After Prompt 码后炮

-本期简介-大家好，欢迎收听和关注播客《Afterprompt 码后炮》，这是我们的第三期节目《15分钟搭一个Harness：营销人的AI提效新姿势》。从"AI全知全能但不可靠"的困境出发，四位主播深入探讨了Harness Engineering这个硅谷最新概念在营销领域的实战应用。这一期没有虚的理论，全是可以今晚就上手的实操方法——从15分钟搭建一个术语库，到用Skills让小红书再也不限流。-人物介绍-| Claire | 品牌和市场策略 | 品牌叙事、组织变革、全球化视野（WPP和甲方市场部leader） || Craig | 爆款内容操盘手 | AI 社区前沿、内容算法、用户增长、AI 审美（内容平台爆款内容） || Gaudi | 营销实操派 | 科研支撑、执行链路优化、营销管理和运营|| 大脑呆 | 商业化与变现 | 流量变现、商业投资逻辑、广告逻辑 |-时间轴-00:02 ‒ 09:12 什么是Harness Engineering？从Prompt到Context到Harness的进化• Craig的核心观点：Harness是给AI套上的"可靠运行系统"，不是新概念，而是新瓶装旧酒• 技术演进路径：Prompt（教AI怎么说）→ Context（让AI看到什么）→ Harness（给AI一个可靠的运行系统）• LangChain案例：仅优化Harness，就把coding agent性能从TOP30提升到TOP5，大模型底层未变• OpenAI用Codec + Harness，五个月写了百万行代码，没有手打任何一行• Claude Code的泄露代码揭示：Harness在其中的核心作用——系统化注入、Skills体系、多层次上下文管理09:12 ‒ 22:01 Harness的威力：行业前沿案例与营销人的困境• Loop Rough案例：辛普森一家里"永不放弃"的角色，让coding agent自主长时间运行、自己迭代验证◦ Y Combinator黑客松中，一夜生成6个GitHub仓库，只花290美元API费用◦ 有人用它交付了价值5万美元的项目，TOKEN费用仅几百美元• Auto Research案例：Karpathy的项目，设定固定预算+固定指标，让AI永不停止地自我优化◦ Shopify CEO用37次迭代，让0.8B参数模型性能超过手动调优的1.6B模型• 营销应用场景：数据追踪、数据报表、数据中台等都可以通过coding来解决• 大脑袋的麦当劳类比：Harness就像快餐后厨的SOP系统——油锅、操作手册、监测表，确保每个人炸出的薯条都是标准的22:01 ‒ 31:29 营销人的Harness实战：从概念到落地• 高迪的隐性知识理论：波兰尼的"人知道的比说出来的多"——骑自行车会做但描述不出来• Craig的应对方法：◦ 通过成功案例而非语言描述来训练AI——"既然说不清楚，就把别人成功的案例给它"◦ 用数据和竞品结果反馈给AI，让AI自己发现规律◦ Skills作为核心工具：输入行业顶尖案例+实际数据，让AI自己计算什么样的标题/封面会有更好的数据• 大脑袋的正反案例库方法：建立50个好案例+50个坏案例，告诉AI"这个网感太重""这图太丑"，让AI自己学习边界• Stable Diffusion的Prompt + Unprompt机制：生图时告诉AI要出现什么和不出现什么31:29 ‒ 40:16 如何开始：15分钟上手Harness• 最简单的起点：大脑袋的术语库案例◦ 背景：ToB客户比稿，50多页方案中"挖掘机"每次AI翻译都不同◦ 解决方案：15-20分钟建立MD文档术语库，统一所有专业术语的标准翻译◦ 操作步骤：1. 让AI列出所有重复中文术语及其翻译2. 对照客户官网、新闻、社交媒体选定标准词汇3. 