即刻App年轻人的同好社区
下载
App内打开
lennon林伟烽
21关注41被关注0夸夸
鹅厂，软件工程师一枚。
期许自己足够真诚，足够勇敢的面对人生，热爱生活，热爱学习。
lennon林伟烽
9天前

饼干哥哥: 去年，我做过公众号爆文项目，凭借以前做内容的网感，爆了一篇百万级阅读量的文章。​ 当时还小复盘了一下：​ 那篇文章发在我现在这个号上，单篇直接带来了6000多元的收益。​ 后来我反复在想一个问题：这到底是内容本身的胜利，还是因为我这个老号本身自带权重？​ ​ 为了验证这个逻辑，我单独开了一个全新的号，叫「第二曲线增长」，用纯粹的数据和工业化逻辑把这件事重新做一遍。​ 为了白嫖 Claude 模型的能力，当时是直接用 Cursor 来处理整个流程的。​ 我先是抓了一批细分赛道的高赞爆款内容，一共28篇。我把这些文章一股脑塞给模型，强行让它全部看完，要求它严格划分出内容类型、情绪爆点和文章结构。​ ​ 接着，我让它照葫芦画瓢，直接拉出100个痛点选题。 ​ 前期我还专门总结了一套固定的写作风格和提示词框架。​ 准备工作做完后，剩下的就是流水线作业。我让模型按照顺序逐一生成文章，拿到文本后我连标点符号都不改，直接复制粘贴发布。​ 甚至连推文的封面图都是千篇一律的统一模板，完全没有人工干预。​ ​ 结果非常夸张。发到第四篇的时候，文章直接触发了推荐算法，开始疯狂进池子爆流量。​ ​ 再接着，同样的方式，我做了4、5个号吧，也是成功了。​ 甚至做教培的时候，也是这样做成了几个号带来了不少客资。​ 但现在没做了。​ 因为这种做法太驱逐流量了，没有任何复利，也没有任何个人资产沉淀。​ ​ 但是，那套工业化生产内容的底层逻辑，非常能打，价值极高。​ 我近期发现，如果把这套逻辑平移到现在的智能体架构上，用OpenClaw配合Obsidian来做，效果不仅好十倍，而且能真正建立起长期的数据壁垒。​ 今天这篇文章，直接给你全套开箱即用的实操教程。 01 为什么是 OpenClaw 加上 Obsidian？ 很多人每天都在用各种大模型，但依然觉得效率没有质变。 原因在于使用方式极其碎片化。想到一个点子，去问AI，得到一篇文章，复制发布，然后关闭网页。下次再有想法，又得重新设定背景、重新调教语气。每次都在重复无效劳动。 真正的系统化创作，应该是这样的： 你有一个想法，记录进本地的选题库； AI 接收到指令，自动去检索你积累了几个月的爆款素材库； 找到匹配的理论框架后，复用已经被市场验证过的内容结构进行写作； 文章发布后，数据表现会再次沉淀到你的方法论里。 要实现这个闭环，你就必须拥有两个核心组件：一个能持久化保存知识的底层数据库，和一个能在后台全自动执行指令的驱动引擎。 Obsidian 就是那个数据库。它是一个完全本地化的 Markdown 知识管理软件，核心优势在于双向链接功能，能够把孤立的文本碎片连接成立体的知识网络。 OpenClaw 就是那个驱动引擎。它是一个可以 7x24 小时在后台静默运行的守护进程。它不需要你打开对话框去聊天，你只需要通过手机绑定的接口发一条指令，它就会在后台自动读取 Obsidian 里的文件，执行检索、拼接和写作。 这个组合，无论是对于做个人 IP 的小红书博主、公众号创作者，还是对于需要大规模铺设海外独立站 SEO 博客、运营海外社媒的跨境电商企业来说，都是一套极具统治力的基础设施。 02 先看看效果：内容生产流程被彻底重构 有了这个内容工厂以后，你走在路上，看到一篇优质的行业报道，随手复制链接发给手机上的Agent。 OpenClaw会在云端静默抓取正文，提取核心逻辑，打上正确的YAML标签，并自动同步到你本地Obsidian的灵感库中。 晚上坐在电脑前，你只需要发一句指令开始处理今天收集的灵感。Agent会自动调取素材来给你选题角度。甚至可以网上实时搜索，让它生成大纲、写文章就很丝滑了，期间有什么问题都可以更新记忆，这种形式特别好，后续想改，直接改md文件就好了。 03 配置本地底层系统 搭建这套系统，第一步是安装 Obsidian 软件。直接在官网下载并在本地新建一个空文件夹作为仓库（Vault），以我自己为例，命名为 bgggcontent 注意，此时绝对不能让OpenClaw直接操作这个文件夹。 大模型在操作系统层面执行命令非常直接。