写作时间：2026年上半年
大家好，我是南墙，03 年、25 年毕业，大学期间做了不少项目，大二开过公司，一直没上过班，目前是自由职业。
过去 90 天，我在本地用掉了 406.11 亿 Token。总排行榜里排第 73，惠州地区第 1。
现在主要做小红书虚拟产品这一块，从找需求、做产品到内容获客，整套流程已经用 AI 串了起来。AI主要处理重复的采集、整理、分析和执行，我负责选方向、定产品和最后验收。
前前后后我一共做了 26 个虚拟产品，每个月大概能给我带来 1～2w 左右的被动收入。结果还不算大，有些环节也还需要人工处理，但整套流程已经可以稳定跑起来了。
所以我也想借这篇文章，把这几年做过的项目和现在这套工作流重新捋一遍，算是给自己做个复盘，也顺便分享出来。具体会讲到：
1. 找需求。如何给 AI 配一台安卓真机，让它稳定地操作小红书、采集数据，再从这些数据里找到已经
被验证的需求。
2. 做产品。如何把已经确认的需求交给 AI，让它分析对标、梳理产品结构，再制作虚拟资料，或者从
图片原型开始开发网站、小程序和本地工具。
3. 内容获客。如何把做好的产品交给 AI，让它寻找对标、拆解内容，再把拆出来的内容结构沉淀成
Skill，持续生成图文内容。
一、项目经历
我第一次接触社会上的业务，是大一升大二的那个暑假，给学校的校企合作班做招生。做完以后，我第一次尝到了赚钱的味道。
后来我在图书馆看了一本书，大概讲的是万科王石早年倒卖资源起家的经历。看完以后我突然觉得，这事我好像也能试试。资源商那边缺人，我在学校里能找到学生，把这两头接上，不就成了吗？
我当时手里没有资源，也没什么背景，网上能想到的地方基本都去扒拉过。Boss 直聘、智联、猪八戒，还有 Soul。有人手里有项目、需要大量人力，把业务情况先聊清楚。谈得下来，再回学校找学生来做。
其中对我影响比较大的是 Soul。上面有很多行业聊天房，也有年入五六十万、甚至年入百万的大佬经常出现的房间。我那时社会阅历比较浅，人也比较i，线下跟人谈合作时容易显得没底气，所以在这些聊天房里待得比较多，听别人怎么讲话、怎么处理事情，有样学样。聊得多了，也认识了一些人。
最早做的是拉学生进厂。后面淘宝店铺注册、自媒体代发、视频剪辑、s单等各种拉新业务和校园业务都做过，基本都是资源商需要人干活，我能把人找到。
业务越做越多，个人身份慢慢就不够用了。有些项目需要签合同、开发票，回款也要走公司账户，用个人身份压根接不了。没办法，就开了公司。后面再碰到需要公司主体的项目，至少不会卡在个人身份上。
人力业务做着的时候，我也试过一些互联网和自媒体项目。抖音、快手的鸡汤号做过一阵，发励志语录和情绪文案，配背景视频和 BGM。账号有流量，但一直看不到怎么赚钱。当时我也不懂互联网项目的商业模式，每天就只知道发，越发越觉得没盼头，后来就停了。
中老年情感公众号矩阵（东弟号）算是互联网项目里少数赚到钱的。刚赚到一点，平台就开始治理，矩阵里的账号基本都死了，这个项目也没法继续。
公众号停了以后，我又做过两性社群和吃瓜社群。内容都比较敏感，主要靠小红书等平台往微信群引流。引流账号容易出问题，微信群也经常被封，最后都没做下去。
再往后，我把前面做这些项目的经验和市面上的资料整理成了一套自媒体培训课程，放在微信群里做文字直播。获客还是靠小红书，我找大学生批量发引流帖。流量和转化都一般，项目越做越重，收入没跟上，最后也停了。
那年我还跑了两个 To G 招商项目。项目资源是我之前做人力时认识的几个老大哥给的，我这边正好也认识一些和政府部门有关系的朋友，就想着把两边接起来。
那时候脑子里只有一句话，要么不开单，开单吃十年。我前后在这两个项目上跑了接近一年，两个项目最后都没有落地。
二、项目接连失败后的心态变化
2023 年，我其实没少赚钱。人力和其他零散业务加起来，前前后后赚了几十个。对一个还在上大学的人来说，这个结果已经不算差了。
可我心里并没有踏实多少。前面做过的项目陆续停了，两个最看重的 To G 项目又一直没有结果。我当时是真觉得它们能成，也在上面花了很多时间。
前面做人力的时候，我赚的也是中间差价。资源商把业务给我以后，招人、执行和交付这些事情，我都能自己往下推，至少事情还在自己手里。
这两个招商项目和前面的人力业务不一样。我能做的只有把项目方和认识的关系接起来，真正决定项目能不能落地的，还是得靠关系。我认识的朋友和政府那边真正能推进项目的人之间还隔着两三层。像我这样没有背景，也没有在政府端长期积累关系的人，光靠在中间牵线，很难跨过这道坎。
项目迟迟落不了地，我心里也越来越没底。公司开起来以后的税务和各种琐事又很烦人，以前的牛逼劲，差不多就在这一年被磨没了。我开始怀疑自己的判断，也开始怀疑自己到底会不会赚钱。
两个招商项目跑下来，我看项目的想法也变了。以前觉得能找到资源，把两边接上，项目就有机会做成。后来我开始在意，真正决定结果的东西到底在谁手里。继续做资源中介，我能做的还是找资源、牵线，当一个二道贩子。做得再久，项目和资源还是别人的，自己能积累下来的东西很有限。
