【增长黑客AI周报】EP#52 AI写万字小说、 LLM WIki 3.0、GEO大会、小红书黑客松、Harness降维解释等
「找到和 AI 正交的因素去 compounding。」
1/ 一晃这个周更 Newsletter 都写到 EP #52 了。算上中间偶尔停更的那一两期，满打满算也是写满一年了。目前也仍是最大的中文 AI 商业类 Newsletter。
期间 AI 光速发展，我的技术栈也迭代了好几版。从最开始希望逐渐全自动完成，到现在坚定了用机器帮我半自动分拣 + 最终人工精拣筛，也算摸出了固定套路。
域名注册为 ZengZhang.ai，原本还是想从老本行的「商业增长」视角切入，不采编纯技术向（却没结合实际应用场景落地的）内容。但发现即便是聚焦在商业领域，市面上公开披露的案例，仍会有大量浅薄重复的，观点也不乏空泛的宏大叙事或孱弱的未来预测。
所以现在我完全按我主观标准，剔除掉自己懒得看的东西——哪怕它们发布在名号响亮的（自）媒体，哪怕原始的点击量很高。我尤其不喜欢制造 FOMO 却不给解药、只为博眼球的内容，它们在我的系统里打分被降权是最厉害的。
至于坚持更新的动力，除了自己有强意愿去追 AI 最新的真·干货，还是偶尔会放点广告推荐和知识售卖，作为补贴持续运营的零花钱。我看到推上虽有人吐槽，却也话锋一转旋即表示理解，并继续热情推荐他人来订阅。爱你们哟。
2/ 今天这期的广告环节（这不就来了），推荐一下抖音 460+ 万粉丝的 @姜胡说 推出的小报童付费专栏《从素人到百万大v，老伙计们的闭门课》，分享他做短视频的方法论（原则、经验、技巧），赚钱的思路，以及如何完成一本书的尝试。
已更新了 15 万字，有 6000+ 人购买。感兴趣的可以通过 这个链接 到微信中购买订阅，价格是 168 元，我会从中获取佣金，并且看到支持者的微信昵称。
OK，以下是本期的内容 ——
▪️CASE 案例
我用 Claude Code 写了一部 5 万字小说，投稿七猫，被拒了
via 月月鸟
我一直有个疑问：用 AI 写网络小说赚稿费，有没有搞头？作者实际尝试了下，用 Claude Code 写完一部五万字小说，结果投出去两天就被拒了。
他复盘了整个流程：用一个专为中文小说设计的 Skill，解决了 AI 长文本中人物状态丢失的核心痛点，通过章节摘要自动追踪机制，写出的稿子质量居然达到了及格线。
但进入真实商业场景后，短板暴露了。七猫小说网两天就拒稿，理由是什么？节奏把控、爽点设计、情绪感染力都不到位——网文市场最看重的这些维度，他没写出来。
整个投稿流程倒是很丝滑：从选平台、分析投稿要求到撰写申请书，全由 AI 代劳。我觉得作者再钻深一点，把前面提到的拒稿理由再悉心打磨到位一番，或许真能形成 SOP，骗过七猫的审核 AI 呢..
