My AI Practices

AI 商业化
内容实验.

Let AI do the structured work. Keep the thinking.

小红书「HaiPing(AI商业化)」的运营过程:一个 Agent 每天替我筛信息、提选题,AI 帮我查资料、核实和排版;为什么发生、是不是真需求、机会在哪,由我来想。

Part 01 · Why

Why This Account

练习发现需求和提炼判断的能力,流量是附加值

AI 让内容生产不再是瓶颈,对判断的需求提升;生产端无限放大,但如何把东西卖出去成了关键。这恰好是 AI 商业化和 go-to-market 要关注的事情。

账号定位

核心目的是倒逼自己练出发现需求和机会的能力。公开发出来,是想看看有没有人和我想的一样,或者不一样,让判断也接受外部检验。流量是附加值。

账号的阅读量是附加指标。核心指标是:我的判断能力有没有提升,预判有没有应验,是否有高质量的交流。

01 · 节奏

用持续输出倒逼持续关注

AI 商业化变化很快。要发出去,就得一直跟着,保持敏感度。

02 · 反向锻炼

补上“发现需求和机会”这一块

除了把应该做的事情做好,还需要持续去定义哪些事情应该做、持续关注需求和机会。

03 · 视角

营销人视角看 AI 商业化

小红书上的 AI 账号大多教工具或追热点。我问的是:一个产品是真需求还是伪需求,靠什么赢,换我来做 GTM 会怎么做。

范围

我关注的是“AI 商业化”层面的东西,也就是 AI 具体应用到具体的现实中产生商业价值的方式和模式。外围的东西是影响因素,我会大概知道。

2026-10-11,给简报 Agent 的反馈
Part 02 · Framework

Frame First

先搭框架,再写内容

没有框架,每条新闻都是孤立的。我先和 AI 一起搭了一张 AI 商业化全景图,之后每篇帖子、每条简报,都先在这张图上定位。

AI 商业化全景图

用电力系统作类比:token 约等于度电。主干共用,到了用电侧分成企业、个人、物理三路,管控贯穿全部。

L6
管控与信任电表、保险丝、安全规范
L5
B 落地交付
C 入口与分发
P 整机与运营
L4
B 企业应用
C 个人应用
P 物理 AI
L3
云与算力平台
L2
基础模型
L1
芯片与硬件
L0
能源与数据中心

每条信息还要标两样东西:动作(向上整合、卡入口、定价 / 商业模式等 11 种),以及涉及 Agent 时,它在委托阶梯的第几级(回答、产出物、流程、职责、团队)。黄色是这个账号主要写的两层。

查看完整的 AI 商业化全景图 ↗

框架是怎么来的

  1. 主要在工具层面了解和应用 AI。工具发展太快,我对 AI 的理解还很浅,是在被带着走。
  2. 系统学习 AI,梳理技术扩散的路径、AI 的商业化、AI 走进企业的价值链。有了大概的认知,但停在理论层面,也不确定 AI 给我的东西对不对。
  3. 持续关注 AI 的动向,持续用 AI 做事,积累对 AI 的感知。
  4. 越来越觉得,AI 怎么赚钱成了很重要的命题,也正好在我做营销和 GTM 的范畴里。
  5. 参加阿里云栖大会,看到大厂的全栈布局,决定用电作类比:电是大家更有感知的东西,AI 也被普遍看作和电力革命同等重要的变革。和 AI 几轮磨合,搭出框架。
  6. 发出置顶帖《我把 AI 想成了电:9 张图看懂 AI 商业化》。
  7. 在发内容、持续观察的过程中,不断发现框架的盲区,先记录,按月审阅,再决定框架要不要调整。
每篇帖子都写一行定位 个人 Agent 发展回顾个人应用层(L4·C),真正的战场在入口(L5·C)和身份管控(L6)。 拆解 OpenAI Dots名义上在个人应用层(L4·C),内核更偏企业应用层(L4·B)。 千问办公电商版企业应用层(L4·B),通用办公 Agent 往行业里走了一步。
Part 03 · Division of Labor

