发给AI，说"帮我做一个能生成这种形式的工具"。结果很不理想。问题出在两块：一是插画。AI完全没有提炼笔记内容里的隐喻，要么生成跟对标图片长得一模一样的东西，要么对不同主题的笔记用同一张插画。最糟糕的是，它一开始用代码（SVG）生成插画，出来的东西又机械又平面，完全不是我要的那种风格。改了很多轮，效果一直不到位。转折点是换了一种思路：先让AI帮我把方案设计清楚，再让AI来做工具。具体操作是这样的：下载几张对标账号的笔记图片把图片喂给GPT，让它分析这个风格，帮我设计一套生成方案随手找一篇小红书笔记的正文，让GPT按这个方案试着生成一遍看结果哪里不对，跟GPT打磨两轮，把方案调准让GPT把打磨好的方案总结成一段完整的规格描述把这段描述直接喂给Codex，让Codex来写工具这样做完，Codex几乎一次就写出了一个好用的版本，几乎没有再迭代。这件事给我的最大启发是：不要把"想要什么"和"怎么实现"都扔给同一个AI去猜，先把"想要什么"说清楚，再让AI去实现。用一个AI帮你把需求想清楚，再用另一个AI去执行，效果好很多。这里有一个具体的方法，我是从刘小排老师的课程里学到的：让AI来帮你打磨SPEC。SPEC就是你对这个工具或工作流的需求描述。很多人写完一个粗糙的需求，直接就扔给AI去做，然后发现结果不对，反复修改，花了大量时间和token。根本原因是需求本身就没说清楚。更好的做法是：先把你的草稿SPEC发给AI，让它扮演产品教练，用提问的方式帮你把需求问清楚——用户是谁、核心流程是什么、边界在哪里、成功标准是什么。AI一次只问一个维度，你回答，它再问下一个。几轮下来，需求变得清晰且无歧义。然后再把这份打磨好的SPEC交给AI去实现。需求越清晰，AI实现得越准，迭代次数越少，浪费的token越少。反过来，需求模糊省下来的那点时间，全都会在后面的反复修改里加倍还回去。另外还解决了一个技术细节：封面插画部分接了图片生成API，效果和速度都比纯代码生成好很多；封面的文字排版（标题、精华总结）以及正文的所有图片，用代码生成，这样文字不会出错，也省token。两者结合，这个方案也是 AI 告诉我的，就是有任何问题都可以直接问它，让它给你想办法。坑2：Claude Code接API，token消耗完全失控刚开始用Claude Code接API在终端运行，速度很快，体验也好。但只要任务稍微大一点——分析几十篇笔记、提炼方法论、批量处理素材——token就会跑得很猛。最夸张的时候，省着省着用一天消耗了一百多块钱的API费用，这在还没有任何产出的时候，还是让人觉得有点心疼的。问题不只是贵，是不可控。你不知道它会跑多少，每次发出指令都有点慌，渐渐地就不敢让它做大任务了，反而变得束手束脚。后来切换到Codex的Plus套餐，有每周使用额度上限，用多少心里有数。而且Codex实际跑起来的效果出乎意料地好，整条小红书工作流是用Codex搭起来的，内容质量完全够用。建议：刚开始用的时候，先用有限额的套餐控制成本，熟悉了工作流、知道自己的用量之后，再考虑要不要接API。
七、经验和感想