一篇文章卖了 20 万，开源 CC+Obsidian 打造的 LLM Wiki 内容创作 3.0 系统
via 饼干哥哥AGI
作者借鉴近期很火的 Karpathy 的 LLM Wiki 方法论，并增加了自己的独特迭代，升级到 3.0 知识编译——让 AI 从临时检索者变成知识资产的持续维护者。具体三步：新内容自动编译整合、Wiki 页面持续更新、沉淀成可复用的资产。全文图文并茂，十分详尽，也给了我新的启发。
这套方案为依赖 AI 进行深度内容创作的从业者，提供了一条从工具自动化迈向知识系统化的可行路径。
程序员养龟有多离谱？我让 Claude Code 每天给我发乌龟行为报告
via 叶水水
养龟这件事，被一个程序员玩出了花——水温监控、行为分析、录像推送，全是 AI 在跑。很喜欢这类极客实操的复盘内容。
他通过自然语言与 Claude Code 对话，零代码构建了一套智能宠物监护系统：直接配置 Home Assistant 仪表盘与自动化规则，实现水温、加热棒功率等数据的集中监控与异常告警；活动监测环节，AI 自主完成从录像抽帧对比、生成精华视频到调用本地大模型 Gemma 进行行为分析的全套流程。
这里面有几个关键性能优化判断：传文件头而非整个视频、用 ffmpeg 直接裁切。整个系统架构整合了 HA、NAS 与闲置 Mac，以近乎零成本运行。
作者的角色由此从程序员转变为提出需求、验收效果的产品经理。AI 编程助手已能深度理解复杂需求并做出合理的技术选型，将对话直接转化为可运行的系统——但并未消解对问题拆解与架构设计能力的需求。
▪️OPINION 观点
从 SEO 到 GEO，从流量到 Agent，真正的变化才刚刚开始
via yaojingang
北京首场 GEO 大会上，几位专家分享了关键洞察，被总结这篇成了长推文。例如：
阎志涛指出，AI 时代的核心从 ranking 转向 AI visibility，流量可能下跌但业绩未必，因为 AI 先影响用户心智；原创数据成为独特资产，而 GEO 最终越来越像做品牌。
张凯的实验数据揭示，官网仍是 AI 引用的核心资产（占比约 50%），内容需结构化、事实导向，1000 到 3000 词为佳；ChatGPT 优化需做深单页，Google 优化需做多页面。
拔刀刘强调数据是 GEO 优化的起点，品牌在 AI 中的可见度是一个需要数据破解的黑盒；AI 搜索转化率更高源于用户意图表达更完整，移动端是关键战场。
从业者需从流量思维转向信任与品牌思维，从理解算法黑盒转向基于自身业务构建独特的数据与内容体系。
一文带你看懂，火爆全网的 Harness Engineering 到底是个啥。
via 卡兹克
AI 行业催生了三次跃迁：Prompt Engineering → Context Engineering → Harness Engineering。这本质上映射了人类对 AI 认知与控制方式的根本转变。
作者用游戏做类比：三个阶段分别对应《只狼》的手动操作、《金铲铲之战》的前期配置、《全面战争》的系统驾驭——控制粒度从精细到宏观，AI 自主性从低到高。
Harness Engineering 的核心在于构建一套系统性的规则与约束来驾驭高度自主的 AI 智能体。其兴起反映了模型能力已超越单点提示或上下文管理的阶段。对于从业者而言，理解这一脉络是把握未来人机协作范式的基础。这篇文章将 Harness 讲解得深入浅出，不懂的看这篇基本够了。
延伸阅读：
《Harness 刚火，可能就要成为过去时了》：模型性能下降并非因为能力不足或信息丢失，而是模型在长上下文中主动选择了「偷懒」。未来的方向或许不是更复杂的工程管控，而是需要引导或激励模型进行更深层、更耗能的「分析式」推理。
Reid Hoffman says leaders need to update their AI strategy. His advice: weekly check-ins.