2024 年初，我先缓了一段时间，甚至想过要不要找份工作。投了几份线上岗位，面试都没过。说实话，就算过了，我心里也不太愿意真的进入职场。最后还是不甘心，又回来继续找项目。人力和资源中介这一块，我慢慢放下了，把更多时间放到互联网项目上。我先做了小红书商单号，也搞了个MCN。做了半年多，单个账号能赚到的钱比较有限，继续做下去也看不到多大的增长空间。后来看到不少同行陆续退出，一些 MCN 也开始注销，我就没有再做下去。
当时手里还留着不少小红书账号，我就把这些账号转去开店，开始卖虚拟产品。这一块从 2024 年一直做到了现在，中间死过不少产品和店铺，平台政策也变过很多次，还被同行刷过差评、举报过。商品下架了就换产品，店铺被封了就换店铺，平台规则变了，内容和运营方式也跟着改。
到了 2026 年，OpenClaw 火了。我寻思着AI 能不能自己找需求、做产品、发内容，再把产品卖出去。
三、从需求到获客，AI 一条龙
找需求——AI自动跑，人做选择题
真要让 AI 自己把产品卖出去，得先解决一个问题，市场上什么东西有人买。以前这一步，我也是自己刷小红书。看到数据好的笔记就点进去，翻翻账号主页，看看在卖什么、价格多少。一天下来能记几个方向，但效率有限——同时盯不了太多，今天刷到什么就是什么，没刷到的就错过了。
人工刷的效率有限，但千帆里的数据是现成的。它是小红书官方的数据中心，每天 10 点更新阅读榜、引流榜、热卖榜和成交榜。哪些笔记正在拿流量，哪些内容能把人带进商品页，哪些商品正在起量，哪些账号已经产生成交，都能直接看到。和只看点赞、收藏相比，这些点击、转化和成交数据更接近真实需求。
现在AI每天自动扫这个榜单。8个入口——阅读榜、引流榜、热卖榜、成交榜，每个榜分优秀内容和优秀账号来看。一轮下来覆盖几百条数据，比人工盯着覆盖面大得多。
榜单数据进来之后，AI 会先给账号评分。成交金额和支付转化率权重最高，阅读量只占一小部分；连续多天上榜、同时进入多个榜单，或者粉丝不多却已经有成交，也会获得额外加分。这一步只决定先看哪些账号，具体卖什么还要进店以后再判断。
筛完之后，AI 控制手机逐个打开这些账号的小红书店铺，把商品分享链接复制出来，再交给电脑采集详情和图片。每个账号采完以后还要核对数量，手机拿到多少个唯一商品链接，本地就要有多少份商品详情，对不上就先补采，不直接进入分析。
数据拿全了，AI开始分析每个账号：卖什么品类、定价多少、销量最高的商品是什么、粉丝多少、是不是低粉高销。
最后一步是把品类和产品形态相近的账号放到一起。AI 会根据账号数、商品数、价格区间、最高可见销量和商品图证据，给出当前的市场状态、结论和下一步动作。产品好不好交付，有没有版权或平台规则方面的问题，也会根据实际采集到的内容写进结论里。
AI 负责采集、评分、分析和合并，人直接看结果。看板上会标出每个方向的状态、账号数、价格带、最高销量和支撑证据，也能够直接在Obsidian里面看到对应的账号商品界面，跟自己在网站上打开的效果一样，不需要再自己刷榜单、翻店铺和记数据。具体要不要跟进、做成什么产品，最后由人决定。
做产品——人定方向，AI做执行
从看板上挑出一个方向时，这个方向的数据已经在那里了——什么产品在卖、什么价格、主图和详情页什么样，本地都有，不需要再从头去搜。
接下来要决定做成什么形态。同样的需求可以走两条不同的路：
如果是虚拟资料——模板、教程、素材包这类。前面拿到的商品信息和图片，可以用来判断同行在卖什么、怎样展示。商品详情页看不到付款后具体交付什么，所以还要去闲鱼、淘宝、拼多多买几份同方向的成品资料。这个得自己付款，AI 做不了。资料买回来以后，再和 AI 一起分析内容、确定产品结构，按模块做出自己的版本。
代码块
对标店铺的商品信息和图片
+ 闲鱼买的资料
+ 淘宝买的资料
+ 拼多多买的资料 ──→ AI分析资料 ──→ 人确定结构 ──→ 按模块制作
这些资料用来了解同类产品通常包含什么、哪些问题还没有解决。具体内容仍然要重新整理，不能把几份资料直接拼在一起。
如果是 APP、网站、小程序，就把需求资料交给 Codex。先让它画出图片原型，人确认功能和视觉以后，再按原型还原 UI、开发逻辑，并逐步截图检查。
虚拟资料还是APP/网站/小程序，这个得人来判断。AI把市场证据和对标数据摆出来了，但做成什么形态、怎么差异化、怎么定价，这些得靠人对市场的理解来决定。
前面已经把需求和对标证据拿清楚了，做产品时至少不用再从猜用户想要什么开始。产品上线以后，再根据真实反馈继续调整功能和内容。
做内容——AI跑日常，人定调
以前做内容的核心问题是不可复制。今天想一个选题写一篇，明天再想一个，质量和风格都不稳定。做起来的号运气成分大，做不起来的也不知道问题在哪。
现在产品做出来后，内容走一条标准化流水线。
第一步，AI把产品资料理清楚——卖给谁、解决什么问题、在什么场景用。然后定核心关键词，所有内容围绕这些词布局。
为什么要从关键词入手？用户在推荐流里刷到内容是一种方式，但有明确需求的时候也会主动去搜。想找考研资料的人会直接搜"考研数学真题"，想找简历模板的人会搜"应届生简历模板"。你的内容只有布局在这些搜索词下面，才能两条路都覆盖到。
