【增长黑客AI周报】EP#54 影视飓风工作流、深扒AI爆款视频、硅谷token-maxxing、增长工程师、DeepSeek畅销书、等
「我发现，硅谷自己都开始跟不上自己了。」
1/ 我注意到这个 Newsletter 的订阅读者中，有相当比例是来自中国之外的其他国家/地区；私下交流中，也发现很多全球性公司的职员和高管。于是我打算从这期开始，同步更新英文版。
为了不叨扰大家，目前中文版仍然跟现在一样，发 Email + Substack App。而新增的英文版，会先仅通过 Substack App 发布，暂时不发邮件。这样老读者不会立刻收到两封（内容一样的中文版+英文版），增加信息负担。
后续将找方法慢慢过渡。例如，仅需要英文版邮件的朋友，给我一个私信/回复，我给你们打个标签，这样后续可以按标签来推送邮件。是不是可以尝试下？或者有更好的建议，请不吝赐教。
今天的第一份英文版，会在这个中文版推送之后，在 Substack 里发出来。
2/ 中国本土的小伙伴们，现在正在放五一假期。其中一定也有人，不爱扎堆，刻意避开客流高峰，于是选择宅在家里，过「学习型假期」，恶补 AI 知识。
为此，我特意将我制作的两门畅销 AI 视频课程，设成了限时（5.1~5.7）特惠价格，299 元 → 99 元，助力您的假期学习计划。
前者是教你如何用 Obsidian + AI 来打造自己的信息系统，后者是如何用 AI 工具搭建自己的智能体（类似 Openclaw / Hermes，但完全是可自己搭建并掌控的独门武器）。
这两门课都录制了有一段时间了。我知道 AI 世界一日千里，但这两门仍然值得你（在降价期间）购买，是因为我从一开始就遵循了长期主义视角：我的所有工具选型，以及技术架构，至今仍然适用。
在我推崇 Obsidian 那会儿，它还没这么火，现在 Obsidian 已经是月活五百万、抢夺 Notion 大量份额的 AI 知识工作者标配了。
在我教大家打造自己的 Agent 时，Openclaw、Hermes 经历了爆火到降温，而我的系统则在清晰架构的基础上不断吸取它们的精髓，变得更稳定和强大。
实际上，我目前自己在用的（不对外开放的）升级版，依旧是基于上述这两个课程里摸索出来的，在此基础上迭代的。所以如果你刚开始尝试搭建自己的 AI 知识库、开发自己的 Agent，可以学习一下我的课程。AI 高手就可以绕道了哈，可能对您太浅。
祝各位学以致用，解决有价值的实际问题，让 AI 真的为您个人降本增效、赚更多钱。
OK，以下是本期正文，Enjoy ——
▪️CASE 案例
2026 年了，影视飓风是怎么工作的？
via 影视飓风
影视飓风团队最近发了部自述，说 2024 到 2026 这两年，他们把 AI 深度整合进了创意工作流。
其中变化最大的是后期制作。他们区分了两条线：短片组用 AI 主导创作，主频道则是 AI 辅助——用 AI 语音模型替代真人录音，供内部节奏参考和甲方审片；用 AI 视频生成补充拍摄与特效，比如梦境画面；还用开源工具做 AI 抠像。
但 AI 真正发挥价值的地方在前端。选题环节，他们部署了飞书机器人自动搜集信息、生成封面，把 AI 当灵感抽卡机用。策划环节更直接颠覆：以前是文字转图像，现在 AI 先生成参考视频，消除信息差和沟通成本。拍摄环节变化不大，但设备管理实现了自动化出入库，水下录音系统是创新亮点。
他们还搭了数据中台，用 AI 分析含盘量等指标与留存率的关系；定期办 AI 分享会，鼓励全员用编程工具做内部工具。
一句话总结：AI 的价值在于前期牵引方向、后期提效，但最终落地仍需人类执行。
扒了上百条 AI 爆款视频，我们得出了 6 点观察
via 云飞扬 1993
作者扒了抖音上 105 个百万赞 AI 视频后，发现转场变装是最大赛道，占比超 30%。博主「建鹏」凭一条 11 秒的 AI 视频获赞 1365 万，是爆款产出率最高的创作者。