如果你直接赋予它文件读写权限，当它判断某篇笔记需要重新归类时，它会直接调用底层系统的原生「mv」指令。这个动作在普通的文件夹里没有影响，但在Obsidian里会导致严重错误。 Obsidian的底层结构依赖双向链接。一旦源文件被外部系统强行重命名或移动，所有指向该文件的内部链接会全部失效，整个知识系统会出现大量死链。 为了防范这个灾难，我们要引入 obsidian-cli 命令行工具，并在 OpenClaw 中严格挂载官方的 obsidian-skills。 这个工具确保了未来 AI 在移动或删除任何一篇笔记时，都会向 Obsidian 底层引擎发送信号，使得全局引用关系自动更新。 04 架构设计：利用软链接打通多 Agent 矩阵 此时，就要考虑一个问题：Obsidian的文件夹要放到哪？ 内容中台的终极形态，绝对不是由单一智能体包揽所有工作。未来必然会进化出多个专职 Agent：一个负责全网监控抓取素材的研究员，一个负责撰写小红书种草文案的专员，以及一个负责统筹全局的审稿总管。 而OpenClaw 的安全沙盒机制极其严格，每个 Agent 只能访问自己工作区内的文件。如果把库建在单个工作区里，其他 Agent 就彻底丧失了访问权限。 所以，最佳实践方案是建立中立的物理存储，并通过操作系统的软链接（Symlink）进行跨界映射。 将真正的实体库文件夹建立在极其安全的个人文档路径下： /Users/binggan/Documents/bgggcontent 然后打开终端，通过软链接命令，为各个 Agent 建立直达中央数据库的专属通道： 例如给我的多个agent（大总管、小红书、公众号）链接上obsidian工作区，这样它们就能直接操作了。 效果是这样，可以看到openclaw的agent workspace文件夹里都有一个bgggcontent相互链接了。 通过这种架构部署，素材库成为了唯一的真实数据源。 研究员刚刚把一份深度竞品分析丢进爆款素材库，公众号撰稿 Agent 就能在零延迟的情况下瞬间读取并投入写作。 05 核心目录映射与内容流转规则 完成底层通道打通后，我们需要在 Obsidian 内部确立流转目录。 我们不需要繁琐的嵌套结构，只需要遵循内容生产的生命周期： 01-灵感与素材库：分为日常灵感剪报和爆款素材片段。平时刷到的优质长文直接扔进前者，极具杀伤力的金句和逻辑框架提炼后存入后者。 02-选题池：存放经过人工确认或 AI 基于灵感衍生出的待写命题。 03-内容工厂：细分为大纲挑选区、初稿打磨区和终稿确认区。这是 AI 高频读写的核心车间。 04-已发布归档：所有在公网发布的成品最终沉淀于此。 为了让 OpenClaw 在面对海量 Markdown 文件时能够精准定位所处环节，必须强制推行元数据（Metadata）管理。 系统内严禁出现任何纯文本的裸文件。 06 配置Agent执行准则 物理环境就绪后，最后一步是配置OpenClaw Agent的配置文件。 进入公众号Agent的专属工作区（workspace-gzh），我们需要建立或修改四个核心的底层规则文件。这些文件决定了AI的行事边界和执行逻辑。 直接复制以下内容到对应的文件中。 第一份文件是SOUL.md，这是安全防线的底线声明。 你必须在其中设定极其严厉的安全红线。 第二份文件是USER.md，这是对你个人风格的设定。 明确指出你拒绝所有带有机器生成痕迹的词汇。强制要求它多用短句、频繁换行 第三份文件是AGENTS.md，控制AI每次启动的必读列表。 在其原有的基础上，追加SOP的读取要求。 第四份文件是SOP_GZH.md，将业务逻辑固化为标准执行程序。 在日常高强度的内容输出中，你不可能每次都重新输入工作流指令。你需要在这份文件里把流程拆解为精确的触发条件与对应动作。 07 一键初始化启动指令 以上所有的文件配置好后，我们需要让OpenClaw在本地硬盘上把这些文件夹真正建立起来。 最后 你退到了幕后，成为了一名制定规则、把控边界的数字系统架构师。 你维护的不再是几百篇散落的文章，而是一台7x24小时不间断吸收外部信息、不断自我强化的内容处理引擎。 补充阅读： OpenClaw真变态！我跑通了跨境电商的10个落地场景 好变态！用OpenClaw做了28个跨境电商数字员工 跨境电商用OpenClaw做GEO，屠杀传统谷歌SEO流量 90%跨境电商工作流会被Kimi OpenClaw+Skills替代 1句话抓100个独立站数据？用第一性原理看懂OpenClaw的架构