建立一层架构的MD文档（无需复杂格式）• Craig的Skills升级案例：◦ 用Claude的"create a skills"功能，2分钟创建基础skills◦ 将小红书社区规范全篇复制到skills中◦ 结果：小红书再也没有限流◦ 核心：持续迭代反馈，skills才会真正好用• 可迁移vs不可迁移的知识：◦ 可迁移：底层逻辑、转化漏斗模型、通识性文案规律◦ 不可迁移：具体话术、情感性表达、品类特点◦ Skills.md（总述）+ Reference.md（不同行业参考）的工程化解决方案40:16 ‒ 结尾 核心建议与未来展望• 何时需要Harness：一天重复三次以上、特别占时间、特别烦的工作• 时间成本：15分钟建术语库，2分钟创建Skills（+5-6分钟AI计算时间）• 关键挑战：◦ 营销的标准制定者多元：客户、老板、用户、总部、平台◦ 隐性知识的显性化：不能再把锅甩给AI，沟通不清楚责任在人◦ 把心里知道的规则说出来：以前可以说对方不理解，现在面对"全知全能"的AI必须说清楚• Craig的阶级论：用了Harness的人产出量会远超只用DeepSeek的人——"富人恒富，穷人恒穷"• 1.01的365次方 vs 0.99的365次方：不要纠结概念，从自己的需求出发，让AI做得更多• 核心资产转变：未来每个公司最宝贵的资产是上下文和上下文的记忆-节目中提到的工具 & 资源-Harness相关技术与工具• LangChain — AI框架公司，通过优化Harness将编码agent性能从TOP30提升至TOP5• Claude Code — Anthropic产品，代码泄露后显示了Harness的核心应用（系统化注入、Skills、上下文管理）• Loop Rough — 辛普森一家角色命名的技术，让coding agent自主长时间运行、自我迭代验证• Auto Research — Karpathy项目，设定固定预算和指标让AI永不停止地自我优化• Skills — Claude内置功能，渐进式披露机制，可创建垂直领域知识库• Create a Skills — Claude新功能，帮助用户创建Skills的Skills，2分钟可生成基础版本AI模型与平台• Claude / Claude Code — 主力推荐模型，内置Harness机制• Codec — OpenAI研发的代码模型，配合Harness五个月写百万行代码• DeepSeek — 国内低成本模型选项• Stable Diffusion — 早期生图工具，使用Prompt + Unprompt机制文档与格式• Markdown（.md）— AI友好的文档格式，省TOKEN且结构化，用于建立术语库、Skills等• Skills.md — 记载通识性内容的总述文档• Reference.md — 记载不同行业参考资料的文档-概念速查-Harness Engineering — 给AI套上的可靠运行系统，是Prompt和Context的进阶版。通过设定边界、反馈机制、运行规则，让AI在约束下产生更可靠、更符合预期的结果。本质是"新瓶装旧酒"，将软件工程中的约束机制应用于AIContext Engineering — 让AI看到什么，给AI提供框架式内容，让AI在知道框架后给出更确切的答案Skills — Claude中的垂直领域知识库系统，属于Harness的一种。采用渐进式披露机制，用到什么才披露相应规则。可以包含行业案例、数据反馈、执行标准等Loop Rough — 以《辛普森一家》角色命名的Harness技术，让AI coding agent能够自主长时间运行、自我迭代、自我验证，直到任务完成。可在睡觉时持续工作Auto Research — Karpathy开发的Harness项目，设定固定预算和指标后，让AI永不停止地自我优化实验。Shopify CEO用37次迭代让0.8B参数模型性能超过1.6B手动调优模型渐进式披露 — Skills的核心机制，只在用到某个规则时才披露该规则，避免一次性加载所有信息。类似于"If-Then"逻辑隐性知识（Tacit Knowledge）— 波兰尼提出的概念：人知道的比能说出来的多得多。例如会骑自行车但无法描述如何保持平衡。Harness的核心挑战之一就是将隐性知识显性化Markdown（.md）— AI阅读友好的文档格式，用符号代替格式（如***代表一级标题），省TOKEN且结构化。相当于"AI版的操作指南"上下文记忆 — 个人工作经验和skills的总和，是公司未来最宝贵的资产。