我用AI改造团队，每年节省上百万，普通人如何利用AI赚钱？

一、自我介绍 & 背景

大家好，我是陈亮，生财传术师，超级术获得者。

AI 现在已经非常厉害了，但我身边很多人对 AI 还没有一个可以落地的点，也没有具体的执行动作或体感。虽然现在大模型很火，但对于普通人来说，直接上手还是有很多迷茫。

所以这次分享，我希望带给大家一个视角：普通大众可以如何低成本地入手，通过建立对 AI 的体感让自己真正上手，让 AI 为自己提效、赋能或是带来改变。

先说说我拿到的一些结果：

• • 用 AI 改造了一个几十人的审核团队，成本从每月 80 万降到 10 万，下降 87.5%，每年节省 800 多万
• • 产能从每天 2000 条提升到 25 万条，直接拉升 100 倍
• • 借助 AI 驱动的业务模型，低成本突破语言和文化屏障，扩展到了 50 多个国家

基于这些结果，我的认知发生了翻天覆地的变化——AI 已经完全从一个娱乐层级，变成了一种劳动层级。 它提供了性价比最高的劳动力：最聪明、成本不高、不知疲惫、24 小时能干活。

会使用 AI 的人和不会使用 AI 的人，在同样时间内创造出的价值，差距会越来越大。

那么普通人如何迈出这第一步？ 接下来我通过两个实操案例，带大家一步一步看清楚。

二、案例一：AI 全自动运营微信公众号

2.1 整体思路

我做了一套全自动化的公众号运营 SOP：热点抓取 → 数据采集 → 内容撰写 → 自动发布，整个过程几乎没有精力干预。

先给大家看一个视频，这是实际运行的效果：

再给大家看一个别人实际在跑的号：

https://mp.weixin.qq.com/s/2QYMah2rRnh0F7SZpzZD7Q

这个号做的是娱乐八卦方向。"八卦/谣言/共同想象"连接了社会的神经网络，信息源都是公开在各个平台的，重要的是去整理，或者发现一些猎奇的视角。

拆解下来，整个流程分为 5 个步骤。

2.2 第一步：寻找热点

关于"热点"这件事，谁最了解？AI 最专业。

所以你应该去问它：

• • 什么样的内容具备成为热点的潜力？
• • 哪些类型的内容更容易成为热点？
• • 热点的特征一般是什么样的？
• • 怎么预判一个热点是已经爆了，还是正在发酵？

最好的策略是埋伏正在发酵的热点。就算最后没爆，多埋一条信息成本也不大；但如果爆了，就吃到了。

关键是：这一切 AI 都可以帮你做，并且它可以直接在对应平台帮你发现热点。

热点一般产生在哪？微博、抖音、微信体系——这几个地方流量最大、最先爆火。

而这些平台的 AI 都已经把数据接入了：

• • 元宝：接入了微信生态 + 腾讯视频生态
• • 千问：接入了微博数据 + 优酷
• • 豆包：接入了抖音生态

元宝的数据接入了微信的生态,还有腾讯视频的生态

千问接入了微博数据，还有就是优酷

豆包是抖音的生态。

全网的热点都可以监测，不需要你花时间去刷。你需要做的就是：

• • 每天找几个固定时间，手动问几下
• • 或者设置定时推送（豆包支持，其他待验证）

前期跑通流程后，后期可以直接通过电脑自动化操作这三个平台，全自动化的媒体 Agent 就能帮你完成这些工作。

重点：不要自己去抓数据。 跟各大平台的风控博弈本身就是巨大成本。AI 已经帮你对接好了，你只需要把需求定义清楚，然后去问它。

2.3 第二步：和 AI 讨论，迭代出你的热点标准

你需要和 AI 有一个讨论过程，把你对"热点"的定义打磨清楚。

我的做法是：先跟 AI 反复讨论，定义出一版提示词，然后拿这个提示词先发几篇内容。等有了数据沉淀后，把公众号后台的数据导出来给 AI，让它分析我的受众画像（年龄段、偏好等），再基于分析结果对提示词做一轮纠正。

