昨天我说了，我决定给自己搭一个AI团队。

今天，我就开始干了。第一个任务很简单——让AI把我写好的投流文案，自动同步到飞书的表格里。

这个活要是交给真人助理，5分钟就搞定了，对吧？

怎么翻的呢？

我跟AI说："把这几条文案同步到飞书表格里。"

AI很积极，马上就去干了。然后——

你知道那种感觉吗？就像你新招了一个员工，你让他寄个快递，他跑过来跟你说"老板，系统登不上"，你帮他弄好了，他又过来说"老板，还是登不上"——反复好几次，活还是没干成。

后来我冷静下来想了想，问题到底出在哪？

结果发现：AI被系统的错误提示带偏了。

系统报的是"权限不够"，AI就一直揪着权限不放，让我反复去授权。但实际上权限早就授好了，真正的问题根本不在这里，而是它走的那条路径本身就走不通。

就这么简单。

同一天还发生了一件有意思的事。

我给AI发了一条指令，等了三十多秒没回应，我以为它没收到，又发了一遍。又等了二十秒，还没动静，我又发了一遍。

结果后来一看记录——它全收到了。三条消息全收到了，只是它在后台处理任务需要时间，没法秒回。

这跟带新员工不是一模一样吗？你给他发了个微信，他没秒回，你就开始急了，又打电话又发消息。其实人家正在埋头干活呢。

这一天折腾下来，我总结了几条经验：

• AI也会犯糊涂，但你要教它换思路。
  它被一个错误信息卡住的时候，不会自己跳出来。你得告诉它："这条路走不通，换一条试试。"这个规矩定了以后，后面它遇到问题真的会自己换路了。
• 别催，给它时间。
  AI跟人一样，复杂任务需要时间处理。你不停催它，反而打乱它的节奏。后来我让它收到任务先回一句"收到，处理中"，这个问题就解决了。
• 磨合期是正常的。
  你招一个真人员工，前两周不也是各种磨合吗？AI团队也一样。第一天翻车不可怕，可怕的是你以为AI应该一上来就完美——那不现实。

但跟真人员工不同的是——你教它一次，它就记住了，永远不会再犯同样的错误。

昨天我说了AI团队入职第一天翻车的事。

翻车归翻车，问题解决了，活也干成了。我心想：行，这员工虽然第一天不太顺，但学习能力强，可以继续用。

接下来就该给它定规矩了——什么时候干活，干什么活，怎么汇报。

我给AI定的第一个规矩是：每天自动给我推送今天该发的选题。

这个需求很简单对吧？就像你跟助理说"每天早上把今天的工作清单发我微信"一样。

问题是——几点发？

你可能觉得：不就是个推送时间吗，至于吗？

还真至于。

以前没有AI团队的时候，想到什么干什么，没有固定流程。现在有了一个"员工"准时给你推东西了，你反而得想清楚——我到底什么时候处理内容？什么时候适合看选题？什么时候有空去拍？

这是我完全没想到的收获。

同一天，我还给AI定了另外两个规矩：

第一个：每天晚上8点做工作复盘。

就像让主管每天下班前发一份当日总结一样——今天干了什么、遇到了什么问题、明天打算干什么。

结果AI交上来的第一份复盘，我一看就火了。

写的全是"今天完成了XX配置"、"已确认XX机制"这种话。看起来很专业，但全是废话——跟那种写周报的员工一模一样，字数很多，信息量为零。

就这一句话，跟你在公司群里@员工没有任何区别。

第二个：每小时汇报一次工作进展。

我想随时知道它在干什么，有没有卡住，有没有在摸鱼。

你可能觉得我管得太细了。确实，后来我发现每小时汇报太频繁了——但这不是重点。

你想想你带过的员工。那些一开始就没定好规矩的，后面越来越难管。那些第一天就说清楚"我要什么标准、什么频率、什么格式"的，后面越来越顺。

AI也是一样的道理。

这一天下来，我总结了一条特别重要的经验：

很多老板跟我说"我不知道怎么用AI"，其实本质是他不知道自己的工作流程是什么。

每天什么时候该做内容？什么时候该看数据？什么时候该跟客户沟通？这些问题你自己都没想过，AI怎么帮你？

• 不要急着让AI干活，先花一天时间想清楚——你每天的工作节奏到底是什么。
  想清楚了，告诉AI，它比任何助理都执行得准。想不清楚，你用什么工具都白搭。

昨天我给AI定了规矩：每小时汇报一次工作进展，每天晚上8点交复盘。

规矩定下去了，AI也确实照做了。每隔一小时，准时给我发一条汇报。晚上8点，准时交复盘。

从执行力这个角度讲，满分。

但我越看越不对劲。

它的汇报长这样：

你品品，是不是很眼熟？

每周准时交周报，字数从来不少，格式永远标准。但你仔细一看——全是正确的废话。"持续推进中"、"进一步完善"、"继续保持"……

说了一堆，啥也没干。

我当时就意识到一个问题：这不是AI的问题，是我的问题。

就好比你跟新员工说"每天给我发日报"，但没说日报要包含什么——他当然给你写一堆空话，因为他不知道你到底想看什么。

于是我做了一个关键的调整：

把汇报模式从"状态播报"升级为"诊断+动作+验收"。

翻译成大白话就是：你以后每次汇报，必须回答三个问题——

然后我又加了一条硬规矩：

你猜怎么着？

规矩一改，AI立刻就不一样了。

同一天下午，它就给我交了三份实实在在的文件：

三份文件，全是下午几个小时之内出的。

之前让它汇报了一整天，一份实际产出都没有。规矩一改，几个小时出三份。

你只说"帮我推进一下"，它就真的"推进一下"——在那儿转圈圈，看起来很忙，其实什么都没产出。

你说"给我一份选题清单，包含标题、口播提纲和拍摄提示，下午5点前交"——它就真的给你交出来。

这条经验适用于所有AI，也适用于所有员工。

前几天我一直在讲怎么给AI定规矩——定时间、定标准、定汇报格式。

这些都很重要。但今天我要讲一个更底层的东西。

错在哪？

你打开AI，上来就说："帮我写一条朋友圈文案。"