Harness帮助将个人经验沉淀为组织经验品牌营销 vs 效果营销的Harness差异 — 效果营销有确定性结果和数据反馈，适合建立反馈循环；品牌营销有明确的"错误"（如事实不正确），但评判标准更多元可迁移 vs 不可迁移知识 — 可迁移：底层逻辑、转化模型、通识性文案规律；不可迁移：具体话术、情感表达、品类特点。Harness需要用Skills.md（总述）+ Reference.md（行业参考）来分别管理「本期节目由声湃提供录音场地」，感谢大力支持。欢迎各位扫码加入我们的飞书社群⁠⁠⁠⁠After Prompt飞书群⁠（社群中将分享大脑袋的Markdown术语库文档和Craig的"set your skills"的skills链接）

-本期简介- 大家好，欢迎收听和关注播客《Afterprompt 码后炮》，这是我们的第二期节目《判断力即上限：为什么 AI 让营销人更累了？》，四位主播从 2023 年底首次尝试 AI 视频讲起，分享了真实的 AI 营销案例、翻车经历和行业观察，探讨了一个核心问题：为什么用了 AI 以后，营销人反而更累了？-人物介绍-| Claire | 品牌和市场策略 | 品牌叙事、组织变革、全球化视野（WPP和甲方市场部leader） || Craig | 爆款内容操盘手 | AI 社区前沿、内容算法、用户增长、AI 审美（内容平台爆款内容） || Gaudi | 营销实操派 | 科研支撑、执行链路优化、营销管理和运营|| 大脑呆 | 商业化与变现 | 流量变现、商业投资逻辑、广告逻辑 |-时间轴-00:34 -- 06:16 初探 AI 营销：2023 年底的「AI 眼中的 XX」视频爆款Claire 改变了marketing 制作视频的流程：成本考虑 + 内容创新 + 抓住热点红利，选择 in-house 团队而非外包 agency快速执行：利用 ChatGPT 的 DALL·E 模型，借鉴抖音热门「AI 眼中的什么什么」内容形式，从 idea 到上线仅 2 天，加班到 8 点Craig 的人肉 AI workflow：最早期手动打通不同平台流转，包括找热点、AI brainstorm、执行06:16 -- 14:25 爆款数据与后续尝试：出道即巅峰，复制失败惊人成绩：三个平台（小红书、视频号、抖音）共 31 万播放 + 12,000 互动，未投放自然流量爆火，一夜破千赞Global CMO 赞赏：被作为案例在美国营销论坛分享，2024 年初在全球范围内是先锋性尝试复制失败：产品上市时，Craig 提出甄嬛传创意被否（难以向 global 汇报 + 无法复刻到全球市场），选择了更普世的「超能力」创意超能力视频未火：靠自然流量未火，后通过投流增加曝光；反思原因：为满足 global 需求牺牲本地情绪共振，缺乏反差，节奏拖沓，5 秒完播率差热点判断仍需人工：AI 在热点判断和标题选择上效果不佳，需要 human in the loop，持续调教14:25 -- 25:21 更高维度的挑战：管理问题大于执行问题社交媒体本质：情绪共振 > 功能说明；第一次成功抓住情绪共振，第二次变成了 TVC 式的功能说明书Claire 的深层观察：执行问题是 tactical，更大问题在于管理 —— 与不同汇报线的关系管理 + 生产工具的管理Marketing 实践是 bottom-up 的：Marketing head 和 business head 看不到 AI 真正能做和不能做的，只看到炫目的结果生产关系与生产力不匹配：现有工作模式（汇报、沟通）与 AI 带来的新生产力之间存在 gapVibe Marketing 兴起：如何让 global 参与决策、如何管理各方关系，是今天 marketing 的巨大挑战25:21 -- 31:29 AI 的局限与问题数据幻觉：Gaudi 遇到 AI 编造文献数据，引用信息与原始网站完全不符踩红线：AI 会踩学术红线和传播红线，违规内容继续编写，需人工叫停Gemini 废话文学：无关紧要话语多，核心信息少；生图时算力不足、图片模糊、跑题重复、胡乱生成（要 A 出现 A+B+C）AI 