这就是最终版提示词的由来——不是一次写好的，而是数据驱动迭代出来的。

以下是我和 AI 讨论迭代的过程截图：

下面是我迭代后的完整热点抓取提示词，供大家参考：

角色设定： 你现在是专业的娱乐舆情热点抓取与分级分析师，为我筛选近 3 日（72 小时内）全网强争议、高话题、强吸引力的娱乐圈吃瓜类热点。

受众定位： 严格以「26~45 岁为核心主力受众、46~60 岁为次核心受众、18~25 岁/60 岁以上为边缘覆盖受众」的用户结构为核心导向。

刚性规则： 遵循「争议优先、潜力优先、受众匹配优先、风险严控、标准化输出」，所有内容必须先过准入红线，再进入分级判定，绝对禁止输出无争议、与核心受众不匹配的纯娱乐新闻。

一、前置刚性准入规则（一票否决）

（一）双重核心准入门槛（必须同时满足）

• ◦ 受众权重基准：核心主力 26~35 岁（占比 32%）+ 36~45 岁（占比 28%），合计 60%；次核心 46~60 岁（17%）；边缘 18~25 岁（12%）、60 岁以上（11%）
• ◦ 核心准入（占筛选总量 ≥ 70%）：仅限 26~45 岁全年龄段用户具备普遍认知、国民知名度高的大众化娱乐明星
• ◦ 兼容准入（占筛选总量 ≤ 30%）：仅限同时满足 18~25 岁、46~60 岁双圈层认知的跨年龄段知名艺人
• ◦ 绝对禁止：仅年轻群体熟知的新生代流量、小众圈层艺人、糊咖艺人、无全年龄段国民度的网红
• ◦ 明星塌房实锤类：婚内出轨、违法失德、人设崩塌等带实锤的负面爆料
• ◦ 撕逼对线类：正主互撕、工作室隔空喊话、粉丝大战出圈等强冲突内容
• ◦ 反转拉锯类：爆料-辟谣-再锤-再反转的拉锯战
• ◦ 争议八卦类：婚变离婚传闻、抢资源争番位、行业潜规则爆料等
• ◦ 口碑两极骂战类：全网两极分化争论、路人盘崩塌等

（二）绝对过滤黑名单：无争议纯娱乐新闻、无传播价值内容、高风险违规内容

二、三大优先级判定标准（72 小时内）

• • S 级（萌芽上升期）： 首发 ≤ 24 小时，仅 1-2 个平台初步发酵，争议指数 ≥ 8 分
• • A 级（爆发期）： 首发 24-48 小时，全平台扩散，争议指数 ≥ 8 分
• • B 级（余热期）： 首发 48-72 小时，热度过峰值但未凉透，争议指数 ≥ 7 分

三、核心评估维度（1-10 分）

1. 1. 话题争议指数（一票否决项）
2. 2. 热度增速指数
3. 3. 出圈扩散指数
4. 4. 后续发酵潜力

四、单条热点标准化输出

1. 1. 序号 + 热点主题（≤ 20 字）
2. 2. 核心争议摘要（≤ 100 字）
3. 3. 优先级等级（S/A/B 级）
4. 4. 维度打分（4 项指标具体分值）
5. 5. 综合推荐程度（必推/优先推/可推）
6. 6. 发酵信息（首发时间 + 核心平台 + 热搜排名）
7. 7. 跟进提示（后续可跟进的爆点方向）

五、输出格式

• • 开篇总述 → S 级必推 → A 级优先推 → B 级可推
• • 若某级别无内容，标注「近 3 日无符合标准的 XX 级热点」

代码块
Markdown
复制
你现在是专业的娱乐舆情热点抓取与分级分析师，为我筛选近3日（72小时内）全网强争议、高话题、强吸引力的娱乐圈吃瓜类热点，严格以「26~45岁为核心主力受众、46~60岁为次核心受众、18~25岁/60岁以上为边缘覆盖受众」的用户结构为核心导向，遵循「争议优先、潜力优先、受众匹配优先、风险严控、标准化输出」的刚性规则，所有内容必须先过准入红线，再进入分级判定，绝对禁止输出无争议、与核心受众不匹配的纯娱乐新闻。
一、前置刚性准入规则（一票否决，不满足任意一条直接过滤）

