📑 智能总结
录音信息
- 录音时间：2026-08-02 14:28:20 ~ 2026-08-02 17:05:01
- 时长：约 2 小时 36 分钟
- 参与人数：约 30 人
- 内容类型：线下分享聚会 / 行业交流
- 术语说明：录音中“Code、扣带、福袋、口袋、酷大夫”等为同音转写，本文为便于阅读统一整理为“Codex”；部分工具名和企业名无法仅凭录音完全核实，保留录音中的常用写法。
录音总结
本次线下活动围绕Codex等AI编程与代理工具如何进入真实业务场景展开。主分享者结合知识付费和内容业务，复盘了自己从“做炫酷工具”转向“围绕业务结果做小闭环”的过程，并现场展示了发票整理、公众号工作流、微信群摘要、同行私域调研、抖音内容采集等案例。后半场由参会者补充游戏攻略站、企业AI服务和新能源AI Agent的实践与反思。整场分享的核心不是介绍某个单一工具，而是说明：AI落地首先要找到值得改造的场景，再补齐数据、判断标准和人工验收机制。
从“炫技”转向真实业务结果
* 初期探索方向偏差：分享者最初做过双摄录屏App、白噪音网页、互动网页、闲鱼自动上架和短视频系统等项目，功能看起来很强，但多数与自己的知识付费培训业务无关，没有形成稳定收益或效率提升。
* 闲鱼测试得到的真实信号：闲鱼自动上架可以参考同类商品生成主图、文案和价格。普通商品几乎无人咨询，但“AI智能体工作流定制”获得了真实客户询问，说明市场需求存在，问题在于分享者当时没有继续围绕自身业务承接和验证。
* Token焦虑带来的无效投入：早期额度按较短周期重置，分享者为了“不浪费Token”，在坐车、睡前甚至凌晨不断给Codex布置任务，最终投入了大量时间，却没有同步推动业务增长。
* 炫酷效果不等于生产力：电商老板的真实需求往往不是复杂的视频特效，而是稳定修改画面、保持商品图案一致、批量生成可直接使用的素材。AI技术再强，如果没有接到具体业务节点，也难以转化为价值。
* 投入产出比优先：现场参会者进一步提出，使用AI前要判断需求是个人兴奋点还是可复用的群体需求，不必因为“技术骄傲”而拒绝现成工具；能解决问题的简单方案，往往比自己搭一个大系统更有效。
AI FDE定义与五类可改造场景
* AI FDE的核心角色：FDE不是只讲模型和技术，而是进入客户现场，把大模型能力部署到具体工作中，帮助客户完成真实输入、处理、输出和验收，让AI转化为生产力。
* 结果值练习型：AI输出可以直接进入业务结果，例如电商文案、商品卖点、销售回复等，输出质量会直接影响用户是否下单。
* 关键触点杠杆型：场景本身很小，但处在用户决策或转化的关键节点。分享中提到，一家年销约50亿元的美妆企业，AI落地的第一步不是建设庞大系统，而是优化小红书评论区内容，因为评论会影响消费者购买决策。
* 高频规模提效型：单次价值不高，但每天、每周或每月反复出现，例如批量出图、改素材、日报生成、发票整理、客服初稿等，最适合作为新手的第一个落地项目。
* 优秀能力复制型：把销冠、资深员工或管理者的判断方法、话术标准和业务经验沉淀下来，复制给其他员工，常见形式包括销售智能体和内部业务助手。
* 基础设施型：建设个人知识库、企业知识库、案例库和标准库。个人或企业要AI化，通常先要完成数据化和信息化，否则AI缺少足够的上下文，无法稳定生成符合业务要求的结果。
个人与企业知识库的搭建方法
* 先检查AI目前了解了什么：可以要求GPT详细说明“它眼中的我是谁”，覆盖个人经历、职业主线、产品、团队、方法论、能力、目标、消费观等。分享者用“是否能形成上万字的详细资料”作为一种直观检查方式，判断长期上下文是否足够丰富。
* 通过追问补齐个人资料：第一步让AI整理已知信息，第二步让AI反过来提问，把缺失的经历、偏好、判断标准和表达习惯补齐，形成可长期调用的个人知识库。
* 企业案例库同样重要：公司做过哪些客户、解决过哪些问题、交付过哪些项目，如果没有集中沉淀，后续准备方案和内容时仍要到处翻找，AI也无法调用真实案例。
* 飞书作为统一资料入口：Codex可在授权后读取飞书文档。短视频字幕、销售聊天记录、历史文章、客户案例等资料进入飞书知识库后，可被公众号工作流、选题工作流和内容复用流程统一调用。
* 上下文比单纯换模型更重要：现场反复强调，AI最终写得好不好，关键在于它是否获得了充分、准确的业务上下文，而不是只看模型名称和参数。
发票报销自动化：适合新手的最小闭环
* 原始流程：每月从QQ邮箱下载餐饮、差旅等发票，逐张修改文件名，标注类目、金额、公费或自费，再打包给代理记账人员，工作不难但长期重复。
* 自动化流程：Codex读取邮件及邮件中的下载链接，提取PDF发票，按照“类目+金额+公费/自费”等规则命名，并按月份放入桌面指定文件夹。
* 输出不仅是文件归类：流程结束后还会统计发票数量、分类金额和总金额，财务收到的已经是可直接处理的材料。
* 适合作为第一站的原因：输入明确、输出明确、验收简单、风险可控、每月重复且可以形成SOP，符合“小而有效”的AI落地标准。
公众号自动化与内容“一鱼多吃”
* 完整工作流：从飞书知识库读取短视频字幕或已有文档，整理观点和文章结构，补充行业资料，生成初稿，寻找配图，完成排版并保存到公众号草稿箱，由人工审核后发布。
* 内容复用路径：一次直播可切成多个短视频；短视频字幕沉淀成文本后，可继续转为公众号文章、小红书图文、知识卡片或公众号图片内容，实现一次生产、多端分发。