味重：结构工整、信息完整，但没有人味，像写对联，缺乏趣味信息和八卦缺乏行业洞察：掌握不了行业潜在规则、社会规范、行业八卦等边角但抓人的信息31:29 -- 36:20 判断 AI 工作能力的标准人的判断力决定 AI 能力上限：社交内容案例中，判断出好热点 + AI 执行 = 好效果；判断不在点上 = 平平无奇AI 没有洞察，最终受众判断（aha moment）是由人决定的合规能力是 AI 较易实现的下限：合规有标准可量化（如广告法），AI 更倾向处理有明显边界的问题人的合规判断有时反而不统一，统一认知成本高，这部分可交由 AI品味与审美待提升：AI 生成网页页面时审美不如人意，但未来发展方向是提升 AI 品味（后训练学习、强化学习）可通过自建本地 AI 库统一品牌 tone and manner，帮助统一社交内容风格AI 提升下限，人突破上限 —— 人不再花大量时间统一品牌视觉和风格，而是提高转化效率和用户沟通品质36:20 -- 43:04 为什么用了 AI 反而更累了？审核成本高：人从内容生产者变成质检员和终审，持续审核消耗心智，陷入 approve/reject 的决策过程像当领导一样：推翻一个方向不仅要重新审查，还得说服他人预期通货膨胀：公司为 AI 账户报销，对员工工作成果的预期提高 —— "你一定要做得更多才行"员工满足感阈值提升，产生自我隐形剥削，觉得没达到预期就有愧疚感工作时间短但消耗大：效率提高、时间变短，但信息密度和思考质量的消耗大（Gaudi 一周瘦了 4 斤）需合理排布优先级，匹配相应 AI 工具，花高质量时间判断工作是否 qualified使用 AI 需要四项能力：1. 想象力（AI 是咒语，想象力决定能实现什么）2. 判断力（对内容好坏的判断要求高）3. 执行能力（不断与 AI 沟通直至得到想要的结果）4. 一定投资（高级产品带来更满意的结果）AI Burnout 现象：营销经理是重灾区：Marketing 工作没有上限，永远要超越上次效果，有了 AI 后工作要做得更多、更深、更细、达到更高标准营销链条变长：不光做内容生产，还要关注转化、品牌等，需判断的事情增多，所有任务落在同一个人身上43:04 -- 49:12 行业变革趋势：短期提效，长期改变工作模式方法论个体化：个人可控制更大的方法论，甚至一人可完成比稿大型 agency 有自己的 Prompt Lab，用 prompt 方式将方法论 AI 化开源工具可微调大模型（如 Anthropic 的拖拽式微调工具），将个人经验融入底层模型经验沉淀组织化：Agency 将个体经验沉淀为组织经验，通过 AI 模式整合不同品类经验用整个品类的经验降维打击单个品牌的经验，向甲方体现价值SMB 人员能力拓展：员工被 AI 赋予新能力后，跨领域/cross-function 能力增强Marketing 人员可能被要求通过低代码编程直接实现网页制作累的方式改变：从手的重复劳动变为脑力劳动，从执行节奏性休息变为持续脑力消耗节目中提到的工具 & 资源AI 模型 & 工具ChatGPT / DALL·E --- 早期 AI 生图模型，2023 年底用于社交内容视频制作，指令跟随能力强Claude --- 主力推荐模型，记忆功能强大（memories），适合长文本和逻辑性内容，可用于生成方案和 PPTGemini --- 适合基础工作和顾问角色，但存在废话文学、算力不足、生图效果变差等问题NotebookLM --- 适合生成 PPT 和 Infographic，节省 token 消耗Stable Diffusion --- 早期 AI 生图工具，需调各种参数（VAE、LoRA、checkpoint）Anthropic 拖拽式微调工具 --- 开源工具，可通过拖拽方式微调大模型，将个人经验融入底层营销平台小红书、视频号、抖音 --- 2024 年初 AI 视频内容爆款平台Instagram --- Global 平台，用于内容输出概念速查AI Burnout --- 由于多任务和 AI 生产力提高，职场人被赋予更多工作导致的精疲力竭现象，Marketing Manager 是重灾区Human in the Loop --- AI 操作需人工介入和确认，尤其在热点判断、标题选择等需要人的判断力的环节Vibe Marketing --- 一种现代营销方法，它将 AI 自动化执行与人类的情感直觉相结合，实现极其快速且具有情感共鸣的品牌推广。