00
lennon林伟烽
11天前

饼干哥哥: 有个美国人把 OpenClaw 装进 MacBook，配上一套专门为屋顶承包商定制的 Skills，接好 HubSpot CRM，加上行业专属的 SOUL.md，然后直接寄给客户。 插电，AI 员工上班。 收费 5000 美元一台，后续 weekly 支持。 虽然Macbook对企业落地明显是不行的（后面我会介绍更专业的设备） 但这个项目——叫 RoofClaw——总收入已经超过 180 万美元，服务了 360 多家屋顶承包商。 算一笔账：全球 AI Agent 市场 2025 年 76 亿美元，年复合增长率 49.6%，2033 年预计到 1830 亿美元。全球跨境电商市场今年突破 4 万亿美元，中国出口电商逼近 3 万亿人民币。 这两个万亿级市场的交叉地带——用 AI Agent 帮跨境电商公司干活这件事，保守估计是一个千亿级的服务市场。 而现在，这个市场几乎没人系统在做。 人最终会变成 AI 的燃料 我在上周的 NGS AI跨境电商大会上说过这句话。 听着刺耳，但这就是我们团队现在的真实状态： 👀 全员从微信迁移到飞书，飞书里接入 OpenClaw。所有工作对话，AI 在旁边同步，沉淀成知识，转成 Skills，下次直接调用。这个循环跑起来之后，组织里每一次对话都在给 AI 喂燃料，让它越来越懂这个行业、懂这家公司、懂每一个具体的业务场景。 周日我还办了一场 OpenClaw 跨境电商闭门会，来的都是真在跑业务的人。 但我发现一件事——大家对 OpenClaw 在企业管理端的想象力，明显比业务端弱。 其实跨境公司的管理问题一点不比业务小：员工流失、知识断层、数据滞后、达人管理混乱，每一件都能搞垮一个正在增长的公司。 下面就把我们团队真实在跑的几个场景拆开讲，看看这千亿市场到底要怎么做？ 图片 01 沉淀群聊内容为知识库，再转成Skills 公司最贵的隐性成本不是广告费，是人员流动造成的知识损耗。 一个做了两年的运营离职，他知道的平台规则、踩过的坑、和供应商的默契，全带走了。 下一个人从零开始，再踩一遍。这个循环每年都在重复。 我们现在的做法就是前面说那样，如果你也想配置的话，老实说，一点门槛没有。 我都是直接跟Claude沟通的 图片 提示词： 我想用 OpenClaw 搭建一套团队知识自动沉淀系统。 当前状况： - 团队在飞书群里沟通日常业务 - 核心知识散落在聊天记录里，没有系统整理 - 员工离职后知识断层严重 我的诉求： 1. OpenClaw 接入飞书群，实时监听业务讨论 2. 自动识别有价值的业务经验、踩坑记录、操作规范 3. 整理后写入 AGENTS.md 对应章节（按业务模块分类） 4. 每周五自动输出一份「本周知识沉淀周报」到飞书群 请帮我设计： 1. SOUL.md 中关于知识沉淀的角色定义 2. AGENTS.md 的知识分类结构（覆盖我以下业务模块：[选品/运营/广告/供应链/达人管理]） 3. HEARTBEAT.md 的知识巡检逻辑（每小时检查一次新消息，有价值内容才处理，没有则 HEARTBEAT_OK） 4. 每周五知识周报的 Cron 配置（isolated session + announce 到飞书群） 02 让 AI 来调度企业现有的自动化工具 很多跨境公司已经有一套在跑的自动化流程：n8n 工作流、各种 RPA、定制脚本。 这些东西干活很稳，但彼此之间是孤岛。A 跑完了要不要触发 B，全靠人来盯。 OpenClaw 最适合做的就是这层调度大脑。 我在线下大会的观点 原理是这样的： 👀 OpenClaw Gateway 原生支持 Webhook 接收。在 openclaw.json 的 hooks 里开启 webhook，设好 token，n8n 工作流跑完一个任务，结果通过 HTTP POST 推到 OpenClaw 的 /hooks/agent 端点。OpenClaw 收到后启动一个 isolated session 的 agent turn，判断下一步是继续推进还是需要人工介入，异常的时候生成处理建议并推送到飞书群。 