与「系统资讯」相关的搜索结果

#系统资讯# 苹果将在明年放弃支持加密的 HFS+ 文件系统 (Mac OS Extended)，现提前发布公告建议用户迁移数据更换文件系统。 目前苹果默认采用的是 #APFS# 文件系统，HFS+ 正在被逐渐淘汰，从 macOS 28 开始，加密的 HFS+ 硬盘将无法读取，苹果建议用户迁移数据然后将硬盘格式化为 APFS 再迁回数据并加密。 查看全文：

爱炒股的朋友，这玩意儿真心劝你装一个，GitHub 上的星标都快冲到 7 万了。 这是一套拿 AI 大模型搭起来的自选股分析系统，A 股、港股、美股通吃，日股、韩股、台股也一并覆盖。 它每天自己跑一轮，把决策看板直接推送到你的飞书、Telegram 或者邮箱里。 它到底能替你干哪些活👇 → 把市场走向给你捋清楚 → 把重要资讯归拢到位 → 盯住个股的一举一动 → 投资分析报告自动出稿 MIT 协议开源，靠 GitHub Actions 定时触发，服务器租金一分不用自己掏。 项目地址：

一个 MIT 工科生，每个月花 100 美元订阅 Claude，最后竟然把它用进了 Polymarket 交易系统。 故事的起点很现实：他和女朋友想搬到一起住，需要准备 1.5 万美元，但现有收入还不够。 一开始，他只是把市场图表发给 Claude，让它分析行情、讨论策略。Claude 给出的答案不错，可分析得再好，也不能直接变成账户里的钱。 后来，室友给了他一个建议： 买台 Mac Mini，让机器人在后台自动运行，自己睡觉时也能持续交易。 于是，他花 599 美元买了一台基础款 Mac Mini，在上面部署了 Polymarket 交易机器人。 据原帖披露，这套系统累计下注 32,515 次，胜率达到 99.3%，总利润约 96.3 万美元。 它的思路也很特别：不依赖新闻和社交媒体热点，而是通过数学模型，计算市场价格从一种状态转向另一种状态的概率，再据此寻找交易机会。 换句话说，它不是让 AI 替自己刷资讯、猜消息，而是把重点放在概率计算和自动执行上。 原帖还称，三个月后，他和女朋友终于搬到了一起。 当然，99.3% 的胜率和 96.3 万美元的利润都需要完整交易记录验证。尤其是如此高的胜率，更要看单笔收益、亏损规模和结算记录，不能只看一条漂亮的收益曲线。 但这个故事提出了一个值得关注的方向：AI 的价值未必是替人预测每一次涨跌，而是帮助一个人把数学模型、交易逻辑和自动化执行连接起来。 从每月 100 美元的 Claude 订阅，到一台 Mac Mini，再到一套自动交易系统，这才是故事里真正值得研究的部分。

斯坦福居然把一门 Vibe Coding 课程免费公开了！ 课程名叫 CS146S: The Modern Software Developer。 课件、作业和学习资料全部对外开放，不用是斯坦福学生，也能跟着学。 📚 斯坦福课程官网： 🎬 YouTube 学习视频（第三方讲解）： 我看了一下课程内容，发现它教的远不止怎么用 AI 写代码，而是怎么让一个人借助 AI，独立完成一个软件项目。 主要有 5 个部分：👇 1️⃣ 学会真正使用 AI 从 Prompt、AI IDE 到 Terminal，系统学习怎么跟 AI 协作开发。 很多人现在用 AI 写代码，还是复制需求、等它输出、报错了再把错误贴回去。 这门课就是帮你摆脱这种纯靠碰运气的开发方式。 2️⃣ MCP：让 AI 真正连接外部世界 AI 的未来肯定离不开 Agent。 但 Agent 不能只会在聊天框里回答问题，还得能读取文件、调用工具、访问数据库、执行任务。 MCP 就是其中很重要的一环。 学会之后，你可以让 AI 直接参与自己的项目，而不是做出第 10086 个聊天机器人。 3️⃣ 部署、监控和 UI 这是我觉得特别值得学的一部分。 以前一个人做产品，前端、后端、设计、部署、运维，哪个环节都能把你卡住。 现在借助 AI，一个人也有机会把这些事情串起来。 重点不再是写出几百行代码，而是能不能把产品真正交付给别人使用。 4️⃣ Best Practices AI 能生成代码，不代表生成的代码就能直接上线。 怎么测试？怎么排查 Bug？怎么管理上下文？怎么避免 AI 越改越乱？ 这些才是从 Vibe Coding 走向真正软件开发必须补上的东西。 5️⃣ Skills：给 AI 装上专业能力 我觉得 Skills 是 Agent 发展中特别值得关注的方向。 以前你需要反复告诉 AI 怎么做事，现在可以把工作流程、工具和规则封装成 Skill，让它重复执行。 写报告、处理 Excel、制作 PPT、设计网页，都可以逐步变成可复用的能力。 当然，装了 Skill 不代表 AI 就成了专家，最终结果还是得验证。 最后，说个可以直接照着做的实操，别光收藏课件，自己用 Cursor 做个 AI 资讯看板。 先搭 UI，再通过 MCP 接入 3 个 RSS 新闻源，最后做个 Skill，自动去重、分类和生成摘要。 部署到 Vercel 后，拿 20 条真实新闻测试，故意混入重复链接和失效地址。 这一套做下来，Prompt、MCP、Agent、Skills、UI、部署和测试就全串起来了，比看十遍教程有用多了。 想真正学会用 AI 做产品的，可以直接开干了！！！