来回改了五六遍，最后勉强发了一条，自己都觉得别扭。

问题出在哪？不是AI写得不好，是AI根本不了解你。

你想想，如果你公司来了一个新文案，你上来就说"帮我写个朋友圈"，他能写好吗？

不可能。他得先了解你的业务吧？得知道你的产品是什么、客户是谁、卖点是什么、说话风格是什么吧？

想通这个道理以后，我做了一件事：

不是让它帮我干活，就是跟它聊天——聊我的业务。我告诉它我是干什么的，我的产品有哪几层，我的客户是什么样的人，我的转化链路是怎么走的，我做决策的风格是什么样的。

AI一边听，一边帮我把这些信息整理成了一份结构化的档案。

这份档案分三层：

新员工入职的时候，公司不是都会给一份员工手册吗？我给AI写的这份知识库，就是它的员工手册。

有了这个东西以后，AI写出来的内容完全不一样了。

后来我把这套方法总结成一句话：

大多数人用AI的顺序是反的——先让AI产内容，产完了不满意，再反复调。本质上是在让一个不懂你的人帮你干活。

正确的顺序是：先花一两个小时让AI了解你，把你的业务、客户、风格全部录进去。然后再让它产内容。

而且知识库还有一个真人团队做不到的优势：

你跟真人员工聊过的东西，他可能记住80%，忘掉20%。时间一长，忘得更多。

每次给你写内容的时候，它都会先翻一遍知识库，确保写出来的东西跟你的业务对齐。这才是AI比真人强的核心——不是写得多快，而是记忆不会衰减。

所以我给所有想用AI的老板一个建议：

• 别急着让AI帮你写东西。先坐下来，花两个小时跟它聊聊你的生意。
  把你的产品讲清楚，把你的客户讲清楚，把你的卖法讲清楚。这两个小时，是你用AI最值得花的时间。后面省的，是几百个小时。

昨天我讲了知识库的重要性——先让AI懂你的生意，再让它干活。

知识库建好以后，我就开始想：AI团队到底应该会哪些技能？

于是我列了一个清单。

写文案、写脚本、写选题、做定位分析、做竞品调研、做客户画像、写朋友圈、写私信话术、写直播话术、做数据复盘……

越列越兴奋，感觉AI什么都能干。

但我很快就发现了一个问题。

这30个功能，很多是重叠的。

"做定位分析"和"做客户画像"，采集老板信息的时候就顺带做了。"写朋友圈"和"写朋友圈日历"，本质上是同一个能力。"门店场景脚本"和"工厂场景脚本"，逻辑完全一样。

更大的问题是：这30个功能之间是割裂的。

你用功能A写了一个定位，功能B写脚本的时候根本不知道A已经做了什么。你用功能C写了朋友圈，功能D做复盘的时候也不知道你发了什么内容。

这就好比你公司里有30个员工，但他们互相不沟通。市场部做完的方案，销售部不知道。人多有什么用？信息不通，人越多越乱。

想明白以后，我做了一个大胆的决定：

砍掉的不是能力，是重叠和孤岛。怎么砍的？三个原则：

• 重叠的合并。 6个定位类的功能，全部整合进"口述采集"一个环节。老板跟AI聊两个小时，定位、画像、竞品分析全出来了。
• 类似的合并。 门店脚本和工厂脚本合成一个"场景脚本器"。朋友圈内容和日历合成一个"内容器"。
• 串成链路。 最关键的一步——剩下的16个功能，按流水线排列。上一个环节的输出，就是下一个环节的输入。

排完以后是这样的：

口述采集自动生成知识库→知识库自动喂给脚本器→脚本器出的内容自动进入发布清单。

砍完以后效果怎么样？

这件事教会我一个道理：

你给老板100个散装的AI工具，他也不知道怎么用。你给他16个串好的，他顺着走就出结果了。

这跟搭团队是一个道理——你不需要招30个什么都会一点的人，你需要16个各司其职的人，而且他们之间的工作交接是顺畅的。

昨天我讲了把30个功能砍到16个，按"采集→生产→转化→运营"串成流水线。

今天这条流水线第一次跑出了让我震撼的结果。

事情是这样的。我想给不同行业的老板各准备一套选题——餐饮的、服装的、建材的、美业的、便利店的。每个行业出一组，每组要有标题、口播提纲、拍摄提示、发布文案。

拿过去就能直接用。

如果是以前，我得先想每个行业的痛点，然后针对痛点想选题角度，再展开成口播提纲，补上拍摄提示和发布文案。5个行业，每个行业至少1个选题，每个选题4个模块。

但这次不一样了。

我的AI团队已经有了知识库——它知道我的方法论，知道我的内容风格，知道我的目标客户是实体老板，知道这些老板的核心痛点。

我只需要跟它说一句话：

然后我就去倒了杯水。

等我回来，5个行业的选题包全出来了：

每一个选题都不是泛泛的模板，而是针对那个行业的老板，用他们听得懂的话写的。

我看了一下时间——

10分钟是什么概念？

以前我带团队做这种事：先开会讨论方向半小时，然后分头去写，写完互相看，提修改意见，再改一轮，还得对齐风格。

你可能会问：AI写的选题质量怎么样？能直接用吗？

说实话，不是每一条都完美。有些角度需要微调，有些拍摄提示要根据实际情况改改。

但关键是——

从0到80分最难，从80分到95分最快。 AI干的就是那个最难的部分。

这件事以后，我彻底理解了"流水线"的威力。

如果没有知识库，AI写出来的选题一定是通用的、没有灵魂的。如果没有把功能串成链路，我还得自己复制粘贴、搬运信息。

前面做的每一步，都是在给这一刻做铺垫。

• 不要只盯着AI的产出速度，要盯着你给AI喂了什么、你的流程串得通不通。
  输入对了，流程通了，产出自然就快了。这不是AI有多聪明的问题，是你的系统搭得好不好的问题。

