即刻App年轻人的同好社区
下载
北美大厂的朋友们感慨，每天最多只想工作早9午3，超过下午3点要等到明天。
工作10年+左右的友人们一边说找不到工作，一边想躺平，一边在公司里被高层们卷着各种不同org的AI策略。
我要是他们估计我也想躺平呢
工作10年+左右的友人们一边说找不到工作，一边想躺平，一边在公司里被高层们卷着各种不同org的AI策略。
我要是他们估计我也想躺平呢
8 00
温哥华两日游太开心了。这个地方有山，有海，有森林，三月底还有很多雪可以滑，还能看到樱花。还遇到了一堆在做FMPG消费品的加拿大🇨🇦女性创业者。
加拿大也都在做美国🇺🇸出海🚢，从L-theanine(茶氨酸），到健康冻干零食，到豆干零食应有尽有。
有时候暂别一下纯AI的世界像是一种跑了很久的马拉松的休息日。只有好好的休息，才能好好的all in。
加拿大也都在做美国🇺🇸出海🚢，从L-theanine(茶氨酸），到健康冻干零食，到豆干零食应有尽有。
有时候暂别一下纯AI的世界像是一种跑了很久的马拉松的休息日。只有好好的休息，才能好好的all in。
6 20
做了一个月投放之后我发现一个很反直觉的事情：投放的瓶颈根本不在投放，在素材。素材的瓶颈也不在创意本身，在生产效率。
你脑子里有再多想法，一周只能产出五条成品素材，就永远跑不过平台的疲劳周期。算法需要持续被喂新内容，而传统的制作流程：从脚本到拍摄到剪辑到上传，天然就是慢的。
这个结论是交了学费之后才想明白的。
一个月前我连Meta Ads Manager都没打开过。做了十年产品/工程/自然营销，从来没花过一分钱买流量。CPR这个词我第一反应是心肺复苏，attribution window怎么设不知道。然后因为团队调整，增长投放这件事突然落到了我手上。六位数的月预算，跑了两年的campaign架构，一整
套我完全看不懂的广告后台，需要有人马上接手，没有过渡期。
创业公司就是这样，事情来了你就得上。
接手之后做的第一件事不是学怎么建campaign（meta ads manager真的巨巨巨难用），是把过去两年的数据全翻了一遍。翻完发现一个很刺眼的事实：历史上花在网红渠道的钱，算到最终付费用户，单个成本是四位数美金。而同一时期，一个外包UGC创作者一条视频一百多美金，跑出来的注册成本比整个网红项目加起来还低，观众留存率是所有素材里最高的💀💀💀。
这个对比太明显了，它直接决定了接下来一个月的方向：❌传统渠道上补人，✅AI把UGC素材的生产效率升量级。
首先决定的是：素材全是AI生成的。我们同时起了五个campaign，每个campaign塞不同风格的角色和场景，想的是快速铺开看哪个方向有信号。头几天确实有几条素材跑出了还不错的数据，会觉得好像方向对了，开始有一点兴奋。然后两周之内全部崩了。五个campaign，每一个都在同一个时间段进入了素材疲劳。花费断崖式下降，转化几乎归零。最差的那一周，所有campaign加起来跑了整整七天，回来的注册个位数。看后台的时候真的会开始怀疑，AI生成的素材到底能不能转化？
后来复盘的时候才发现，公司内部文档里团队其实早就写过一份文档，把我们踩的每一个坑都预判到了。单一内容形式会快速消耗受众注意力，重复同一种风格只会加速疲劳，top-of-funnel的观众根本不想看产品demo。我们犯的不是AI的错误，是内容策略的错误，只不过用AI角色把传统的坑重新踩了一遍。
想明白这件事之后，第二代素材完全换了做法。不再只有一种格式，而是同时测POV视角、reaction，hook、多素材混剪。角色也不再单一，测试纪律拉起来👉每条素材给一小笔预算，48小时看数据，达标就放大，不达标就杀掉，不跟任何一条素材谈感情。这个框架跑起来之后，数据慢慢回来了。某些hook风格的点击率接近20%，特定角色加场景的组合在持续找到自己的受众。从噪音里开始能听到信号了。