2.4 第三步：提供数据源，抓取与识别

找到热点后，把数据源链接提供给你的 Agent 或自动化流程。

现在常见内容大多是短视频，怎么对视频内容做识别？

• • 国内：豆包、千问的多模态能力，可以输入视频输出文字
• • 国外：Gemini 也支持视频理解

它会对事实做一层真正的理解，输出结构化的内容摘要。

2.5 第四步：撰写稿子

把识别出的事实 + 你定义的创作角度，交给 AI 撰写。提示词的核心目标：

1. 1. 让用户愿意点击
2. 2. 吸引用户看完
3. 3. 引导用户互动或关注

关键：第一版不会写得特别好，需要看数据迭代。

发出去后观察：

• • 没有播放 → 可能是标题问题
• • 停留时长短 → 内容结构问题
• • 没有互动 → 缺少引导

每次遇到问题，都可以把数据反馈给 AI，让它帮你分析原因、优化提示。

2.6 第五步：自动发布

自动化发布的核心就是：让 AI 搞清楚浏览器里的发布页面长什么样，然后让它自己去操作。具体的操作方法在案例二中会详细展开。

2.7 案例一小结

这套流程里，我目前只做了"提供数据源"这一步是手动的，后续的热点寻找、分析、写稿、发布都可以完全自动化。这就是一个最小 MVP，跑通之后再逐步补全前面的环节。

三、案例二：用 Trae + ADB 操控手机，自动采集小红书数据

3.1 前置准备

其实很简单：

• • 一台电脑
• • 一个手机
• • 一根数据线
• • 勇敢和大胆、敢于尝试的信心
• • 必须学会用 AI 搞事情的决心

3.2 安装 Trae

Trae 是字节跳动旗下的 AI 编程工具。直接问豆包就能拿到下载链接，或者访问：https://www.trae.com.cn/download

下载国内版，安装过程中能跳过的都跳过，最小 MVP 先跑起来。

安装完成后一路选择安装：

可以跳过的都跳过：

登录个人账户（手机号注册即可），选择 SOLO 模式：

然后就可以开始做事了：

3.3 明确任务：从人工 SOP 到 AI SOP

我的需求是：基于某个关键词，判断用户在小红书里的真实需求。

刚好前几天 315 晚会说了 GEO 这个事情，所以以这个关键词来看看用户的真实需求。

如果我人工来做，流程是：

1. 1. 打开手机，搜索关键词
2. 2. 一个一个帖子去看，翻评论
3. 3. 把评论收集起来
4. 4. 统计评论里有哪些需求

这就是我的"动作 SOP"。现在要做的，就是让 AI 来执行这个 SOP。

3.4 和 AI 协作的完整迭代过程

我给 Trae 下达的指令：

第一轮：配置手机环境

AI 会尝试安装 ADB 来操控手机，并给出手机端需要开启的配置流程：

具体步骤：

1. 1. 进入「设置 → 关于手机」，点击版本号 7 次，开启开发者模式
2. 2. 回到设置，开启 USB 调试和开发者调试
3. 3. 修改 USB 连接模式为「文件传输模式」或「MTP」
4. 4. 用数据线连接手机到电脑，手机弹出授权提示后允许