昨天10分钟出了5个行业的选题包，感觉很爽。

但今天我发现了一个新问题：AI写出来的内容，广告味太重了。

事情是这样的。我让AI帮一个做龙虾的老板写一组朋友圈文案。AI写得很快，5分钟就出了10条。

我一看——

看出区别了吗？

左边那种，一看就是广告，谁刷到都想划走。右边那种，看起来就是在说一件事，但你看完会觉得"这家店挺靠谱"。

这个问题困扰了我半天。后来我想通了一件事：不是AI不会写，是我没教它什么时候该推、什么时候不该推。

所以我给AI团队定了一套"内容植入分级"规则——

60%的内容纯给价值，25%的内容讲故事顺便带自己，10%的内容明确引导，只有5%的内容直接推。

我把这套规则写进AI的知识库以后，让它重新写那10条龙虾店朋友圈——

这次出来的效果完全不一样了。

这件事教会我一个重要的道理：

你告诉它"帮我写文案"，它不知道你要推还是不推、推多少、推多重。它只能按最通用的方式写——结果就是那种谁看了都想划走的广告腔。

但你给它一套明确的分级规则，告诉它"这条要L0"、"那条要L1"、"只有这一条用L2"——它立刻就知道分寸了。

• 管AI和管人一样，光说"写好一点"没用。你得告诉它标准是什么——什么时候该克制，什么时候可以推，推到什么程度。规则越具体，产出越精准。
• 好内容的核心不是"写得多漂亮"，而是"分寸拿捏得多准"。60%给价值、25%讲故事、10%引导、5%推广——这个比例才是让人愿意一直关注你的关键。

昨天晚上发生了一件让我特别意外的事。

凌晨2点多，我的数字人生成链路出了Bug——调用接口的时候连续报错，视频生成不出来。

我当时在睡觉。

等我早上起来看日志，发现AI自己做了一整套修复动作——

这件事让我特别感慨。

你想想，如果是真人员工，凌晨2点遇到系统报错，他会怎么做？

但这件事不是凭空发生的。AI之所以能自己修，是因为我之前在规则里写了一条：

就是这一条规则，让AI在关键时刻没有傻等、没有死循环，而是做了一个聪明的降级。

这不是AI有多厉害，这是你提前想到了最坏情况，并且把应对方案写进了规则。

我以前带真人团队的时候也遇到过类似的问题。你跟员工说"遇到问题灵活处理"——结果他要么一遇到问题就来问你，要么乱搞一通。

后来我学会了一件事：不要说"灵活处理"，要说"第一步做什么、第二步做什么、做不了的时候怎么兜底"。

这不矛盾。规则不是限制灵活性的——规则是灵活性的基础。你把边界画清楚了，AI就知道在边界内怎么选最优解了。

• AI的"自动修复"能力不是天生的，是你教的。你在规则里写了什么，它就能做到什么。没写的，它不会自己想到。
• 凌晨2点能自己修Bug的团队，才叫真正的"24小时团队"。不是人不睡觉，而是规则不睡觉。

今天发生了一件让我自己都觉得不可思议的事。

有个工厂老板在群里发了一段话，大意是：

他跟我说："这段话能不能帮我做成视频？我自己不想出镜。"

我跟AI说了一句话："把这段文案直接生成数字人视频。"

然后我就去忙别的了。

过了大概两分钟，AI给我回了消息——

两分钟。从一段纯文字，到一条带数字人出镜、有字幕、有配乐的完整视频。

你可能觉得这不就是个数字人工具吗？网上一堆。

但区别在这里——

左边是"用工具"，右边是"用团队"。

工具需要你操作它，团队只需要你指挥它。

那个工厂老板后来看到视频以后，跟我说了一句话——

对，就是说一段话就行了。

但前提是：你得有一个搭好的AI团队帮你接住这段话，帮你完成从文字到视频的所有中间步骤。

这个团队不是天上掉下来的。是你花了10天时间，一步一步搭起来的——建知识库、定规则、串链路、设降级、教分寸。

这就是"养团队"的复利效应。

• 工具和团队的区别：工具需要你一步步操作，团队只需要你一句话。从Day 1到Day 10，你完成了从"操作者"到"指挥者"的转变。
• 真正值钱的不是那条视频，而是那个能接住你一句话的系统。知识库+规则+链路+降级——这四样东西串在一起，才是你的AI团队。

