即刻App年轻人的同好社区
下载
AI工作流
你探索出了哪些AI辅助工作的思路，来这里和即友们分享，一起提升工作效率！
6936人正在讨论，18.8万人浏览
相关圈子
设计师的日常
6.7万名设计师正在擦屏幕
JitHub程序员
39万名开发者在这里同性交友
人工智能讨论组
47万名技术爱好者在研究人工智能or“智障”
职场那些事儿
100万+名职场人士正在分享
动态
- MIT 发布了一批免费AI 课程，足以让你达到入职水平。
没有付费墙，没有废话。
精华推荐 👇
1. AI 101（AI 入门）
→ 从零开始，建立真正的直觉。
ocw.mit.edu
2. 深度学习训练营（Deep Learning Bootcamp）
introtodeeplearning.com
3. 人工智能（Artificial Intelligence）
→ 解决问题的方法论 + 机器学习基础。
ocw.mit.edu
4. 机器学习导论
→ 那些你真正会用到的
openlearninglibrary.mit.edu+6.036+1T2019/about
5. 如何 AI 化（几乎）任何事物（How to AI Almost Anything）
→ AI + 创意（音乐、艺术、系统设计）。
ocw.mit.edu
6.
。。。
#提示词工程 #AI工作流 #AI的神奇用法美国麻省理工发布7门免费AI课程，推荐💄 - 小红书
332 26331 - 5月北京&深圳｜一场给 AI创业者的线下小局👀
AI Next社区第一场线下「疯享会」来了。
我们想做得简单一点：
不办那种听完很燃、回去没变化的活动。
也不做只有观点、没有产品的圆桌。
就是把一群正在做 AI 产品的人放到一起，只聊一件事：
你正在用 AI 解决什么具体问题？
看产品，
互相提问，
试产品，
聊下一步。
你可以带三样东西来：
一个正在做的 AI 产品；
一个只有你能讲的真实故事；
一个最近真的想不明白的问题。
两场活动：
📍北京｜5.19 周二 18:30｜中关村
📍深圳｜5.22 周五 18:30｜腾讯滨海大厦
适合已经有产品、用户反馈，或者真实卡点的 AI Nativer。
闭门局，想来可以评论区留「北京」或「深圳」。
#AI的神奇用法 #AIHackathon #AI工作流
32 3023 - 开源一个四格漫画Skill
灵感来源于宝玉老师之前分享过的一个四格漫画
提示词：
基于主题,创作一个富有哲理的四格漫画故事。故事结构:
**第一格:问题/现状呈现**
- 场景描述
- 人物动作和表情
- 对话内容
- 旁白(点明主题)
**第二格:问题加深/冲突**
- 场景描述
- 人物动作和表情变化
- 对话内容
- 旁白(揭示困境）
**第三格:转折/觉醒**
- 场景描述
- 人物动作和表情转变
- 对话内容
- 旁白(引导思考)
**第四格:升华/智慧**
- 场景描述
- 人物动作和表情释然
- 对话内容
- 旁白(传达哲理)
- 橙色标签(核心关键词)
**故事要点:**
- 使用视觉隐喻(如:推墙与门、紧握与松手、高度与花朵等)
- 对比强烈(前三格 vs 第四格)
- 结尾升华,传达深刻哲理
- 简洁有力,不拖沓
将完整的四格故事呈现给用户确认。
使用 imageGenerate 工具生成插画。严格遵循以下提示词模板:
四格漫画,2×2方格布局(两行两列),简约线条艺术风格,商务插画风格。纯白背景,黑色线条勾勒,仅使用橙色作为重点标签的强调色,橙色使用非常克制。除木质物体可使用极少量浅棕色外,不使用灰色调。
在整个四格漫画的顶部,用黑色清晰的中文字体写上标题:"[主题名称]"。
人物风格:简化但比例协调的人物造型(非火柴人):圆形头部,极简五官(两个点表示眼睛,一条弧线表示嘴巴,简单的发型轮廓),身体有清晰的衬衫领子、袖子、裤子和鞋子细节。人物占据画面较小比例(中远景)。通过不同发型区分角色:光头、短发、中长发等。
四格布局:2行2列的方格布局,每格边框为手绘风格,线条略带自然曲线感(非完全笔直)。
风格要点:干净的线条艺术,有个性的简化人物,人物在画面中比例适当,纯白背景,仅黑色轮廓线,橙色仅用于关键标签且非常克制,极少阴影(仅木质物体可用浅棕色),手绘美学感的略不规则边框,商务休闲服装轮廓清晰。
[如果涉及品牌logo,添加:]重要:人物的胸前要显示各自的logo(简化版本,黑色线条勾勒,Claude logo使用温暖的铁锈橙色填充)
第一格(左上):[详细的场景、人物、动作、表情、对话、旁白描述]
第二格(右上):[详细的场景、人物、动作、表情、对话、旁白描述]
第三格(左下):[详细的场景、人物、动作、表情、对话、旁白描述]
第四格(右下):[详细的场景、人物、动作、表情、对话、旁白描述,强调橙色标签是整幅画中唯一的橙色元素]
**关键参数:**
- aspect_ratio: "16:9"
- quality: "medium"
- title: "[主题名称] - 四格漫画"
Skill链接：youmind.com
#AI工作流
#AI的神奇用法
#提示词工程
70 630 - 妈耶，有了 GPT image 2
历代大师成为你的专属老师
再也不怕学不进去了
提示词：
生成一张真实的大学教室照片，iPhone16质感，XX老师在教XX知识，黑板上有详细而清晰的粉笔介绍，有图形辅助理解，不需要同学
或者你也可以使用这个YouMind Skill
只需输入人名就可出图
youmind.com
欢迎在评论区交作业，让我看看你们都学了啥
#提示词工程
#AI工作流
#AI的神奇用法
23 42 - YouMind 创作者激励计划，才开启两天
已经有小伙伴赚到300+美刀啦
也看到涌现了非常多好的新的Skills，
大家可以在
youmind.com 里看到
也欢迎大家来参赛，
创作出属于你的第一个付费Skill
制作 YouMind Skill 见这文档：
youmind.com
#提示词工程
#AI的神奇用法