* 爆款文章样本库：收集自己过去表现好的文章和同行优质文章，让AI分析其结构、节奏、表达和转化方式，再生成较长、较细的写作提示词。重点不是让AI凭空写提示词，而是先给样本、再建立审美。
* 选题和标题训练：分享者把自己利用微信“搜一搜”查找近半年趋势、近七天热点和同行标题的全过程录成视频，让AI学习其操作逻辑，后续自动寻找近期选题。这种方法适合难以用文字描述清楚的工作步骤。
* 配图来源规则：一类来自本地线下活动照片、课程现场和公司素材文件夹；另一类来自AI搜索资料时截取的网页信息和证据截图，用于给文章提供视觉支持。
* 资讯类文章需要筛选机制：对于每周行业资讯，可先设置关键词，再让AI搜索、筛选和写作。筛选标准、引用方式和文章提示词仍需提前定义，不能只给一句“找最新新闻”。
* 人工审核不能完全取消：公众号正文、标题、引用、图片和最终发送仍应由人工快速复核。AI负责完成大部分整理和初稿，人负责判断是否准确、是否合规、是否符合账号定位。
* 结果数据反哺工作流：文章发布后的阅读、点击、转化和客户反馈，应重新进入知识库，用来调整选题、标题、结构和提示词，而不是把工作流一次搭好后长期不改。
* 小红书导入方法：绑定公众号后，小红书发布后台可通过“长文/链接导入”读取公众号文章，减少重复排版。分享者曾通过这种复用方式在小红书获得客户线索，但目前仍以人工确认和点击发布为主。
微信生态的信息整理与同行私域调研
* 群聊摘要日报：接入本地微信数据后，可按指定群聊、指定成员和指定关键词生成摘要。分享者设置为每天早上8点查看两个重点群，只保留关注人物的观点和与AI落地相关的信息。
* 跨群关键词搜索：当群聊较多时，不必逐群爬楼，可按关键词搜索本地已有的聊天记录，再汇总相关讨论和案例。
* 聊天记录完整性要求：电脑端需要同步足够的微信聊天记录；如历史记录不全，可以使用微信自带的聊天记录迁移功能，把指定时间段或指定联系人记录导入电脑后再处理。
* 同行朋友圈调研：添加同行后，可根据其可见朋友圈，整理创业时间线、价值主张、核心观点、产品体系、课程形式、定价、活动节奏和典型案例，帮助理解对方的私域运营方式。
* 调研示例的细节深度：现场展示的报告不仅给出一句结论，还包含近两年约290条可见朋友圈的时间范围、主课和社群产品、原价与优惠价、年费产品以及证据来源，说明AI可以把零散朋友圈变成结构化竞品档案。
* 使用边界：工具依赖本地数据、系统兼容性和微信接口状态，更新后可能失效；批量读取和自动操作还可能触发平台提醒，因此现场建议先用小号测试，不应把未经验证的自动化直接放到主账号长期运行。
AI项目筛选标准、最小闭环与共创方法
* 六个判断维度：频次高不高、输入是否完整、输出是否明确、能否人工验收、出错风险是否可控、结果能否复用。三个以上明显符合条件，就可以优先尝试。
* 先做可交互的小闭环：真实输入进入流程，AI完成处理，输出可检查的结果，人工验收后再复用沉淀。不要一开始就开发工作台、平台或复杂系统。
* 事实层材料：聊天记录、朋友圈、历史文章、同行样本、客户反馈、项目数据和过去结果，回答“真实发生过什么”。
* 判断层材料：说明什么重要、什么不重要，为什么这样做，什么地方必须人工兜底，包括经验、偏好、边界、审美和验收标准。
* 优化层材料：用发布数据、成交结果、错误记录和实际使用反馈，持续修改流程和提示词，回答“下一轮怎么做得更好”。
* 让AI参与需求澄清：不要只单向给指令。可以先说明目标、给一个例子，再问AI“为了把这件事做好，我还需要提供哪些细节”，让AI反向追问，减少因为信息不足导致的反复修改。
* 录屏示范代替长篇描述：当操作流程难以说清时，可以把自己完成任务的过程录成视频，让AI学习点击顺序、筛选规则和判断逻辑，再沉淀为可复用步骤，现场称其为“Record and Replay”式方法。
抖音博主内容批量采集与知识蒸馏
* 工具分工：Codex负责读取博主主页、提取作品链接、标题、发布时间和其他元数据；语音转文字工具AssemblyAI负责把视频音频转成逐字稿。单独依靠Codex只能获得视频信息，无法完成全部转写。
* 工具发现方式：分享者先直接要求AI完成任务，运行后发现只能提取元数据，再让AI推荐多种语音转写服务，连续试错后找到可用方案。AI不仅执行任务，也可以参与寻找工具和排查方案。
* 实际采集结果：经纬账号主页显示741条作品，实际采集、音频抽取和转写均为741条，失败0条，合并文档约2.07MB，整个流程约两小时。
* 额度使用情况：分享者称新用户可获得约50美元试用额度，已经处理两千余条视频后仍有余额；该信息来自现场使用经验，具体额度和规则可能随平台变化。
* 两种采集模式：既可以指定某个博主，完整采集其历史视频；也可以输入“珠宝品牌如何用AI”“跨境电商AI案例”等关键词，搜索多个账号的相关视频并生成资料汇总。
* 应用方式：逐字稿进入知识库后，可用于理解同行的选题、观点和表达方式，也可为公众号写作、课程研发和行业研究提供事实素材。
* 校验边界：现场没有对741条逐字稿逐条人工核验，只进行了抽样浏览。大规模采集适合先做资料整理和风格研究，涉及事实引用、公开发布或重要决策时仍需抽查原视频。
AI生成游戏攻略站的反面案例
* 项目起点：参会者在新游戏上线前后发现搜索热度，美国市场相关关键词搜索量一度约5万，于3月中下旬用AI快速完成网站和内容建设。