前10天我一直在讲自己怎么搭AI团队——定规矩、建知识库、串链路、教分寸。

昨天有个朋友找我，叫汪阳青，也是做教育的老板。他看了我这几天分享的日记，跟我说了一句话：

我当时愣了一下。

因为我从来没想过这个问题——我的AI团队，能复制吗？

想了一下，我觉得可以试试。

第一步，我让AI把所有技能打了个包——文案组、数字人组、运营组、选题组，所有能力，一个压缩包，放在桌面上。

你没看错。发给朋友，他解压到自己电脑上，重启一下，这些能力就全有了。

但是——

因为这些技能是"我的"AI团队。它懂的是我的生意、我的客户、我的说话方式。汪阳青是做教育的，他的业务跟我完全不一样。

所以我给他做的第二件事，才是最关键的：启动"老板口述采集器"。

就是我Day 5讲过的那个东西——花一两个小时跟AI聊天，把你的业务、产品、客户、卖法全部录进去，形成你自己的知识库。

这就像你开了一家连锁店。

流程是标准化的，内容是个性化的。

AI团队也一样。技能是标准化的，知识库是个性化的。

这件事让我特别兴奋，因为我突然看到了一个更大的可能性：

以前我教老板用AI，得一个一个教、一个一个调。现在我可以把标准化的技能包直接给老板，然后只花时间帮他建知识库。

最耗时间的"从0到1搭建"，变成了"解压+采集"两步。

一个下午就能让一个完全不懂技术的老板，拥有自己的AI团队。

不过说实话，中间也有个小插曲。

我通过飞书把压缩包发给汪阳青的时候，他怎么都下载不了。换了格式、改了后缀，试了三四次。最后直接换了个方式传给他才搞定。

你看，再好的AI团队，该踩的坑还是会踩。但这种坑踩一次就知道了，下次就不会再犯。

• AI团队的技能可以复制，但知识库不能复制。技能是通用的能力，知识库是你独有的生意。先把你的生意录进去，AI团队才是你的团队。
• 从0到1最难的部分，现在可以标准化了。一个下午，解压+采集，完全不懂技术的老板也能拥有自己的AI团队。

昨天帮朋友汪阳青搭好了他的AI团队雏形。今天一早他就发消息过来了。

这个问题其实代表了绝大多数老板的核心焦虑：我把生意交给一个黑盒子，它到底知道什么？说错了我怎么知道？

说干就干。今天的目标很明确：把汪阳青业务里的所有知识，结构化地灌进AI知识库，然后自动同步到飞书多维表，让他像看Excel一样看AI的"大脑"。

汪阳青做的是教育培训，业务链路不复杂但细节多。我先帮他梳理了四大知识模块：

这四块，就是汪阳青整个业务的"命根子"。以前全在他脑子里，最多散落在几个微信群和笔记本里。现在要系统化地喂给AI。

我让汪阳青用语音口述，AI实时转文字，再自动归类到对应模块。口述采集这个方式特别适合老板——不用打字，不用整理，张嘴说就行。

第一个坑，来得很快。

这就像你新招了一个实习生让他整理客户档案，结果有几个客户没填生日，实习生不知道怎么排序，直接把整个Excel给你删了。

修复很简单：加了空值保护，如果时间戳为空就用默认值兜底。但这个修复来回改了3轮才彻底搞定——因为不只是创建时间，更新时间、同步时间都可能为空。

第二个坑更要命。

23.5% vs 57.9%——同一个业务，分母不同，结论完全相反。如果汪阳青看到23.5%，可能会觉得"体验课没用，砍掉算了"；看到57.9%，会觉得"体验课是金矿，加大投入"。

修完这两个bug之后，我给AI加了一条规则：计算任何比率指标之前，必须先列出分子和分母的定义，等确认后再算。这就像你跟财务说"以后出报表之前，先把统计口径发我确认"。

下午3点，同步链路终于打通了。整个流程跑起来是这样的：

今天一共提交了9个commits，经历了6轮修复。说实话比我预想的难——不是技术难，是业务细节多。每个模块都有特殊情况，每个特殊情况都可能让同步脚本出错。

但最终效果让汪阳青很满意。他打开飞书多维表，看到自己口述的内容被整整齐齐地分成了四个sheet，每条知识都有标签、来源、创建时间。

这一点很关键——飞书多维表不只是"展示"，还是"纠错入口"。老板发现AI记错了，直接在表里改，AI下次就用对的版本。这比跟AI对话纠错高效十倍。

晚上跟汪阳青复盘，他说了一句话让我印象很深："以前我觉得AI厉害是因为它能回答问题。今天我觉得AI厉害是因为我能检查它的答案。"

今天最大的收获不是技术上的，而是一个认知：老板对AI的信任，不是建立在AI有多准，而是建立在老板能不能验证AI准不准。

你给老板一个99%准确的黑盒，他不敢用。你给他一个90%准确但他能看到、能改的系统，他天天用。因为那1%的错他能自己抓出来改掉。

今日踩坑总结：

今天给自己定了一个挑战：一个人、一天之内、用AI批量生成6条数字人短视频。三个场景：工厂老板AI获客、美业门店获客、餐饮老板投流。

为什么是数字人？因为太多实体老板跟我说同一句话："我知道要拍短视频，但我真没时间也没那个脸出镜。" 数字人解决的就是这个问题——不用真人出镜，AI生成一个虚拟形象替你说。

早上9点开干。先让AI写文案，三个场景各写2-3版。

文案环节很顺利，AI写、我改、再生成，一个小时搞定了全部8版文案（比计划多写了几版备用）。

10点开始生成数字人视频。第一条，工厂场景，丢进去，等待... 3分钟后，成功了！

视频42秒，数字人口型同步、手势自然、背景是工厂车间。说实话效果比我预期的好。如果不仔细看，真的像一个人站在那里对着镜头说话。

然后信心满满地提交第二条——

我手动重新提交，又失败了。第三次，终于成功。这时候我意识到一个问题：如果每次失败都要我手动重试，那"批量生成"就是个笑话。

于是花了40分钟写了一个自动恢复机制：

关键设计：失败后不是简单重试原版，而是自动切换到更短的文案版本。因为我发现超过50秒的视频更容易超时。这就像工厂里发现某个工序总卡壳，不是死磕那个工序，而是换一个更简单的工艺路线。

加了自动恢复之后，下午的生成顺畅了很多。一条接一条，失败了自动重试，成功了自动同步到飞书。

到下午5点收工，最终战绩：

每条视频从文案到成片，平均耗时不到8分钟。就算加上文案修改的时间，一条视频从0到完成也就十几分钟。

55%的成功率好不好？说实话不算高。但关键是失败的成本几乎为零——失败了就自动重试，不浪费任何人力。不像真人拍摄，NG一次就是重新来过。

汪阳青看了视频，第一反应是："这比我上次找人拍的还自然。" 第二反应是："一天6条？？我之前找拍摄团队一周才给我2条！"

我说：这还只是第一天，流程还没优化完。等自动恢复机制跑稳了，日产10条不是问题。

他沉默了一会儿，然后说："那我之前花8000块拍的那批视频..."