关键词定好后，AI去采集这些词下排名靠前的对标笔记。图文会保存正文和全部图片，视频会保存原视频、关键帧和提取出来的语音稿。这些材料已经足够让 AI 继续拆解视频，只是我目前主要靠图文获客，所以这套流程没有把视频交给后面的单篇拆解和模板聚类。主 Agent 会在这里筛掉视频，只让图文笔记继续往下走。做视频业务的话，也可以利用已经采集好的这些材料，单独接一条视频拆解和聚类流程。
拆到一定量之后，AI把结构相似的笔记归到一起，提炼出模板草案。比如发现有十几篇高互动笔记都用同一种开头方式和正文结构，那就把这种规律提出来。
草案出来后，人需要参与。AI归纳的结构不一定全对，哪些结构真的有效、哪些细节要调整，得靠人的判断。确认以后，再把草案做成一个可以直接执行的内容 Skill。后面的标题、正文、话题、封面和内页图，AI都会按这份 Skill 来生成。
Skill 做好之后，每天到点AI按里面的规则生成笔记草稿，然后AI自己审一轮——检查内容有没有编造事实、图片排版是否清晰、有没有偏离 Skill 的要求。审不过就返工重写。
新的 Skill 刚开始跑时，可以先开着人工审核——AI审完之后再过一遍人眼，确保发出去的东西没问题。人审的时候发现问题，就继续调整 Skill。跑一段时间之后，如果AI按这套规则产出的内容基本不需要改了，就可以关掉人工审核，让AI审完直接过。
等 Skill 跑顺了，每天到点自动出内容、AI审完，人过一眼就能发。前期花时间把规则调好，后面就是收菜。
四、这套流程是怎么搭起来的
真正搭起来，需要准备的东西没有想象中多。一台电脑、Obsidian、一台登录了小红书的安卓手机，再加一个能读取本地文件、运行脚本和调用工具的 AI，基本就够了。找需求还需要能够正常进入千帆数据中心。
我现在用 Mac，浏览器跑的是 Ego。Windows 没有 Ego，可以换成 Playwright，或者其他能被 AI 操作的浏览器。AI 用 Claude Code、Codex、Hermes、OpenClaw 都行，能把本地文件、脚本和工具接起来就可以。
最舒服的使用方式就是让CodeX去指挥Claude Code跑这套流程，有问题让CodeX自己去解决，人只需要关注结果即可。
这里只讲整套流程的核心思路，不讲具体的技术细节。完整脚本、配置、Obsidian面板代码、子Agent提示词我会放在文章尾部附件里，下载后直接把文件夹交给 AI，让它根据你的电脑和手机环境完成适配。
4.1 找需求：从榜单里筛出值得做的方向
找需求这一步，整条链路由一个主 Agent 和两个子 Agent 配合完成。
千帆采集子 Agent 负责拿全当天的榜单，账号分析子 Agent 负责逐个查看账号里的商品和图片。主Agent 负责账号评分、商品采集、完整性核对和最后的跨账号汇总。多个账号中反复出现的同类产品，最后会被整理成一个待判断的方向。
完整流程如下：
代码块
千帆采集子 Agent 拿全 8 个榜单入口
↓
主 Agent 给榜单账号评分
↓
主 Agent 控制手机进入高分账号的店铺
↓
手机拿短链，电脑采集全部商品
↓
主 Agent 核对商品和图片是否完整
↓
账号分析子 Agent 逐号分析
↓
主 Agent 合并多个账号中重复出现的产品方向
↓
同步 Obsidian，由人决定是否继续做
目录大致如下：
正式开始前先确认四件事
•小红书账号能够正常进入千帆数据中心。•浏览器已经登录千帆和小红书。•安卓手机已经登录小红书，主 Agent 可以正常操作。•Obsidian 工作台可以正常打开和保存数据。
浏览器最好单独创建一个采集空间，名称可以自己定。第一次登录完成后，后续采集始终使用同一个空间，避免任务运行到一半丢失登录状态。
第一次运行先测试一个商品较少的账号。确认主 Agent 能打开账号主页、进入店铺、复制商品链接并正常返回，再开始跑整批数据。
第一步，采集千帆的 8 个榜单入口
千帆每天会更新笔记排行。这里一共采集四类榜单：
•阅读榜：看哪些内容正在拿流量。•引流榜：看哪些内容能把人带进商品页。•热卖榜：看哪些商品正在起量。
•成交榜：看哪些账号已经产生真实交易。
每类榜单再分成优秀内容和优秀账号，所以一共是 8 个入口。
优秀内容提供具体笔记，优秀账号提供后面要继续进店查看的账号。把两者放在一起，可以同时看到内容表现和账号成交情况。
主 Agent 会先调用千帆采集子 Agent。它依次打开 8 个入口，每个入口最多采集 20 页。每翻一页随机等待 60 到 90 秒，并检查当前排名是否连续。第一页应该是第 1 到第 10 名，第二页应该接着第 11 到第 20 名。中间缺少排名、出现重复，或者返回的榜单和当前页面对不上，这一页就重新处理。
8 个入口全部完成后，才会进入账号筛选。只完成 7 个入口时，即使已经拿到几百条数据，也先停在采集阶段。
每条榜单数据会保留这些信息：