搭完这套东西，有几点感想想直接说出来。AI的价值不在于"它有多聪明"，在于"你给了它什么环境"同样是Claude，在网页上临时问问题，和在一个有完整CLAUDE.md、有结构化知识库的环境里工作，差距非常大。前者是一次性工具，后者是不断沉淀和成长的自我延伸。系统的价值在积累，不在当下。搭完第一天，感受不到太大差距。但随着素材库越来越厚、Skill越来越完善、方法论越来越清晰，每次打开感觉都在用一套越来越懂我的系统。这和以前每次从零开始的状态是本质不同的。最难的部分不是技术，是"你知道自己要什么"Claude Code/Codex能帮你执行，但它执行的是你告诉它的东西。如果你自己都不清楚工作流长什么样、内容风格是什么、什么是好素材什么是坏素材，AI也帮不了你，但是也没关系，你可以借助 AI 去帮你把这些梳理清楚，把你所有的问题都告诉他，跟他慢慢去探索。工具的使用门槛不高，但对自己业务和内容的清晰度，是这套系统能跑起来的真正前提。那个让我真正觉得"这下对了"的瞬间是第一次说完"生成卡片笔记"，等了大概一分钟，图文出来的那一刻。排版、呈现形式、封面风格，跟我对标的账号几乎一模一样。以前我要手动排版很久，还要用好几个工具拼出来；现在说一句话，AI自己写好笔记、生成图片、把图片路径写进笔记文件，全部搞定，我只是等了一分钟。后面生成笔记就是一句话，生成卡片笔记——让AI把今天的10篇笔记写完，统一生成卡片，我去倒了杯水、干了点别的事，回来十几分钟后，全部生成好了，全部归档好了，我直接去找对应的笔记，图片路径就在下面，点开就能发布。这个过程让我觉得非常震撼。不是说AI多厉害，而是这件事以前要花我大量时间和精力，现在它就这样自然地发生了。出乎意料的地方：AI写的内容质量比我预期好很多因为我给了他相关的素材，给了他正确的方法论，给了他足够的限定。他是基于我的素材库进行创作的。它学习了对标账号的写作方法论、分析了足够多的素材之后，写出来的内容完成度非常高，和对标内容放在一起对比，真的很接近。我觉得目前 AI可以写出不错的内容，他可能超过了80%的人写出的内容，但是 AI 写的东西距离优秀，我觉得还是有一定距离的。怎么说呢？还是得自己去深度的研究，自己对优秀的内容有把控，才有可能使用 AI 不断迭代写出优秀的内容。
不是所有人都需要这个。说清楚谁适合、谁不适合，比说"所有人都可以试"更有价值。最适合这几类人：有内容创作需求、但内容生产很重的人。比如需要持续在小红书、公众号发内容做获客的个人创业者、自由职业者、知识博主。以前每篇都要从头想选题、写稿、排版，消耗很大，很难保持节奏。这套系统正是为了把这件事变轻。有自己的业务或专业知识，但一直散着没有系统化的人。你有经验、有方法论、有真实案例，但它们散落在脑子里、备忘录里、聊天记录里，每次用的时候要花时间找，用完又消失。这套系统让这些东西真正沉淀下来，可以被调用，可以持续积累。不满足于"临时问AI"，想让AI真正了解你、持续为你工作的人。你已经在用ChatGPT或Claude，但每次都要重新介绍背景，感觉始终在消耗，没有积累。你想要的不是工具，是一个越来越懂你的AI分身。不是程序员、但愿意花时间把一件事搭清楚的人。这套系统有一定上手门槛，但门槛不在技术，在耐心。装工具遇到问题问AI，写CLAUDE.md参考别人的，创建Skill用自然语言描述——每一步都不需要写代码。最真实的卡点在哪里我观察到一个挺普遍的现象——每天层出不穷的 AI 工具、各种自媒体疯狂推送 AI 信息，让很多人都很焦虑。结果就是：装了一堆 AI 工具，做了一些尝试，但没一件能坚持下来。看到新工具就追，过两天又换，永远在折腾工具，永远没产出。我之前也是这样。后来才想明白，核心问题根本不是工具，是你没把 AI 真正融入到自己要做的事里。你只是在使用 AI，但不知道要它替你做什么。工作流长什么样？内容风格是什么？什么是好素材、什么是坏素材？这些问题你自己还没答案，AI 当然也没法替你想。我现在的理解是：AI 是你身体的延伸。但前提是你自己得知道身体要去哪里。你本来就要做的事，你才能让 AI 去帮你加速。如果你连自己要做什么都没想清楚，再强的 AI 也只是一堆没人用的工具而已。所以搭这套系统之前，最值得花时间的问题只有一个：你有什么正在做的事，是你希望 AI 能替你做掉的？想清楚这个，剩下的就只是执行——装工具、试方法、慢慢把 AI 融进自己的工作里。一步步走，自然就跑起来了。
