193 lines
9.4 KiB
Markdown
193 lines
9.4 KiB
Markdown
---
|
||
title: 00后双非电商专业毕业，每周4场AI沙龙，我的能力从何而来？
|
||
source:
|
||
author: shenwei
|
||
published:
|
||
created:
|
||
description:
|
||
tags: []
|
||
---
|
||
|
||
# 00后双非电商专业毕业，每周4场AI沙龙，我的能力从何而来？
|
||
|
||
> 作者：观自 (@longdechen12) - 认证账号
|
||
> 来源：X (Twitter)
|
||
> 发布时间：2026年3月25日 22:43
|
||
> 链接：https://x.com/longdechen12/status/2036816359343222971
|
||
> 收藏：11.9万 Views, 572 Likes, 1223 Bookmarks
|
||
|
||
---
|
||
|
||
说实话，我也是现学现卖。
|
||
|
||
但我有一套流水线，能让我三个小时以内摸透一个领域最核心的东西。
|
||
|
||
去年靠这套方法，录制了国家工信部 AI 智能体证书的课程，搭建了湘江集团整套的矩阵运营系统，近期六位数的费用刚到账。
|
||
|
||
今天把这套方法论完整公开。看完之后，你也能搭建属于你自己的内容变现流水线。
|
||
|
||
过去我也是受大家帮助走过来的，所以希望在稍微有经验的时候，能给大家带来一些启发和灵感。
|
||
|
||
如果你刚在 AI 领域起步，12 个月前的我就是你最佳的抄袭对象。
|
||
|
||
---
|
||
|
||
## 省流版工作流
|
||
|
||
**多平台信息源 → 全部转成 Markdown → 喂进 NotebookLM 知识库 → Claude Code 批量提问 + 保存答案到本地 → 基于问答创作自己的内容**
|
||
|
||
---
|
||
|
||
## 先看效果
|
||
|
||
我现在研究任何领域，准备每一场线下分享，直接和 Claude Code 对话。
|
||
|
||
它会基于两三百篇优质文章，或一个博主的全部视频，或某个关键词下的视频进行回答。所有回答都能完整保持真实性。
|
||
|
||
我基于这些回答去创作自己的内容，还能接各种 skill，直接转成文章、口播逐字稿、AI 工具最佳实践手册……可以无限延伸。
|
||
|
||
---
|
||
|
||
## 为什么大部分人没办法深入研究一个领域？
|
||
|
||
我观察下来，卡在三个地方：
|
||
|
||
### 第一，不会提问
|
||
没有好问题，就不会有好答案。你连该问什么都不知道，AI 再强也帮不了你。
|
||
|
||
### 第二，答案不可信
|
||
现在好多 AI 已经被投毒了，没办法基于完整的知识库生成内容，真实性无法保证。你拿着幻觉去讲课，是要翻车的。
|
||
|
||
### 第三，知识没有沉淀
|
||
和 AI 在浏览器窗口对话，问题和答案没办法被留下来。下次需要调用，还得重新问一遍。更别说怎么基于这些问答去进一步扩展内容了。
|
||
|
||
**这三个问题，我的工作流全部解决。**
|
||
|
||
---
|
||
|
||
## 整体框架：IPO 模型（输入 → 处理 → 输出）
|
||
|
||
我用最简单的模型来拆——IPO：输入、处理、输出。每个普通人都能理解，每个普通人都能落地。
|
||
|
||
---
|
||
|
||
## 第一步：喂料——打破信息壁垒（耗时：0.5~1 小时）
|
||
|
||
大模型掌握了尽可能多的信息，但好多信息存在壁垒。平台之间的壁垒，付费与免费之间的壁垒，传播媒介之间的壁垒——有的是视频，有的是文章。
|
||
|
||
**怎么打破？** 我们以终为始，将所有来源尽可能转化为 AI 最擅长理解的 Markdown 文档。
|
||
|
||
### 网页类：三个插件解决一切
|
||
|
||
**油管 → YouTube to NotebookLM 插件**
|
||
|
||
这个插件支持一键导入一个油管博主的全部视频逐字稿到 NotebookLM 知识库，你可以把它理解为国内的 Get 笔记。导入后就能在知识库里对这个博主的全部视频进行提问，适合研究对标博主的整套内容体系。你也可以基于关键词搜索后依次导入，适合研究某个领域的优质内容。使用方法很简单，直接安装插件配置好即可。
|
||
|
||
**推特 / 公众号 / 网页 → Obsidian 剪藏助手**
|
||
|
||
推特长文、公众号文章、普通网页，都可以一键剪藏为本地 Markdown。你还可以搭建 RPA 程序进行批量剪藏——比如我要分析飞书的开发案例，搭建好 RPA 后把电脑放在那，它就能自己工作了。
|
||
|
||
**飞书文档 → Cloud Document Converter**
|
||
|
||
飞书文章容易被设置权限，Obsidian 剪藏助手搞不定。这个插件能帮你破除权限限制，直接以 Markdown 形式保存到本地。
|
||
|
||
基本上这三个插件就能解决所有网页文档的剪藏。
|
||
|
||
### 视频类：链接提取 or 文件提取，总能搞定
|
||
|
||
**链接提取：**
|
||
B 站长视频、小宇宙播客等，直接把链接发给 Get 笔记，就能提取全部逐字稿。抖音也一样，Get 笔记支持一键提取抖音博主全部逐字稿，但都是在线的。我用 Claude Code 做了一个 app，支持一键将抖音博主全部视频的逐字稿导入本地。
|
||
|
||
**文件提取：**
|
||