* 网站结构：包含首页、博客文章，以及游戏Boss、武器和参数等资料页，累计制作接近250个内页，视觉稿和网站实现也大量使用AI完成。
* 流量表现：项目运行三个多月，获得9000多名活跃用户；自身网站约有1.7万次访问，而同类独立站可达到约65万次，大型游戏站或子域名项目达到数百万次访问。
* 用户体验差距：网站页面平均停留时间约21秒，较好的竞品接近1分钟，说明流量进入后没有获得足够有用、可信或深入的内容。
* 失败原因一——内容没有人工校验：站长本人没有玩过游戏，AI生成的攻略真假无法判断。6月继续批量增加AI文章，只带来短期曝光回升，随后再次下滑。
* 失败原因二——需求趋势判断不足：游戏上线时形成短期高峰，但搜索趋势很快下降，选题更像追逐热点，缺少长期需求验证。
* 失败原因三——竞争和外链不足：大型网站之间有成熟的内容体系和互链，小站只做大量内页、外链很少，很难取得持续排名。
* 失败原因四——没有产品和变现闭环：项目主要验证了能否获得搜索流量，没有形成可销售的产品或联盟转化，广告申请也未通过，最终没有实现变现。
* 核心教训：AI可以大幅降低建站和批量生产成本，但无法替代对真实需求、专业内容、用户体验、竞争格局和商业模式的判断。
企业AI服务的落地、收费与客户筛选
* 先找场景，再谈技术：企业并不关心工具有多先进，更关心哪个环节能少用人、缩短时间、降低错误或提高收入。场景梳理是企业AI服务的第一价值点。
* 依托大厂生态进入市场：个人或小团队可成为飞书、阿里云、腾讯、豆包等厂商的合作伙伴，借助成熟产品和品牌资源提供实施、培训和场景咨询，而不是从零开发全部底层能力。
* 咨询阶段就可以收费：企业真正困难的往往不是搭一个表格或工作流，而是不知道问题在哪里、数据在哪里、谁负责、结果如何验收。把业务流程和AI场景梳理清楚，本身就是咨询交付，不必等系统开发完成后才收费。
* 不同客户采用不同模式：两三人或几十人以内的小企业，常常希望AI直接帮其获客，但服务方无法替代其经营，可以通过一天制或短期课程收费；真正做企业服务，应筛选老板重视、有预算、有明确负责人跟进的客户。
* 政府和大型机构更适合先做背书：政府单位可能愿意邀请分享、发布新闻和提供区域背书，但直接项目利润和回款未必理想。初期可以用公开课和案例建立本地信誉，再筛选有执行条件的企业。
* 区域数字化基础存在差异：现场认为南京政府、高校和大型机构较多，但部分民营企业连数据化、信息化尚未完成，直接谈AI化较难；杭州、深圳等地的企业AI接受度和应用成熟度相对更高。该判断为参会者现场经验，不代表完整地区统计。
* 餐饮进货票据案例：传统餐饮企业的进货和费用材料分散，财务可能到次月中旬才能统计清楚。将票据集中、分类和汇总，即使只是一个小功能，也可能以数千元价格成交。
* 化工图纸录入案例：化工企业需要把图纸中的管道号、仪表号和设备号录入系统，原来由两名化工本科实习生逐项复制。图纸识别和结构化提取对大模型并不复杂，但企业缺少工具和落地人员，因此场景明确、价值容易计算。
新能源行业AI Agent的实践经验
* 团队定位：参会者所在团队位于上海张江人工智能产业环境中，聚焦光伏和储能运维方向的AI Agent，面向南瑞、中核等大型央国企及行业客户。
* 本地化部署是硬要求：大型能源企业即使数据本身价值有限，也会高度关注数据安全、系统透明度和长期可控性，通常要求本地化部署，不能简单把业务数据传到外部公共模型。
* “单据智能体”案例：光伏、储能项目分布在不同地区，电费单格式不一致，业务和财务人员需要反复识别和核对。团队为此设计单据智能体，自动读取、识别和整理各项目电费材料。
* 行业供需错配是团队价值：纯技术团队往往不了解一线能源企业每天如何工作，行业人员又不懂AI。真正的机会在于既理解光伏、储能的业务流程，又能把模型和Agent接进去。
* 客户排序与技术人员不同：能源企业通常先看系统是否稳定、价格是否合适、能否长期交付，技术先进性不是唯一甚至不是第一标准。
* 资源与技术可以互补：有技术但没有行业客户的人，很难感知一线需求；有客户和行业资源的人，又可能缺少开发能力。双方合作的关键是明确分工，而不是互相替代。
* 信任和商誉是长期壁垒：政府和央国企客户会担心小团队是否能持续服务。技术会不断更新，但履约记录、共同人脉、线下关系和长期信用，决定客户是否敢把系统交给你。
整场分享形成的核心共识
* 盯业务结果，不要盯AI本身：判断一个项目好不好，不看用了多少模型、写了多少代码，而看它是否节约时间、减少错误、提高转化或产生收入。
* 从小场景开始：发票整理、群聊摘要、内容初稿、票据识别等小场景，比一次性建设完整企业系统更容易验证，也更容易形成真实案例。
* AI能力由上下文和标准决定：事实材料让AI知道发生过什么，判断材料让AI知道什么是好，结果反馈让AI知道下一轮如何优化。
* 自动化不等于无人化：重要客户回复、公开内容、平台账号操作和关键业务数据，都应保留人工验收与风险兜底。
* 行业理解决定落地上限：通用工具可以快速搭建，但只有理解客户业务、组织流程、数据基础和购买逻辑，才能把工具变成可持续的产品或服务。
📅 章节概要
00:00:00 分享开场：从新奇工具到业务偏航