这就是开头说的那个判断开始变清晰的时刻。
GEN2证明了AI素材是能转化的，但同时也证明了一件事：素材的生命周期比我想象的短得多。一条好素材可能只有几天的黄金期，之后就进入衰减。你不是在做"几条好内容"，你是在跟一个永远在消耗的系统赛跑。能赢的唯一方式就是让生产速度远远超过消耗速度。
所以接下来三周，我把几乎所有精力砸在了工具上。我们用Claude Code从零搭了一整套AI素材生产系统: 完整的、任何团队成员都可以直接调用的技能包体系。
举个具体🌰：假设我们在TikTok上看到一条爆款视频，觉得这个hook有意思想复用。在以前，这是一个需要看几遍、截图、写文档、开会讨论、再让剪辑师理解你意思的过程。现在的流程是：把链接丢进Claude Code的视频理解技能，它自动下载、拉字幕、做镜头分析、跟画面内容交叉比对，输出一份结构化的拆解报告，这条视频的开头三
秒用了什么情绪触发、文字出现在第几帧、转折点在哪里、哪些元素是可以迁移到我们产品的。拿着这份拆解，喂给prompt生成技能。这个技能通过一个变量矩阵——角色乘以场景乘以hook类型乘以CTA结尾——一次性输出二十条视频prompt变体。每一条都不一样，但都是基于同一个经过验证的结构生成的。
🌟创意思考被前置到了系统设计层面，到了生成环节就是纯粹的执行。
生成完的视频丢给组装技能，自动把hook片段、正片内容、CTA结尾拼在一起，叠上logo、字幕、标签，位置和尺寸根据视频分辨率自动算好。出来就是可以直接传到广告后台的成品。
角色一致性的问题也解决了。AI视频最头疼的就是character drift——你的角色换个镜头就长得不一样，观众一眼就能看出来是AI。我们在Kling和Seedance上搭了一套角色身份库，每个角色是
一个JSON文件，锁定五官比例、肤色、体型、发型、标志性配饰，生成的时候挂载上去，几十条视频里同一个人保持一致。
投放数据那头也接上了。Meta广告数据自动拉回来，按创意变量拆分：哪个角色在转化、哪个场景成本最低、哪种hook类型点击率最高。制作团队不需要猜下一批做什么，看这张表就知道算法在告诉你什么东西在起效。
整条链路走通之后，一个下午可以完成从"这条TikTok火了"到"这里有二十条基于它为什么火而生成的广告变体"的全流程。这在一个月前是不可能的事情。
但工具只是一半。另一半是用这套工具的人。这可能是这一个月里我最想说的部分。
我们招了四个人进ABG Army。三个年轻人，一个资深视频剪辑师。四个人没有一个碰过Claude Code，没有一个写过任何AI工作流。有一个进来的时候连终端都没打开过，不知道命令行是什么。
我没有给他们上课。没有做培训PPT，没有搞什么"AI入门三天速成"。方式很简单也很残酷，直接给真实任务、真实deadline，遇到不会的现场查现场解。每天一起搭，每天一起踩坑，每天收工的时候比早上多会一点东西。
现在团队有了固定的周度投放复盘节奏，campaign数据和创意策略在同一张桌子上看。有agency partner接进来跑同一套数据流。有一条能从爆款拆解一路走到批量生成的素材管线。有一个虽然只有几个人但每个人都能独立搭工具的团队。
这些东西三十天前全部不存在。
当然我们还差得很远。素材疲劳的周期还是比我想要的快。注册之后的漏斗追踪有缺口，意味着我们对用户从注册到付费这段路径的理解还是模糊的。我不知道的东西，大概比我现在意识到的要多得多。
但机器在转了。数据在流，素材在出，团队在长。每周回头看上一周，都会觉得上周的自己挺蠢的。这大概就是对的方向。
虽然才30天，但我们才刚刚开始💜
（100%原创，如有任何行为的转发，必须经过本人同意）