Where I Draw the Line

哪些交给 AI,哪些必须自己做

分工的标准:这一步是在锻炼谁。能写成规则的交出去,需要判断的留下。

AI 负责收集、核实和排版,“为什么发生、是不是真需求、机会在哪、如何商业化”由我来想,否则被锻炼的是 AI 而不是我。

账号工作文档
环节
AI 做
我做
研究框架
起草全景图、整理分类、标出盲区
提问题,定结构,决定改不改
信息收集
简报 Agent 每天扫信源、筛选、打标签、推送
定范围,给反馈
选题
每天提 1–3 个选题,对照我写过的内容找空缺
决定写不写、为什么写,记下理由
写作
写事实部分,核实数字和来源,反驳我的观点,用提问把我的想法问出来
写“商业化与 GTM”“我看到的几点”,选核心观点,定稿措辞
设计排版
按模板做图、排版
验收
复盘
每周汇总反馈、追踪判断,只提方案
拍板改不改,判断算不算应验
写作规则

知识不够时,用采访法

AI 先整理事实,再一次问我一个问题,用我的回答写分析部分,保留我的原话。

写作规则

不写“我的判断”,写“我看到的几点”

分成 👀 观察、❓ 没想通的、📡 持续关注。判断会随着看的东西变多自然长出来。

写作规则

写完自查三问

每个数字都有来源吗?分析里有没有一句是我自己真的会说的话?里面是不是包含自己的观点和判断?

Part 04 · Agent

The Briefing Agent

规则是我定的,判断还在我这里

每天北京时间 6:20 启动,扫前 24 小时的信息,7:15 前推到飞书群。10 月 7 日上线到 21 日,入库 267 条。

怎么搭的飞书上建一个「信息中心」应用,按 Claude 的指导搭建Claude 定时任务:采集、判断、撰写飞书群:送达和收反馈多维表格:记账

每天怎么用

  1. 7:15 前,简报推到飞书群:必读、速览、选题灵感、持续追踪。
  2. 我直接在群里回复。
  3. 和选题有关的反馈,更新到「AI 简报 · 待写选题」文档,记下我当时的理由。
  4. 和简报本身有关的反馈,第二天按调整后的规则推送。

一条信息要过三道关

硬门槛时效;可核实(一手源,或两家可靠媒体互证);有实质(客户名、金额、价格、用户数);没推过。
五项打分每项 0–2 分,7 分以上进必读,4–6 分进速览。商业化信号框架相关度主体分量新颖度对我的用处
排除只有跑分的模型发布、芯片参数、没有数字的融资软文、工具教程和“10 个必用 AI 工具”、人事八卦。

两周里,它是怎么被调教的

我的反馈原话,和随后改了什么

  1. 我目前对于自己想要什么,还不是很清楚,需要先摸索几天。

    前四天只记录反馈,不调整推送;10 号汇总后再统一改
  2. 得看下跟进事件的背后有哪些共性,那个共性的东西才是我真正关注的板块。

    持续追踪从单个事件改成几个主题
  3. 那个反馈表太详细了……目前可能就是用信息回复的方式给到反馈。

    去掉表格反馈,改为在群里直接回复
  4. 外围的东西是影响因素我会大概知道,但是要落到我具体可以讨论 / 写内容的范畴它就是会比较集中些。

    规则与管控、物理 AI、上游只进速览,一行写完
  5. 新建一个多维表格或者文档,用来放“待写选题”的东西。

    选题移到单独的文档,到 10-20 积累到 19 题
  6. 把选题“企业 agent”里面再细分为三类:办公 agent、垂直 agent、行业 agent。

    选题按 Agent 分类归档,计价和出路只在同类里比较
  7. 都不算应验,继续追踪。

    Agent 提出三条追踪可能已应验,我判断都不算
Part 05 · One Post

One Post, End to End

一篇帖子,从选题到发布

这篇是事件解读。事件解读里,AI 负责查清楚发生了什么;我负责决定从什么角度解释、拿什么来对照,以及最后一页的看法。

事件解读 · 2026-10-15 定稿 · 6 页

通用 Agent 开始做行业版,行业 Agent 还剩什么?