墙内外的赚钱信息差！！！！ 第六期： 1、我堂弟在国外yahoo、mercari、poshmark等二手平台，买大牌饰品，因为重量轻、体积小，运到国内花2000，但挂到咸鱼，由于品牌溢价，能卖5000左右！！一单利润3000。干了半年提宝马五系！ 2、小红书上有个账号，专门把reuters、bloomberg、wried这些国外的热门期刊和资讯，翻译成中文，转手拿到小红书上卖98，三个月卖了两万多份！ 3、国内的"数字人直播"教程，本质上是把国外的HeyGen、D-ID等工具的官方文档和案例，改成中文实操版。然后去找想做短视频的老板卖数字人教程，定价2988，无本万利！ 4、有人每天蹲守X和Reddit上的热门创业话题，把干货帖子整理成“冷门搞钱思路”，发到知识星球收费，订阅者大几百。 5、国内很多AI绘画教程账号，其实就是把国外的Midjourney提示词案例库翻译搬运过来，配上中文操作截图，一份卖99，三个月卖不到一万单来找我！ 6、Dan Koe的Newsletter、X长文、YouTube脚本，有人系统整理成“个人品牌方法论"知识库，包装成付费社群卖给想做IP的人。 7、小红书上的“AI写作技巧“博主，很多是从国外AI工具社区（如ChatGPT Prompt Engineering） 扒来的提示词，包装成自己的课程。 墙内外的信息差真的太多了！！！ 你只需要做个中介，把某个平台的内容，包装一下，发到其他平台，就能赚盆满钵满！！！！