•来自哪个榜单。•当前排名。•笔记标题和账号名称。•阅读量区间。•商品点击率区间。•支付转化率区间。•成交金额区间。•笔记和账号的唯一标识。
这一阶段只负责把榜单事实拿全，不根据标题猜品类，也不提前判断哪个产品值得做。
第二步，算出哪些账号值得进店深挖
8 个入口全部采完以后，主 Agent 再给榜单里的账号评分。一天的榜单里会出现大量账号，全部进店查看会花很长时间，所以要先算出一份候选名单。
总分由三部分组成：
代码块
账号总分= 需求证据分 × 可信度加成 × 低粉加成
1. 需求证据分
需求证据分看成交金额、支付转化率和阅读量：
代码块
需求证据分= 成交分 × 50%+ 支付转化分 × 35%+ 阅读分 × 15%成交金额权重最高，因为这一步找的是已经有人付费的需求。支付转化率用来判断看过商品的人愿不愿意买，阅读量只占 15%，避免把有流量但没有成交的内容排得太靠前，向“钱”看齐。
千帆给出的数据是区间，所以要先把每个区间换成 0 到 1 之间的分数。
成交金额可以这样换算：
成交金额区间成交分
0～1000 元0.10
1000～5000 元0.30
5000～1 万元0.60
1 万～5 万元1.00
支付转化率可以这样换算：
支付转化率转化分
0～5%0.10
5%～15%0.30
15%～25%0.55
25%～50%0.80
50%～70%0.95
70%～90%1.00
阅读量从 1000～3000 的 0.10 分开始，之后随区间逐级增加：3000～5000 为 0.20，5000～7000 为0.30，7000～9000 为 0.40，9000～1 万为 0.50，1 万～3 万为 0.60，3 万～5 万为 0.70，5 万～7 万为 0.80，7 万～10 万为 0.90，10 万以上为 1.00。
同一个账号可能在不同日期和榜单里出现多次。成交金额、支付转化率和阅读量分别取这个账号所有记录中的最高档，再计算需求证据分。
2. 可信度加成
一个账号偶尔上榜一次，可能只是某篇内容突然起量。连续多天出现，或者同时进入多类榜单，参考价值会更高。
代码块
跨天分 = 上榜天数 ÷ 10，最高记 1
跨榜分 = 进入的榜单类型数 ÷ 4，最高记 1
可信度加成= 1 + 跨天分 × 25% + 跨榜分 × 25%
一个账号连续出现 10 天，同时进入四类榜单，可信度加成最高为 1.5。
3. 低粉加成
几十万粉的账号卖得好，里面可能包含账号积累和个人影响力。一个粉丝很少的账号已经产生明显成交，更能说明产品本身有需求。
粉丝数达到 1000 时不加分。粉丝少于 1000 时，按下面的方式计算：
代码块
低粉加成= 1 +（1000 – 粉丝数）÷ 1000 × 0.6
例如一个账号有 300 个粉丝：
代码块
低粉加成= 1 +（1000 – 300）÷ 1000 × 0.6= 1.42
4. 完整算一遍
假设一个账号的最高数据是：
•成交金额 5000～1 万元，对应 0.60 分。•支付转化率 25%～50%，对应 0.80 分。•阅读量 1 万～3 万，对应 0.60 分。•一共上榜 4 天，进入 3 类榜单。•粉丝数 300。
需求证据分为：
代码块
0.60 × 50% + 0.80 × 35% + 0.60 × 15%= 0.67
可信度加成为：
代码块1 +（4 ÷ 10）× 25% +（3 ÷ 4）× 25%= 1.2875
低粉加成为 1.42，最后的账号总分是：
代码块
0.67 × 1.2875 × 1.42≈ 1.22
所有账号算完后按总分从高到低排列，默认先取前 20 个进入下一步。数量可以根据当天账号和商品规模调整。
这套评分只决定先看谁。账号具体卖什么、靠哪款商品成交、交付复杂不复杂，还要真的进入店铺查看。
第三步，让主 Agent 控制手机进入账号店铺
千帆榜单能看出哪些账号有成交，但榜单里没有这些账号的完整商品列表。想知道一个账号到底在卖什么，还要真正进入它的小红书店铺。
为什么这一步必须用手机
这里不管是找商品，还是后面采集对标笔记，前半段都要在手机上完成。
先说商品。电脑端没法从账号主页稳定进入店铺，更没法把店铺里的商品一件件翻出来。千帆筛出账号以后，主 Agent 会把账号主页交给手机上的小红书 App 打开，再从主页进入店铺，逐个打开商品并复制分享链接。电脑只有拿到某个商品的具体链接以后，才能接着采集详情和图片。
笔记也是同样的逻辑。关键词搜索、浏览结果、打开笔记和进入评论区，这些动作都在小红书 App 里完成。手机复制出分享链接以后，电脑再接手正文、图片和互动数据的采集。
另一个考虑是风控。我没有让小红书 MCP 或采集类 Skill 直接控制账号搜索和批量采集，而是让 AI 操作一台登录了真实账号的安卓手机，逐个打开、逐个返回，中间保留随机等待。
我把这套方式连续跑了 7 天，每天 24 小时采集，期间没有遇到一次风控。
手机 App 复制出来的分享短链也更适合长期保存。以后某条数据缺失，电脑可以直接从这条短链重新采集，不用再回到小红书里找一遍。
为什么手机能直接打开对应账号的主页