#AI工作流
17 00 - 因为Agent太猛自己被搞成了ADHD（绝对不是因为订阅了舍不得token没用完）
做了一个开源项目，「Agent Mission Control」
它是一个本地多 Agent 任务控制台，用来集中查看 Codex、OpenCode、Claude Code / Claude Desktop 里的线程、项目、token 用量、quota、运行状态和待处理事项。
最近一版补了几个我自己很需要的能力：
1. 支持安装成 Chrome / Edge PWA，像一个独立桌面应用一样打开、切回和收起
2. 顶部指标可以直接跳到「运行中」和「待处理」面板
我做这个东西的初衷很简单：现在我同时开 Codex、Claude Code、OpenCode、各种 agent 线程，时间一长就很容易忘记「谁还在跑」「谁卡住了」「哪个需要我授权」「今天 token / quota 用到什么程度」。
所以它更像是给 AI coding / agent workflow 做的一个本地塔台。
几个原则：
- 默认只监听 127.0.0.1
- 只读取本机状态文件
- 不写入 Codex / OpenCode / Claude 的工作数据
- 不发送遥测
- README 截图使用虚构数据生成，不包含本机线程、路径、消息、token 或 quota 细节
项目地址：
github.com
欢迎试用、star、提 issue，也欢迎告诉我你们自己的多 Agent 工作流是怎么管的。
#AI工作流
4 41 - 顶级信源Skill，打破信息差
这个Skill让你知道全球最顶尖的人是怎么用AI的
大家有没有发现，
那些大V的消息怎么那么灵通
平时海量信息很多
但真正有价值的却很难挖掘
我意识到，真正有价值的信息
=在做事的人+可复用的方法论
于是我把上次的45个AI信源
加上张咋啦分享的25个Builder总结成了65个顶级AI信息源
并且让 YouMind 去抓取这65个信源里真正可复用的方法论
跑出来的效果非常好
第一条已经震惊到我
比如说 @milesdeutscher 分享的50个Claude Code不为人知的使用方法
这么干货宝藏的内容
如果没有这个Skill
我是绝对不可能刷到的
这个Skill真的完全打开了我的视野
也把它分享给大家
无论你是用来学习
还是用来Quote涨粉
都是神器
youmind.com
#提示词工程
#AI工作流
#AI的神奇用法
21 014 - 🍎Claude母公司免费开放AI课程及认证
1、Claude 入门指南：掌握 Claude 日常办公应用与核心功能→ anthropic.skilljar.com
2、AI 通识基础课：构建 AI 思维框架（入门必学）
→ anthropic.skilljar.com
3、智能体技能开发：在 Claude Code 中配置可复用指令集→ anthropic.skilljar.com
。。。
#AIHackathon #AI工作流🧑🏫Claude母公司免费开放AI课程及认证 - 小红书
266 8269 - Gemini免费拍写真
提示词：
女主要有女神刘诗诗的气质😂
真人摄影风格的竖幅日系生活抓拍，第一人称 POV。清晨卧室，镜头位于成年男生刚在床上醒来时的枕头高度，只呈现他躺着仰视看到的画面，不要出现第三人称机位。
成年女友双手自然撑在床面或枕头两侧，像刚俯身过来说早安，靠近镜头上方但姿态放松。她面容清秀漂亮，黑色长直发自然垂落，发丝略微凌乱，带着刚起床时温柔、轻松、带一点睡意的微笑看向镜头。她穿浅色薄棉夏季家居服，清爽日常，不暴露，不刻意性感化，氛围亲密但自然。
刚醒来的视线有轻微未对焦感，不是完全锐利的商业写真。清晨窗边柔和散射光穿过浅色窗帘，白色床品略有褶皱，前景有模糊的被子或枕头边缘，近距离浅景深让女友的脸和眼神逐渐成为视觉焦点。低对比度，轻微柔焦，高光有细腻晕染，肤色真实，整体明亮、干净、朦胧、温柔，像真实生活中醒来后偶然看到的一瞬间。
避免梦幻滤镜过重、AI 感、动漫感、塑料皮肤、过度磨皮、畸形手指、错误肢体结构、表情僵硬、裸露和低俗姿势。
#AI工作流 #AI的神奇用法 #PM每日好文推荐
11 21 - 发现了一超全的个 GPT Image 2 提示词站，
已已经有 500+ 条提示词了
· 分类筛选
· AI 搜索
· 参数化模板（填几个空就能直接复用）
非常方便
youmind.com
#提示词工程
#AI工作流
#AI的神奇用法00:278 410 - YouMind 的宝藏用户——@泛函
Bonjour 的前 CMO
即刻 1w+ 关注的大V
他最近在做两件事：帮科技行业从业者打造个人品牌，以及辅导想进入 AI 行业的年轻人求职。
在做自己的新事业的过程中，泛函基于自己之前积累多年的方法论，做了非常多对于 OPC、早期创业者、独立工作室、专业服务供应商特别有帮助 skills。
如果群里有做 IP 和运营增长相关工作的小伙伴，这是非常值得参考的第一手经验和方法论，欢迎大家安装使用👇:
个人 IP 定位咨询—泛函
youmind.com
访谈式创作—泛函
youmind.com
口播稿剪辑重排—泛函
youmind.com
咨询记录整理—泛函
youmind.com
增长洞察引导式挖掘—泛函
youmind.com
泛函风格写作
youmind.com
Fancytitle给文章起吸引人的标题—泛函
youmind.com
转化漏斗文案法—泛函
youmind.com
黑客松宣发推文生成器—泛函
youmind.com
课程主编—泛函
youmind.com
服务报价说明书—泛函
youmind.com
#提示词工程
#AI工作流
#AI的神奇用法
14 03 - 10门全球顶尖大学公司免费AI课程
🔋不花钱，不用复杂设置，只要有好奇心和一台电脑就能学起来！
💡 为什么不容错过这些免费AI课程？
• 零成本入门：课程完全免费！
• 顶尖资源：哈佛、微软、谷歌、OpenAI等巨头出品，质量有保证！