你脑子里有再多想法，一周只能产出五条成品素材，就永远跑不过平台的疲劳周期。算法需要持续被喂新内容，而传统的制作流程：从脚本到拍摄到剪辑到上传，天然就是慢的。
这个结论是交了学费之后才想明白的。
一个月前我连Meta Ads Manager都没打开过。做了十年产品/工程/自然营销，从来没花过一分钱买流量。CPR这个词我第一反应是心肺复苏，attribution window怎么设不知道。然后因为团队调整，增长投放这件事突然落到了我手上。六位数的月预算，跑了两年的campaign架构，一整
套我完全看不懂的广告后台，需要有人马上接手，没有过渡期。
创业公司就是这样，事情来了你就得上。
接手之后做的第一件事不是学怎么建campaign（meta ads manager真的巨巨巨难用），是把过去两年的数据全翻了一遍。翻完发现一个很刺眼的事实：历史上花在网红渠道的钱，算到最终付费用户，单个成本是四位数美金。而同一时期，一个外包UGC创作者一条视频一百多美金，跑出来的注册成本比整个网红项目加起来还低，观众留存率是所有素材里最高的💀💀💀。
这个对比太明显了，它直接决定了接下来一个月的方向：❌传统渠道上补人，✅AI把UGC素材的生产效率升量级。
首先决定的是：素材全是AI生成的。我们同时起了五个campaign，每个campaign塞不同风格的角色和场景，想的是快速铺开看哪个方向有信号。头几天确实有几条素材跑出了还不错的数据，会觉得好像方向对了，开始有一点兴奋。然后两周之内全部崩了。五个campaign，每一个都在同一个时间段进入了素材疲劳。花费断崖式下降，转化几乎归零。最差的那一周，所有campaign加起来跑了整整七天，回来的注册个位数。看后台的时候真的会开始怀疑，AI生成的素材到底能不能转化？
后来复盘的时候才发现，公司内部文档里团队其实早就写过一份文档，把我们踩的每一个坑都预判到了。单一内容形式会快速消耗受众注意力，重复同一种风格只会加速疲劳，top-of-funnel的观众根本不想看产品demo。我们犯的不是AI的错误，是内容策略的错误，只不过用AI角色把传统的坑重新踩了一遍。
想明白这件事之后，第二代素材完全换了做法。不再只有一种格式，而是同时测POV视角、reaction，hook、多素材混剪。角色也不再单一，测试纪律拉起来👉每条素材给一小笔预算，48小时看数据，达标就放大，不达标就杀掉，不跟任何一条素材谈感情。这个框架跑起来之后，数据慢慢回来了。某些hook风格的点击率接近20%，特定角色加场景的组合在持续找到自己的受众。从噪音里开始能听到信号了。
这就是开头说的那个判断开始变清晰的时刻。
GEN2证明了AI素材是能转化的，但同时也证明了一件事：素材的生命周期比我想象的短得多。一条好素材可能只有几天的黄金期，之后就进入衰减。你不是在做"几条好内容"，你是在跟一个永远在消耗的系统赛跑。能赢的唯一方式就是让生产速度远远超过消耗速度。
所以接下来三周，我把几乎所有精力砸在了工具上。我们用Claude Code从零搭了一整套AI素材生产系统: 完整的、任何团队成员都可以直接调用的技能包体系。
举个具体🌰：假设我们在TikTok上看到一条爆款视频，觉得这个hook有意思想复用。在以前，这是一个需要看几遍、截图、写文档、开会讨论、再让剪辑师理解你意思的过程。现在的流程是：把链接丢进Claude Code的视频理解技能，它自动下载、拉字幕、做镜头分析、跟画面内容交叉比对，输出一份结构化的拆解报告，这条视频的开头三
秒用了什么情绪触发、文字出现在第几帧、转折点在哪里、哪些元素是可以迁移到我们产品的。拿着这份拆解，喂给prompt生成技能。这个技能通过一个变量矩阵——角色乘以场景乘以hook类型乘以CTA结尾——一次性输出二十条视频prompt变体。每一条都不一样，但都是基于同一个经过验证的结构生成的。