因为千帆返回的榜单数据里，除了账号名称，还有一个 userId 。它是小红书给每个账号分配的唯一标识，不是昵称。账号改了名字，userId 也不会跟着变。
比如千帆返回的 userId 是：
代码块65f3eee40000000005008c61
主 Agent 会把它拼成这个账号的主页链接：
代码块
https://www.xiaohongshu.com/user/profile/65f3eee40000000005008c61
接着通过 ADB 把链接交给手机：
代码块
adb shell am start -a android.intent.action.VIEW \
-d "https://www.xiaohongshu.com/user/profile/65f3eee40000000005008c61"手机收到这条指令后，会用已经登录的小红书 App 打开链接，直接进入这个账号的主页。后面的脚本再识别主页里的「店铺」入口，点击进去，开始遍历商品。
这几步都由脚本自动完成，不需要手动复制 ID 或输入命令。和搜索昵称相比，它不会因为账号重名或者改名而点进错误的主页。
手机会依次完成这些动作：
代码块
打开账号主页
↓
找到并进入店铺
↓
逐个打开商品
↓
复制商品分享链接
↓
返回店铺继续下一个
↓
向下滑动，直到全部商品处理完成
主 Agent 每完成一个动作，都会先确认手机是否进入了正确页面。打开商品后要看到价格和商品详情，复制链接后要确认链接已经拿到，返回时要确认回到了店铺。
手机锁屏、小红书卡住、分享面板没有打开，或者返回后跑到其他页面时，主 Agent 会先尝试恢复。多次尝试仍然回不到店铺，就停止当前账号并记录问题，避免后面的点击继续跑偏。
店铺滑到底后，还会再检查一次底部商品。重复出现的商品按标题和链接去重，后面只计算唯一商品。
第四步，把每个商品的详情和图片拿全
手机拿到分享短链以后，它的任务就结束了。电脑接过具体链接，在浏览器里打开商品页，把标题、价格、销量、规格、详情文案和全部图片采集下来，再按商品整理到本地。哪一条信息没有拿全，也能单独重新打开对应短链补采，不需要再回手机店铺里找一遍。
浏览器采集工具会逐条打开商品链接，把下面这些内容保存到本地：
•商品原链接。•商品标题、价格和可见销量。•商品规格和详情文字。•商品页面中的全部图片。
每个账号单独放一个文件夹，每个商品再单独分开。这样账号分析子 Agent 可以一次看到当前账号的全部商品，也不会把不同账号的数据混在一起。
所有商品都使用前面准备好的同一个浏览器空间。空间名称由自己设置，整个采集过程保持一致即可。登录失效、出现验证码或页面没有正常加载时，当前商品先停下来，恢复后再继续。
第五步，先对数量，再开始分析
商品采集完成后，先核对两组数字：
代码块
手机拿到的唯一商品链接数= 本地成功保存的商品详情数
手机拿到 12 个唯一商品链接，本地就应该有 12 份完整商品详情。只有 11 份时，先找到缺少的那一条重新采集。
商品数量对齐后，再检查图片。页面里有多少张商品图，本地就应该保存多少张，而且每张图片都要能正常打开。
如果店铺实际有 12 个商品，最后只拿到 5 个，账号分析子 Agent 很容易把这 5 个当成店铺的全部商品，再给出错误判断。所以商品数和图片没有对齐之前，不进入分析。
缺一条商品详情，只补这一条；缺几张图片，只补对应图片。无法补齐的账号退出当天汇总，已经采集到的内容继续保留，方便后面排查。
第六步，每个账号单独分析
通过数量和图片检查后，主 Agent 会为每个账号调用一个账号分析子 Agent。不同账号可以并行，每个子 Agent 只读取当前账号的商品详情和图片，避免把几家店铺的信息混在一起。
账号分析子 Agent 会看完这个账号里的全部商品详情和全部商品图，再整理出：
•账号主要在卖什么。•一共有多少个商品。•价格集中在哪个区间。•销量最高的是哪款商品。•产品是资料、模板、测试、教程还是其他形态。•用户购买后会拿到什么，交付过程复杂不复杂。•是否存在低粉高销的情况。
商品图必须逐张查看。很多虚拟产品不会在标题中写清具体内容，资料目录、测试结果、使用流程和不同套餐的差别，往往都放在图片里。
每条图片结论都要标出对应的账号、商品和图片。商品和图片没有全部看完，这个账号就不进入最后的汇总。
等所有账号都形成完整画像后，主 Agent 再进入下一步。
第七步，找出多个账号都在卖的方向
单个账号只能说明这个方向有人做。多个账号都在卖相近的产品，市场证据才会逐渐变强。
主 Agent 会读取全部账号画像，把主要品类和产品形态相近的账号归到同一个方向。每个方向都要写清楚几组事实：
•有多少个账号在卖，一共采集到多少个商品。•价格集中在哪个区间，最高可见销量是多少。•商品图实际展示了什么，用户买完会拿到什么。•结合低粉高销、交付方式和制作门槛，写出当前结论和下一步动作。
前面的账号评分，只是为了排出先深挖谁。到了这里，面板里保留的是证据、结论和下一步动作。如果商品里已经出现版权、平台规则或交付方面的问题，就把具体问题写进结论。