不是替换现有工具，是在上面加了一层会思考的调度层。 参考配置方案： 第一步，在 openclaw.json 里开启 Webhook： { "hooks":{ "enabled":true, "token":"你的安全密钥", "path":"/hooks", "defaultSessionKey":"hook:n8n-dispatch", "allowRequestSessionKey":true, "allowedSessionKeyPrefixes":["hook:"] } } 第二步，n8n 工作流末尾加一个 HTTP Request 节点，POST 到 OpenClaw： POST http://你的服务器IP:18789/hooks/agent Header: x-openclaw-token: 你的安全密钥 Body: { "message": "n8n 工作流 [广告数据拉取] 执行完毕。结果：ROAS 1.8，花费 ¥3200。请判断是否异常并决定下一步。", "name": "n8n-广告监控", "sessionKey": "hook:n8n-ads", "deliver": true, "channel": "feishu", "to": "飞书群ID" } 第三步，在 AGENTS.md 里写入调度判断逻辑： ## n8n 工作流调度规则 当你收到 n8n webhook 回调时： 1. 解析工作流名称和执行结果 2. 对照以下阈值判断是否异常： - 广告 ROAS 低于 [你的阈值]：异常，立刻通知 - 库存低于 [X] 天销量：异常，立刻通知 - 工作流执行失败：异常，立刻通知并附失败原因 3. 正常情况：不输出任何内容，静默处理 4. 异常情况：推送到飞书群，格式为「⚠️ [工作流名称] 异常：[具体问题] → 建议：[处理方案]」 5. 工作流依赖关系：[工作流B] 正常完成后，自动触发 [工作流C]（通过 curl 调用 n8n 的 webhook URL） 03 业务 SOP 沉淀成 Skills，才是真正的护城河 这件事我前天发过文章 教怎么把跨境电商的业务SOP转成OpenClaw的Skill 这里就不赘述，核心在于让Openclaw来反问，把业务SOP梳理清楚。 04 让老板回归「做重要决策」这件事 这是我见过最多跨境老板踩的坑：每天花一个小时看各种后台数据，看完也没做什么决策。 数据本身没有价值，数据驱动的决策才有价值。 我们团队跑了一个永不下班的决策助理。 设计逻辑： 👀 连接亚马逊广告 API、独立站 GA4、飞书多维表，每小时拉数据判断异常。ROAS 低于阈值、退款率超标、库存不足 7 天销量——才推送。其他时候沉默。每天早 9 点一份当日简报，已经带结论和建议动作，不需要老板自己算。 除了业务数据，这个 Agent 还能接收团队成员的日报周报，自动提炼关键进展和卡点，老板打开飞书看到的不是一堆文字，而是一份结构化的「需要你关注的事」清单。 老板真正需要的只有一个信息：现在哪件事需要我做决定。 配置方案： 第一步，配置数据巡检的 Cron 任务。用 isolated session，正常时不产生输出： openclaw cron add \ --name "data-patrol" \ --cron "0 * * * *" \ --session isolated \ --message "执行数据巡检。读取 AGENTS.md 中的异常阈值规则，调用对应 API 拉取最新数据，逐项判断。如果全部正常，只回复 HEARTBEAT_OK，不要输出其他任何内容。如果有异常，输出格式：⚠️ [指标名] 异常：当前值 [X]，阈值 [Y] → 建议：[处理方案]。" \ --announce 第二步，在 AGENTS.md 里定义异常阈值： ## 数据异常阈值（根据自身业务填写） - 广告 ROAS 低于 [X] - 单日广告花费超过 [X] 元且 ROAS 未达标 - 退款率超过 [X%] - 某 SKU 库存低于 [X] 天销量 - 独立站跳出率突增 [X%] 以上 - 新品上线 [X] 天内零转化 ## 数据源配置 - 亚马逊广告 API：通过 Skill [amazon-ads] 调用 - GA4：通过 Skill [ga4-report] 调用 - 飞书多维表（库存/销售数据）：表格 URL [填入] ## 推送规则 - 正常不通知，异常立刻推送到飞书群 [群名] - 紧急事项同时私信老板飞书 05 多 Agent 协作：不要一上来就搞五个 Agent 这是我最想纠正的一个误区。 