分享者回顾了初期使用Codex做双摄录屏、白噪音网页、互动页面和闲鱼自动上架的经历。闲鱼商品的图片、文案和价格可以参考同类商品自动生成，其中“AI智能体工作流定制”获得过真实咨询，但其他尝试与其知识付费主业联系不大。为了不浪费周期性额度，分享者常常熬夜让工具持续跑任务，最终意识到系统越来越大，业务却没有同步进步。
00:04:47 AI落地误区：炫酷效果和生产力不是一回事
分享者结合南京电商培训客户和杭州线下课程的观察提出，AI内容在社交媒体上经常追求视觉炫技，但电商企业真正需要的是稳定改图、保持商品一致、提升内容生产效率。很多AI技术很强的人仍找不到业务场景，因此落地前应先回答这个功能能否降本、增效或赚钱。
00:07:24 AI FDE定义与五类业务场景
FDE被解释为进入客户现场，把大模型部署到实际工作并帮助客户跑起来的人。分享者将场景分为结果值练习型、关键触点杠杆型、高频规模提效型、优秀能力复制型和基础设施型，并以美妆企业优化小红书评论区为例，说明一个很小的节点也可能影响用户决策和业务转化。
00:12:22 知识库是个人和企业AI化的基础设施
个人可先让GPT详细整理“它眼中的自己”，再通过追问补全职业、产品、能力、方法论、偏好和目标。企业则要沉淀客户案例、销售记录、历史内容和业务资料。分享者认为AI化之前通常要先完成信息化和数据化，否则AI没有稳定的上下文，只能生成泛化内容。
00:17:56 三个新手可快速落地的场景
分享者提出发票报销、公众号工作流和微信生态信息整理三个场景。它们共同特点是已有真实输入、输出可以明确描述、人工容易检查，并且会持续重复，适合用来建立第一个AI最小模型。
00:19:56 发票报销自动化：简单但有效
过去每月要从QQ邮箱下载发票，手动修改文件名并分类统计。现在Codex可读取邮件和链接，提取PDF，按照类目、金额、公费或自费命名，按月份归档并汇总金额。这个案例没有复杂界面，但稳定节省重复劳动，体现了高频提效场景的价值。
00:22:40 公众号工作流与飞书知识库连接
公众号流程从飞书读取短视频字幕或知识库材料，整理观点、补充资料、生成文章、配图排版并存入草稿箱。飞书连接后，AI可以读取授权范围内的文档，企业把短视频字幕、销售聊天和客户案例沉淀进去，后续内容生产就不必每次从零开始。
00:25:16 内容“一鱼多吃”的复用路径
直播内容先切成短视频，短视频字幕再转成公众号文章、小红书图文和知识卡片。分享者强调，内容工作者往往已有大量素材，问题不是没有内容，而是没有把音视频转成可检索文本并反复利用。
00:30:00 公众号质量控制：爆款文章、标题选题和配图排版
公众号自动化能不能产生效果，取决于三个模块。第一是收集自己和同行的优质文章，建立样本库并生成详细写作提示词；第二是形成选题和标题的审美；第三是规定本地照片和网络资料截图的使用方式。AI负责生产，标准仍来自业务人员。
00:34:07 录屏教AI学习选题方法
分享者把自己使用微信“搜一搜”、筛选近半年趋势和近七天热点的全过程录成视频，让AI学习如何找选题和标题。当一项工作难以用文字说清时，可以直接示范操作，再让AI复现，这比反复补充零散指令更直观。
00:38:42 行业资讯文章的自动搜索和筛选
对于需要追踪最新动态的行业，可设置业务关键词，让AI先搜索一周内的信息，再按规则筛选，最后调用写作提示词完成文章和配图。该流程的关键不是“自动搜索”本身，而是提前告诉AI哪些信息值得保留、引用什么证据、文章要服务什么业务目标。
00:40:48 微信群摘要日报与跨群搜索
微信助手可以在每天固定时间汇总指定群聊和指定成员的观点，也可根据关键词搜索多个群。分享者每天只查看两个重点群，一个关注三位投资讨论参与者，另一个只保留AI落地相关信息，用摘要代替在大量聊天中逐条爬楼。
00:45:20 聊天记录同步、系统兼容与数据条件
工具主要读取电脑端已有聊天记录，电脑长期不登录或历史数据不足时，需要先同步或迁移手机聊天记录。现场经验显示Mac M系列设备较容易运行，Windows和不同芯片可能需要额外配置。这个环节说明自动化之前必须先确认数据是否完整、工具是否稳定。
00:48:23 同行朋友圈调研与产品体系拆解
分享者展示了如何把同行朋友圈作为私域运营样本，整理创业时间线、世界观、价值主张、产品体系、课程价格和标杆案例。现场示例读取近两年约290条可见朋友圈，能够进一步提取主课、社群和会员产品的形式及价格，把零散内容变成结构化竞品档案。
00:55:13 AI项目筛选六维标准与最小闭环
优先判断频次、输入、输出、验收、风险和复用六项条件，至少三项明显成立时，可以作为首个项目。分享者反复提醒不要一上来开发大系统，而要先建立真实输入—AI处理—结果输出—人工验收—复用沉淀的小闭环。
01:00:30 事实层、判断层和优化层
事实层包括聊天、朋友圈、文章、客户反馈和历史结果；判断层包括经验、偏好、边界和审美；优化层则用真实业务数据反向修正流程。只有三层材料持续积累，AI才可能从一次性工具变成长期业务能力。
01:03:05 现场答疑：账号、设备和共创式提问
现场讨论了账号验证、设备兼容和工具连接等问题。相比具体购买或配置方法，更值得保留的是一条共创原则：先告诉AI目标和已有材料，再让AI主动询问缺少的信息，使需求逐步清晰，避免用户单方面不断修改指令、消耗时间和额度。
01:07:12 微信AI助手安装演示与风险提示
分享者现场演示通过指令安装微信助手，首次运行可能持续二十分钟左右，完成后扫码连接。安装过程中出现模型版本、网络节点和芯片兼容问题。活动结束后又提到部分工具更新后无法读取密钥，且曾出现微信警告，因此应先用测试账号验证稳定性。
01:29:15 抖音博主内容批量采集：工具组合与试错过程
采集流程需要两个能力：Codex获取作品链接、标题和发布时间，语音转写工具生成逐字稿。分享者先尝试让Codex独立完成，发现只能得到元数据，再让AI推荐不同转写服务，连续测试后找到Samper AI这一可用方案。
01:35:00 741条视频完整转写的结果
经纬账号主页显示741条作品，实际采集741条、抽取音频741条、转写741条，失败0，合并文档约2.07MB，耗时约两小时。内容可放入知识库做同行研究和内容蒸馏，也可按关键词跨账号搜索相关案例。现场仅进行抽样查看，没有逐条校验。
01:48:26 录屏复现、浏览器操作与人工发送边界
当用户难以描述浏览器操作时，可以录制完整过程，让AI按步骤学习并复现。闲鱼自动上架已经进行过测试，但小红书等平台的自动发布存在风控和稳定性问题。分享者认为正文和素材可尽量自动生成，最终审核与发送按钮仍应由人工负责。
01:49:54 公众号文章导入小红书
小红书发布后台可绑定公众号并导入文章链接，自动转成长文或图文，减少重新排版。分享者曾通过这种方式获得客户线索，但当前流程仍需要逐篇确认，是否能进一步全自动同步还需要继续测试。
01:51:19 AI时代的学习方式：把录音、链接和需求交给AI
分享者提出，线下学习的价值可能更多是知道“AI能做什么”。拿到活动录音、逐字稿和群里分享的链接后，可以直接告诉AI希望实现哪些功能，让它查找仓库、安装工具和完成配置。其飞书连接就是通过提供GitHub项目线索后由AI自行安装完成的。
01:53:35 下次活动改为结果展示
分享者希望下一次聚会不再只讲概念，而是每个人带着已经跑出来的项目现场演示，交流哪些工具和流程可以互相复用。这也呼应整场分享的主题：先产出业务结果，再讨论技术方案。
01:54:29 游戏攻略站反面案例：AI批量建站但没有变现
参会者小峰在新游戏上线前后发现搜索热点，用AI搭建网站并制作近250个内页。三个月获得9000多活跃用户，自身访问约1.7万次，但页面平均停留仅21秒，与65万乃至数百万访问的竞品差距较大。因为本人不玩游戏、内容无人校验、热点快速衰退、外链不足和广告申请失败，项目没有形成商业闭环。
02:10:19 企业AI服务：场景梳理本身就是价值
参会者认为To B服务必须先进入企业寻找问题，再决定使用什么AI。飞书、阿里云、腾讯和豆包等厂商正在招募合作伙伴，小团队可以借助其产品做实施。系统搭建可能很简单，真正有价值的是前期梳理流程、明确责任、计算收益和确定验收标准，因此咨询阶段就应收费。
02:14:00 企业客户分层、筛选与政府背书
小微企业经常要求服务方直接解决获客问题，更适合通过短期培训收费；真正的企业项目应筛选老板重视、有预算、愿意安排专人跟进的客户。政府单位可能项目利润有限，但可以通过讲座、报道和合作建立区域背书，为后续商业客户提供信任基础。
02:16:30 两个可直接成交的小场景
餐饮企业进货和报销材料分散，财务要到次月才能统计清楚，票据归类和汇总即可形成数千元的小项目；化工企业安排两名本科实习生从图纸中复制管道号、仪表号和设备号，利用大模型识别并结构化录入，可以直接节省人力。共同点是需求明确、原成本可计算。
02:18:48 区域差异与企业数字化基础
现场讨论认为，南京政府、高校、部队和大型机构较多，但部分民营企业连基础数据化尚未完成，直接部署AI难度较高；杭州和深圳企业的AI采用程度相对更高。该观点来自参会者个人业务观察，核心启示是落地方案必须匹配当地客户结构和信息化基础。
02:26:06 新能源AI Agent：行业理解和技术能力的结合
新能源从业者介绍了自身电气工程、研发、销售、项目开发和投融资背景，以及团队在上海张江开展光伏、储能运维Agent业务的情况。客户以大型央国企为主，重视数据安全并要求本地化部署，服务方必须理解行业流程，而不只是提供通用模型。
02:29:23 单据智能体与行业供需错配
不同地区的光伏、储能项目会产生格式不一的电费单，业务和财务需要反复识别。团队据此开发单据智能体。分享者认为“懂AI的不懂新能源，懂新能源的不懂AI”，行业一线需求和技术供给之间的断层，正是垂直团队的价值来源。
02:31:12 稳定性、性价比和长期信用高于单纯技术先进
政府及央国企客户会关注小团队能否持续服务，担心人员离开或项目中断。新能源客户首先看稳定性、性价比和交付保障，技术先进程度排在其后。分享者据此强调，线下关系、履约记录、商誉和安全感是长期合作的重要条件。
02:32:54 活动收尾与工具后续问题
活动结束后组织合影，参会者继续交流微信助手的密钥读取和仓库更新问题。有人提到使用类似工具时曾收到微信警告，因此建议先用小号测试，并为工具更新、接口失效和数据迁移预留替代方案。
✨ 金句精选
- “做了很多看起来很厉害的东西，功能做了很多，系统做得越来越大，Codex一直在跑，业务没有跟着进步。”（执行策略）
- “东西做得好看，并不一定能够转化成真实的生产力，这是两码事。”（业务判断）
- “AI最终写出来的东西好不好，取决于上下文，不在于你换了什么模型。”（方法技巧）
- “不要一上来就想着做大的系统，先做一个能交互的小闭环，盯业务结果，不要盯AI。”（落地原则）