🌟创意思考被前置到了系统设计层面，到了生成环节就是纯粹的执行。
生成完的视频丢给组装技能，自动把hook片段、正片内容、CTA结尾拼在一起，叠上logo、字幕、标签，位置和尺寸根据视频分辨率自动算好。出来就是可以直接传到广告后台的成品。
角色一致性的问题也解决了。AI视频最头疼的就是character drift——你的角色换个镜头就长得不一样，观众一眼就能看出来是AI。我们在Kling和Seedance上搭了一套角色身份库，每个角色是
一个JSON文件，锁定五官比例、肤色、体型、发型、标志性配饰，生成的时候挂载上去，几十条视频里同一个人保持一致。
投放数据那头也接上了。Meta广告数据自动拉回来，按创意变量拆分：哪个角色在转化、哪个场景成本最低、哪种hook类型点击率最高。制作团队不需要猜下一批做什么，看这张表就知道算法在告诉你什么东西在起效。
整条链路走通之后，一个下午可以完成从"这条TikTok火了"到"这里有二十条基于它为什么火而生成的广告变体"的全流程。这在一个月前是不可能的事情。
但工具只是一半。另一半是用这套工具的人。这可能是这一个月里我最想说的部分。
我们招了四个人进ABG Army。三个年轻人，一个资深视频剪辑师。四个人没有一个碰过Claude Code，没有一个写过任何AI工作流。有一个进来的时候连终端都没打开过，不知道命令行是什么。
我没有给他们上课。没有做培训PPT，没有搞什么"AI入门三天速成"。方式很简单也很残酷，直接给真实任务、真实deadline，遇到不会的现场查现场解。每天一起搭，每天一起踩坑，每天收工的时候比早上多会一点东西。
现在团队有了固定的周度投放复盘节奏，campaign数据和创意策略在同一张桌子上看。有agency partner接进来跑同一套数据流。有一条能从爆款拆解一路走到批量生成的素材管线。有一个虽然只有几个人但每个人都能独立搭工具的团队。
这些东西三十天前全部不存在。
当然我们还差得很远。素材疲劳的周期还是比我想要的快。注册之后的漏斗追踪有缺口，意味着我们对用户从注册到付费这段路径的理解还是模糊的。我不知道的东西，大概比我现在意识到的要多得多。
但机器在转了。数据在流，素材在出，团队在长。每周回头看上一周，都会觉得上周的自己挺蠢的。这大概就是对的方向。
虽然才30天，但我们才刚刚开始💜
（100%原创，如有任何行为的转发，必须经过本人同意）
00:08
130 3890
付费专家私有部署💜
Kostja: 那个摸爬滚打到这个点的朋友帮转🤨
0 00
那啥不是我说，我们实习生和距离coding很远的各种role都是Claude code native，刚来两周的新员工都来安利我她们做的skills了
杨远骋Koji: 看到 x 上有人发起这个动议，很有趣。我们在即刻也挑战下？ 「免费给员工提供 Claude Code(必须是 Opus) 使用的团队或者公司，可以在这条的评论区留言举； 帮助大家识别一下有哪些优秀的公司或者团队走在员工福利的新前沿。」 😄
3 00
我在 AI 创业公司做增长，用 Claude Code，一个人把很多原本需要一个小团队完成的事情基本都可以在一周时间里的各个环节跑通。
经常有人问我：你们增长团队几个人？我认真想了一下，很多核心环节其实就是我加上 Claude Code 在运转。慢慢会有一种很具体的变化, 原本需要分给不同角色的工作，现在可以在一个人手里形成闭环。
‼️我们还是很需要更多的人（优秀的小伙伴快来投递简历）
但很多执行层和结构化工作，被一个非常稳定的“系统”串在了一起。
我分享几个最近的真实场景。
💗第一个是竞品分析。是一个同样在 AI 增长赛道里摸爬滚打的朋友，给我分享了他写的一个开源 skill。我没有自己从零开始搭，而是直接让 Claude Code 去“学”这套结构。