最后给每个方向标记当前状态：
•观察中：账号已经深挖完，现有证据还不足以形成明确结论。•升温：多个已深挖账号出现了相近的商品形态或价格带。•已验证：已经有完整的商品详情、价格和可见销量支撑当前结论。•降温：这次深挖里，没有继续看到这个方向的商品机会。•放弃：产品无法交付，或者已经不值得继续研究。
这些状态只说明当前证据能支持什么结论。要不要做、做成什么形式、准备投入多少时间，仍然需要人来决定。
第八步，在 Obsidian 中查看和选择方向当天分析完成后，主 Agent 会把需求方向同步到 Obsidian。打开面板可以直接看到：
•今天完成了多少个账号和商品。•最终形成了几个产品方向。•每个方向由哪些账号和商品支撑。•价格范围和最高可见销量。•每个方向当前的市场状态。•下一步需要做什么判断。
自动采集和分析的内容会随新数据更新，人工填写的判断、计划和验证结果会继续保留。
选定一个方向后，找需求这一段结束，下一步是把它做成能够正常交付的产品。
4.2 做产品：从需求到可交付的产品
前面选中的产品方向已经保存在本地。对标账号卖什么、价格多少、哪些商品有销量、商品图里怎么介绍，这些信息可以用来判断市场需求和产品形态。真正开始制作时，虚拟资料走一条路，网站、小程序和本地工具走另一条路。
虚拟资料
商品详情页只能看到产品怎么卖，看不到付款后到底交付什么。确定要做模板、教程或者素材包以后，还需要去闲鱼、淘宝、拼多多购买几份同方向的成品资料。
把前面采集到的需求资料、对标商品和新买的文件交给 AI，让它逐份读取。
第一轮先整理资料。AI 要把每份资料讲了什么、适合谁用、怎么交付梳理清楚，再找出重复内容、独有内容和没有解决的问题。它整理完以后，人要参与判断，确定产品做给谁、解决哪个问题、做成模板还是教程、交付时包含哪些文件。
这些问题聊清楚以后，再一起定产品目录。
AI 可以根据需求和现有资料先出一个版本，人看完后继续改。某一部分对用户没用就删掉，使用顺序不对就重新排，缺了关键内容就补进去。这个过程可能会来回很多轮，直到每一部分要解决什么问题都能讲清楚。
目录定下来以后，按模块制作。AI 每次完成一部分，人就看一部分。内容有没有照搬原资料，有没有明显的拼接感，事实是否准确，拿过来能不能直接使用，都在这一轮处理。发现问题就继续改，不用等整个产品全部做完再返工。
内容全部确认后，再让 AI 统一整理文件、目录和排版。最后把成品真正打开一遍，检查表格有没有错位、链接能不能点开、文件是否齐全、用户拿到以后知不知道怎么开始。检查完的版本才能拿去交付。
网站、小程序和本地工具网站、小程序和本地工具可以直接交给 Codex 开发，先从图片原型开始。把前面沉淀下来的需求资料交给 Codex，让它分析用户要解决的问题，再调用内置的图片生成工具，把产品的页面画出来。
代码块
请完整读取这个产品方向的需求资料，整理出目标用户、核心需求、
主要使用场景，以及完成核心功能需要哪些页面。
调用内置图片生成工具，为这个产品制作高保真的 UI 图片原型。
每个核心页面和关键状态分别出图，页面中使用接近真实产品的内容，
画面要完整展示布局、颜色、字号、间距、按钮和信息层级。
这一阶段只生成图片，不写 UI 代码，也不开发功能。
出图后等我逐张确认，并根据我的反馈继续修改图片。
不懂技术也不影响看图片。产品是不是自己想要的，页面好不好看，一眼就能判断。颜色不合适就换，页面太乱就重新排，某个按钮放得别扭就继续改。图片原型没有调到满意，不进入下一步。
图片全部确认以后，再让 Codex 按这些图片 1:1 写出 UI。这一轮先还原页面，暂时不接业务逻辑。每完成一个页面，Codex 都要运行实际界面并截图，再和对应的原型图放在一起对照。布局、文字、颜色、字号、间距和图片有任何差异，就继续修改 UI。
等所有页面都还原到位，再开始开发具体逻辑。按钮点下去做什么，数据从哪里来，提交后出现什么结果，页面之间怎么跳转，都按照前面的需求资料逐项实现。这样视觉和功能可以分开验收，页面不会在开发逻辑的过程中越改越偏。
具体逻辑做完以后，让 Codex 自己打开产品，按照真实用户的方式从头操作。这里不能一口气把流程跑完，Codex 每完成一个动作都要截一次图，检查当前页面的视觉、内容和状态。确认这一步没有问题，再继续下一步。
打开页面后先截图，点击按钮后再截图，填写并提交以后继续截图。页面有没有错位，弹窗位置对不对，按钮点击后有没有正确反馈，提交结果是否符合预期，都在当前这一步检查。发现问题就停下来修改，修改完重新执行这一步，通过后再往下走。
这种走一步、看一步的方式会慢一些，但很多问题只有操作到那个位置才能看到。测试脚本通过了，页面依然可能错位；按钮能触发，弹出来的内容也可能不对。
对不懂编程的人来说，验收就看两件事。实际页面是否和原型图一致，产品功能能不能正常使用。两项都确认没有问题，产品才算开发完成。
产品开发完成后，下一步就是围绕它做内容。
4.3 发内容获客：从产品资料到持续产出内容