（source： Entrepreneurship Handbook）这一概念起源于 2025 年初的“Vibe Coding”（氛围感编程），强调与其手动编写代码/文案，不如通过 AI 描述你想要的“氛围”或“结果”，让 AI 处理具体的执行细节Tone and Manner --- 品牌的沟通风格和调性，可通过自建本地 AI 库来统一Prompt Lab --- 大型 agency 建立的 prompt 实验室，用于将营销方法论 AI 化上下文 (Context) --- 个人工作经验和 skills 的总和，是公司宝贵财产，未来可能成为可售卖的个人资产AI 幻觉 --- AI 编造或推理出不存在的数据和文献，需人工核查原始来源AI 味 --- AI 生成内容的明显特征：结构工整、信息完整、对仗式表达，但缺乏人味和趣味信息废话文学 --- 某些 AI 模型（如 Gemini）存在的问题：无关紧要话语多，核心信息少微调 (Fine-tuning) --- 在大模型基础上进行针对性训练，将个人经验融入底层，效果优于单纯的 prompt 工程欢迎各位扫码加入我们的飞书社群⁠⁠After Prompt飞书群

-本期简介-大家好，欢迎收听和关注播客《Afterprompt 码后炮》，这是我们的第一期节目《一代人有一代人要领的“鸡蛋”：OpenClaw 避坑实录》，四位做 marketing 出身的主播亲手安装 OpenClaw，从腾讯云的惊喜到 Gemini 的废话文学，这一期没有理论，全是一手踩坑实录-人物介绍- Claire | 品牌和市场策略 | 品牌叙事、组织变革、全球化视野（WPP和甲方市场部leader） || Craig | 爆款内容操盘手 | AI 社区前沿、内容算法、用户增长、AI 审美（内容平台爆款内容） || Gaudi | 营销实操派 | 科研支撑、执行链路优化、营销管理和运营|| 大脑呆 | 商业化与变现 | 流量变现、商业投资逻辑、广告逻辑 |-时间轴--00:00 – 09:33 自我介绍 & 为什么从 OpenClaw 开始Craig 的推荐逻辑：OpenClaw 够产品化、能给正反馈，是普通人 dive in AI 生态的最佳起点“降临派”是什么——来自《三体》的世界观，认为强大的 AI 是不可逆的降临，不如主动拥抱大脑袋的缘起：受到网上各种 OpenClaw 爆款文章的诱惑，以“AI 教我装 AI”的方式全程零攻略完成安装Gaudi：科研支持服务行业深受 AI 冲击，花约 18–20 小时、无数次失败才完成，多次崩溃差点放弃；一气呵成是关键-09:33 – 25:33 安装实录：各显神通，各踩各坑Claire：以“安全第一”为原则选择腾讯云，10 分钟完成基础安装，但 agent 对接（DeepSeek 连不上）卡了整整一天Craig：Claude Code 直接操控本地终端，最终靠 GitHub 图形化工具 ClawX 一键搞定共同踩坑：Gemini 缺乏大局观，反复给同样的代码；连接飞书时公网穿透 vs SDK 长链接选择困难核心避坑原则（Claire 总结）：本地 vs 云端对比：可定制化 vs 易用性；本地部署耗时更长但灵活度高-25:34 – 34:26 现在安装还值得吗？推荐指数大脑袋：不推荐 — 大厂封装版即将到来（小米已内测），等现成的更划算高迪：分情况 — 有强烈 AI 焦虑 / 追赶感的人可以试；其他人等成熟 APPCraig：推荐所有人试一下 — 经历这个历史节点，产品 sense 会提升Claire：推荐 — 约 50 元成本（38 元服务器 + 10 元 token）+ 一个下午，值得一试；用它跑过程比看结果更有价值行业数据：腾讯云 Lighthouse 已有 10 万+ 付费用户；OpenClaw 大幅拉动推理侧算力消耗-34:27 – 49:38 装好了拿它干什么？