• 实用技能：从Python入门到生成式AI，再到提示工程，覆盖AI核心领域！
• 职业加分：无论你是学生、职场人还是创业者，AI技能都是你的“超能力”！
1. 哈佛大学 – Python人工智能导论
◦ www.edx.org
2. 微软 – AI初学者指南
◦ microsoft.github.io
3. 谷歌 – 生成式AI导论
◦ www.skills.google
4. DeepLearning.AI – 人人可学的生成式AI
◦ www.deeplearning.ai
5. 领英 – 生成式AI课程
◦ lnkd.in
6. 范德堡大学 – ChatGPT提示工程
◦ lnkd.in
7. OpenAI – 开发者版ChatGPT提示工程
◦ lnkd.in
8. edX – AI应用与提示工程
◦ lnkd.in
。。。
#提示词工程 #AI工作流 #AI的神奇用法🚀 10门全球顶尖大学公司免费AI课程 - 小红书
2 23 - 终于有个 AI 能干完整件事复杂系统的事了 🦌
一直有个感受：大多数 AI 工具就是个聪明的打字机——你问，它答，然后什么都没发生。
直到用了字节跳动开源的 DeerFlow 2.0，才知道什么叫"给 AI 一台电脑"。
它不只是帮你查资料写报告，而是真的可以：
🧩 跑代码、读写文件（独立沙箱，互相隔离）
⚡ 主 Agent 拆任务，多个子 Agent 同时干活（效率 3-5x）
🧠 有长期记忆，关掉再开还记得你
🔌 技能可插拔——研究、数据分析、写代码按需装载
你说"帮我研究竞品，做成带可视化的分析报告"，它会自己搜索、自己写代码、自己出图，交给你一个完整能打开的 HTML 网页——不是文字，是真东西。
DeerFlow 全称 “Deep Exploration and Efficient Research Flow”，是字节跳动开发的社区驱动深度研究框架，结合了语言模型和专业工具的多智能体系统，旨在自动化复杂的研究任务。
核心能力：
• 集成了沙盒环境、长效记忆、技能扩展以及多智能体编排的全套解决方案
• 子代理并行调度，主代理自动拆解复杂任务，执行效率提升 3-5 倍
• 支持深度研究、MCP 集成、报告 AI 增强编辑以及播客生成等功能
我部署使用了两周，亲测非常提效
几个我最喜欢的用法👇
🍎 App开发：跟它说出你的一个创意，它自动进行需求分析、市场调研、竞品分析、代码架构、营销设计
📊 数据分析：扔个 CSV，自动清洗+出图+写洞察
🌐 做网页：一句需求直接出可运行的前端页面
🔍 深度调研：行业报告、竞品分析，自带引用来源
🎙️ 内容生产：PPT、播客脚本、科普漫画全能搞
对标 OpenAI Deep Research，但完全免费开源，数据不出你的机器，支持 DeepSeek / 豆包 / GPT / Claude 随便切。
发布当天登顶 GitHub Trending 第一，现在快 5 万 Star 了 🔥
#AI的神奇用法 #AIHackathon #AI工作流字节神作DeerFlow 2.0，最受欢迎AI Agent - 小红书
4 22 - 🔥Anthropic 前几天发布最新《创始人手册》（The Founder’s Handbook）！
不谈复杂算法模型，全篇只讲：在 2026 年 AI 能力爆发的今天，普通人、独立开发者和创始人该如何创业、带团队、拼认知？
读完这份手册，最大的感受是：从前创业游戏规则，彻底失效了。
如果你也想在AI 时代破局，这4个颠覆性的搞钱/创业底层逻辑，必须立刻死磕：
❌ 误区：2026年创业，最忌讳过早动手写代码
因为有Claude Code这样的神器，现在的构建成本低到可以忽略不计。很多人一拍脑袋就开始写代码，最后陷入拿着锤子找钉子的自嗨。
💡 高阶打法：验证先于构建。手册强调，在概念阶段，先用AI 辅助做行业交叉验证，至少进行 5 次真实用户访谈。确定 Problem-Solution Fit之后，再让 AI 动手。
🧠 认知：判断力彻底碾压执行力
当 AI 可以高效搞定生产级代码、市场调研、甚至基础法务财务时，执行力不再是壁垒。
💡 核心竞争力：从“能不能做出来”变成了“该不该做”。创始人的深度行业洞察和战略判断力，才是最宽广的护城河。
👥 团队：打造“10人独角兽”的秘密武器
💡 招聘新标准：极致的技术只是底线，2026 年最抢手的人才，必须具备高情商、卓越的沟通力，以及极强的 Agentic Workflow的能力。
🚀 2026 AI 原生创业的 4 步框架：
1️⃣ Idea 阶段：拼认知，用 AI 快速验证痛点是否真实。
2️⃣ Prototype 阶段：拼速度，利用 AI 代码助手快速撸出 MVP，只解决一个核心痛点。
3️⃣ Launch 阶段：拼迭代，推给早期核心用户，用 AI 自动化分析海量用户日志，高频优化。
4️⃣ Growth 阶段：拼效率，用 AI Agent 重新定义业务流程（营销/销售/客服），保持核心团队极度扁平，拒绝大公司病！
💡 最后的一点思考：
AI 抹平了技术门槛，这意味个人的“超级个体化”时代真正到来了。一个人加一个 AI 团队，就能跑通一个商业闭环。
#AI工作流 #AI的神奇用法 #PM每日好文推荐Claude母公司发布《创始人手册》！AI创业圣经 - 小红书
4 01 - 每次在和AI处理事情的对话中遇到了基础性问题，反反复复拉扯半天都解决不掉。最后不得已新开一个session告诉它：“我们现在好好解决一下xx问题。”它马上飞速就把问题修复了。😓是我的使用姿势不对吗？
#AI工作流3 10 - 做了 3 个月终于敢拿出来内测了
InfoHunter — AI 帮你读 100 个网页，每天给你 5 张卡
设你关心的话题（AI、独立开发、出海、xxx）
它每天爬中英文信息源
帮你筛过滤，只留 5 条真值得看的
看到不懂的可以追问，AI 拉数据深度回答
我自己用 1 个月
每天信息消耗时间 2 小时 → 15 分钟