有些视频没有链接，或者链接不支持直接提取。最简单的方法是先用下载狗、GreenVideo 等工具把视频下载下来，再上传到通义听悟进行逐字提取。这是底层通用方案——所有视频归根结底都是文件，只要有源文件，一定能提取出来。
|
||
|
||
**这样就完成了喂料。**
|
||
|
||
---
|
||
|
||
## 第二步：消化——NotebookLM × Claude Code 联动（耗时：1~2 小时）
|
||
|
||
所有输入的内容都可以放到 NotebookLM 知识库里。
|
||
|
||
### 为什么选 NotebookLM？三个原因：
|
||
|
||
1. **绝不产生幻觉** - 完全基于你喂进去的真实材料生成内容，每个答案都能在原文中找到溯源，右上角标注好位置，点击就能跳转查看。
|
||
|
||
2. **接的是 Gemini 模型，长文本处理效果很好** - 好多 AI 你上传几十个文档它就不知道里边说的什么了，NotebookLM 可以上传 300 个文档。
|
||
|
||
3. **输出格式丰富** - 支持音频、视频、幻灯片等多种格式。
|
||
|
||
### 核心玩法：让 AI 帮你提问
|
||
|
||
处理环节最大的问题，还是前面说的——好多人不知道怎么提问。
|
||
|
||
**我的方法是：直接让 AI 帮我提出一系列好的问题。**
|
||
|
||
描述一个主题，让 AI 生成一系列问题，然后 NotebookLM 基于知识库给出答案，保存到本地。就像学术研究里的"交叉质询"——AI 提问，知识库举证，我来审判。
|
||
|
||
### 怎么实现的？
|
||
|
||
首先给 Claude Code 接上 NotebookLM 知识库。直接复制这个链接发给你的 Claude Code，让它帮你安装，按步骤完成认证登录即可。
|
||
|
||
> https://github.com/PleasePrompto/notebooklm-skill
|
||
|
||
安装好后，和网页端一样提问就行了。我日常的用法是：让它帮我批量生成问题，批量作答。我只需要看对应的问题和答案。它相较我而言能生成更全面更深入的问题。
|
||
|
||
我还增加了一个要求：不只是在线提问，而是把问题和答案以本地文件的形式保存下来，方便以后直接做成知识库。
|
||
|
||
### 为什么不直接用 Claude Code 读文档？
|
||
|
||
很多人问：Claude Code 也可以基于这些文档生成内容，为什么还要接 NotebookLM？
|
||
|
||
**核心原因是省钱。**
|
||
|
||
直接用 Claude Code 读几百篇文档，极其耗费 token。接上 NotebookLM 知识库后，Claude Code 只负责提问，拿到答案后保存到本地就行了，token 消耗大幅降低。
|
||
|
||
**这样处理环节就搞定了。**
|
||
|
||
每次我只需要提要求，它就帮我扩展问题、调用知识库、生成答案并保存到本地。我可以直接查阅，下次还能将其作为新的知识库材料。**知识是会复利的——你的库越厚，下次研究的起点就越高。**
|
||
|
||
---
|
||
|
||
## 第三步：表达——用 AI 做研究，用人做表达（耗时：1~2 小时）
|
||
|
||
拿到问题和答案后，实操方面的内容，我会直接去实践一遍。
|
||
|
||
如果要讲认知层面的内容，我用自己的理解整理成 Xmind 思维导图，再进一步整理为幻灯片。
|
||
|
||
但好多人是直接让 NotebookLM 生成幻灯片、生成逐字稿，然后去现场放在幻灯片注释里直接念。
|
||
|
||
**我不喜欢这种方式。** 真正体验过你就知道，这根本行不通。很死板，就是个念稿的，自己都不知道自己讲的是什么，而且当每页都是重点的时候，就没有重点了，根本不关心听众是否理解。
|
||
|
||
### 我的做法是：
|
||
|
||
1. **先写 Xmind 逐字稿，保证表达框架是我的** - 这样我不需要去顺应 AI 生成 PPT 的垃圾框架。
|
||
|
||
2. **用语音输入法（闪电说）或者语音转文字（千问录音）** - 照着思维导图，把我对内容的理解自己输出一遍。这个过程活人味很足，得到的是一篇完全符合我表达风格的逐字稿。稍微修改一下，到时候直接即兴讲就行。
|
||
|
||
3. **手搓 Keynote 幻灯片**
|
||
|
||
> 我一直有个观点：如果你觉得 NotebookLM 生成的幻灯片好的话，要么你压根不懂表达，要么你只用过 PowerPoint。
|
||
|
||
**手搓的好处：** 完全符合我的表达逻辑，手搓过程本身就是梳理内容的过程，同时能控制好观众的注意力，因为它足够简约，使用动画渐进式显现，观众的眼睛会完美契合你的演讲节奏。
|
||
|
||
有时间我也可以给大家分享一下我是如何制作幻灯片的。
|
||
|
||
---
|
||
|
||
## 闭环
|
||
|
||
从喂料到消化到表达，全套闭环就是这样。如果有想研究的领域，有想分享的内容，完全可以用这套工作流完成知识变现。
|
||
|
||
> **用 AI 做研究，用人做表达。**
|
||
|
||
这篇内容就是基于我 Xmind → 口播逐字稿的方法论写出来的。有些环节由于篇幅原因没有最细化，大家可以在评论区反馈：哪里写得好，哪里没写全，方便我以后做更详细的分享。
|
||
|
||
---
|
||
|
||
## 关于作者
|
||
|
||
> 我是观自，00 后，一个农村小伙，AI 领域的创业者，刚来到推特。
|
||
> 专注于 AI 赋能培训与 AI 自动化运营系统定制。
|
||
|
||
阅读过程中对于 AI 有任何问题，或者有插件方面的需求，都可以联系我。 |