我把竞品资料和这个 skill 一起喂进去，Claude Code 大概两分钟就生成了一组结构化的 md 文件。
这些文件有两个用法。一种是直接作为 Claude Code 的长期 memory，用来支撑后续的分析和补充；另一种是可以直接发给外包团队，他们拿到就是已经拆好的结构，可以马上往里填。
AI 增长这件事开始出现一种“skill layer 的复用网络”。
有人把能力抽象成 skill，有人把它接进自己的 workflow，再往下传给团队或者系统。
‼️我们团队人手还是不太够，也在持续招人‼️
💜第二个是广告数据，这一块我之前其实挺抗拒的。
Meta 自带的 ads 系统，说实话又慢又绕，很多数据要来回点、来回筛，还要花时间去理解它那一套逻辑。每次想看全局，就会被各种 campaign 和 breakdown 卡住，效率非常低。
后来我就直接换了一种方式。
我把所有 raw data 拉出来，交给 Claude Code 去处理。我们自己定义结构、自己决定看什么维度，而不是被平台限制住。
慢慢就变成一整套新的 workflow：
从选内容 → 内容制作 → 拍摄 → 文件命名 → 上传 → 数据回流 → 再分析，全链路是打通的。
中间很多以前需要不同角色配合的环节，现在可以在一个系统里连续跑。
一方面是效率，不需要再在工具里来回切和适应它的逻辑；另一方面是掌控感，数据和决策的节奏都在自己手里。
做到后面会有一种很明显的体感：很多原本依赖别人完成的事情，开始可以自己闭环。
真上头。
💙第三个是找专家，这件事做增长的人基本都会遇到。
增长本身就很碎，每个环节都有各自的深度，不可能什么都自己摸。所以只要你清楚自己在哪些地方不擅长，花钱请对的人，其实是在买时间。
但这里有两个很实际的问题：怎么找到对的人，以及怎么判断这个人值不值。
我自己的方式是，不会广撒网。做任何事情都要交学费，但这个学费更应该花在“确定性更高的人”身上。通过你已有的信息、圈子和判断，去锁定几个你真正信任的专家，直接付费沟通，把原本要自己摸索很久的路径压缩掉。
另一个判断标准最近变得越来越清晰：这个专家有没有把自己的能力沉淀成一套可以复用的“skills”。
如果他所有的价值都停留在对话里，或者只能靠反复讲解才能传递，那在现在这个阶段，效率其实是很有限的。
相反，那些已经把方法结构化，甚至可以被工具调用、被团队复用的人，合作起来的杠杆会完全不一样。
尤其如果你在做 AI-native 的产品，这一点会更明显。你需要的是可以被放进系统里的能力，而不是只能停留在人身上的经验。
我自己的做法是，把专家的输入直接接进 Claude Code，让它去整理、对齐、补结构。专家不再只是“给建议”，而是变成整个执行系统的一部分。
这样下来，专家 + 团队 + AI，是可以一起把人效往上推一个数量级的。
💡我会建议刚开始创业的创始人，尽早把“增长”这件事握在自己手里。如果你本身不擅长搞钱，那就更应该亲自下场做增长，在一线把数据、内容和渠道跑通，这会是你最快建立判断力的方式；如果你已经很擅长搞钱，那就不要把时间花在反复试错上，直接花高薪找一个真正 AI-native 的增长负责人，把能力接进来、把节奏拉起来。
关键不在于你选哪一条路，而在于增长这件事不能外包掉认知，你要么亲自建立它，要么用对的人把它带进你的系统里。
‼️重要的事说三遍‼️我们还在招人，从财务，后端，前端，增长运营
经常有人问我：你们增长团队几个人？我认真想了一下，很多核心环节其实就是我加上 Claude Code 在运转。慢慢会有一种很具体的变化, 原本需要分给不同角色的工作，现在可以在一个人手里形成闭环。
‼️我们还是很需要更多的人（优秀的小伙伴快来投递简历）