但纯 AI 短片也开始刷屏了。《纸手机》靠情感共鸣全网曝光量达 2.3 亿，证明 AI 视频已进入主流叙事。
现阶段有意思的结论是：
真人+AI 的组合仍是主流，爆款率远高于纯 AIGC 视频。搞笑博主「侯绿萝」和段子博主通过 AI 辅助脑洞取得了好效果。
更小的号反而更容易爆。比如「秩景宴」这种小号能出爆款，是因为 AI 降低了创作门槛。但创作者需具备持续输出能力，爆款不是人人可得。
最终决定胜负的还是情感、创意和审美。「建鹏」用 AI 唤起回忆杀，「不是这个宇宙」用 AI「复活」亲人——能让网友停留点赞的是 AI 背后的故事与情感，而非技术本身。
一本 DeepSeek 操作书卖出 2300 万，AI 图书疯狂造富
via 杨静
知名出版人「秋叶大叔」在 2025 年初抓住 DeepSeek 爆火但普通人不会用的窗口期，用 AI 重构写书流程，把原本 5-6 个月的出版周期压缩到 1 个月。最终那本《AI 时代生存手册：零基础掌握 DeepSeek》卖出 40 万册，码洋超 2300 万。
他的商业模式并不复杂：图书是低价引流品，训练营才是利润中心。真正利润来自后端转化——用户结构里 50% 是职场人，40% 是宝妈，都是愿意为「手把手教会」付费的群体。
但秋叶自己也在焦虑。AI 迭代速度快到让他「看不懂也看不清」，员工也「心有余而力不足」。他正陷入一个悖论：教人用 AI，但自己也被 AI 推着走。
回顾他的路径：2009 年一次偶然的 PPT 培训邀约起步，十七年间踩中每个知识付费风口，从微博到公众号再到短视频。2023 年宣布 All IN AI 后，已出版近 40 本 AI 教学类图书，总销量超 300 万册。
造富机会永远属于那批能快速将技术焦虑转化为消费需求、并用工业化流程批量生产内容的人。但红利窗口期正在收窄。
▪️OPINION 观点
全员 token-maxxing，一场没人敢停的军备竞赛
via 未知作者
强烈推荐这篇，许久不见这样信息量丰富又真实的、来自 VC 一线从业者的文章。作者给出了许多洞察。例如：
YC 最新一批项目中 80% 是垂直 agent，但 5 个月前选出的公司已因 AI 迭代过快而失去投资价值。YC 本身也从方向引领者变成了滞后指标。
Meta 全员使用竞争对手 Claude Code 写代码，代码安全被抛在脑后。内部甚至搞 token 消耗排行榜，末尾可能被裁员。在 AI-native 创业公司里，一个工程师的年 token 预算已接近其薪资。
核心潜台词是：所有人都在赌先把速度冲上去，总成本没降，只是从人力成本换成了 token 成本。硅谷自己都开始跟不上自己的节奏。
这场竞赛没有退路，唯一的选择是继续加码。
关于 Personal Agent：搓出次留 70% 的个人助手之后的一些反思
via Eva433
作者做了一个个人助手产品 Poke，次留 70%、月留存 30%。他复盘了从获得启发到自己开发全过程的思考。
Poke 最大的启发是让 AI 像朋友一样主动聊天和破冰，但缺点是定位过于泛化，用户不知道这东西到底能干啥、愿意为什么付钱。
他由此切入了「主动监督与提醒」这个细分场景。借鉴闲鱼上的真人监督服务，他发现用户真正需要的是「被提醒、被看到、被催促」的价值——不是聊天，是有人盯着你。
基于这个洞察，他快速搭了带心跳机制的 Agent 框架，采用激进的付费策略（199 元/月）来筛选最痛的用户，验证 MVP。
对 0-1 阶段的产品，他的经验是：不能试图满足所有人的所有需求，必须聚焦；先上线再迭代比追求完美更重要，因为用户的实际反馈会倒逼修复真正的痛点。
还有一个提醒：早期测试应排除产品经理和投资人——他们的需求不代表真实用户。
一位 80 岁投资大佬写了万字的 AI 使用心得
via 霍华德·马克斯
橡树资本联合创始人霍华德·马克斯今年快 八十了，出了篇补充备忘录叫《AI 奔涌向前》，用五十年投资框架拆解这场技术革命。