我没接话。有些账，老板自己会算。

今天早上8点刚打开手机，飞书群里已经躺着4条消息了。

四个不同的AI模型，各写一版，8点到8点18分，6分钟全部交齐。我还没刷完牙，文案已经到了。

为什么要用4个模型？因为每个模型的"性格"不一样：
· copy-opus：最稳、最正式，适合品牌调性强的文案
· deepseek-r1：最会"扎心"，擅长情绪化开头
· deepseek-v3：最直接，适合硬广投流
· codex：最会讲故事，擅长案例型文案

今天我选了deepseek-r1的版本——"隔壁店老板刷手机不是摸鱼"这个开头确实扎心，投流效果应该最好。

文案搞定了，接下来才是今天真正让我震惊的事。

我之前给AI配了一个MCP工具链，能操控浏览器。今天早上，AI自己登录了小红书。

不是我让它登录的。是它按照之前设定的任务流程，到了"小红书互动"这个环节，自动启动了浏览器，自动打开小红书，自动搜索关键词，自动开始执行。

我盯着屏幕看了半天。说实话这一刻我是有点恍惚的。

你想想：一个运营实习生每天做什么？搜帖子、点赞、写评论、整理互动数据、回复私信。而现在AI在早上9点自己把前三项做完了，还把数据整理好了发给我。

当然，"恐怖"归恐怖，翻车也是翻了的。

MCP链路的不稳定是个老问题了。浏览器操作本来就比API调用脆弱——网页加载慢、元素位置变了、验证码弹出来了，任何一个都能让流程卡住。

不过话说回来，人类实习生操作小红书也会遇到这些问题，区别是人类会自己想办法绕过去，AI现在还做不到。这是下一步要优化的。

我要强调一点：我不是说"不需要人"了。AI做的是那些重复性的、机械性的互动操作。但内容策略、话术调性、什么时候该认真回复什么时候该轻互动——这些判断还得是人来。

就像工厂里，自动化设备替代的是流水线上的重复劳动，但产品设计、品控标准、客户关系——这些是人的事。

下午把早上的投流文案发了出去，然后让AI继续跑小红书互动。到晚上8点统计：

· 投流文案：4个模型×1版 = 4条，已发布1条（deepseek-r1版）
· 小红书点赞：22次（成功18次，失败4次）
· 小红书评论：15条（成功12条，超时3条）
· 数据全部自动整理到飞书多维表

一个实习生一天的工作量，AI在我不盯着的情况下完成了80%。剩下20%是需要我人工判断的（比如评论内容质量把控，比如选哪版文案投放）。

今天做了一件"无聊但重要"的事——把AI到目前为止学会的所有技能，逐条整理到飞书多维表里。

为什么要整理？因为这半个月下来，AI能做的事越来越多，多到连我自己都记不清了。"它好像能写文案"、"它好像能发视频"、"它好像能查小红书"——"好像"两个字说明我自己都没数。

花了一上午逐条梳理、分类、标注。最终数字：

131项是什么概念？我把它们按"如果雇人做"来算了一下：

当然，这131项不是每一项都做得很好。有些是90分水平（比如投流文案），有些只有60分（比如视频封面设计）。但关键是——60分的活它也能干，以前这些60分的活你要么自己干，要么花钱雇人干。

整理完技能表之后，下午搞了另一件事：让AI每天早上9点自动采集小红书Top10热帖数据。

采集链路跑得很顺——搜索关键词、抓取前10条帖子的标题、点赞数、评论数、作者信息，然后结构化整理。

问题出在最后一步：往飞书多维表里写。

更让人头疼的是权限问题不是一次性解决的——今天同一个表的权限开了两次。

第一次：上午10:57，开了base:field:read，以为够了，结果写入的时候发现还缺base:record:create。
第二次：中午12:32，又开了base:record:create和base:record:retrieve。

一张表的权限，分两次才开完。这说明什么？权限管理太乱了，每次用到才发现缺，补一个发现还缺另一个。

还有一个隐藏问题：双调度源并存。

什么意思呢？之前设的旧cron定时任务还在跑，今天写的新脚本也在跑。两套系统同时执行同一个任务——

这种"成功了但看起来失败了"的情况最危险——你可能因为看到报错就去手动重跑，结果数据重复了。或者你觉得"反正数据都有了"就不管报错，结果哪天旧cron不跑了你才发现新脚本也停了。

这事给我一个教训：系统迭代的时候，一定要记得关掉旧的。不然新旧并行，表面太平，实际上是两套系统在"打架"。就像你招了新人但没让老人交接就走，两个人做同一件事，互相不知道对方在干什么。

晚上看着这张131项的飞书表，突然有一种很奇妙的感觉。半个月前，这张表是空的。现在131行，每一行都是AI学会的一个技能，每一行背后都有一个具体的故事、一个踩过的坑。

今天出了一件事，说大不大说小不小，但让我后背一凉。

幸好那条消息没有涉及敏感信息（没有提客户名字、没有提价格策略），但如果换一条消息呢？如果它把"这个客户犹豫不决，建议给他打折"发到了客户在的群里呢？

想想就出冷汗。

这跟管员工一模一样。新来的实习生，你不跟他说清楚"哪些话能在客户面前说、哪些不能"，他早晚会在客户面前说出不该说的话。不是他故意的，是他不知道边界在哪。

花了一个下午，给AI定了"群规"：

规则不复杂，但必须明确到每种内容类型对应哪个渠道。不能含糊，不能"看情况"。AI不会"看情况"——它需要明确的if-then规则。

群规搞定了，下午又来了一个有意思的任务。

有个朋友要发朋友圈，截了一张图想让AI帮忙看看有没有风险。AI分析完之后给了一个判断：

说实话这个功能让我眼前一亮。很多老板发朋友圈不注意细节，截图里带着后台数据、内部地址、或者别人的头像和昵称。AI帮你在发出去之前扫一遍——这就是AI做你的风控岗。