但很多执行层和结构化工作，被一个非常稳定的“系统”串在了一起。
我分享几个最近的真实场景。
💗第一个是竞品分析。是一个同样在 AI 增长赛道里摸爬滚打的朋友，给我分享了他写的一个开源 skill。我没有自己从零开始搭，而是直接让 Claude Code 去“学”这套结构。
我把竞品资料和这个 skill 一起喂进去，Claude Code 大概两分钟就生成了一组结构化的 md 文件。
这些文件有两个用法。一种是直接作为 Claude Code 的长期 memory，用来支撑后续的分析和补充；另一种是可以直接发给外包团队，他们拿到就是已经拆好的结构，可以马上往里填。
AI 增长这件事开始出现一种“skill layer 的复用网络”。
有人把能力抽象成 skill，有人把它接进自己的 workflow，再往下传给团队或者系统。
‼️我们团队人手还是不太够，也在持续招人‼️
💜第二个是广告数据，这一块我之前其实挺抗拒的。
Meta 自带的 ads 系统，说实话又慢又绕，很多数据要来回点、来回筛，还要花时间去理解它那一套逻辑。每次想看全局，就会被各种 campaign 和 breakdown 卡住，效率非常低。
后来我就直接换了一种方式。
我把所有 raw data 拉出来，交给 Claude Code 去处理。我们自己定义结构、自己决定看什么维度，而不是被平台限制住。
慢慢就变成一整套新的 workflow：
从选内容 → 内容制作 → 拍摄 → 文件命名 → 上传 → 数据回流 → 再分析，全链路是打通的。
中间很多以前需要不同角色配合的环节，现在可以在一个系统里连续跑。
一方面是效率，不需要再在工具里来回切和适应它的逻辑；另一方面是掌控感，数据和决策的节奏都在自己手里。
做到后面会有一种很明显的体感：很多原本依赖别人完成的事情，开始可以自己闭环。
真上头。
💙第三个是找专家，这件事做增长的人基本都会遇到。
增长本身就很碎，每个环节都有各自的深度，不可能什么都自己摸。所以只要你清楚自己在哪些地方不擅长，花钱请对的人，其实是在买时间。
但这里有两个很实际的问题：怎么找到对的人，以及怎么判断这个人值不值。
我自己的方式是，不会广撒网。做任何事情都要交学费，但这个学费更应该花在“确定性更高的人”身上。通过你已有的信息、圈子和判断，去锁定几个你真正信任的专家，直接付费沟通，把原本要自己摸索很久的路径压缩掉。
另一个判断标准最近变得越来越清晰：这个专家有没有把自己的能力沉淀成一套可以复用的“skills”。
如果他所有的价值都停留在对话里，或者只能靠反复讲解才能传递，那在现在这个阶段，效率其实是很有限的。
相反，那些已经把方法结构化，甚至可以被工具调用、被团队复用的人，合作起来的杠杆会完全不一样。
尤其如果你在做 AI-native 的产品，这一点会更明显。你需要的是可以被放进系统里的能力，而不是只能停留在人身上的经验。
我自己的做法是，把专家的输入直接接进 Claude Code，让它去整理、对齐、补结构。专家不再只是“给建议”，而是变成整个执行系统的一部分。
这样下来，专家 + 团队 + AI，是可以一起把人效往上推一个数量级的。
💡我会建议刚开始创业的创始人，尽早把“增长”这件事握在自己手里。如果你本身不擅长搞钱，那就更应该亲自下场做增长，在一线把数据、内容和渠道跑通，这会是你最快建立判断力的方式；如果你已经很擅长搞钱，那就不要把时间花在反复试错上，直接花高薪找一个真正 AI-native 的增长负责人，把能力接进来、把节奏拉起来。
关键不在于你选哪一条路，而在于增长这件事不能外包掉认知，你要么亲自建立它，要么用对的人把它带进你的系统里。
‼️重要的事说三遍‼️我们还在招人，从财务，后端，前端，增长运营
61 1133