AI探索指南
-
- 给新手的 18 条 Claude 使用建议总结：
1. 先建 Project
每次新开聊天，Claude 都会从零开始。Project 是长期工作区，里面的对话共享上下文
进 Claude 侧边栏点 Projects，建一个 Work 或 Personal。后面的配置都放在这个 Project 里。
2. 告诉 Claude 你是谁
把你的背景、工作、目标、沟通偏好写清楚，放进 Project 的 Knowledge base。写得越具体，后面的回答越贴近你。
3. 写好 Custom Instructions
Knowledge base 存你的背景，Custom Instructions 管 Claude 默认怎么做事
把背景丢给 Claude，让它生成一套 Custom Instructions，再贴进 Project Instructions。以后每个新 chat 都会按这套规则启动。
4. 把问题换成真实场景
别问「prompt caching 是什么？」
换成「我在做一个每个 session 调 Claude 20 次的工作流，prompt caching 能省多少成本？」
前者只会得到定义，后者会逼 Claude 进入你的具体问题。
5. 复杂任务先让 Claude 问你
开始前加一句「先问我几个问题，确保方向对」
Claude 少猜一点，你后面就少返工一点。
6. 克隆自己的写作风格
给 Claude 3-5 篇你自己的文章，让它分析你的表达习惯、段落节奏、常用判断句。
分析完再让它写，产出会少一点 corporate assistant 味。
7. 让 Claude attack 你的想法
定方案、写文章、做决策之前，让 Claude 直接 attack 你的想法
critique 往往只会提建议，attack 会更认真地找漏洞。
8. 难题打开 Extended Thinking
复杂决策、分析题、需要权衡的问题，发消息前点 brain 图标。也可以在 prompt 里写「请逐步思考再回答」
简单任务不用开，难题开了差别明显。
9. 让 Claude 帮你写 prompt
不知道怎么问的时候，直接问「帮我写一个 prompt，让另一个 AI 完成 X 任务」
Claude 很清楚什么样的指令更容易出好结果。
10. 直接指定长度
Claude 默认会写得偏多。你可以一开始就说「用 3 句话回答」或「控制在 200 字以内」
原文说这能省 40-60% token，很多时候也省阅读时间。
11. 关掉客套话
Claude 很容易开头来一句「Great question...」，或者复述一遍你的问题，结尾再总结一次
在 Custom Instructions 里写清楚「直接回答，不要 preamble，不要重复我的问题，不要 closing summary」。
12. 别反复介绍自己
Project + Custom Instructions 就是为了少做这件事。背景写一次，后面自动读。
13. 换话题就新开 chat
同一个 chat 里一直切话题，Claude 会带着旧上下文继续跑，token 变多，速度变慢，还容易串味
无关话题就在同一个 Project 里新开 chat。Project 记忆还在，上一段对话的噪音丢掉。
14. 用费曼法学概念
让 Claude 用简单语言和类比解释一个概念。解释还绕，就让它继续改到你能讲给别人听。
15. 行程要按你的旅行方式排
不要只给日期和地点。把你的节奏、预算、偏好、体力、想避开的东西都说清楚。
这样排出来的行程，才像你的旅行，少一点旅游博客清单味。
16. 用真实账单做支出分析
把银行账单或消费记录贴进去，让 Claude 帮你看钱花在哪、该改什么。这里估算用处不大，真实数据才有用。
17. 把 Claude 当临时思考伙伴
可以给它这种指令「不带评判地听我讲，问对的问题，帮我理清思路，不要推你自己的 agenda」。
这更像结构化自我反思，边说边把脑子里的东西摊开。
18. 商业想法先过一遍硬过滤
开做之前，让 Claude 当第一道硬过滤，帮你找需求、市场、分发、成本里的真实问题
很多想法死在太早爱上自己。先让 Claude 拆一遍，能少走很多弯路。 - 具身智能从去年的只跳舞一场单机器人就能收六七千，到现在群控和编排功能都不是什么新鲜事，普通人对机器人表演的阈值被越来越拉高。除了会跳舞，还要能走上台走下台，相互之间走位，还要能有语音模型接入豆包和企业知识库和游客做交互，市场也在随着注意力变化对机器人厂商提出更高难度的需求。就像gpt3.5刚推出那会儿一样，模型强但又不足够强，所以催生出来很多专门做模型agent的公司并迅速的融到资，具身智能目前也处于这样的一个阶段：本体能力和大脑小脑能力已经处于相对完备的阶段，但是面向具体的场景，本体厂商、模型公司还缺少相对应的垂类数据和场景认识，所以会催生出大量的如同2223年agent公司的中间集成商公司。但在模型能力完善之后，这类公司也会迅速被替代。
某租赁平台的技术能力在业界一直是出了名的不太行，但是资本运作能力和渠道运营能力出奇的好。现在又是几亿元到手，就算技术能力不行这钱砸下去也能变行。但是具身智能又和llm大模型有区别：具身智能需要线下交付，llm可以完全依赖线上，所以有线下的因素加入之后，渠道运营能力会否成为这个租赁平台区别于韭菜agent公司的关键因素会是个很有意思的问题。 - Claude 刚刚推出了记忆导入功能。
这意味着你可以在60秒内把任何人从 ChatGPT 迁移到 Claude。