使用案例 + 工具踩坑大脑袋：金融早报 agent — 抓取路透 / 彭博突发新闻，每早通过飞书推送；另让龙虾去 AI 论坛“社交”，计划复刻“OpenClaw 自己打电话提醒用户”的都市传说高迪：Social Listening 系统 — brief 发出后 AI 自主连续生成报告，超出预期Craig：自动日报（heartbeat 定时汇报）、舆情监控 / 内容创作 agent、饮食规划生活助理、Obsidian 知识库管理Claire：让 OpenClaw 用二维码登录小红书，5 分钟内生成 OpenClaw 舆情分析报告 + 品牌蹭热点指南Craig 踩坑：Claude 模型有 OCR 能力，但 OpenClaw 默认不知道自己可以调用；Telegram 单次发图数量和字符数均有上限，容易丢包Craig 推荐：Obsidian 可与 OpenClaw 原生集成，自动整理文档关联关系，Mac 跨设备同步-49:39 – 53:19 安全边界与风险OpenClaw 本质是 weekend project，原作者没有内置安全承诺；安全责任由部署者承担建议：物理隔离 — 专用设备 + 独立账号 + 独立 token，不与日常环境混用真实事故案例：某用户让 OpenClaw 清理旧邮件，一周内的邮件全部被删且无法撤回高迪补充：AI 生成内容可能存在谄媚倾向，数据看起来完整但结论可能偏颇；营销决策前要用自己的经验做二次校验-53:20 – 01:09:00 AI 工具分工、行业影响与成本大脑袋的 AI 工具三级分工：chatbot（Gemini/DeepSeek）= 顾问，Claude Code = 程序员 / 外包，OpenClaw = 秘书 / 实习生，按需分配，不要用错地方花旗报告（2025年2月）：中国约 31% 岗位受 AI 冲击，21.4% 属“高暴露高互补”（科研、IT、司法等）Anthropic 报告：金融、计算机行业理论替代率最高，恰好是过去 20 年红利最大的行业Token 经济：OpenClaw 单日消耗远超普通 chatbot，第一天约花 8 元；Minimax 曾因龙虾定时推送高峰导致机房崩溃Claire 核心观点：AI 让所有人回到同一起跑线，年限不再是核心竞争力，adaptability 才是；AI 终会替代自己，不如向死而生节目中提到的工具 & 资源部署平台腾讯云 Lighthouse — 当前最主流的国内云端部署方案，约 38 元 / 月起，可随时 reset 重装本地部署 — 可定制化更高，适合有一定技术基础的用户，需 Mac 或 Linux 环境模型 & AI 工具Claude / Claude Code — 主力推荐模型；Claude Code 可直接操控本地终端Gemini — 适合作为 prompt 生成助手和顾问，但回复冗长DeepSeek — 国内低成本模型选项，token 价格相对友好ChatGPT — 创意 brainstorm 首选NotebookLM — RAG 类知识库问答，有效减少 AI 幻觉周边工具ClawX（GitHub）— OpenClaw 图形化安装工具，非技术用户友好，一键配置Obsidian — Markdown 知识库，可与 OpenClaw 原生集成，自动整理文档关联关系，支持 Mac 跨设备同步飞书 / 小飞机（Txxxxx）— bot 接入渠道（注意各平台单次发送字符数上限）报告 & 数据花旗银行 2025 年 2 月报告：中国 AI 对劳动力市场影响分析Anthropic 人类技能替代率报告（theoretical vs observed AI coverage）IMF 全球 AI 就业替代率参考基准概念速查Human in the Loop — 每步 AI 操作前需人工确认；Claude Code 默认开启，OpenClaw 默认不开启Heartbeat — OpenClaw 定时心跳机制，可实现自动日报、定点推送等功能RAG — 检索增强生成，让 AI 从指定知识库检索而非凭空生成，减少幻觉OCR — 光学字符识别，Claude 模型原生支持识别图片中的文字，但需手动告知 OpenClaw 可调用此能力「本期节目由声湃提供录音场地」，感谢大力支持。欢迎各位加入After Prompt飞书群