招 50 个内测官 仅限苹果手机
评论或私信都行 我私发 TestFlight 链接
试用 7 天后帮我填个 5 分钟问卷
#AI工作流 #
1 20 - 小米刚推出了个百万亿 Token 创造者激励计划，申请不难，通过后会送你一个月的订阅，我拿到的是200M token的订阅，大家可以去试一下：100t.xiaomimimo.com
要是懒得申请，也可以在 free.stockai.trade 上面直接用 MiMo-V2.5 和 MiMo-V2.5-Pro，不需要登录，完全免费
#AI工作流 #AI的神奇用法
1 21 - 清明假期返程高铁站等车的时间
用AI拍了一个电影🎬
电源剧情来自前两天美国飞行员伊朗救援行动，使用字节的Seedance 2.0模型。
剧情如下：
“美国飞行员坠落在伊朗腹地。
美军硬是把人捞了回来。
他跳伞一落地，立刻激活紧急GPS。
徒步24小时，爬上2000米高山，藏了整整12小时。
伊朗追捕车队越逼越近。
美军的救援直接拉满。
重型空中火力劈头盖脸砸向伊朗车队。
MH-6直升机顶着地面冷枪，强行拔高冲上山顶把人接走。
撤退时却出了致命意外。
负责接应的两架C-130J运输机，降落在10公里外的临时机场。
落地就陷进了烂泥。
飞不起来了。
空军立刻开启大规模空中压制，死死盯住周边的伊朗地面部队。
特种部队在泥地里硬扛了3小时。
最后三架Dash-8特种飞机紧急赶到，拉走了所有人。
走之前，美军干脆利落炸毁了带不走的C-130J和MH-6，一点渣都不留给伊朗。
人必须带走，带不走的装备就地报废。
”
视频效果惊艳，不输好莱坞，面部细节都非常逼真到位。。。
#AI的神奇用法 #AI工作流 #车窗外的风景 #00:106 30 - 你有没有遇到过这样的情况：花了几周用AI快速做出一个产品原型，兴冲冲拿给朋友看，对方说挺酷的，但真上线后却没人愿意用？这是因为你跳过了创业中最危险的一步。在做产品之前，先验证假设。
AI极大地降低了“做出来”的难度，但这也意味着你可以在错误的方向上走得又快又远。真正值得投入时间精力的是“这个问题值不值得解决”，而不是“我怎么把这个做出来”。回答这个问题，唯一可靠的方式就是和真实用户对话。以下是一套一周内可完成的实操流程。
第一步：写出三个核心假设
使用下面的填空模板，把想法转化为陈述：
1. 痛点假设：“我假设 [目标用户] 目前有 [具体痛点]。”
2. 替代方案假设：“他们目前用 [现有方案] 处理，但感到 [具体不满]。”
3. 价值承诺假设：“如果有一个产品可以 [核心价值]，他们会愿意 [付费/每周使用3次]。”
第二步：用AI生成访谈脚本
输入：
我正在验证创业想法。我的假设是：[粘贴]。请生成30分钟用户访谈脚本：开场白、5个开放式问题（挖掘行为与痛点）、2个封闭式问题（验证假设）、结束语。附注意事项：不推销、不解释、多追问“举个例子”。
第三步：筛选招募访谈对象
目标：5人深度访谈 + 5人快速问卷。
标准（满足至少两条）：过去3个月主动搜索过相关方案；曾向他人抱怨过类似烦恼；目前在使用替代方案。
渠道：朋友圈/行业群、垂直社区、自由职业平台
第四步：执行访谈并采集数据
访谈前准备录音并征得同意。访谈中进行追问。访谈后立即转录，让AI分析：
这是访谈稿。我的假设是：[粘贴]。请提取：①痛点的频率；②现有方案及不足之处；③与假设矛盾的地方；④有没有满足用户的期望。
第五步：决策检查表
标准 通过要求
痛点共鸣 ≥3人主动描述同一个未解决痛点
支付意愿 ≥2人明确说“我愿意付X元/月”
无致命矛盾 未出现“其实也还好”“够用了”
决策：三项通过→进入MVP（只做最核心3个功能）；仅前两项通过→调整假设再访5人；第一项不通过→换痛点或用户，先不做产品。
很多人问AI能不能帮我验证想法？AI可以帮你整理一下访谈记录、提炼一些矛盾点、生成几个脚本，但它不能替你去和人完成对话。下次你想让AI帮助你做产品前可以先问自己。我的假设被验证过了吗？如果答案是否定的，你就知道该从哪里开始了。
#提示词工程 #创投好文推荐 #AI工作流
3 01 - vibe coding了一个小网站evelynproject8.netlify.app
pdf改成可交互的html
可以干啥：
1.侧边记得笔记直接导到notion里
2.自动高亮文章论点（p3），但目前这个论点选的我不怎么满意，等考完试再调调
3.自己改字体大小颜色，有些pdf字真的看得我快瞎了呜呜
4.ai总结解释这些老生常谈的功能，但我不用也不建议大家用（除了被学校逼着看的弱智书。。。）karpathy大佬说“你可以把思考外包出去，但你不能把理解外包出去”。自己总结的过程就是理解～
可配合我之前做的插件食用chromewebstore.google.com
自动预测一些不认识的单词，标在上面，保持阅读原文节奏（p4）。
我自己很有用这个的需要，我不怎么看书，看的都是些pdf论文，新闻，可能很多GenZ的阅读习惯都跟我差不多，或者干脆不阅读听播客。不过我现在又开始“逼”自己看完整的书了，“心流”状态很重要。
之前阅读习惯很差，瞎画重点（adhd病友），不记笔记，也没啥阅历无法和自身经历结合起来，看了一两周就忘了。希望记notion笔记能帮我养成好习惯。
可惜是我现在想记笔记的几篇pdf报告是加密的，解析出一堆乱码hhh，不过以后读论文可以用。
非结构化数据解析，关联notion，前后端测试，做的时候还是挺麻烦滴，有图的pdf处理挺久没处理好，耗时5h，70刀
有什么建议直接评论区提出呀，我下周考完试修改～
#AI工作流
3 00 - 想创业，永远卡在第一步
- 我要做什么生意
- 有什么点子可以做
- 做什么才不会踩坑、浪费时间
这篇文章只想说明一件事：
找项目，其实是可以有结构、有步骤地做的
01｜先别问“做什么”，先搞清楚“你是谁”
1）你到底想要哪种结果
- 想要一个能带来稳定现金流的小项目
- 想要一个可以押5–10年的大项目
建议是
- 先给自己一个相对清晰的定位