当然，今天也不是一帆风顺。

插件冲突这个问题在企业软件里太常见了。两个功能类似的工具装在一起，互相打架。跟你店里两个员工抢同一个活干一样——不是人多力量大，是人多了没人管就乱了。

记忆搜索的问题更微妙。AI的"记忆"不是真的记住了什么，而是把之前的对话存在某个地方，需要的时候去查。如果存储后端没配对，AI就"失忆"了——你说过的话它全忘了，重新跟它说一遍。

今天最大的感悟：AI越能干，越需要画边界。

当AI只会写文案的时候，它搞不出什么大事。但当它能发消息、能操作社交媒体、能分析客户数据的时候，它搞事的能力也成倍增长了。

就像一个员工，能力越强越要明确权限。实习生你可以不管太多，但总监级的人你必须明确他的决策边界——因为他做的每个决定影响都很大。

今天是产出大日。目标很明确：两篇公众号深度文章 + 六条投流文案，全部完成并交付。

以前我团队做这个量，3个人（一个写公众号、一个写投流、一个审稿排版）至少要干2天。今天我一个人带着AI，看看能不能一天搞定。

早上8点半开始第一篇公众号。主题是我前几天在腾讯大厦楼下看到的一个场景——排队装小龙虾的摊位火爆，但旁边的正经餐厅门可罗雀。

AI用了大约12分钟出了初稿。3200字，质量说实话有七八成。我改了开头（太平了，要更有画面感）、改了中间两个过渡（逻辑跳跃太大）、加了一个真实案例。

改完之后让AI直接推到公众号草稿箱。10点半，第一篇搞定。

第二篇公众号：《实体老板养AI团队日记｜第1天：先别学功能，先让AI入职》。这篇是系列的引导篇，要让读者对后续内容产生兴趣。

第二篇在11点45分推送到草稿箱。一上午，两篇深度公众号文章，从构思到草稿箱，总共3个多小时。

下午转战投流文案。目标6条：工厂场景3条 + 美业场景3条。

这次我让AI一口气出6条，然后逐条质检。

6条文案从出稿到质检通过，用了不到40分钟。

但过程没那么顺利——

这就是为什么我坚持用多模型协作而不是依赖单一模型。如果今天只有copy-opus，这6条文案一条都出不来。但因为有备选模型，直接切换，几乎没耽误进度。

还有一个没解决的问题：

我现在对这个问题的态度从"赶紧解决"变成了"系统性地解决"。不是头痛医头，而是把所有飞书API需要的权限一次性梳理清楚，明天集中搞。

2篇深度公众号文章 + 6条投流文案 = 以前3人内容团队干2天的量，现在1人+AI一天出完。

但我要诚实地说：AI出的初稿不能直接用。公众号文章我改了大约30%的内容，投流文案改了10%左右。AI是"干粗活"的，精修还得是人。

不过，"干粗活"这件事以前也需要人。一个文案写初稿要半天，AI出初稿只要十几分钟。省掉的不是"写"的时间，是"从0到1"的时间。

今天是"不出活但很重要"的一天。整个下午都在跟飞书权限搏斗。

你可能会问：权限有什么好搏斗的？不就是勾几个选项的事吗？

呵呵。

先说背景。从Day 15开始，小红书数据采集一直正常，但写入飞书多维表一直失败。原因是权限不够。我每天补一点权限，但每次补完发现还差别的。

今天我下定决心：不搞定飞书权限绝不干别的。

飞书的权限体系分两条路：应用身份（App Identity）和用户身份（User Identity）。

我一开始走的是应用身份路线。但很快发现一个问题——

等不了。切换到用户身份路线——用OAuth让AI以我的身份去操作飞书。

OAuth的流程说起来简单：用户授权→拿到token→用token访问API。但飞书的权限是逐项申请的，每个API需要的权限不一样，而且命名规则让人头大。

第一个权限wiki:node:read——允许读取知识库的目录结构。开了。

第二个权限docx:document:readonly——允许读取文档内容。开了。

然后，激动人心的时刻——

你不知道这两个感叹号背后的心酸。为了能读到这篇文档，前前后后折腾了大半个下午。不是技术有多难，是权限审批的流程太绕了。

读文档搞定了，但今天的最终目标——写入飞书多维表——还是没成功。

5天了。小红书数据每天准时采集、结构化整理，但最后一步"存进飞书"就是过不去。就像你货都进好了、包装也做好了、物流也联系了，但仓库门死活打不开。

今天还梳理了一套权限管理的标准流程，以后不管接什么新系统都按这个走：

重点是第二步：一次列全。不要用到一个申请一个，那就是我这5天的惨痛教训——每天补一个权限，每天发现还差。

看到了吧？7个权限。我之前5天，每天开1-2个，每次以为够了结果还差。如果第一天就把这7个全开了，后面4天的苦根本不用吃。

说一句真心话：如果你是实体老板，你最好找一个懂飞书/钉钉API的人帮你把权限一次性搞定。这活不需要每天做，但做的时候一定要做透。否则你的AI系统就像一辆少了三个轮子的车——发动机再好也跑不动。