- “先告诉AI我要做什么，再问它：为了把这件事做好，我还要提供哪些细节？”（共创方法）
- “事实层告诉它发生过什么，判断层告诉它什么是好，优化层用结果反过来改流程。”（知识沉淀）
- “给企业做AI，找场景最重要；场景找到了，技术往往反而是相对简单的部分。”（企业服务）
- “懂AI的不懂新能源，懂新能源的不懂AI，这就是垂直团队存在的价值。”（行业洞见）
- “客户不一定关心你用不用AI，他只关心你能不能给出结果，能不能稳定交付。”（客户视角）
- “技术一直在更新，但是人与人之间的信任、信用和商誉，你跑不了。”（长期价值）
📋 待办事项
分享者待办
- 将个人信息收集和知识库补全提示词发到交流群。
- 将微信群聊摘要、微信AI助手等工具的安装资料或可用仓库链接发到交流群。
- 继续测试公众号文章自动同步到小红书的完整流程，并确认哪些步骤仍需人工操作。
- 核验微信AI助手在不同模型版本、系统芯片和仓库更新后的兼容性，补充小号测试和数据备份提醒。
- 筹备下一次线下活动，要求参与者带着已经跑通的项目现场演示，而不是只做概念分享。
参会者建议行动
- 从自己的业务中选择一个高频、输入输出明确、容易验收的小场景，先跑通最小闭环。
- 整理个人或企业的事实层、判断层和优化层材料，优先建设可持续更新的知识库和案例库。
- 对公众号、朋友圈、视频逐字稿和客户回复等公开输出建立人工审核规则，不直接全自动发布。
- 企业AI服务从场景梳理、成本计算、责任人和验收标准入手，再决定采用现成平台、合作伙伴方案还是定制开发。
- 微信和平台自动化工具先在测试账号和非关键数据上验证，确认稳定性后再扩大使用范围。
🗣 完整逐字稿（AI 转写 · 人工整理 · 点击展开）
说明：以下为现场录音的完整文字版，由 AI 语音转写后人工整理。录音中同音错字较多（如「Codex」曾被转写为"code袋/扣des/co代"等），整理时已统一修正；自我介绍环节人名较多且转写缺失，仅保留可辨认信息；个别段落原始录音不清晰，只保留能确认的内容。
⏱ 14:22 开场 · 参会者自我介绍
大家陆续到场，组织者（白老师）开场，说明原计划 6 月举办，因 7 月组织者在深圳有线下活动、双方时间冲突，推迟到今天，感谢大家参与。
随后参会者依次自我介绍，背景涉及：汽车行业从业者（同时在做心理项目，第一次参加线下聚会）；今年刚加入生财、主业做新媒体的朋友（小红书和公众号做了两个多月，积累了一定粉丝，想尝试 C 端生意）；通信设备配套公司从业者（负责产品开发与寻源对接，熟悉各类工具，内容方向在向 AI 转型）；银行、公募基金都做过的朋友（想做跨境电商，可提供行业信息差、医疗健康资源、跨境电商与产业运营经验）；工程项目管理背景（研究内容自动化）；做小红书电商的朋友（上周刚参加生财 AI 大会，已用 AI 做小红书商品详情页并快速出单）；老庞（因行业原因一度边缘化，去年底脱离主业专注 AI 方向，做过视频、音乐生成等不少积累）；做了十年媒体公关、全职在家五年、刚出来创业的朋友（7 月加入生财，接触过跨境电商和 AI 产品）；来自溧水的朋友（做圈友运营、提供培训服务，当地有政府扶持）；大友公司（业务较广、带 30 名左右学员，公司刚完成业务重组，正用 AI 优化流程）；做传统行业多年、近几月研究出海的朋友；战略咨询背景的朋友（正在做艺术品交易/拍卖平台，计划推出商学院分享，想用 AI 核算运营和劳务成本）；以及培训行业从业 6 年、经营知识服务公司的朋友（从公考培训做到家庭教育培训再到外贸出海培训，擅长高客单知识服务获客与产品设计，24 年独立创业，产品从千元客单价做到万元级，目前运营收入约 40 万规模）。
（自我介绍环节多人语速快、转写质量不高，部分人名与项目细节未能完整还原。）
⏱ 14:52 主分享 · 从「炫酷工具」到「真实业务结果」
主分享者（知识服务公司创始人）正式开场。先做互动：已经装过 Codex 并开始使用的朋友举手，现场约一半以上。再问大家刚装上 Codex 时让它做的第一件事——回答包括"问它是什么模型""清理硬件/杀毒""修复 VPN""问今天天气"。他总结：大家最开始都带着好奇心，把各种小事丢给 Codex 试。
一、一开始做的「看起来很厉害」的东西
1. 手机双摄录屏 App：苹果手机有「视频双摄」功能（前置+后置同步拍摄），但部分老机型没有。他让 Codex 开发了一款软件，打开后前置摄像头和后置摄像头可以同步打开，还能边录屏边用前置摄像头照人——做知识服务的他，可以直接在手机上给学员录教程，同时出现自己的头像和 PPT 内容。
2. 白噪音网页：在抖音刷到博主用 Codex 做白噪音网页，他把截图和评论区复制给 Codex，很快做了一个一样的。
3. 闲鱼自动上架：Codex 参考闲鱼上同类商品的图片、文案和价格，自动生成商品详情并上架。测试下来确实有真实客户咨询——发的是「AI 智能体工作流定制」，一个佛山客户来问（因当时专注亚马逊业务，没有继续深聊）；而他发的其他普通商品几乎没人问。这说明「AI 智能体定制」是有真实需求的。
二、弯路：做了很多炫酷的东西，却没有变成生产力
他复盘：双摄录屏 App、互动网页、白噪音网页、闲鱼自动上架、短视频落地系统——做了这么多，跟自己的培训主业基本没有关系。更严重的是「Token 焦虑」：早期额度按周期重置，他害怕浪费，出门在车上、睡前甚至凌晨都在给 Codex 布置任务，系统越做越大，业务却一直没有跟着进步。他提醒新手：一开始容易把方向走偏，把「做炫酷的东西」当成目标，而这些炫酷并没有转化成生产力。
三、炫酷效果 ≠ 生产力
他接触了电商行业客户（南京电商公司"猫客"、杭州的课程、生财的徐老师等），发现 AI 落地做得比较好的行业里，电商和内容行业比较多。电商老板的真实需求往往不是复杂的视频特效，而是"微调画面、保证每一张图片里的产品图案保持一致"，能批量产出可直接使用的素材。很多 AI 技术很强的人，因为没有对接到真实业务场景，依然找不到落地点。
四、AI FDE：五类可改造的业务场景
他引入一个概念——AI FDE：把 OpenAI、谷歌等顶尖大模型的能力"空投"到客户现场，手把手帮客户把 AI 跑起来，让 AI 转化成企业真实的生产力。他把值得改造的场景分成五类：
1. 结果直连型：AI 改造后直接进入业务结果。比如电商文案，直接决定客户能不能下单。
2. 关键触点杠杆型：场景很小，但处在用户决策或转化的关键节点。案例：厦门知名美妆企业（小红书可查，年销约 5 亿），AI 落地的第一步不是建大系统，而是优化小红书评论区——因为美妆客户下单前会去小红书搜评论，评论区直接影响购买决策。
3. 高频规模提效型：单次价值不高，但每天/每周/每月重复。比如批量出图、改素材、日报生成、客服回复。新手最适合从这里开始，也是他目前落地最多的场景。
4. 核心能力复制型：用 AI 把销冠、优秀人才的判断方法和业务标准复制给其他员工，最常见的就是"销售智能体"。
5. 基础设施型：个人知识库、企业知识库、案例库。个人或企业 AI 化的前提，是先完成数据化和信息化——AI 需要有足够的上下文语料，否则只能生成泛化内容。
五、先让 AI 了解你：个人知识库的第一步
他演示了一个判断方法：问 GPT「你眼中的我是谁？请把你对我的了解用最详细的信息列出来」，如果答案没有超过一万字，说明它对你的了解还不够。它会把你的经历、职业主线、团队、产品、线下课、能力、方法论、目标甚至消费观全部整理出来。得到之后，再让 AI 反过来向你提问，把缺失的信息补齐，形成长期可调用的个人知识库。他坦承自己平时对个人知识库不够上心，业务知识库搭得很全、个人部分做得不好，导致这次准备时很多资料要临时回头翻找。
六、三个新手马上能用的场景
（1）发票报销自动化。以前：每月从 QQ 邮箱下载发票，手动改文件名，标注类目、金额、公费/自费，打包发给代理记账财务，繁琐且每月重复。现在：Codex 读取邮件及邮件里的链接，提取 PDF 发票，按「类目+金额+公费/自费」命名，按月份放进桌面指定文件夹，月底自动统计张数和金额。流程简单但有效、稳定，能真正省下重复劳动。
（2）公众号工作流。从 Codex 读取飞书里的短视频字幕或知识库材料，整理观点和结构、补充行业资料、生成初稿、找配图、完成排版，直接存到公众号草稿箱，人工审核后发布。飞书连接后，AI 可以读取授权范围内的所有文档。他们每个短视频都会单独做一份字幕文档存进飞书知识库，实现内容「一鱼多吃」：直播切成短视频 → 短视频字幕变成文本 → 文本可转成小红书图文（小红书支持一键导入公众号链接）、公众号文章、知识卡片、公众号贴图。他强调：AI 最终写得好不好，取决于上下文，而不是换什么模型。
（3）微信生态的信息整理（详见下一段）。
⏱ 15:22 主分享 · 公众号工作流与微信生态细节
公众号质量控制的三件事：爆款文章、选题标题、配图排版。
- 爆款文章：收集"自己写过的爆款"和"同行的爆款"，让 AI 学习，生成上万字的写作提示词。同行文章可以直接给出公众号名称，让 AI 把其历史文章全部提取出来。写提示词不是凭空写，而是先给样本、让 AI 建立审美。
- 选题标题：他把自己过去「如何用微信搜一搜找选题和标题」的全过程录成视频（选最近半年看行业趋势、最近 7 天看热点，观察同行在写什么），让 AI 学习这套方法，之后自动按同样的方式找选题和标题。当一项工作难以用文字描述清楚时，直接录屏示范，让 AI 复现。
- 配图排版：两个来源——本地文件夹（线下活动照片、公司素材）和网络资料截图（AI 搜索资料时截取的引用部分）。
- 资讯类文章：设置业务关键词（如收集最新与业务相关的"AI 出海"话题），让 AI 搜索最近一周的信息 → 按规则筛选 → 调用上万字的文章提示词完成写作 → 最后配图完成。关键不是"自动搜索"，而是提前告诉 AI 哪些信息值得保留、引用什么证据、文章要服务什么业务目标。
微信生态的两个用途：
1. 群聊摘要日报。信息爆炸，他每天只看两个重点群：一个投资群（他把群名改成"平常心，别乱操作"，只关注群主"刀哥"和另外两三个判断趋势很准的成员）；一个生财 AI 航海家群（只保留和 AI 落地、赚钱相关的信息）。每天让 AI 汇总这些指定成员/关键词的内容，早上花几分钟刷完，就知道昨天发生了什么。聊天记录来源是电脑端已同步的微信记录，历史不全时可用微信自带的「聊天记录迁移」功能导入（手机→电脑）；现场经验是 Mac M 系列设备运行更顺畅，Windows 和不同芯片可能需要额外配置。