- 接下来这几年，你更在意的是“现金流”，还是“长期事业”
2）你的资源和限制是什么
- 项目不是在“理想状态”里做出来的
- 是在你“现在这个人生状态”里做出来的
3）写下“三行创始人简介”
- 我最擅长的三件事
- 我手上最独特的一两样资源
- 我愿意为一个项目付出的最大代价
02｜好点子不是天降灵感，而是反复被忽视的“烦心事”
- 看报告：今年什么赛道最火
- 看新闻：谁又融了几千万、几亿
- 看榜单：还有哪些领域没人做
他的做法完全相反
1）从“痛点”开始，不是从“风口”开始
捕捉三类
- 反复发生
- 让人很烦
- 跟钱有关系
2）7 天“痛点小本本”练习
- 在手机里新建一个备忘录
- 连续 7 天，每天晚上睡前做三件事
- 写下今天最让你烦的3件事（工作或生活都行）
- 标记它是偶尔发生，还是经常发生
- 想一想：如果有人帮我搞定，我愿意不愿意付钱
03｜别在脑子里纠结，用一张小表选项目
三个维度
1. 上线速度
2. 市场潜力
3. 自己的优势感
04｜别只改 PPT，先找到愿意付钱的人
MVP的目的不是“好看”，而是尽快验证三件事
1. 问题是不是真的存在，且足够痛
2. 解决方案有没有人愿意为之付钱
3. 以可接受的成本持续找到这类用户
这个阶段目标
- 先证明“这个问题确实存在，而且有人愿意让你来解决”然后再看“他们愿不愿意为此付钱”
05｜验证之后，别老盯着“下一个更好的点子”
结论是真正拉开差距的，是你能不能在一个“还不错的项目”里，持续做深、做久
最后三件今天能做的小事
1. 写下那段“三行创始人简介”
2. 连续七天，给每件事打个“频率+痛感+付费意愿”的分
3. 从这些烦心事里选出三个，画一张小表，打分，选一个，两周时间试一下，第一个愿意付钱的人出现
#创投好文推荐 #AI工作流
3 01 - 顶级孵化器YC合伙人Diana Hu分享：AI不是工具，是公司运行的操作系统
Diana在YC Startup School上做了一场演讲，主题是“How To Build A Company With AI From The Ground Up”，把AI对于公司的意义，从"提效工具"提升到了"操作系统"的维度。
主要内容摘要：
AI是操作系统，不是生产力工具。
她认为现在大多数人聊AI，还在谈"怎么让程序员多写两行代码"，这个框架从根上就错了。AI应该成为公司运行其上的操作系统，每一个workflow、decision、process都应该流经一个持续学习和改进的智能层。
开环系统天然损耗，闭环才是未来。
开环就是靠人传信息、靠人同步进度、靠管理层汇报决策，每一个"人类路由层"都是速度损耗。而闭环系统会持续捕获状态、决策和结果，自动反馈到智能层，让公司始终掌握真实情况。
token maxing > 人力 maxing。
一个人配上AI工具，现在能完成以前需要一个团队才能完成的工作。StrongDM的代码库里已经没有手写代码了，只有specs和test harnesses：1000x工程师的时代已经来了。
早期创业者有巨大优势。
没有legacy systems，没有数千人要重新训练。你可以从第一天就正确地构建。
---
原视频链接：www.youtube.com
Diana Hu | Y Combinator Partner
How To Build A Company With AI From The Ground Up | Y Combinator Startup School
#AI工作流 #创投好文推荐 #AI的神奇用法
3 01 - GPT Image 2昨天发布，我把它加到了 web.stockai.trade 里，用同样的提示词让它和Nano Banana Pro分别生成图片，上面是GPT Image 2，下面是Nano Banana Pro，大家自己比较吧😎
我感觉GPT Image 2在字体运用上确实要更强一点
#AI工作流 #AI的神奇用法
2 10 - Copilot到Autopilot：红杉没告诉你的三件事
一
红杉合伙人Bek说：
下一个万亿美金的公司
不是做出更好用的软件
而是直接帮你把活干完
这就是Copilot和Autopilot的区别。
Copilot卖工具 🚗
Autopilot卖结果 🎯
卖工具，你永远在和模型赛跑。
卖结果，模型每次进步都让你的服务更快、更便宜、更难被竞争。
Bek给了一个让所有人停下来算账的数字：
$1软件 = $6服务
一家公司花$1万买财务软件
花$12万雇会计完成结账
下一个传奇公司不做好用的财务软件
直接帮你把账平掉
---
二
Autopilot最佳切入点：外包
一件事如果已经外包，意味着三件事同时成立：
✅ 企业接受外部主体完成
✅ 已有现成预算项
✅ 客户已接受按结果付费
替换外包合同 = 供应商切换 ✅
替换内部岗位 = 组织架构调整 ❌
前者摩擦远小于后者。
---
三
但在中国落地，有三个具体的坑。
❶ 信任土壤不同
美国卖专业判断
中国买的是"出了问题找得到人"
❷ 定价逻辑不同
美国按结果付费有合同法支撑
中国采购要"花了多少钱"作基准
❸ 数据壁垒高
医疗/法律/合同数据高度碎片
Autopilot护城河来自专有数据
这是中国市场的硬伤
中国有在做这件事的公司。
幂律MeCheck：合同审查95%准确率，更接近Autopilot方向，但还没到按结果定价。
秘塔MetaLaw：订阅制，更偏工具逻辑。
更现实的是部分结果交付：
帮客户完成一个具体任务
而不承接整个工作流
---
四
判断一个赛道能不能做Autopilot
问三个问题：
这个行业的专业人士是不是正在变贵变少？
客户是不是已经在为"更快的XX"付溢价？
产出能不能量化到按结果收费？
三个都是Yes → 就是你的Autopilot机会
---
五
把视角拉回自己的位置
Bek真正在问的是三个问题：
① 你在卖软件，还是帮客户完成工作？
② 你的定价是按工具还是按结果？
③ 三年后客户能不能说"不用招那么多人了"？
最后一个问题最关键。