我之前写过一篇文章：用OpenClaw搭跨境电商团队：5个AI员工，跑通全平台矩阵！ 但很多人看了多 Agent 的教程，第一反应就是搞五六个 Agent，一个管选品、一个管广告、一个管内容、一个管达人……然后发现整个系统根本跑不起来。 问题出在哪？ 第一，没有队形。五个 Agent 各干各的，谁也不知道队友在做什么，该交接的不交接，该汇报的不汇报。 第二，活派出去收不回来。OpenClaw 的 sessions_send 有个隐藏限制：等下游回复的超时只有 30 秒，超了就丢了，上游 Agent 以为对方没干活。 第三，配置项太多容易漏。每个 Agent 要单独建 workspace、绑 IM 账号、开 A2A 权限、设 Session 可见性，少一项整条链路就是废的。 正确的做法是分阶段来。 阶段一：一个主 Agent + SubAgent 模式 不需要多个独立 Agent。用一个主 Agent，复杂任务通过 sessions_spawn 派给 SubAgent 在后台跑，跑完结果自动回传。这个模式配置最简单，90% 的场景够用。 阶段二：需要多人同时对话时，上多 Agent 当你的团队里多个人需要同时跟不同的 Agent 对话（比如运营找运营助手、老板找决策助手），这时候才需要真正的多 Agent 路由。 关键配置三件事： 1. 工作区物理隔离：每个 Agent 必须有独立的 workspace，用 openclaw agents add 命令创建，不要手动建目录。 2. A2A 通信白名单：在 openclaw.json 里显式开启 agentToAgent， { "tools": { "agentToAgent": { "enabled": true, "allow": ["lead", "ops-assistant", "ads-assistant"] } } } ## 协作准则 ### 委派任务后 - 收到 sessions_send 返回 { status: "accepted" } 后，如果不依赖结果，继续做下一件事 - 如果必须等结果，告知用户「已委派给 @[队友ID]，等待结果」，然后结束当前轮次 - 队友完成后会通过 sessions_send 回传唤醒你 ### 接到任务后 1. 立刻在群里用 message 工具通知用户已接手（消息开头 @上游AgentID） 2. 执行任务 3. 完成后先在群里汇报结果（同样 @上游AgentID） 4. 同时必须调用 sessions_send 将结果发回给委派者，唤醒对方继续工作 3. 双重汇报协议：在每个 Agent 的 SOUL.md 里写入协作准则，解决超时问题： 并设置允许通信的 Agent 列表： 企业落地的最后一公里是设备 很多人找我问设备，这件事不能随便答 个人用户随便玩，Mac Mini 或者一台性能稍好的 PC，跑云端模型 API，完全够了。 但企业就不一样了。最近找我推荐设备的主要是两类场景，我说清楚逻辑，自己对号入座。 第一类：数据不能出门的企业。 很多跨境公司处理的内容包含客服对话、员工沟通、供应商报价、广告数据。这些东西如果全走云端 API，数据就在别人的服务器上跑了。一旦涉及竞争情报、价格策略、KOL 资源这类核心资产，云端方案会让老板很不安。 新闻已经在警告不要在工作设备上安装 OpenClaw，理由是安全风险。私人企业虽然没有这个强制要求，但数据主权的问题真实存在。 这类场景，本地部署模型是唯一干净的解法。 可以看下 行云褐蚁 的 HY50 ，是这个需求里性价比最高的入门方案。500GB 大容量内存，跑 Qwen3 235B Q4 这类 MoE 大模型没有问题，30 路并发足够覆盖一个中小团队的日常 AI 调用，HEYI 自研推理引擎把 CPU 内存带宽发挥到极致，整体预算在十万元级别。 