手机配置的操作过程：

如果没弹出授权，换一根数据线或重启手机。

配置完成后告诉 AI "已完成配置，可以开始测试"：

第二轮：AI 开始操作，但遇到了问题

AI 开始操控小红书，但第一次它没有走搜索流程，只是点击了首页，并没有理解我的意思。

这时候我给它反馈，并且把模型切到了 GLM5.0，同时用规划模式让它重新思考：

AI 开始按照规划过程一步一步截图、做下一步思考、迭代下一步路径，最终找到了搜索按钮。

第三轮：继续迭代，解决筛选问题

AI 找到搜索按钮后，我继续告诉它筛选按钮在什么位置：

执行过程中发现它没有理解"筛选"的意思。我反思了一下——是我没说清楚。我修改了描述：

然后它找到了筛选按钮，我指导它怎么选择时间范围：

最终：跑通了！

3.5 复盘：为什么中间出了这么多错？

回顾整个过程，很多错误其实是我的信息没同步到位：

• • 没有告诉它搜索之后的帖子才是目标
• • 没有告诉它点赞排名按钮在搜索结果顶部的位置
• • 没有一开始就用最好的模型

当你觉得 AI 傻的时候，想一想：如果别人给你说一个需求，你需要哪些基本信息？你的背景信息是否完全同步给了它？它是否知道什么是好、什么是不好？

应该把你的思考过程、思维链同步给它。对于搜索应该怎么做、筛选按钮在哪儿、应该如何判定，都需要把信息同步给它。

四、从案例中提炼：一套通用的 AI 自动化 SOP

两个案例跑下来，可以抽象出一套通用思路：

4.1 拆解岗位

拆解你每天重复做的动作（看图、找词、复制粘贴），颗粒度要足够细。

比如案例二：每天要去找到某个关键词对应的用户需求 → 拆成搜索、筛选、打开帖子、翻评论、收集、分析。

4.2 定义标准

把具体的动作指标拆细，有数字最好，可以量化。

没有具体数字的时候，就和 AI 讨论如何量化。比如案例二：一周内、前 10 个帖子、按点赞排名——这些都是量化标准。

4.3 映射到工具能力

• • 操作手机 → ADB + Python 模拟点击
• • 数据收集后做意图分析 → 模型的内容理解能力
• • 热点监测 → 国内 AI 平台的生态数据接入

4.4 MVP 跑通最小闭环

单个步骤跑通后，逐步搭建完整工作流。

比如案例二的延伸：每天定时跑指定关键词 → 收集数据 → AI 汇总分析 → 自动撰写帖子 → 自动发布。

五、普通大众的进阶路径

第一步：用现有工具，在业务中使用 AI

比如用 AI 批量写文案，核心就是：定义输入 → 通过 AI 处理 → 输出。

如果你不会从零创建，那就以现有的东西为基础来修改。

比如飞书现在有很多 AI 模板：

基于这些模板，选择一个，你只需要做极其微小的改动：

1. 1. 改它的输入
2. 2. 改列表名称
3. 3. 改输入的处理过程
4. 4. 不要的直接删除

第二步：用 AI 造工具（Vibe Coding）

就像案例二中用 Trae 做的那样，让 AI 帮你写代码、造工具。

第三步：人机结合，全流程自动化

在需要的时候人参与，不需要的时候机器自动跑。这就是案例一和案例二最终要达到的状态。

六、用算账思维衡量价值

掌握了这套能力后，AI 就可以无穷无尽地产生劳动力。模型越好，价格越贵，但协作轮次越少，能做的事情越大。

两个维度来算账：

算小账：降本增效

比如审核团队的案例，节省成本、提升效率。但这个维度不会让业务发生质变。在刚上手的时候，按这个思维来做没有问题。

算大账：做以前做不到的事

• • 以前：人工刷小红书找需求，一天看不了几个帖子
• • 现在：让 AI 24 小时帮你逛，找机会商品、收集长尾需求
• • 以前：业务只能做一个国家
• • 现在：借助 AI 突破语言屏障，扩展到几十个国家

未来的商业机会盘子 = 劳动力成本 × 自动化效率。谁能最早把 AI 变成最廉价的劳动力，谁就能吃下这波红利。

在掌握了基本能力之后，思维应该升维——去做那些以前只有公司专门雇人才能做的事情。

七、一些个人思考

回过头来看这段时间的经历，我最大的感触是：这不仅是在使用一个工具，更是在重塑自己的认知闭环。

我现在用 AI，其实是在心里架设了两个视角：

一方面，把它当导师。 把完整的信息给它，听取它从更高维度给我的判断。

另一方面，把它当助手。 让它去干活，让我拿着这些判断去真实世界里落地。

最关键的一步：把真实世界的结果拿回来复盘。 如果没做好，带着结果再去和"导师"视角的 AI 博弈——到底是 AI 干活出错了，还是最初做决定的方向就错了？

就是在这一次又一次的迭代中，AI 既是指引我的一位导师，也是我手中挥出去的一把剑。而我自己在中间，成为了连接思考和行动的枢纽。

每一次闭环走完，我发现真正长出能力的不是 AI，而是我自己。

阻碍我们掌握这些的，从来都不是技术门槛，而是面对未知时的退缩。

所以，带上你的勇敢去行动吧。因为你在使用它的过程，也就是你在不断迭代你自己的过程。

你始终要相信，这些能力始终只有少部分人能够掌握。所以无论如何，应该成为这部分人，用最小的杠杆来撬动最大的价值。