为什么越来越多人愿意“自己搓一个工具”？Vibe Coding正在发生什么变化？ 微博VibeLab AI 创意赛收官了，一共有 2500 多件原创作品，2.4 亿多话题阅读。很荣幸这次是评委一员，有机会翻看了不少优秀的参赛作品，也转发了其中一部分。 一个直观的感受就是软件开发这种事情，不再需要专业人士了，普通人也能 Vibe 一个工具出来。 所以借这个机会，整理总结一下：为什么越来越多人愿意“自己搓一个工具”？Vibe Coding正在发生什么变化？ 一、写代码这件事，门槛和成本都降下来了 写代码以前是程序员的专利，想写个工具，别说学语言框架，搭个环境都费劲的要死，随便一个环境都能把你卡住，像我这样写程序得有很多年的，换个不熟悉的语言，一样也搞不定。 现在借助 AI Agent，门槛一降再降，现在你只要有一个 Agent，会打字或者会语音，都能指挥 Agent 帮你写一个 App 出来。写代码这件事，从以前需要专业技能，到现在变成了语言表达能力。 我自己身上都有明显变化，从以前对 Vibe Coding 的嗤之以鼻，到现在“真香”，每天都大量的在指挥 Agent 帮我写代码。 二、以前的软件，满足不了长尾需求 长尾理论说的是，需求分布是一条长长的尾巴：头部是大多数人共有的需求，尾巴上是无数小众的、个性化的需求。传统软件只能做头部，因为为少量用户单独开发功能，成本上是不合算的。 而且，就算你有个好想法，也很难传递到开发者那里。想象一下一个普通用户的需求要经过的链条： 用户反馈 → 产品经理收集筛选 → 转化成需求文档 → 设计师出设计稿 → 程序员做系统设计 → 编码 → 测试 → 运维部署 每一环都在过滤、都在排优先级。最终大部分普通用户的需求，都被筛选掉了，软件最终只能取最大公约数，做绝大部分人都需要的那部分。 结果就是，市面上的软件很多，但每个人都有一堆“要是能这样就好了”的小需求，从来没有被满足过。 这次 VibeLab 里我印象很深的一个作品是 @机器旁白 做的 SiaoCut 。起因是他看到我做的 BaoCut，很喜欢“转写、像改文稿一样编辑、AI 处理、人工审阅、导出”串成一条工作流的思路，但 BaoCut 只支持 macOS，他是 Windows 用户。放在以前，他只能等我哪天有空做个 Windows 版，或者就此作罢。现在他自己和 AI 一起做了一个，而且不是简单复刻，还在这个过程中想清楚了自己关心的问题：AI 进入剪辑流程后，应该拿到多少数据，能替创作者决定到哪一步。 这就是长尾需求被满足的样子：不需要等别人来做，有需求的人自己就能把它做出来！ 三、Vibe Coding 让成本变低、链条变短 所以以前那种长长的从需求到交付的链条，现在可以缩成简单的几步： 有个想法，让 AI 去设计、制作、部署。 甚至于很多需求根本不需要做成一个有界面的产品。 比如你想每天自动整理某个表格里的待办，或者每周追踪最新的 AI 资讯，这些事让 AI Agent 帮你写个脚本，再让它自己定时调用就行了。 比如 @张铁蕾 开源的 Bridgic Agent 就是这样的作品：输入 /build，描述你的目标，它自己去探路、生成、验证，遇到需要你判断的地方再来问你。做出来的不是一次性跑完的任务，而是可以长期运行、随时修改的工作流。 还有一种更轻的做法：把你的操作流程、经验和偏好写成 Agent Skill，就像一份告诉 AI 怎么做某类事的说明文档，那么以后 Agent 就能按照 Skill 的说明帮你把很多繁琐的事情变成自动化半自动化的操作，大幅提升你的效率。 现在随着 Agent Computer Use（操作电脑）的能力增强，你甚至可以让 AI 观察你操作一遍，然后它自己能把它你的操作录制成 Skill。不需要界面、不用部署，但它确实能替你干活。 四、模型和智能体的能力，一直在变强 现在普通人也能 Vibe Coding，还有一个重要原因是模型能力在变强。 回头看这几年的变化： 最初，像 GitHub Copilot 只能做代码补全，你写一半它提示后半段； 然后，它能根据描述生成一段完整的代码； 后来， Claude Code 能自己在项目里探索，读文件、找上下文，把一个功能完整实现； 现在，主流 Agent 都已经能做设计、写代码，还能帮你操作电脑，打开浏览器自己验证做出来的东西对不对。 模型每上一个台阶，普通人做工具的难度就降一截。VibeLab 期间正好赶上 Kimi K3 发布，很快就有创作者拿它做体检报告工具、做斗地主游戏，还有人把 Claude Code、Qoder、GLM、Kimi K3 混着用。 由此也可以看得出越来越多的人已经不再把 AI 当聊天机器人了，能配合 Agent 把 AI 当干活的工具。 五、变化的还有“做工具”这件事本身的心态 看作品的时候我还注意到一点：很多作品不追求改变世界这种宏大的事，就是想先解决一个具体麻烦。比如说工作流太碎、长辈不听劝、拍照没人帮、看不懂热点，作品的起点都是这样一个一个具体的痛点。 最初微博在设定大赛规则的时候，把赛道拆进职场、生活、视觉、微博这些具体场景，现在看来还挺有道理的，因为这确实能激发人 Vibe 的冲动，想去用 AI 解决生活中的问题。 其实这次参赛的作品也不都是工具。@世界第一裹凉皮 把 32657 位诗人、933857 首诗做成了一个三维宇宙 ；@德里克文 的「华夏博物志」把全国博物馆收进一幅可以点开的中国画 ；@海辛Hyacinth 把三星堆&金沙文物变成了互动场景 。这些作品看起来似乎不像工具那么实用，但让我们看到 Vibe Coding 不只是提效，也可以服务于文化和审美。 以前想做这样的东西，需要一个团队，现在一个人，不需要会写程序，有自己的想法加上 AI 就可以试试看。 最后，如果你也想自己搓一个工具，我的一点建议： 从写一个 Agent Skill 开始。 这是成本最低的方式：不用部署，不用界面，把你希望 AI 帮你做的某类事情写清楚就行。做一次，发现哪里不对，改一改，很快就能用起来。 顺便推荐下我的书《图解 Skill》，也是不错的 Skill 入门书籍。 如果要做网页或者 App，不用一上来就让 AI 把整个东西做完。 建议分步走： 1. 先和 AI 一起讨论需求，把你想要什么说清楚，让它复述一遍，确认理解一致。 2. 先做原型。也就是用模拟数据，只看长什么样、怎么操作，不接真实逻辑。原型的好处是改起来成本低，修改容易，就算推翻重来都很快。 3. 再做 MVP（最小可行产品），只做一个最核心的功能，先做一个小的能跑的东西出来。 4. 再慢慢迭代，有了 MVP 了，能跑起来了，就可以慢慢迭代，一次加一个小功能，AI 能处理的过来，你也验收的过来，日积月累，慢慢会变成成熟的软件。 做完一定要验收。 从头到尾按一个真实用户的路径试一遍，AI 说做完验收完不一定靠谱，还得自己上手用用。 注意安全。 涉及钱、隐私、账号权限的东西要格外小心，拿不准的地方去找专业人士问一下。就像 SiaoCut 的作者给 AI 划定了边界：AI 只拿到任务所需的文本和时间戳，不碰原始媒体，处理完只生成待审建议，最终由人决定。这样的思路值得借鉴。 最后说一句，做出来之后，发出来。 这次 VibeLab 里不少作品原本只是作者电脑里的一个 Demo，发到微博之后被讨论、被转发，有的还上了热搜。对于自己动手做东西的人来说，“作品被看见”是最好激励，也是下一次迭代的开始。