适合：20 人以下的跨境团队，核心诉求是数据不出门、本地跑通 OpenClaw 的完整工作流。 第二类：团队并发量大，多人同时在用 Agent 的企业。 一台机器同时跑 20 个员工的 OpenClaw 请求，每个 Agent 会话又在调用子 Agent，上下文动辄几万 token，对内存带宽和并发能力的要求完全不是普通设备能撑的。 可以看下 HY NV4-6000 ，四块 NVIDIA RTX 6000 Pro，384GB 四路显存，128 路并发实测，32 路日常办公人均上下文 192K。这个配置的核心价值是：公司所有 Agent 工作流共享一套私有算力，数据主权完全自控，金融、法务、合规等对数据安全有强要求的环节可以直接跑。 适合：50 人以上的跨境企业，多个部门同时使用 OpenClaw，需要统一的私有 AI 基础设施。 如果是公司级 AI 中台，要撑全域 Agent 高频并发、大规模自动化业务流，就要上 HY NV8-6000 了：768GB 满血显存，支持 Qwen3.5、GLM 4.7等旗舰模型的原生推理，零量化损耗，总吞吐 2000+ tokens/s。这个配置就不是一个部门的需求了，是整家公司的 AI 算力底座。 给企业定制OpenClaw，这件事有没有搞头？ 上面几个场景，有一个共同的前提：需要有人把它们配好。 目前在这件事上最赚钱的模式，不是自己用 OpenClaw 去做事，而是帮别人配好 OpenClaw 然后交付，国内已经有服务商单次服务费已经到数万元人民币。 这个模式的逻辑其实很简单。跨境公司老板知道自己需要 AI，但不知道具体要配什么、怎么配、配好之后维护谁来负责。这个信息不对称，就是服务价值所在。 👀 交付物是一套可以开箱即用的 OpenClaw 配置：SOUL.md 写成符合这家公司文化的人设，核心业务 SOP 转成 Skills 集合，飞书和 n8n 的接口接好，Cron 任务配置完毕，直接部署在 HEYI 硬件上寄给客户，或者上门部署。 插电，AI 员工上班。 海外跨境电商定制服务的市场价格在 500-2000 美元每个项目，企业级定制正在成为 OpenClaw 生态里增长最快的收入来源。而国内市场在这个垂直方向上几乎还是空白。 跨境电商这个圈子，懂业务逻辑的人很多，懂 OpenClaw 配置的人还很少，两者都懂的人几乎没有。 这是一个真实的时间窗口。

00
lennon林伟烽
11天前
段永平最猛的是，他在三四十年前讲的话，跟现在讲的，意思基本一样。

于冬琪: 最近认识了一位曾在段永平身边工作多年的小伙伴，他讲了一个细节，彻底改变了我对管理的认知。 他说：当你犯错的时候，正常的管理者都会很凶，觉得不骂你一顿，你不会长记性。 但每一次有人在段永平身边犯错，段永平不止不生气，反而开始沉默，进入向内思考的状态。 我问：他那时候在想什么？ 答案我也很意外——他想的根本不是“这个错怎么解决”，而是：“这个人为什么会带着这个错误走到我面前？” ——是这个人不合格？那我招聘、用人、晋升的环节出了什么问题，让一个不合格的人能占用我的时间？ ——还是这个人胜任，但产出时缺少必要的流程和辅助，导致不合格的产出没被拦住，直接来到我面前？ 你看，面对一个单点问题，段永平的第一个本能不是“纠正错误”，而是先看看这个问题背后是不是有系统原因，把错误当作观察系统的窗口。 在我看来，这就是优秀CEO和平庸CEO最本质的区别。

00
lennon林伟烽
12天前
回想从过年到上周五这段时间，从打算报名到准备资料再到 PPT ，几乎把其他的大多数事都停下来了，并且压力也大，脑子里全是这个破事。

并不很值得。

感觉自己带着痛苦面具干了几个月。
00
lennon林伟烽
12天前
终于，答辩完事了。

过不过无所谓，终于不再被折磨与挑刺了。
00
lennon林伟烽
18天前
lennon林伟烽
2月前
mark