十、下一步
老实说，我把这次复盘写出来，很大一部分原因是想倒逼自己——把这套流程系统地总结一遍，把每个环节都沉淀下来，甚至再做得更细一些。写的过程中我意识到一件事：很多公开教程其实写得不错，但对真正的小白来说，里面还是有不少坑。比如某一步默认你已经知道怎么操作，某个工具的细节没说清楚，某个组合用法没人提。我自己一路踩过来，越发觉得这些"经验里的盲点"挺有价值的。我突然想到一句话：80 分的人可以教 60 分的人，60 分的人也可以教 50 分的人。我不需要等到自己变成专家才能开始分享。我现在踩过的坑、走通的路径，对那些还没开始的人来说，本身就是参考。所以我接下来打算做的事，不只是把这一篇写完发出去，而是把这套探索过程做成一个持续更新的产品。具体的形态我还没完全想清楚——可能是一份完整的搭建教程，跟着一步步做就能把自己的 AI 知识库跑起来；也可能是我后续探索过程中的持续分享；也可能是把我摸索出来、好用的工具和方法整理出来。但我能感觉到——这会是一个挺好的虚拟产品，能实实在在帮一些人提升工作和生活的效率。而且我观察到的市场需求是真的存在，比我原本以为的要大。同时，我观察很多B端也有非常多类似的需求。在找插件的过程中，我发现相关插件的需求也很强烈，小红书上已经有人通过售卖 obsidian相关插件收入十几二十万，而这个插件就是一个免费的开源项目，但是大多数人都不知道。而且做这件事本身也挺好玩的。比如 GitHub 上还有很多别人写好的 Skill 我都没来得及试，光是研究这些就够花不少时间。但有件事我一直在提醒自己：研究工具不能脱离你要做的事。说到底 AI 是杠杆，杠杆要落在你自己的支点上——研究再多工具，最后还是要回到自己业务里去检验。所以接下来我也会把手上其他的业务用这套方式跑一遍，每一块都试试看，看哪些环节可以让 AI 全部接手，把现有的流程优化得更顺手、更聪明。这件事我越做越觉得有意思。它不只是省时间，而是真的在改变我"做事"的方式。P.S.顺便说一句——这篇文章本身，也是用这套工作流写出来的。本来计划是五一最后一天就动笔，但拖了两三天，每次想到要从头写一篇这么长的复盘就头大，一直没动。今天我决定换个思路：我不自己写了。我先让 Claude Code 把我知识库里相关的内容都读了一遍——我每天写的随笔、日记，还有这段时间围绕这套工作流积累下来的所有笔记。读完之后让它根据这些素材帮我搭出一份文章结构。有了结构之后，每一节我就对着它口述——想到什么说什么，没思路的时候就让它给我一些建议和想法；需要资料的时候，我就帮它找一些参考喂进去，让它帮我整理、组织、润色。一段一段聊下来，文章就慢慢慢慢成型了。包括前面那一大段搭建教程，也是这样产出的。某种程度上，这篇文章本身就是个AI 赋能内容产出的最好例子。如果你对这个感兴趣，欢迎留言或者私信我，也欢迎聊聊你现在是怎么用 AI 的。
基本文件流程错误SQL调试
请求信息 : 2026-05-09 04:02:28 HTTP/1.1 GET : https://www.yeyulingfeng.com/a/592071.html
夜雨聆风