他的判断刷新认知：AI 绝非搜索引擎，而是经训练学会推理、能综合数据的智能系统。发展已从聊天交互、工具使用迈入自主代理新阶段，从生产力工具升级为劳动力替代品，普及速度远超计算机与互联网。
他既肯定 AI 真实价值与被低估的潜力（限制来自用户而非模型），也警示幻觉、可靠性等局限，以及对就业市场的冲击。
投资层面，他指出 AI 具备理性分析等优势，却难及人类在全新场景的判断与直觉。
面对市场狂热，他的建议是：不盲目全仓，不彻底离场，以适度仓位、精选标的拥抱这场划时代变革。
马克斯不是简单评论 AI，而是拿着自己的方法论走进新领域，将稳定框架用作提问与校准的工具。这种学习能力与好奇心正是其令人叹服之处。
当 AI 能跑完整个闭环，增长工程师还剩什么？-《柠檬拿铁》EP01
via 不孤独的二向箔
播客《柠檬拿铁》EP01 里，两位增长工程师聊了各自的实践路径。
Xmind 增长团队负责人张小吉的核心是「协同人」——将 AI 能力接入团队工作流，比如用 CLI 工具让运营同学一键发布小工具页，实现一周上线 100-200 个页面，95% 由 AI 完成。
作者强调核心是「协同 agent」——在一个人扛增长工程的情况下，通过编排 agent 集群来追热点和搭建自动化闭环。比如 Google 发布 Nano Banana 2 当晚，提前准备好提示词和框架，让 agent 每 30 分钟检查模型上线，一旦上线立即并联启动批量生图、部署对比站、撰写 SEO 博文、生成 KOL 推广文案等全流程。
传统十人团队一周的产出，现在一个人一个下午就能铺完。用数量换概率成为增长新姿势。
两种路径无优劣之分，取决于团队阶段：多人团队适合张小吉的路径，个人或小团队则更适合作者的方式。
增长工程师的价值不再在于亲自执行，而在于设计决策与 review 的 AI 协作系统。
随便看看：
《有人不到 10 天就卸载、有人已经月赚 5000 元！上个月热潮席卷杭州，现在还有多少人在用？》 采访四位仍在「养虾」（用 OpenClaw）的杭州上班族，发现这群人把 AI 工具深度嵌入了具体业务痛点。研发工程师杨先军每天自动推送晨报，还能将群聊记录转化为需求文档，审出合同中的百万级风险条款；跨境电商运营陈颖利用 OpenClaw 一天内完成 500 个竞品 SKU 的详细分析。对于能驾驭它的人，龙虾每月几百元成本能换来 15% 以上的研发提效或数倍的内容产出提升。
《程序员创业半年：顺的事、不顺的事，和我一直没想清楚的事》 是一位从字节离职创业半年的程序员孟健的复盘。他跑通了出海闭环、龙虾布局获流量、领航计划招生超预期、现金流良好。但 Resend 账号被封、Creem 因数据泄露被封、龙虾书籍销量远不及预期、YouTube 与 Reddit 账号因发外链被限制。他引用李尚龙和罗伯特·清崎的 ESBI 四象限理论，定位自己从 E/S 象限向 B/I 象限迁移——核心是从追求安全转向追求自由。
《报道了几年 AI，我越来越觉得自己是个骗子……》 以 Anthropic 的 Opus 4.7 为例，指出其基准测试分数看似提升，但用户实际体验却出现倒退，开发者甚至切回旧版本。鲍德里亚的「拟象与模拟」理论在这里变得异常应景：AI 的基准测试与宣传已替代实际体验。炒作重塑了现实，模型不再是产品，发布才是真正的产品。
《10 后，开始用 AI 给自己编黄冈密卷了》 讲的是新一代中小学生正将 AI 作为学习工具，主动为自己定制学习内容。14 岁的深圳初中生谦谦为备战物理奥赛淘汰考，与父亲一起用 AI 搭建了物理学习网站；13 岁的吕思彤用 AI 开发了一款 24 小时在线的「青蛙外教」来强化口语。这群数字原住民让 AI 变成「最趁手的橡皮泥」，正在悄悄升级他们的拆解问题能力、结构化表达能力以及自信。