飞书多维表写入失败，今天是第6天。

你可能觉得我应该很焦虑。连续6天一个关键功能不通，换别人可能已经在骂街了。

但我一点都不慌。

先说Plan B是什么。很简单，三步：

就这么简单。写不进飞书？没关系，先存本地。等权限搞定了，一键全补回去。

6天下来，本地存了多少数据？

你想想，如果我没建Plan B，这6天会发生什么？

这就是Plan B的价值。它不解决问题本身（权限还是没搞定），但它保住了数据。保住数据就保住了以后修复的可能性。数据丢了，就是真的丢了。

下午跟一个做餐饮的老板朋友聊天，说到这个事，他立刻get到了。

我特别喜欢这个比喻。Plan B不是"放弃"，是"先保住东西，以后再补"。

很多人觉得搭系统就是要"一步到位"，所有东西都要完美运行才算成功。但现实是——没有一个系统是一开始就完美的。一定会出问题，一定会有某个环节掉链子。

区别在于：掉链子的时候，你有没有接住的方案。

今天还做了一件事：把所有自动化链路的"降级方案"梳理了一遍。

每条链路三级方案：正常→降级→兜底。降级不是失败，是有组织的撤退。兜底不是放弃，是保存火种。

这个思路对实体老板来说应该不陌生。你开店的时候也有类似的plan：正常情况下供应商A送货，A断供了就找B，B也不行就自己去市场拿。商业世界的基本功，就是永远有第二条路。

看到那个红点了吧？一目了然，哪里在"将就"。就像你店里的仪表盘，哪个指标亮红灯你立刻知道。不需要等到出大事才发现。

晚上回顾今天，觉得这一天虽然没有什么炫酷的产出，但做的事可能比前几天都重要。

前几天我在教AI"做什么"——写文案、拍视频、采数据。今天我在教AI"出了问题怎么办"——降级、存档、回补。

一个只会干活的AI，和一个干活出了问题还能自己兜住的AI，后者才是真正可靠的"员工"。

就像你招了一个销售，能卖货是基本功。但遇到客户投诉能稳住场面、遇到缺货能推荐替代品、遇到退款能拦住一部分——这才是你真正想要的人。

今天早上9点,我像往常一样打开飞书,准备看AI团队给我交的"作业"——小红书日报。

结果一打开——空的。

我第一反应:是不是飞书出bug了?刷新了三遍,确认不是飞书的问题。

然后去看后台日志——真相浮出水面了。

日志里清清楚楚写着:

翻译成人话就是:AI团队今天想干活,但是"电"停了。

具体来说,小红书日报这个任务,用的是 claude-proxy 转发到 claude-opus-4-6 模型。但是今天这个代理服务挂了,端口3456完全连不上。

而其他用 openai-codex / gpt-5.3-codex 的定时任务呢?跑得好好的,一点问题没有。

我给你打个比方,你就懂了:

今天的产出数据:

说实话,这个感觉就像你早上到工厂,机器都是好的,工人都到齐了,原材料也备好了——但是今天停电了。

所有生产线 = 停摆。

我赶紧去排查。先看看AI怎么说:

好家伙。挂了一天,一声不吭。

如果我今天没有主动去看飞书,可能到明天才会发现。

这件事让我立了三条铁规矩:

你可能会说:这不就是运维嘛,跟我开店有啥关系?

关系大了。

你想想:你好不容易搭建了一个AI团队,每天自动帮你写文章、采数据、做日报。结果某天底层一个小服务挂了,整个团队一天产出为零。

这跟你开了个店,收银系统崩了,一天收不了一单——是一模一样的。

而且更可怕的是:AI不会像员工一样打电话告诉你"老板我今天来不了"。它就是安安静静地停了,你不去看,根本不知道。

所以今天虽然产出是零,但这个教训价值巨大。

从今天开始,我的AI团队有了三道保险:

📚 今日收获:

Day 20的"停电"事件,我以为修好代理服务就万事大吉了。

我错了。大错特错。

因为接下来发生的事,比"停电"可怕十倍。

你知道我是怎么发现的吗?

不是因为看到了什么报错。不是因为收到了什么告警。

我突然意识到:这个群已经两天没有任何消息了。往常每天至少有日报、数据同步、任务完成通知,热闹得很。这两天——死一般的沉默。

我赶紧去查后台日志。

日志记录清清楚楚:

Gateway进程要么退出了,要么机器休眠了。总之,整个调度引擎直接"人间蒸发"。

它走的时候,一声招呼都没打。

来看看这48小时,AI团队"漏掉"了多少事:

这是我养AI团队以来,最严重的一次事故。

Day 20停电好歹我当天发现了。这次——整整两天后才发现。

我给你打个特别形象的比方:

员工旷工,你一眼就知道。

AI旷工,它连个"我今天没上班"的消息都不会发。

这就叫"静默失败"。管AI团队最隐蔽、最致命的风险。

还有个更生动的比方:

这次"静默失败"让我彻底清醒了。

3月19日下午17:20,我手动重启了Gateway。

"负责报警的人自己失踪了"——这句话太精辟了。

我的告警系统依赖Gateway运行,Gateway挂了,告警也跟着挂了。这就像消防站着火了,但119打不出去。

我复盘了一下从开始养AI团队到现在,基础设施出过的问题:

这说明一个很重要的道理:

基于这次血泪教训,我定了AI团队管理的第一条铁律:

关键词:独立系统。

不能用A来监控A。必须用B来监控A。这样A挂了,B还能报警。

重启后,所有任务很快追上了。但损失已经造成——三天的日报缺失了。

这就像你店里的监控坏了三天。虽然没出事,但这三天发生了什么,你永远不知道了。

数据缺失是不可逆的。时间过去了就是过去了。

📚 今日收获:

经历了Day 20的"停电"和Day 21-22的"静默失败",我做了大量修复工作:

Gateway重启了,加了keepalive。看门狗装好了。心跳检测部署了。探活机制写好了。Chrome CDP基础设施也搞定了。

然后接下来几天发生了什么?

对,你没看错。什么·都·没·发·生。

每天早上9点,小红书数据自动采集,日报准时出现在飞书群。

每天的定时任务按部就班执行,一个不落。

心跳检测全部绿灯。看门狗安安静静趴着,因为没有需要它重启的东西。

我打开后台看日志——一行行整整齐齐的执行记录。没有报错。没有异常。没有任何需要我干预的事情。

这几天我的操作记录:

你可能会说:这几天你也太摸鱼了吧?