Celia.: 最近开始对基金好奇，于是密集听了几期红杉历届掌门人的播客，想知道这家硅谷最头牌的 VC 是如何运转、如何决策的？ 毕竟，大多数顶级 VC 都会随着创始人的老去而变得平庸，但红杉是极少数完成了四代平稳权力交接的机构，并且在这 50 年里，几乎从未错过任何一个时代的球王，从半导体的仙童、个人电脑的苹果、互联网的谷歌，到移动时代的 WhatsApp、字节，以及现在的 OpenAI 等等。 记录一些有意思的点： 1. 红杉内部记录了十几年来每一次投资的投票情况（0-10分）。回顾这些数据，他们发现了一个非常有趣的结论：一个项目是有 “强烈共识” 还是有 “巨大争议”，对于结果好坏，毫不相关。 真正重要的是，是否有人有着强烈的 Conviction。比起一屋子人都通过的 6 分项目，红杉更想要那种有人投 9 分、有人投 2 分的项目。 (这背后的原理可能是，VC 作为风险投资，往往要以出人意料的方式构建未来。如果所有人都能达成共识，通常意味着这个东西太像过去已知的事物了，立刻就会被市场充分定价和竞争，而那些真正的颠覆性机会，在最开始的时候往往很难理解，甚至不合逻辑。极低的分数代表它的风险，极高的分数代表它的潜力。) 2. 红杉对团队的考核分为两个部分： (1) 每年 6 月有一轮价值观评估。 评估个人行为是否符合团队的四个核心价值观： - Aggressive but humble：既有野心，又非常谦逊。 - Demanding and supportive：既严苛，又乐于助人 - Strong under scrutiny：在高强度的辩论和压力下也能坚持逻辑和判断。 - High give-a-shit and zero bullshit：对所做的事情极度认真在乎，且行事极度坦诚直接。 (P.s. 很喜欢红杉抽象出的这一套 values，很具体，且有张力，它要求一个人能在对立统一的特质中寻找平衡。有点像菲茨杰拉德的那句名言，所谓聪明人就是脑子里有两套截然相反的观念，且能并行不悖) (2) 每年 12 月有一轮能力评估: 评估每个人在投资价值链五个环节（Sourcing → Picking → Winning → Building → Harvesting）中的能力水平。 整体来讲，红杉认为自己在 Winning 上的能力最强，能拿 9 分。 (这里，他们自认为当与其它顶尖 VC 竞争时，红杉拿下创始人的 secret sauce 是：花大量时间去理解创始人想成为什么样的人，然后把这种理解反馈给对方，让创始人感到深深地被看见。 与之对应的，最大的错误就是急于推销，拼命告诉创始人红杉有多牛，这很难真正打动对方。） 另外，红杉认为自己在 Picking 上做得最差，只能打 6 分。 (不过，之所以 Picking 这么差，倒也不是红杉能力不行，核心是因为 VC 做的是 Outliers 生意，而每一个真正的 outlier 都是独一无二的，会打破所有既定规则，很难真的总结出一套 pattern 来系统化地识别) 3. 红杉有一个非常恐怖的自研 CRM 系统。 每当他们遇到一位顶级的人才，且帮了 ta 一个忙时，就会请求对方回答一个问题：“在你的领域里，你认识的最聪明的 5 个 peers 是谁？”。 他们把这些回答录入系统，追踪了整整 10 年。 这就像是给整个硅谷的顶级人才做了一个 PageRank。这样，当某个不知名的创业公司冒出来时，如果在系统里能 track 到好几个 founding team members 的名字，就已经是一个大的 Buy Signal 了。 4. 红杉做复盘时发现，所有严重的错误决策（无论是投错还是错过），如果连续追问 5 个“为什么”，最终原因从来不是计算错误，而是心理陷阱。 为此，他们总结了 40 种思维偏误。其中最常见的一个是 "Separation of Church and State (政教分离)" ，也就是要把 “追逐项目的快感” 和 “冷静的投资决策” 分开。人很容易在追逐的过程中爱上对方，导致失去了客观评估风险的能力。(招人，恋爱也是同理） 5. 红杉新晋掌门人 Pat grady 说他从红杉教父 Doug Leone 身上学到了顶级销售的本质，那就是极致的透明度。 比如，在谈判价格时，Doug 从不绕弯子，而是会直说：你想付 X，我想付 0.5X，不如我们 0.75X 成交，大家共同忍受一点不舒服，怎么样？ 在相处中，越简单、直接、透明，越能快速建立信任，而当人们信任你时，生活和商业都会变得容易许多。 事实上，Doug 认为红杉最核心的竞争力之一，就是沟通成本极低。在与他沟通时，永远不需要寻找任何第二层或第三层的隐含意思。