千问办公推出电商行业版。这篇也是“垂直领域 Agent 的出路”系列的第一篇。

点图片可以放大看。标黄的三页,角度和内容由我主导。

01

选题

从「AI 简报 · 待写选题」里选出这个题,给出初步想写的方向;确定它属于“事件”,按事件解读的模板展开讨论。

02

写作

和 AI 一起把事实查清,再把我的判断问出来、写下来。过程见下方。

03

设计

定稿后,AI 按我定好的设计模板做成 6 页图文。

04

发布

设计定稿后,我来发布。

写作阶段

  1. AI 写 P1–P5 的事实部分,最后一页“我看到的几点”留空。
  2. 我追问事实,AI 核实后更正。我问千问是不是全球第一例。AI 查到不是:Anthropic 2 月已给 Cowork 推过金融行业插件。
  3. 我拿它和已有的产品、海外的先例对照,校准“为什么会发生”这一页。
  4. 我先说观点,AI 反驳。我说“所有称得上工具的东西……会被通用甚至模型吞掉”;AI 认为现有的例子只能支持一个窄一点的结论。
  5. 采访法:AI 问“界面被 Agent 接走后,商家还愿意为什么付钱”,我回答。
  6. 我发现自己也分不清连接器、专家套件和行业版,于是加了 P3,先把概念厘清。现在 AI 的产品不断推出,大家其实很难知道你到底是在做什么。我有这个困惑,别人可能也会有。
  7. AI 给的三个核心观点我都没用,又从新的候选里选了一句。
  8. 我改定稿:删掉对照页和几段初稿内容,措辞自己定,AI 只核对事实。
Part 06 · Test

Judgments, Checked

写进帖子的判断,事后要能核对

帖子里的关注点和推测,都会进追踪表,由 Agent 盯后续进展。对了要记,错了更要记。我会月度、季度统一复盘。

每条追踪写清楚 应验条件证伪条件复查日期状态 AI 商业化相关的追踪共 48 条(截至 10-21)。算不算应验,由我判断。
10-02、10-06 · Meta Muse数据出来了

持续关注:留存率和付费率,而不是下载量。《个人 Agent 发展回顾》《拆解 Meta 的 Muse》

10-12:Sensor Tower 9 月数据显示,Muse 次日留存 73.3%,7 日留存超过 30%,14 日约 22%。付费率和日活 Meta 仍未披露。

10-02 · 个人 Agent有了答案

最大的变量是微信,还没出手。《个人 Agent 发展回顾》

10-14:豆包公布 151 款拒绝 GUI 自动化的应用,微信、淘宝都在名单里。

10-06 · Meta Muse想得不到位

可能的打法:存量渗透,在 WhatsApp、Instagram、Facebook 里放入口,不会大规模买量。《拆解 Meta 的 Muse》,标注为我的推测

10-21 我的复盘:“实际就是它也在花钱买量了,这一点可能是我原先思考里面不到位的。”

外部的回应

13 篇图文2026-09-26 至 10-16,数据截至 10-18

665观看
31点赞
22收藏
5分享
0评论
6新增关注
Part 07 · Open & Learning

Still Open, Learned

还在摸索的,和学到的

这套流程跑了不到一个月,下面是目前的情况。

还在摸索:反馈的节奏

每天

简报的内容和选题建议在群里回复,选题次日进文档,简报次日按新规则推送

每周

每周复盘Agent 汇总一周的反馈和追踪进展,我确认

每月

全景图框架、简报规则和提示词平时只记录,月底统一审阅和整改

月度、季度

帖子里的判断和持续追踪要一个月甚至更久才能验证,还没到时间,能不能跑通还不确定

第一个月主要在分清:哪些反馈要每天给、马上改,哪些要攒一段时间再统一改。另外,AI 的提问容易“太具体太小”,给的观点常常说不到点子上,这部分目前只能靠我否掉重来。

学到的

01

说不清要什么时,先观察,再定规则。

头几天我自己也不清楚想从简报里得到什么。让 Agent 先只记录、不调整,四天后再汇总改规则,比边看边改更稳。

02

判断标准可以写成规则交出去,判断本身交不出去。

打分、排除、归类,Agent 做得比我快。写不写、怎么看、算不算应验,还得我来。

03

判断要写成能被核对的样子。

写清楚什么情况算对、什么情况算错,错的时候才看得出来。Muse 买量那条,就是这样发现的。

Let AI do the work.
Keep the thinking.

我是 Hai Ping,15 年 B2B 市场经验,其中 11 年在出海一线。如果你也在研究 AI 怎么产生商业价值,或者想聊聊这套人机分工,欢迎联系我。

Let’s Connect ↗ Subscribe →

goglobalmind@163.com

◉ GoGlobalMind
Better Mind | Bigger World
A case from AI for Marketers.