AI自动化课程 · 总结笔记

CuteNote.app 颜值笔记

导读：本笔记整理自一位 AI 创作者 5 个月的实战课程总结，包含 AI 原理、系统思维、上下文管理等核心方法，以及大量真实案例，适合所有希望用 AI 提升生产效率、打造自动化系统的学习者。

01原理篇 · AI 的能力与边界

AI 的本质

AI 是「类固醇版本的自动补全」，一个基于概率的猜测机器，而非魔法。它基于数万亿数据逐词生成、自我回输循环预测。

✅ AI 擅长

唯一正确、模式化任务：数学计算、研究、总结、搜索、数据整理、重复工作

⭕ AI 不擅长

主观创意、艺术创作、需要新鲜感或人类体验的内容

使用 AI 的 6 条基本原则

给出正确的上下文（不多不少）· 输入太少 AI 无法理解，过多则稀释输出
明确想要的输出 · AI 是自动补全，初始词决定走向
判断是否适合 · 用“数学⇄艺术滑杆”逐一拆解评分
认识到不具天然创造力 · 越多人用模板答案就越平庸，用优质上下文获取 Alpha 超额价值
人类必须参与循环 · 否则陷入“Slop oblivion 垃圾回环”
AI 缺少核心能动性 · 只是人类过往创造力的「稀释副本」

“AI 无法真正突破框架思考，因为它本身就是那个框架。”

02系统思维 · 构建价值

系统与三大杠杆

系统 = 输入 →（环境内）处理 → 输出 + 反馈循环

劳动力

Labor

副本

Copies

工具/机器

Tools & Machines

数字副本杠杆最值得关注：创建成本高，但分发边际成本趋近于零，因此带来指数级增长。

价值创造的四个步骤

零步（最难）：决定构建什么系统，解决什么问题
定义期望输出 — 清晰的目标是一切的基础
确定输入与处理过程 — 通常由多个小系统串联
建立反馈循环 — 持续用数据改进（如视频 CTR、观看时长）

核心结论

将大任务拆解为小任务，逐一评估 AI 在各环节的好坏，就是善用 AI 的秘方。价值在于“做对的事”，而非“把事做酷”。

“不要追求酷，要追求有用。”
Don't be cool. Be useful.

Chick-fil-A 案例

用 70 年做好一个输出——用全部杠杆形式（系统复制、代码软件、劳动力训练）生产优质鸡肉三明治，年收入 220 亿美元。

90% 创业失败

大多数科技初创企业失败，是因为优化了本不该存在的东西，而非能力不足。

03构建流程 · 四阶段框架

阶段零：系统不工作，需要手动探索
阶段一：系统工作，但依赖大量人工处理
阶段二：加入 AI 杠杆（劳动力替代、脚本、复制品）
阶段三：引入资金与规模扩张（如通过上市融资）

两个容易犯的错误

流程崇拜者

追求炫酷自动化流程，但产出平庸

产出导向者

流程枯燥但结果惊艳，市场奖赏后者

“每位工程师都用 95% 的时间问‘怎么做’，只有 5% 问‘该做什么’；这应当反过来。” ——动手前先想清楚：构建什么、为什么

04上下文与 CLAUDE.md

两种上下文输入方式

Context Clues 详细描述情境，让 AI 明确需求

Instructions 清晰的行为指令（如“Skills”基于文本指令和文件）

CLAUDE.md 是什么

全大写的 Markdown 文件，作为项目启动时自动加载的「启动提示」。类比电影《初恋 50 次》中帮助女主恢复记忆的录像带，它提供项目级宏观背景而非长期记忆。

创建原则

保持简洁（整个应用说明 1 页内），涵盖“到哪里找资料”、“工作偏好”与“宏观目标”，定期修剪确保每条都被使用。

上下文文件夹三级组织法

Level 1：按内容命名文件
Level 2：将文件归类到文件夹
Level 3：系统归档 + 标注输出目标 + 使用指引

掌握第三级 = 超过 99% 的用户

“目标是最简洁的输入，换取最精准的输出。不要教 AI 如何做日常工作，只需告诉它当前位置与背景。”

05执行方法论 · 测试与分工

三大构建目标之一：Crash Dummy Cloud

构建大量功能后，在全新云实例中以普通用户身份测试，模拟真实环境避免污染开发库。

保持主上下文干净

将研究类任务交给 Research Agent（如查文档、总结、整理）
上下文使用达到 50%–75% 时开启新对话，用 Handoff（交接文档）延续进度
日志系统（journal logs）是跨会话延续记忆的关键

关键原则

“如果你不能用 1 个 Claude 赚到钱，用 5 个 Claude 同样赚不到钱”——先在简单中求成，再逐步扩展。不以观感论英雄，以输出质量评估。

06实战案例 · YouTube 研究自动化

Level 1 → Level 2 演变

Level 1

快速搭建于 Claude 云端
输出竞争对手列表、关键词数据、标题建议
依赖 vidIQ 插件获取数据
局限：无法直接编辑输出，迭代耗 Token

Level 2

引入 Obsidian 可视化编辑
可查看、修改所有 MD 文件
节省 usage，便于反复迭代到理想结果
在正式构建前先做自己的预研

自动化带来的提升

4-8小时

→ 缩短至几分钟

20+

直接竞争对手视频

研究质量更高，输出包含标题建议、缩略图构思、关键词分组及表现异常值标注。

“只要构建就行，先获得有点价值的东西，不完美也可以。然后你就可以进入下一阶段。”

07推向市场 · 三级进化路径

从自动化到应用

一级：本地文件夹 + Claude 测试迭代
二级：获得稳定输出后打包为插件，分发给测试者验证
三级：真实用户高频使用后，开发为完整应用

Signal 应用案例

作者的第一个付费订阅应用。包含计费、设置、笔记、章节跳转、倍速、摘要、频道推荐等功能。

每个页面有独立文件夹与设计系统，由 Claude 设计 HTML 稿，再由开发者 Caden 落地实现。

客户定制：蓝图纸估算

面向定制房屋建筑商，上传蓝图纸后自动完成材料取量（takeoff）和估算（estimate）。

流程：先在 Obsidian 中定义变量与公式 → 让 Claude 读取并汇总 → 转成插件测试 → 最终做成带 UI 的 artifact，客户可直接改参数。

“差异化优势是你自己。你就是 Alpha，Claude 只是执行者。”
它不是技术能力，而是判断力、清晰思考和不断迭代简化。

课程金句回顾

“ AI 的真正杠杆，是平均推理的创造性应用 ”

“ AI 会接管一切黑白分明的事，让我们专注于全彩色的创造 ”

“ 市场只在乎产出，不在于你的流程 ”

“ 唯一真正的失败，是没有开始 ”

AI 自动化从原理到实战