你想想,开实体店是不是一样的道理?

AI团队也是一模一样。

前20天,我们在干什么?

前20天的所有折腾——搭建、调试、踩坑、救火、修bug、加监控——全都是"磨合期"。

就像新店开业前半年的鸡飞狗跳,不是白忙,是在"磨"出一个能自动运转的系统。

现在我每天在AI团队上花的时间:

从每天2-4小时,到每天5-10分钟。

这就是"养成"的价值。

很多人问我:AI不就是个工具吗?

工具和团队最大的区别是什么?

ChatGPT是工具——你不打开它,它不会主动给你干活。

但我搭的这套AI团队,是"团队"——我不打开电脑,它早上9点也会自动采集数据、生成日报、推送到群里。

这个区别,太关键了。

"好的,继续保持"——这五个字,是老板对团队说的最高级的话。

说明你不需要改什么、不需要修什么、不需要亲自上手。一切都在按计划运转。

现在我终于腾出精力来想更重要的事:

——下一步AI团队要加什么新功能?
——有没有新的业务场景可以交给AI?
——武汉线下课的内容准备怎么安排?

老板就应该想这些事。而不是每天在那里修bug、调Prompt、处理服务器问题。

但我想多说一句:这个"不用管"的状态,不是天上掉下来的。

它是前面20天的踩坑、修复、优化、血泪教训换来的。

如果你现在刚开始搭AI团队,前几天肯定会很累、很烦、很多问题。

坚持过去。

等你到了Day 23的状态,回头看,会觉得一切都值得。

📚 今日收获:

今天朋友圈炸了。

雷军开了一场发布会,直接把王传福(比亚迪)、李想(理想汽车)、何小鹏(小鹏汽车)请到了现场。

5500万人在线观看。朋友圈刷屏。公众号、短视频全在追这个热点。

我打开AI对话框,说了一句话:

不到2小时:

你看看这篇文章的结构,是不是很有章法:

这不是AI随便拼凑的水文。这是有策略、有结构、有观点、有实操的内容。

为什么?因为经过前面27天的"养成",AI已经理解了我的内容风格、读者画像、写作套路。

来看看有AI和没AI,追热点的差距有多大:

这个差距意味着什么?

做内容的人都知道,追热点,速度就是一切。第一个发的吃肉,第二天发的喝汤,第三天发的......没人看了。

而且不光是追热点。今天还有另一件事。

我下周要去武汉做一个三天的线下课。以前做线下课,就是去讲三天,回来什么都没留下。

这次我提前跟AI说了一句:"帮我规划一下这次武汉线下课的内容最大化方案。"

你看到了吗?一次三天线下课,AI帮我规划出了至少7种内容产出形式。

以前:去讲三天课,回来就结束了。
现在:去讲三天课,回来能产出20+条内容。

总结一下今天的两件事:

第一件:热点追得快。雷军发布会刷屏,我说一句话,2小时出了一篇完整的借势文章。别人还在想选题,我已经发文了。

第二件:活动规划全。武汉线下课还没去,AI已经帮我列好了完整的素材采集方案。哪些录像、哪些截图、哪些切短视频、哪些写复盘——安排得明明白白。

这两件事有个共同点:

📚 今日收获:

今天,终于实现了我一直追求的那个状态。

这个概念我从Day 1就在想。做内容的人都有一个痛点:你花了2小时做了一场直播,然后......就没然后了。内容用了一次就扔了。

但今天,AI帮我彻底解决了这个问题。

事情是这样的:我前两天做了一场直播,讲了差不多一个小时。主题是实体老板怎么拥抱AI。

直播结束后,我拿到了一份完整的录音文字稿。大概一万多字。

以前这个文字稿我会怎么处理?说实话——大概率就扔在那里,再也不看了。

今天,我把这份录音稿丢给了AI,说了一句话:

30分钟后,AI交卷了。

6条完整的短视频文案。

注意:不是大纲,不是提示词,是完整的、可以直接对着镜头念的文案。

来看看这6条分别讲什么:

6条文案,每条都是独立的短视频脚本。

而且最让我震撼的是——

这才是真正的AI团队。不是给你写一篇通用的八股文,而是用你的语气、你的风格、你的口头禅来输出内容。

你知道这一次输入能产出多少东西吗?

一次直播录音 → 6条短视频文案 + 公众号长文 + 朋友圈素材

如果我每周做一次直播,一个月就是4次。4 × 6 = 24条短视频,再加上长文和朋友圈——内容根本不愁。

这就是"一鱼多吃"的威力。

来对比一下以前和现在:

你想想,做内容最累的是什么?"想选题"和"从零写"。

但如果你有"一鱼多吃"的能力,你根本不需要每次都从零开始。你只需要保持一个习惯:

我甚至想得更远了。以后每一次线下活动、每一次跟客户的深度沟通、每一次团队讨论——只要有录音,就能拆。

你看到了吗?这已经形成了一个闭环的工作流:

这件事给我最大的启发是:

而且有一点特别重要:AI输出的内容,保留了你的人设。

它知道你喜欢说"钱难赚屎难吃",它知道你习惯用反问句,它知道你喜欢先讲故事再讲道理。

这不是模板,这是"你"。

这就是"养成"的意思——你花了28天"养"出来的AI团队,已经学会了用你的方式说话。

说到底,做内容的终极问题是什么?

不是"不会写"——AI帮你写。
不是"没时间"——AI帮你省时间。
不是"没选题"——你的每一次表达都是选题库。

终极问题是:你有没有建立一个系统,能把你的"输入"自动变成"输出"?

今天,我可以说:这个系统,建成了。

📚 今日收获:

Day 29-30 的内容正在撰写中,即将与你见面。

在等待更新的同时,你可以回顾之前的旅程: