AI

此分类共 77 篇文章

我试过把课程剪成 YouTube 视频，结果发现必须从头重做

我原本以为只要把课程模块剪在一起，修掉几个过渡，就能变成一条 YouTube 视频。我错了。制作 The Parade Problem 让我明白，好的内容复用不是剪辑，而是为不同的承诺、不同的受众、不同的开头三十秒重新设计整个创意。

我在连续使用 13 个月、总共支付 US$1,892.38 之后取消了 Claude Max。这不是庆祝帖，而是一个 30 天的实验：看看把 Codex 作为主力工具之后，我还能不能以同样的节奏继续推进 STRATUM、DIALOGUE、课程平台和这个网站。

在我最初的对比文章发布两周后，两款工具都推出了重大更新。Codex 以 Claude Code 未曾做到的方式挑战了我的产品策略。Claude Code 推出了 Agent Teams 和 AutoMemory。结果是：我准备砍掉每月 200 美元的 Max 订阅——同时用更少的钱获得更好的产出。

关于AI和团队设计的讨论，大多从人数开始。我认为这个起点是错的。更好的问题是团队需要哪些"职能"——而这个答案，不管你有四个人还是四十个人，都是一样的。

DIALØGUE 支持 7 种语言，但真正的多语言工作并不是翻译 strings。真正的工作是修正面向不同受众的本地日期、保持 TTS 一致性、修复 UI 的语言漂移，以及判断哪些地方的质量重要到值得你故意放慢速度。

我在广告行业待了很多年，看过太多团队把"动起来"误当成"在进步"。后来我开始自己做 AI 营销工具，才意识到这个问题反而更严重了：执行更快了，判断却更弱了。

AI现在可以以惊人的速度产出媒体计划、绩效总结、测量框架和广告活动设置。问题不在于产出明显很差，而在于它往往"够好"到能通过一次随意的审查，同时遗漏了真正重要的业务背景。

大多数团队仍然在问该用哪个模型。根据我的经验，这已经不是核心问题了。如果你的AI系统忘了客户、品牌、品类以及"好"的标准，那么再聪明的模型也只能每次从零开始。

2023年，我以为生成式AI会让廉价内容淹没搜索引擎，降低SEO的回报。三年后，这确实发生了。但更大的转变是：内容生产本身不再是护城河。结构、信任、质量把控、本地化质量和答案引擎可见性才是。

一个人。七个模块。三小时视频。十五个模板。十八种布局类型的自定义幻灯片流水线。专业语音克隆。所有这些都在保持VP全职工作的同时完成。这就是AI-first运营模式应用到自己身上时的样子。

"AI取代初级岗位"这个说法，误解了初级人员实际在做什么。一个做激活的初级员工并不是在做简单重复的工作——他们在配置DV360定向、QA追踪像素、管理竞价策略。真正的问题是：当AI为所有人抬高了底线，优势从何而来？答案是深度。

在几乎整整一年里，我每天都在用 Claude Code 配 Opus 4.6。然后我花了一周试用 Codex 和 GPT-5.4。我的结论是：没有哪一个能彻底胜出。真正更好的做法，是把两者结合起来——做跨模型审查、利用互补优势、建立操作层面的韧性。