产品做完以后，内容获客这一步也不能直接让 AI 随便写几篇。它得先弄清楚产品，再去找对标、拆对标、做模板，最后才能稳定产出。
这条链路里，平时只需要和主 Agent 沟通。主 Agent 负责看工作台、判断进度和安排下一步，具体工作分别交给产品分析、关键词布局、单篇拆解、模板聚类、日更生成和内容审查这几个子 Agent。所有结果都会写回 Obsidian，做到哪一步，打开工作台就能看到。（下文我用抽象的演示数据，这样大家不用先了解某个具体行业或者产品，也能直接看懂这套流程，直观看到哪些数据在面板上是咋样的）
完整的顺序是这样的。
代码块
产品资料 → 产品分析子 Agent → 关键词布局子 Agent → 手机采短链 → 电脑入库
├─ 图文 → 单篇拆解 → 聚类出模
板草案
└─ 视频 → 原视频 + 关键帧 +
语音稿 → 当前留在对标页
模板草案 → 人和 AI 一起做成内容 Skill → 日更生成子 Agent → 内容审查子 Agent
文件目录大致如下
第一步，先让产品分析子 Agent 吃透产品
产品介绍、价格、购买方式、页面截图、使用说明、客户反馈、常见问题，以前写过的文案，手里有什么就放什么。原始资料不用提前压缩，也不用先整理成一份几百字的产品简介。
产品分析子 Agent 会保留原始文件，再根据产品形态重新整理资料。课程可以按课程结构整理，软件可以按功能和使用场景整理，虚拟资料也可以按照内容模块拆开。整理完以后，它会产出产品总览和资料索引，后面的关键词、模板和日更内容都从这里取信息。
这一轮需要人检查。价格、功能、适用范围、使用效果、购买方式、案例和评价，只要有一处写错，后面生成的内容就会跟着错。如果连产品是什么、给谁用、解决什么问题都说不清，先把资料补齐，再往下走。
第二步，让关键词布局子 Agent 决定去搜什么
产品资料确认以后，关键词布局子 Agent 会从品类、人群、痛点、场景、卖点、购买顾虑和替代方案里，整理出 10 到 20 个研究关键词。
这些词是拿来找对标的，不是最后发布时带的话题。只搜产品名，采回来的内容通常很单一。把人群、场景和问题带进去，才能看到这个产品可以从哪些角度切内容。
关键词出来以后，在 Obsidian 里设置每个词采几篇、要不要做 A 到 Z 扩展、要不要采评论。第一次每个词先采 5 到 10 篇，方向对了再加。A 到 Z 会把一个核心词展开成 26 个实际搜索词，采集时间也会跟着增加，所以只给两三个比较短的核心词开就够了。
对标采集还是手机和电脑配合。手机在小红书 App 里搜索关键词，图文和视频都会正常打开，再把分享短链交给电脑。
同一个产品下的所有关键词共用一份去重记录。同一条笔记在另一个关键词下再次出现，脚本拿到短链后会直接跳过，不会重复入库。如果以前已经采过笔记，这次只是新开了评论采集，系统只补评论，正文和图片也不会重新下载。
电脑收到短链后，会保存标题、正文、话题、作者、互动数据和实际搜索词。图文笔记会下载封面和全部内页图；视频笔记会下载原视频和封面，抽取关键帧，再用本地语音模型把视频里的音频转写成带时间轴的语音稿。
第一次处理视频时，系统会自动准备本地转写环境和模型。批量采集时，可以先把短链和视频资料入库，等所有关键词和入库队列都处理完，再逐条转写。模型每次只处理一条视频，完成后就退出，不会一直占着电脑。
这里设置的采集数量，指的是每个实际搜索词需要拿到的达标笔记数。电脑会先核对点赞、收藏和评论，互动低于门槛的记为已过滤，单篇取数异常的也会跳过，然后继续往下找，直到采够或者当前搜索结果已经找完。
第一次先采 2 篇测试。图文要看标题和正文有没有缺，第一张是不是封面，内页顺序对不对；视频要看原视频能不能播放，封面、关键帧和语音稿有没有生成。点赞、收藏和评论数据也要一起核对。这些都正常，再开始批量跑。中途手机断开或者账号掉线，已经采完的内容会保留，恢复以后接着跑。
第三步，单篇拆解，再聚类出模板草案
采集完以后，图文和视频的资料包都可以在 Obsidian 里直接打开。视频采集、抽帧和转写这几步已经跑完了，资料包里有原视频、语音稿和关键帧，足够让 AI 继续分析口播结构、开头钩子、镜头顺序和画面节奏。
不过我这套流程到这里会把两种内容分开。因为我目前主要靠图文获客，后面的模板和日更也都是按图文设计的，所以主 Agent 只会把图文交给单篇拆解和模板聚类，视频则完整留在对标页，不再自动往下传。
如果自己的获客内容以视频为主，可以直接利用前面采集好的原视频、关键帧和语音稿，再接一条视频拆解流程。先逐条拆出口播结构、镜头顺序和画面节奏，再把多条拆解结果放在一起聚类，最后整理出适合自己业务的视频模板。
进入后续流程的图文笔记，主 Agent 会逐篇调用单篇拆解子 Agent。一个子 Agent 只看一篇笔记，把标题公式、正文结构、封面和内页的分工、开头钩子以及互动数据拆出来，再把结果写回原笔记。
这里一定要一篇一篇拆。一次塞进去十几篇，A 的标题、B 的正文和 C 的图片很容易混在一起，最后得到的结论看着很完整，实际根本没法用。