via Ben Shimkus
LinkedIn 创始人/ 「Paypal 黑帮」核心成员的 Reid Hoffman 指出了一个老派思维的陷阱：许多高管仍在沿用「小范围测试-形成概念验证-全面推广」的旧有软件部署模式，这完全不适合 AI。
他认为正确的做法是，鼓励员工在全公司范围内快速探索 AI 工具的实际效用，并建立每周例会机制，让团队定期分享个人及集体在提升生产力方面的新尝试与心得。
此外，Hoffman 本人对当前 AI 在投资决策上的应用持怀疑态度，认为其建议仅是「商学院水平的平庸答案」，无法真正创造风险投资回报。
随便看看：
《看完小红书黑客松的 59 个热血团队，我们想推荐这 6 个》：小红书办了场 AI 黑客松，59 个团队参加。看完之后挑了 6 个有意思的。
《AI 高维向量空间里，「觉悟」的邻居是谁？一次跨越东西方的语义探索》：把「觉悟」丢进 AI 的向量空间里，它的邻居是谁？答案是死亡、疯狂、孤独、虚无、痛苦等存在主义核心概念。
《1.2 亿观众，见证 AI 漫剧从狂热到崩塌》：极致的效率追求催生了「文化垃圾」——从业者用爬虫扒剧本、偷脸生成角色、充斥擦边与恶俗桥段，导致爆款率从 0.18% 跌至 0.12%。
《月薪 3000 的人，正在批量生产价值 243 亿的爆款。》：AI 短剧这行，有一批人天天就是对着 AI 抽卡，他们工作枯燥、加班频繁且报酬低廉，实习生月薪仅 2-3k，社招平均 4-6k。但爆款率极低，2025 年上线超 6 万部作品，播放量破亿的不足百部。
《被网友吹上天的名人 AI，一开口我就知道是个水货。》：名人数字分身的本质是缺乏灵魂的拟像，其深度与可靠性远被高估。这类 skill 通过喂食公开的传记、演讲等二手资料生成，只能模仿名人的表面语气和几个标志性案例，却无法触及决定其成功的默会知识与真实灵魂。
《IDG 李骁军最新的 52 条箴言》：提到了一些对 AI 的思考观点。
适合个人上手的教程/评测/资源：
《分享一个我用了 2 年的深度研究 Prompt，半小时帮你搞懂任何陌生领域。》：核心在于两条轴的交叉：纵向轴追溯事物从诞生至今的完整历史与因果链条，理解其演变轨迹；横向轴则在当下时间点进行赛道内的竞品对比，厘清市场定位与差异化优势。
《达尔文.skill 正式发布，一个无限进化的 skill 系统！》：作者在手动维护超过 50 个 skill 后陷入瓶颈，受 Karpathy 的 autoresearch 项目启发，将「随机变异-自然选择」的进化逻辑迁移到 skill 优化领域，开发出达尔文.skill。该系统通过自动评估、修改、验证并借助 git 实现「棘轮机制」，确保 skill 质量只升不降。
《我怎么用 AI 辅助写作》：知识星球创始人分享了他的五步法：有所感（记录灵感）→ 和 AI 讨论（借助知识广度激发新想法）→ 提炼自己的观点 → 梳理结构 → AI 辅助整理与润饰。
《10 Open Projects for AI Security》：十个保护 AI 安全的开源项目推荐，包括 NVIDIA NeMo Guardrails 用于控制模型行为并防御越狱和提示注入；Promptfoo 将 AI 安全转化为自动化测试与报告流程；LLM Guard 提供模块化交互安全工具包，专注净化、有害语言检测和数据防泄漏等。
《看不懂 Agent？我让 AI 花了一下午写了个 mini-OpenClaw》：OpenClaw 太复杂，于是有人让 AI 花了一下午，自己写了个简化版。
《AI 結合卡片盒筆記法，人不再操作軟體，用對話流程讓 Codex 搭建資料整理系統：我的兩個月實測心得》：作者利用 ChatGPT Codex 等 AI Agent，通过对话指令自动抓取网页与视频内容、建立参考文献摘要、生成暂时与永久笔记、构建笔记间的链接和知识架构图，所有产出以 markdown 文件存于本地文件夹，实现了「工具即 AI 本身」，人无需操作传统笔记软件界面。
《量化基本面研究团队的 CLAUDE.md、Skills 和 Hooks 实战配置指南》：团队通过项目级 CLAUDE.md 为 AI 植入统一的「团队 DNA」，相当于共享的代码规范与工作流手册；利用 Skills 和 Hooks 构建类似量化策略框架的 AI 基础设施，将成员从重复性数据处理中解放出来。