如果人力结构没变化
做的还是工具生意
不是结果的生意
---
Bek说：
AI创业最值钱的
不是让机器更好地辅助人
而是让机器把人从工作里替代出去
能想清楚这件事的人
正在建立下一个万亿美金的公司
红杉原文链接：Sequoia "Services: The New Software" — Julien Bek，2026.3.5
sequoiacap.com
#提示词工程 #AI工作流 #AI的神奇用法
4 01 - 以前从网上的红警视频里学到了一个概念，如果你的兵只生产出来但没有行动，那你就是在浪费资源，相对于对手来说你就已经输了。
面对现在的AI应用，我有了同样的恐慌：如果openclaw停了下来，那其实我就是在资源浪费。但是我没有那么多事需要它干，我也自己没有想清楚让它能持续不断地去做什么，因此陷入了持久的焦虑。#AI工作流10 30 - Claude Design拆解：我总结了几个产品落地可复用的思路。
Anthropic 4 月 17 号把 Claude Design 这款设计工具挂上了 Labs 预览，底层跑的是 Opus 4.7 的视觉能力。
大厂已经不想只卖底层了，直接往设计生产链里切。模型从理解需求到出图，Copilot 和 Autopilot 的边界早晚会模糊。如果还在抠软件操作的熟练度，回报会越来越少。
往后能拉开距离的，大概就三样：能把模糊需求拆成能干的活儿，能攒一套好用的提示词控制体系，能在模型够不到的地方补上增量。
一、产品上几个值得看的地方
场景收得特别窄，只盯商业视觉。原型、PPT、品牌规范等，都是高频活儿。与其什么都掺一脚，不如扎进一两个垂直领域往深做。
设计和代码是打通的。跟 Claude Code 联动，稿子定了直接打包资产和说明，扔过去就能写前端。
交互主要靠聊，批注和滑块只是辅助。不用跟面板死磕。专业的人把行业经验转成结构化指令和模板更划算。
工具会记对话历史、偏好和品牌规范。需求含糊了它会追着问受众、风格。
二、提示词那点事
泄露的那份系统提示词就四层。第一层定个“资深商业视觉设计师”的身份，输出锁在设计圈。第二层逼它生成前必须追问。第三层靠文字规则管视觉质量。第四层要求产出能跟代码接上，自己先查一遍布局和规范。
通用框架三步走：先定角色、场景、目标；再给需求、规范、约束；最后说清输出格式、怎么联动、怎么查。
几个要点：少用“好看”这种虚词，加负面约束，别跳过追问，别脱离场景聊设计，需求得分主次。
三、Copilot 和 Autopilot，后面怎么走
Copilot 卖提效，抢软件订阅预算。Autopilot 卖成品，替掉外包人力。
巨头用大模型做底，Design、Code、Chat 几条线串起生产流程。他们强在模型和生态，弱在垂直深度、个性化和本地化。这几个弱处就是别人的机会。
现在能上手四件事：能力上从执行转管理，练提示词、拆需求、判价值。场景上找门槛深的领域扎下去。协同上划清人机分工。生态上别硬刚，做垂直模板、部署培训，变成服务方。
做同类产品的团队，三件事现在能做：场景往深扎；提示词别省功夫；收费想清楚。
企业盯三条线：业务分层、能力建设、风险防控。
四、最后
Claude Design 拆解下来，印象深的是它的路数明确。场景收窄、链路拉通、交互别复杂、记习惯会追问，这几招放别的 AI 应用一样管用。巨头往下压，你只要比它钻得深、转得快、离用户近，位置就有了。
#AI工作流 #AI的神奇用法 #创投好文推荐
3 01 - “在 AI 时代，技术的迭代速度已经从“月”缩短到了“周”甚至“天”。当模型能力呈指数级增长时，团队该如何打破常规，让产品以最快的速度交付到用户手中？作为目前备受瞩目的 AI 公司，Anthropic 的产品团队以其惊人的交付速度和高质量闻名。今天，我们特别整理了 Claude Code 产品负责人 Cat Wu 的公开分享。她不仅揭秘了 Anthropic 是如何将发布周期大幅缩短的，还分享了在 AI Native 时代，产品经理和团队需要具备的全新技能与工作原则。
无论你是产品经理、开发者，还是对 AI 发展充满好奇的探索者，这篇文章都将为你带来极具价值的启发。”
#AI工作流 #AI的神奇用法 #PM每日好文推荐Anthropic 产品团队凭什么跑得比所有人都快？Claude Code 产品负责人的7个AI心法
2 00 - 我们不能把未来让给anthropic一家公司
anthropic自己也清楚基座模型没有商业护城河，所以才禁止第三方使用，做managed agent，尝试把短期模型领先优势转化成长期的infra lockin优势。明牌绑架
model neutral 不是可选，是我们必须为之努力的必选未来。
假设情景1：领域rl大幅提高基座模型效果。这对anthropic极其有利，它可以形成数据，infra的多重锁定。我们需要开源模型拯救
假设情景2：通用模型继续scale。rl效果不明显。model neutral 中立的 harness控制用户数据和交互入口。仍然是harness的机会
#AI工作流2 00 - 23岁应届生｜杭州/深圳/上海求运营/AI/AI产品实习🔥
快手创业号7个月0→6000+粉，播放稳2-3万
独立用AI落地阅读类MVP全流程
心理学+教育学背景，懂用户洞察
会Python基础、AI工具（Cursor、OpenClaw、秒哒等等），逻辑执行力拉满
大概7月初左右到岗｜可长期实习
期望薪资5-11K
求内推/面试！
📱15633912865 📧a2819292@qq.com
#AI工作流2 00 - 单月消耗 19 亿 Token！Cursor 让我一个人活成了一支 AI 团队 🚀
作为一名10年经验的资深程序员
适逢其时
赶上AI爆发大潮
越发觉得个人+AI的巨大杠杠作用
如果能将整个杠杆正确地用到软件开发AI编程上
那必然空间无限♾️
我现在
不是在写代码，是在指挥像素的流动
19 亿 Token 换来了什么？📈
• 开发周期：1 个人，两个周末，跑通全栈视频 AI 应用 MVP。