你得到的永远是现实，不存在背后的潜台词。 (极度坦诚直接，似乎是很多 great founder 身上的共同特质，从 Ray Dalio，到乔布斯、Elon Musk... @曲凯 @陈皮皮屁 身上这个点也能超越 99.9% 的人……这是我会怀念42章经的一个地方。) 6. Pat Grady 还分享了一个他最常与创业者产生分歧的点：Fewer Better Things。 当一个初创公司想做一个新东西时，Pat 通常认为更好的资源利用方式都是——把已有的东西做得更好。 他有一个常常引用的概念，叫做 「The Chicken Issue」：Chick-fil-A（以鸡肉汉堡闻名的快餐店）的老板肯定想过，如果在菜单里加上牛肉汉堡，客户群肯定会扩大。但代价是，这就模糊了它作为「鸡肉专家」的身份。 把核心功能点做到极致，才是最关键的。绝大多数公司都死于想做的太多，而不是太少。 7. 最后，很多很多红杉的访谈都提到，红杉之所以是红杉，最大的原因是他们一直保有的 Desperation (想不到准确的中文翻译，紧迫感？） 红杉喜欢找那些受过伤、急于证明自己的人。 Doug Leone 回忆自己 11 岁移民美国时，因为不会橄榄球、不爱洗澡（意大利习惯）被同龄人疯狂霸凌。这种在性格养成期经历的痛苦，让他产生了一种“我要赢”的强烈渴望。 红杉内部其实一直在寻找这类人——那些不适应群体、有深深不安全感的人。他认为，把这些有天赋，本性善良但有某种心理缺口的人聚集在一起，建立一个信任圈，会爆发极其恐怖的战斗力。 并且，他们内部也会通过一些机制来自我施压，比如每年一起做 Pre-mortem (事前验尸)，推演红杉未来 10 年倒闭的原因。 Doug Leone 有一句非常出名的话，读了让人怅然若失，大意是： 我可以给我的孩子世界上任何东西，除了那件造就了我的东西——一种不拼命就会被淘汰的焦虑感。

10
lennon林伟烽
2月前
good

Yangyi.: 看到一段话，分享一下： 年底复盘的时候，不是回顾这一年做了多少事，也不应该反思有没有更努力，而是只抛出来一个问题：回头看 2025 年，真正做成的、对你人生轨迹产生实质性影响的那一件事是什么。 这个问题本身就已经把大多数年度总结过滤掉了。因为一年里真正改变斜率的事情，通常只有一件两件，甚至半件。其余的，要么是噪音，要么只是为了维持惯性而发生的动作。 找到这件事之后，不要急着给自己贴努力成长这样的标签，而是冷静地把它拆解掉。 拆解的维度也很简单：运气、努力，以及人脉或结构性优势。 当你足够诚实地完成拆解之后，一个更重要的东西会慢慢浮现出来。你会发现，那件最成功的事并非完全随机。它往往与你过往多次做对的事情，隐约遵循着相似的模式。 也许你总是在新领域尚未拥挤时进入，也许你更擅长与少数关键节点建立深度信任，也许你能够长期忍受低反馈状态，直到某个时刻集中兑现，又或者你天然站在不同圈层之间，扮演信息翻译和连接的角色。 这些并不是性格描述，而是你已经用结果验证过的个人算法。真正的能力，几乎从来不会藏在你最痛苦的地方，而是藏在你反复赢过的方式里。 但大多数人恰恰会在这里犯错。他们在跑通一套有效模型之后，并不会选择继续加注，而是开始怀疑这套模型是否足够快、足够显性，继而不断重启人生。 换赛道、换身份、换叙事，看起来像是在进化，实际上是在反复清零。这也是为什么很多人年年复盘，却始终停留在同一个层级。 对下一年的目标，最理性的策略，并不是推翻重来，而是问自己一个问题：如果把 2025 年那件唯一做对的事系统化、前置化、规模化十倍，会发生什么。 如果你的优势是判断力，就更早下注；如果是信任关系，就长期经营；如果是表达或内容，就建立可复利的系统；如果是长期主义，就果断减少所有短期消耗。投资里从来不是靠频繁换仓赚钱，而是靠在正确方向上持续加注。 复盘真正的意义，从来不是为了自我感动，也不是为了证明自己有多努力，而是为了在未来做决策时，减少不必要的不确定性。真正成熟的人生策略，是不再试图成为什么都行的人，而是反复站在那个已经被事实证明、对自己最有利的位置上。

00
lennon林伟烽
3月前
刷小红书越来越难受，到处都是 AI 视频，关键还劣质……
00
lennon林伟烽
3月前
我爱人是小学老师。

我无敌羡慕的职业——她每天都跟一群朝阳生活在一起。
00