标题也要拆到可以复用的程度。像「人群＋具体问题＋结果」和「场景＋数量＋解决方案」，后面可以直接替换里面的内容。只写一个「痛点型标题」或者「数字型标题」，知道了也没什么用。
互动数据要和内容一起看。收藏明显高，就看看是不是清单、教程或者以后还会回来翻的内容。评论明显高，再去分辨是争议、共鸣、求教还是求链接。数据没有明显特征，也不用非得总结出一条爆款原因。
等一批对标全部拆完，主 Agent 再调用模板聚类子 Agent。它不会重新混着读所有原文，只会拿前面的拆解结果做比较。内容角度、标题结构和正文骨架接近的放到一组，视觉看着相似但内容目的不同的，还是分开处理。
同一类至少要有 3 篇对标支撑，才能生成一份模板草案。样本只有一两篇就继续采，不急着把一次偶然的写法做成长期使用的规则。
第四步，把模板草案做成可以执行的 Skill
模板聚类子 Agent 最后生成的是一份 模板说明.md 。它会写清这一类内容常用的标题公式、正文结构、话题策略、互动点和配图方式，但这时还只是研究结论，不能直接拿去日更。
真正进入生产的是同一个目录里的 SKILL.md 。后面说的成品模板，实际指的就是这份内容 Skill。日更子 Agent 每次接到的都是一个独立任务，它没有参与前面的采集和聚类，所以必须从 Skill 里知道该读哪些资料、按什么顺序做、最后交付什么。
先要把产品资料写准。Skill 里会列出这类内容允许引用的具体文件，AI只能从这些文件和产品总览里拿产品事实、数字、评价和截图。每一条都要指向实际文件，不能只丢一个大目录，也不能让它自己在几个产品之间找。这样换一个新的 Agent 来执行，也不容易把资料用串。
文案怎么写，也要落到具体动作。标题用什么公式，正文分几段，每一段解决什么问题，话题怎么选，哪些说法不能出现，都写进 Skill。如果里面只有「标题要吸引人」「正文要有干货」这种话，日更时还是会重新猜一遍，产出的内容自然不会稳定。
图片也是同一套逻辑。封面放什么，每张内页承担什么信息，需要产品截图还是重新排版，用哪个图片 Skill 或哪段脚本来做，文件格式和排列顺序是什么，都由这份 Skill 决定。日更子 Agent 最后交付的也不只是一篇文案，而是一个完整内容包，里面有标题、正文、话题、封面和全部内页图。
这一段需要人和 AI 一起完成。不同产品要展示的东西差别很大，课程可能要放步骤和学员结果，软件可能要放真实界面和操作过程，虚拟资料还要判断哪些内容适合直接展示。人负责确认内容方向和视觉效果，AI把这些判断整理成可以重复执行的 Skill。
Skill 做好以后，先让日更子 Agent 生成 1 个完整内容包。文案能不能自然落到产品上，封面和内页能不能稳定做出来，产品事实有没有写错，每一张图片都要打开看。连续出现的问题就改 Skill，只有当前这一篇有问题，就改当前内容。
第五步，日更 Agent 按 Skill 生成，再交给审查 Agent
Skill 测试通过以后，在工作台里设置每天生成几篇。新的 Skill 先从每天 1 篇开始，暂时不用的直接设为 0。
主 Agent 每次运行都会先看今天还缺几篇。设定每天 3 篇，已经完成 1 篇，它只会再补 2 篇。上一次停在生成、审查或者返工，下一次会从原来的位置继续，不会重新生成一批。
真正写内容的是日更生成子 Agent。它一次只处理一个产品和一份 Skill，先读产品总览和资料索引，再读取 Skill 指定的产品文件，随后按里面的步骤生成标题、正文、话题、封面和全部内页图。Skill 里指定了脚本或其他图片 Skill，它也会在对应的步骤调用，最后把文字和图片组成一个完整内容包。
生成完成以后，主 Agent 会再叫一个新的内容审查子 Agent。它会重新读取产品资料和同一份 Skill，再把文案和每一张图片打开检查。产品事实有没有写错，标题和正文有没有按 Skill 来，图片上的文字能不能看清，箭头和圈选有没有指错位置，都在这一轮处理。
审查没通过，意见会退回日更生成子 Agent 修改，改完以后重新审。生成和审查分开，主要就是防止同一个子 Agent 刚写完内容，又顺着自己原来的思路给自己判通过。
刚开始跑新的 Skill 时，可以把人工审核打开。AI 审完以后，再用手机看一遍封面、内页、正文和话题。连续几篇都比较稳定，再考虑减少人工检查。
先手动跑几次，确认中断以后能恢复、数量不会重复、文案和图片都能正常进入 Obsidian。使用的 AI Agent 支持定时任务，再让它按固定时间唤醒主 Agent。每天生成几篇、哪些 Skill 暂停，继续在工作台里调整就行。
五、写在最后
这套工作流从开始搭到现在，前后改过很多轮。后面我也会继续拿新的产品去跑，哪里出了问题，就把对应的处理补进去。
搭建过程中踩过的坑也不少，很多具体处理都写在配套文件里。下载压缩包后，直接交给 Agent，让它根据自己的电脑、手机和业务做适配。
附件下载：https://my.feishu.cn/wiki/TIbuwn1e1ivVvRkuA4xcKHe4nFh?from=from_copylink
暂无评论内容