• 工作量：相当于 5 人外包团队 1 个月的高强度产出。
• 高频交互：全天候 Command + K，AI 毫秒级重构 FFmpeg 与 OpenCV 逻辑。
AI 抹平了技术门槛，剩下的只有你的想象力。
#提示词工程 #AI工作流 #AI的神奇用法💻Vibe Coding，单月消耗 19 亿 Token！ - 小红书
4 20 - 如果你像我一样，不会识人，
总是踩坑
那么这个［心理学识人］提示词一定要收藏
我基于这些年遇到的各种人总结的评判维度
帮助你发现身边的宝藏，避坑不靠谱的人
请基于心理学视角，对一个人进行观察和理解。不要根据单一事件下结论，而是尝试从以下多个维度去分析这个人的稳定模式。重点关注长期行为模式，而不是一次性的表现。
1. 恐惧与压力反应
观察这个人在面对压力、不确定性、失败或冲突时的反应方式。例如是否倾向回避、攻击、控制局面、取悦别人、否认问题或转移责任。这些反应通常会揭示一个人的核心不安全感以及应对威胁的方式。
2. 自尊的主要来源
分析这个人的自我价值主要建立在什么基础上，例如能力和成就、被他人喜欢、地位和权力、道德优越感、独立自主等。如果这些来源受到威胁，这个人通常会产生较强的情绪反应。
3. 核心渴望与长期动机
观察这个人长期投入精力的方向，以及他真正想要得到的东西。例如安全感、亲密关系、自由、成就、认可、控制感或影响力。长期行为往往比语言更能说明一个人的真实动机。
4. 防御机制
分析这个人在面对羞耻、焦虑或批评时常用的心理防御方式。例如否认问题、合理化自己的行为、把问题投射到别人身上、回避冲突、理想化别人或贬低别人。这些模式往往是自动化且重复出现的。
5. 情绪调节能力
观察这个人如何处理自己的情绪。例如是否能够意识到自己的情绪并逐渐调节，还是经常压抑情绪、情绪爆发、把情绪归咎于别人，或者完全逃避情绪问题。
6. 责任归因方式
当事情出现问题时，这个人如何解释原因。是否习惯把问题完全归因于环境和他人，或者全部归因于自己，还是能够比较现实地看到不同因素的作用。
7. 边界感与权力关系
观察这个人如何处理人与人之间的边界和权力关系。例如是否尊重他人的时间和空间，是否容易控制别人，是否过度讨好别人，是否能够在冲突中表达自己的立场。
8. 行为稳定性
观察这个人在不同情境中的行为是否一致。例如对强者和弱者是否表现不同，对朋友和陌生人是否完全不同。稳定性越高，越容易理解其真实人格结构。
9. 共情能力
分析这个人是否真正能够理解他人的情绪和处境，并在行为上做出调整。区分语言上的共情表达和实际行为上的共情反应。
10.现实校验能力
观察这个人对现实的感知是否准确，是否能够区分自己的想法、感受和客观事实。例如是否经常过度解读别人的意图，是否容易陷入灾难化思维，是否能够接受与自己预期不符的信息，还是倾向于扭曲事实以符合自己的信念。现实校验能力较弱的人往往难以从经验中学习和调整。
在分析时，请优先依据长期行为模式，而不是单次事件。避免简单贴标签，尽量描述行为倾向和心理机制，并指出这些模式可能在什么情境下表现得更明显。
#提示词工程
#AI工作流
#AI的神奇用法14 61 - AI让你的竞争壁垒消失了？这7个护城河反而更强💪
2026年，95%的企业仍无法从AI投资中获得回报。
更震撼的是：两年前构建复杂SaaS功能需要数周，今天独立开发者用Cursor周末就能完成MVP。
如果你的护城河是代码，那你根本没有护城河。
什么不再是护城河？
❌ "我们使用AI" — 每家公司都在用，6个月就被追上
❌ "我们是第一" — 产品构建速度快10倍，先发优势只剩几个月
❌ "功能更多" — 没深度的广度是反护城河
AI时代的7大护城河
1️⃣ 数据网络效应（最强）
每个用户交互让所有用户受益。Gong拥有数百万销售电话标注数据，竞争对手永远追不上。
2️⃣ 工作流集成深度
四个层级：数据存储（弱）→ 流程执行 → 决策自动化 → 机构记忆（最强）
Level 4不是替换软件，是替换组织多年积累的直觉。
3️⃣ AI模型专业化
针对50万份法律合同微调的模型会优于GPT-5 — 因为见过更多相关案例。
从提示工程（几小时可复制）到领域推理链（需要多年），层层递进。
4️⃣ 专有数据资产
拥有竞争对手无法获取的独特数据。策展深度被低估。
5️⃣ 生态系统
时间积累的合作伙伴网络、模板和社区资源。
6️⃣ 社区与信任
AI颠覆带来不确定性，信任成为稀缺资源。
7️⃣ 执行速度
AI放大了速度优势 — 快的团队变得更快。
护城河要堆叠
单一护城河不够，要组合：
数据网络 + AI专业化 = 改进速度更快
工作流 + 专有数据 = 无法复制
社区 + 生态系统 = 自我强化
投资人共识
24位顶级VC一致认为：2026年预算集中化，只有真正交付价值的产品才能拿到钱。
"模型性能和提示词的优势几个月就消失。" — Wing VC
窗口期在缩短
"可防御"和"商品化"之间的时间比以往都短。
未来赢家不是有最佳AI模型的公司，而是构建了AI无法复制的护城河 — 信任、数据、工作流集成、时间带来的复合优势。
翻到最后一页，用17个问题自查你的护城河👉
💭 如果你也在做AI+SaaS
我每周会拆解1-2个真实案例，分析它们的护城河打法。
评论区说说你最关心哪个护城河，数据网络？工作流集成？还是AI专业化？
下期根据大家的投票来深挖🔍
#AI工作流 #AI的神奇用法
2 01 - 看完YC W26的191家公司，我们发现4个趋势……
一、先看大盘：191 家公司在做什么？
用一句话概括：这是近年最“硬核”的一届 YC。
一共有 191 家公司 入选这一批次
其中 64% 在做 B2B 软件：AI 原生服务、AI 增强软件、开发者基础设施、AI 研究工具。这一批次整体进入 YC 历史 TOP 20% 的评分区间，强度被 Rebel Fund 算法评为“历届最强”。预计会跑出 20 家独角兽，命中率大约是历史平均的两倍
更细一点拆开，会看到 5 大赛道的分布：