这个主意很简单：Claude 迁移即服务。
听起来很基础？确实如此。任何人都能做。
大多数企业的员工都在用个人 ChatGPT 账号。没有共享上下文，没有连通的工作流，没有植入的公司知识。他们是在困难模式下玩大语言模型。
这就是 Claude 生态系统的用武之地。在我看来，它对 businesses 更友好——有 Projects、记忆、skills、cowork、connectors、MCP 集成。
它很快就会变成一个业务操作系统，而不只是一个聊天机器人。
玩法手册：
选一个垂直领域。选该领域里的一个特定团队。
比如汽车经销商的销售团队。
或者商业地产公司的买方经纪人。
要非常具体。泛泛而谈就是死路一条。
用 Wispr Flow 记录他们的工作流。转录他们的会议。记录他们凭肌肉记忆运行的每一个流程和 SOP。
把这些 SOP 变成 Claude skills。
把这些 skills 变成 agents。
给他们建一个 dashboard，让他们能主动反应业务，而不是手动运行。
你不是在卖 "AI 咨询"。你是在卖自主权。
如何获客：
→ 为该垂直领域创作内容和引流资料（"AI 如何取代汽车经销商的 BDR 角色"）
→ 先把自然流量做起来，然后砸广告费把受众引导到你的引流资料
→ 举办免费工作坊，向他们介绍 Claude 生态以及为什么它比 ChatGPT 更适合商业
→ 追加销售：付费的午餐学习培训，上门授课
现在你已经进门了，用低价产品开始赚钱了。
收入结构：
工作坊：每次 $2,500–$10,000
文档+流程梳理月费：$5,000/月
定制 agents + 软件 dashboard：$10,000/月
系统维护管理费：$1,000/月
算笔账到 $100 万：
第1-3月：拿下5个工作坊客户 → $2.5万。转化2个为月费客户 → $1万/月。
第4-6月：每月10个工作坊（$5万）+ 8个月费客户（$4万/月）+ 3个软件客户（$3万/月）= $12万/月。
第7-10月：转介绍复利。15个工作坊（$7.5万）+ 15个月费客户（$7.5万/月）+ 8个软件客户（$8万/月）= $23万/月。
第10个月总计：$100万+（保守估计）
你不需要1,000个客户。你只需要一个细分领域里的15个好客户。
为什么现在能成：
Claude 刚让迁移变得免费。记忆导入意味着零摩擦。大多数企业还没听说过 Claude Projects。这个窗口期敞开着。
旧的自动化代理商模式是建 Zapier、n8n 工作流，没人维护。
新模式是建智能层，让业务自己运转。
选一个 niche。记录他们的混乱。把它变成 Claude。收 $1万/月。
这个玩法手册可以被10,000个 solo 创业者执行，仍然有机会。
来源：
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息 - 看完了 Anker CEO 阳萌在晚点的访谈，一些有趣的片段：
1. 招不到最好的人不是人力总监的问题，是做的事情不够难。大家一听做充电宝，最厉害的人肯定不会来。
2. 激进的保守主义者：10 块钱投 5 块，挣了 20 回来，有 25 块再投一半。盘子越来越大，但每次只投一半。
3. 不要盯着竞争，不要盯着过去，回到用户的极致需求。
4. 首先分配的是机会，根据价值观分配机会，根据结果分配回报。
5. 先推动几个团队做出来，然后大家就会跟上。中国人不一定羡慕别的公司，但一定羡慕同一拨进公司的人。
6. 一个事情做成需要不同的品质，出现在一个人身上非常珍贵，两个人各有一半就互补。阿里叫雌雄同体，华为叫狼狈同行。
7. 奔驰主打豪华，宝马主打驾驶乐趣，奥迪主打科技，竞争的终局是纳什均衡，不是你死我活。
8. 把公司当成产品，把"创造者的乐园"搭好，活很多年，我就是个非常好的产品经理。
9. 关注现在和未来，过去不好的经历都忘掉了。所以吵架必输。
10. 如果一个人最后做的事情不开心，这肯定不对。
https://mp.weixin.qq.com/s/5QKj6WJzY7L_U43pQ6j54g?scene=1 - 这个文章拆解格式适合做成个skill，用来分析爆款文章👍
拆解格式是：
- 核心观点
- 副观点
- 说服策略
- 情绪触发点
- 金句
- 情感曲线分析
- 情感层次
- 论证方式多样性
- 视角转化分析
- 语言风格特征
提炼所有给观众制造情绪价值的句式
提炼所有刺痛观众的句式
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息 
- 迪士尼雪宝 Olaf 机器人
Olaf 机器人的技术栈：
硬件：肚子里装了 Jetson 计算机（NVIDIA 的边缘 AI 芯片）
训练：在 Omniverse（NVIDIA的虚拟仿真平台）里学会走路，先在虚拟世界跑通，再迁移到真实机器人
物理引擎：Newton 求解器，运行在 NVIDIA Warp 上（一个 Python物理模拟框架），跟 Disney 和 DeepMind 联合开发。让 Olaf能适应真实物理世界（地面摩擦、重心平衡等）
整条链路：Omniverse 虚拟训练 → Newton/Warp 物理仿真 → Sim-to-Real 迁移 →Jetson 边缘推理 → 真实机器人行走
语言和大脑应该是Deepmind 的 Gemini 模型
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息Media is too bigVIEW IN TELEGRAM