2. 同行朋友圈调研。把同行的微信朋友圈当作私域运营样本。示例：广州做私域培训、年营收几千万的"山品汇"团队，他加了其成员微信，让 AI 助手把其朋友圈整理成完整报告——可见朋友圈约 290 条（约 2024 年 4 月—2026 年），高频词（私域流量、转化、老板、IP），价值主张（把流量资产化、长期服务客户关系），产品体系（主课原价一万多、优惠价 1200、有团购；社群年费 5.98 万；AI 客会员 399/年）以及标杆案例、转化体系等。不是只给一句结论，而是每条朋友圈都汇总进文档，形成结构化竞品档案。
他还提到：最近一场线下课发售，现场所有物料全部用 AI 设计产出；产品详情页在调整微信规则后也成功上架了。这些都可以交流。
判断标准与最小闭环
他最后总结新手落地方法：判断"哪些事值得先做"，从六个维度打分——频次（偶尔做一次，还是每周/每月/每天重复）、输入（有没有完整、真实的信息化输入）、输出（最终要什么结果，是否明确）、验收（有没有人工判断标准）、风险（出错是否可控，比如重要大客户的 AI 自动回复风险就较高）、复用（跑通后能否沉淀成 SOP 反复使用）。三个以上明显满足，就值得做。
不要一上来就想做大的系统。自媒体上常说"Codex 颠覆世界"，但真正带来业务结果的，是把 AI 接进业务里的那些人，而不是只盯着 AI 的人。先做一个能交付的小闭环：真实输入 → AI 处理 → 可验收的输出 → 人工验收 → 复用沉淀。
长期要积累三层材料：事实层（已经存在的东西：聊天记录、朋友圈、历史文章、同行样本、客户反馈、历史结果）；判断层（为什么这样做、什么重要什么不重要、哪里必须人工兜底：经验、偏好、边界、审美、验收标准）；优化层（用发布数据、成交结果、错误记录反向修正流程）。
⏱ 15:52 现场答疑与共创讨论
（此段原始录音转写质量较差，仅保留可辨认内容）
- 现场讨论了账号验证、设备兼容和工具连接等问题。
- 提到一种"共创式提问"：不要只单向下指令，先告诉 AI 目标和已有材料，再让它主动询问缺少哪些信息，让需求逐步清晰，而不是反复修改指令、消耗时间和额度。
- 有人提到做制造业、企业老板的培训需求，以及工业类企业在京东、拼多多、淘宝等多平台做电商的情况。
- 现场还有关于"个人需求 vs 群体需求"的讨论：判断一个功能是否值得做，要看它是你个人的兴奋点，还是可以复用的群体需求。
- 有人反映此前用"豆包"工具效果不理想，认为在部分场景下不如其他方案。
⏱ 16:42 反面案例 · AI 批量建游戏攻略站
参会者"小峰"分享了一个用 AI 批量建站的反面案例：
- 他留意到一款即将发布的游戏，关键词在美国搜索量约 5 万，于是 3 月 15 日前后用 AI 采集关键词、做网站；3 月 22 日游戏发布时搜索量达到高峰。他用 AI 快速搭建了一个游戏攻略站：落地页首页 + 博客文章 + 游戏 Boss、武器、参数等资料页，累计制作接近 250 个内页，设计稿和网站实现都用 AI 完成。
- 流量表现：运行三个多月，GA 显示约 9000 多个活跃用户，平均活跃时长约 30 秒；自身网站访问约 1.7 万次，而做得好的同类独立站约 65 万次访问、停留时间接近 1 分钟，大型网站的子域名项目达数百万次访问。
- 页面停留时间：自己的页面平均只有 21 秒，明显低于好一点的竞品。
- 内容问题：他本人没有玩过这个游戏，文章大部分是 AI 生成的，真假无法判断。3 月底曝光和点击较高，之后很快下降；6 月他尝试每天批量让 AI 生成文章，短期内曝光和点击回升，但长期仍然下滑。
- 竞争与变现问题：大网站之间互相做链接、流量共享，小网站外链做得少，很难获得持续排名；想通过广告变现，但因为是 AI 内容，广告申请没有通过，最终没有形成产品和商业闭环。
- 教训：AI 能大幅降低建站和批量生产成本，但无法替代对真实需求、专业内容、用户体验、竞争格局和商业模式的判断。要先确认是不是真需求、趋势会不会衰退，再考虑投入。
⏱ 17:12 新能源 AI Agent 与企业服务实践
参会者分享了自己在新能源行业的 AI 落地实践（电气工程背景，做过研发、销售、项目开发和投融资，也接触过外资私募、公募基金）：
- 为什么进入生财：一直在做政企方向的生意，接触过很多行业，观察生财社群很久，觉得"这帮人挺有意思、是独立做生意的"，决定加入。
- 团队情况：公司在上海张江人工智能产业园，面向新能源领域，做光伏和储能方向的运维 AI Agent，客户以南瑞、中核等大型央国企为主。
- 数据安全是硬要求：大型能源企业即使数据本身价值有限，也非常关注数据安全，通常要求本地化部署、做透明化处理，不能直接把业务数据传到外部公共模型。
- 单据智能体案例：光伏、储能项目分布在不同地区，电费单格式不统一，过去靠财务和业务人员反复识别核对，没有人专门负责。团队设计了"单据智能体"自动读取、识别、整理这些电费材料。
- 行业供需错配：核心痛点是一句话——"懂 AI 的不懂新能源，懂新能源的不懂 AI"，行业一线需求和技术供给之间存在断层，这正是垂直团队的价值来源。
- 客户选择标准：政府、央国企客户首先关心的是稳定性、性价比、交付保障和长期服务能力，而不是技术是否最先进。他举例：和深圳坪山的政府人员、科创园区的人开会时，对方会担心"大厂出身、自己创业的人能不能长期稳定地提供政府级服务"，担心人员离开、项目中断。技术一直在更新，但人与人之间的信任、信用和商誉，是更持久的东西。
（会后：组织合影，大家继续交流微信助手密钥读取、工具仓库更新等问题；有人提到使用类似工具时曾收到微信警告，建议先用小号测试，并为工具更新、接口失效预留替代方案。）