1、B2B 软件 119 家：AI 原生服务、AI 增强办公、开发者工具、AI 研究平台等
2、工业 / 硬件 27 家：机器人、航天、国防、消费硬件、能源与工业
3、金融科技 21 家：Agent 支付、保险、投行 / M&A、借贷、交易平台
4、医疗健康 15 家：初级诊疗 AI、药物发现、FDA 文档自动化、医疗翻译
5、消费者 9 家：AI 游戏、语言学习、笔记硬件、收藏卡牌等
简单讲：软件还是主角，但这一届 YC 非常明确地在押注“AI + 现实世界”的机会。
二、四个正在发生的趋势
趋势 1：AI 正在重写那些“最老、最被忽视的行业”，而不是再卷一个新 App - 这一批公司里，几乎每一家都在用 AI，但真正有意思的是：他们不再盯着互联网红海，而是把牙医诊所、传统诊所、农业牧场、工业供应链、法律服务、线下录音硬件这些看上去很老派、很难改动的行业重新做了一遍。很多赛道过去因为系统老旧、链路复杂、没人愿意碰，一直被资本忽视；2026 年开始，AI 更像一层“新电力”和“新操作系统”，悄悄接到这些老行业的底层，把原本没人想动、也不敢动的角落，一点点翻新。
趋势 2：硬科技强势回归 - 这一批里面有：月球太空酒店、电池和能源基础设施、自动化仓储机器人、反无人机雷达、农业无人机、工业传感器……以前大家觉得“做硬件太难”，现在越来越多团队在做“硬件 + SaaS + AI”的组合，用软件的商业模型去承载硬科技的护城河。
趋势 3：医疗 AI 从 Demo 走向合同 - 接近 10% 的公司在做医疗相关：初级诊疗 AI、牙科诊疗、FDA 文档自动化、药物发现。以前大家停留在 Demo 和论文，这一批公司已经在和医院、诊所签合同，真正把 AI 写进诊疗流程和医保支付里面。
趋势 4：Legal Tech 进入“后 Harvey 时代” - Harvey 已经把“大律所通用法律 AI 平台”这块蛋糕吃得差不多了，新一批 Legal AI 不再拼谁做得更大，而是切得更窄、更深：有人只做创业公司合同，有人只做合规/移民/特定诉讼，有人干脆直接开一间“AI 原生律所”。底层模型可以用现成的，真正的竞争点变成——谁在某一个具体法律流程上，把体验做得又快又便宜、让原来只有大公司用得起的服务，被普通创业者也用得起。
---------
如果你：
1) 想系统性跟进全球最新的 AI 公司、模型和工具，而不是刷到什么看什么
2) 正在思考要不要 all in AI，想找 1–2 个同频的人一起验证一个想法
3) 或者已经在做产品了，想拿到第一批用户、复盘增长打法、对接早期资本
EonveraX AGI LAB是一个面向AI创业者的AI原生组织。我们连接创始人、优秀人才、资本和AI基础设施，帮助有想法的个体在AI时代创新。
我们在做的分为四个版块：深度孵化陪跑、运营增长咨询、资本链接、高质量社群。这里有：一群真的在做项目、在写代码、在跑市场的人，线下聚会、资源匹配、圆桌讨论、嘉宾分享、每日资讯全覆盖，更有重磅知识库即将上线，想加入我们的请在下方留言【Lab】
欢迎加入我们！
Do Something Cool & Make a Difference
#AI工作流 #AI的神奇用法
4 02 - 顶级 VC + 明星团队 + 130 万用户，
一家 AI 公司从上线到关停只用了 不到 10 个月。
这家公司叫 Yupp AI。
他们到底在做什么？
Yupp 总部在硅谷山景城，母公司 Ber Sarai Labs。
一句话概括：普通人免费用 800+ 个 AI 模型，顺手帮 AI 实验室打分。
你提问 → 系统同时调用两个模型 → 你选出更好的那个 → 拿积分、积分能提现。
C 端：免费用 ChatGPT / Claude / Gemini，还能「边用边赚钱」。
B 端：买到真实用户偏好数据，用来做 RLHF、模型对齐训练。
本质上是一个 「用户 ↔ 偏好数据 ↔ AI 实验室」双边市场。
真正的问题：站错了时代的那一层
1️⃣ 技术进步太快，模型差异被抹平
GPT / Claude / Gemini 飞速演进，普通用户已经很难说清「哪个明显更好」。当模型都「够好」时，大众点选产生的偏好数据，边际价值开始下降。
2️⃣ AI 实验室要的是专家数据，不是薅羊毛用户
Scale AI、Mercor 证明：AI labs 愿意为 PhD 专家、高质量标注付高价，而不是为「为了赚钱随便点几下」的用户付费。Yupp 的积分+现金裂变把 130 万用户训练成了「薅羊毛型」用户，而不是高质量标注者。
3️⃣ 行业从「比回答」进化到「交任务」
Yupp 生在大家还在 PK「哪个回答更好」的时期，但 2025–2026 的趋势已经变成 agentic AI：谁能帮我完成任务、跑完 workflow。交互从「问答」变成「任务委托」，在两个静态回答之间投票这件事，自然被边缘化。
4️⃣ 收入结构太单一，转型空间被锁死
Yupp 基本只靠「卖偏好数据给 AI 实验室」赚钱。B 端一旦发现这类数据不如专家数据值钱，水龙头关掉，公司就没第二条腿可以站。
5️⃣ 免费给用户，本质在替 OpenAI 打工
800+ 模型大部分要付 API 费。C 端完全免费，用户用得越多，Yupp 付给 OpenAI / Anthropic 的钱越多——这是一个 增长和亏损高度正相关 的结构。
留给我们的几个问题
如果你也在做 AI 产品，真的可以问问自己：
你现在做的是 技术栈里的哪一层？这层 3 年后还在吗？
你的增长，带来的是高价值用户，还是被补贴喂大的流量？
一旦核心假设失效（比如某类数据不再值钱），你的模型还有第二条收入腿吗？
Failory 对 Yupp 的评价很扎心：他们在正确的时间，为错误的堆栈层，构建了正确的产品。
在 AI 时代，被技术浪潮淘汰的速度，真的可能快过你把产品打磨完善的速度。
如果你也想一起拆这种 AI 创业成败案例 / 产品层选错的坑，
欢迎在评论区留「Yupp」，我们慢慢聊。
#AI工作流 #AI的神奇用法 #创投好文推荐
3 01