《一个二本的女生，用免费的 AI 考上了北大。》 主角陈雨欣，安徽人，高考失利后进入二本院校，立志报考北大社会工作专业。在孤立环境下，她起初全靠手写近 30 万字笔记。转折点在于系统使用免费 AI 工具：用 AI 梳理学科框架、拆解真题逻辑、模拟面试问答、生成个性化学习计划。AI 并非替代了她的努力，而是充当了「全天候私人导师」和「信息筛选器」。
《一下午一句话 Codex 帮我开发了一个完整的游戏！》 作者「归藏 2079」仅用一句话让 Codex 调用内置 GPT-Image 2.0 生成素材，Codex 竟自动规划出完整的角色资产流水线。当素材站限制下载时，Codex 自己找到并整合了免费图标库。整个开发过程，作者只负责提出「想要一个类似《杀戮尖塔》的卡牌游戏」这一目标，以及把控最终视觉与体验的审美标准。Codex 与 Claude Code 的根本差异在于它自带的浏览器、图像模型与不达目的不罢休的执行力，三者结合使开发者角色从「配置工具」彻底转变为「目标设定与审美决策者」。
适合个人上手的教程/评测/资源：
《分享一下 2026 我最常用的 AI 产品。》 是 AI 自媒体人数字生命卡兹克在五一假期前发布的产品清单，兼顾海外与国内替代方案。知识问答上 GPT-5.5 幻觉极低，国内可用豆包；内容创作与知识管理 Claude Opus 4.6 独一档，国内推荐 DeepSeek V4 Pro；数据分析使用 Codex + GPT-5.5，国内用 Claude Code + GLM-5.1；图片设计 GPT-image-2 独一档，国内即梦 Seedream-5.0-lite；视频生成中 Seedance 2.0 强调运动质感，可灵 3.0 主打电影质感且原生 4K。覆盖 14 个场景，强调实操与替代性。
《开源一个 PPT Skill｜压进了我 10 年的设计经验》：这个名为 guizang-ppt-skill 的工具并非简单模板，而是一套定义了人机协作接口的系统。真正价值在于三件事：一是前置澄清流程，AI 会主动询问受众、时长、素材等 6 个关键问题，对齐后再写代码，拦截了 80% 的返工；二是规范化的图片命名与存放规则，通过同名覆盖实现无损换图；三是将杂志行业的排版语言转化为硬性规则，如字体的三级分工、色彩的纪律，以及通过固定网格与 hero 页、non-hero 页交替来保证节奏感。
《最强视频创作工作流：Image2 + Seedance 2.0，Topview 一键闭环｜跨境电商版》：Image2 负责像素级精确的静态画面控制，Seedance 2.0 作为分镜脚本执行引擎，驱动镜头运动与角色动作。关键洞察在于提示词设计：Image2 需用「柔和午后光线从左侧 45 度角照射」等物理事实替代「极简」「电影感」等空洞词汇；Seedance 2.0 的提示词则要极短，优先描述主体动作与摄像机运动。五层提示词框架与三条铁律：时长与指令密度要匹配、一个镜头只做一件事、参考图按角色-面部-场景的优先级堆叠。
《D49 | 今天，我们开源了个 AutoResearch 工具》 发现 AI 执行存在「执行失控症」——任务会断、状态会盲、结果会假、方向会偏，于是开发了 Thoth 这套工具。解决思路是：用回调 hook 和 watchdog 实现 session 保活；用面向人的 dashboard 呈现进度；任务验收必须通过机械化的脚本裁决，杜绝 AI 自我判定。核心洞察在于：将 AI 执行的「信任」转化为可验证的「机械契约」，才是让 AI 真正可靠的关键。
《把读论文做成流水线：从 arxiv 检索到事件驱动策略的四个量化研究 skills.md》 将量化论文研究流程拆解为四个可串联的 Claude Code 技能，形成从检索到策略落地的自动化流水线。技能一从 arxiv 搜索并下载 PDF；技能二将 PDF 抽取为结构化的研究笔记和机读指标 JSON；技能三合并方案设计、回测与基准对比三阶段，要求先写 plan.md 等待用户确认；技能四将验证后的策略翻译为事件驱动文件。作者强调，复现得太干净反而要警惕，必须诚实标记差异来源。