为什么越来越多人愿意“自己搓一个工具”？Vibe Coding正在发生什么变化？ 微博VibeLab AI 创意赛收官了，一共有 2500 多件原创作品，2.4 亿多话题阅读。很荣幸这次是评委一员，有机会翻看了不少优秀的参赛作品，也转发了其中一部分。 一个直观的感受就是软件开发这种事情，不再需要专业人士了，普通人也能 Vibe 一个工具出来。 所以借这个机会，整理总结一下：为什么越来越多人愿意“自己搓一个工具”？Vibe Coding正在发生什么变化？ 一、写代码这件事，门槛和成本都降下来了 写代码以前是程序员的专利，想写个工具，别说学语言框架，搭个环境都费劲的要死，随便一个环境都能把你卡住，像我这样写程序得有很多年的，换个不熟悉的语言，一样也搞不定。 现在借助 AI Agent，门槛一降再降，现在你只要有一个 Agent，会打字或者会语音，都能指挥 Agent 帮你写一个 App 出来。写代码这件事，从以前需要专业技能，到现在变成了语言表达能力。 我自己身上都有明显变化，从以前对 Vibe Coding 的嗤之以鼻，到现在“真香”，每天都大量的在指挥 Agent 帮我写代码。 二、以前的软件，满足不了长尾需求 长尾理论说的是，需求分布是一条长长的尾巴：头部是大多数人共有的需求，尾巴上是无数小众的、个性化的需求。传统软件只能做头部，因为为少量用户单独开发功能，成本上是不合算的。 而且，就算你有个好想法，也很难传递到开发者那里。想象一下一个普通用户的需求要经过的链条： 用户反馈 → 产品经理收集筛选 → 转化成需求文档 → 设计师出设计稿 → 程序员做系统设计 → 编码 → 测试 → 运维部署 每一环都在过滤、都在排优先级。最终大部分普通用户的需求，都被筛选掉了，软件最终只能取最大公约数，做绝大部分人都需要的那部分。 结果就是，市面上的软件很多，但每个人都有一堆“要是能这样就好了”的小需求，从来没有被满足过。 这次 VibeLab 里我印象很深的一个作品是 @机器旁白 做的 SiaoCut 。起因是他看到我做的 BaoCut，很喜欢“转写、像改文稿一样编辑、AI 处理、人工审阅、导出”串成一条工作流的思路，但 BaoCut 只支持 macOS，他是 Windows 用户。放在以前，他只能等我哪天有空做个 Windows 版，或者就此作罢。现在他自己和 AI 一起做了一个，而且不是简单复刻，还在这个过程中想清楚了自己关心的问题：AI 进入剪辑流程后，应该拿到多少数据，能替创作者决定到哪一步。 这就是长尾需求被满足的样子：不需要等别人来做，有需求的人自己就能把它做出来！ 三、Vibe Coding 让成本变低、链条变短 所以以前那种长长的从需求到交付的链条，现在可以缩成简单的几步： 有个想法，让 AI 去设计、制作、部署。 甚至于很多需求根本不需要做成一个有界面的产品。 比如你想每天自动整理某个表格里的待办，或者每周追踪最新的 AI 资讯，这些事让 AI Agent 帮你写个脚本，再让它自己定时调用就行了。 比如 @张铁蕾 开源的 Bridgic Agent 就是这样的作品：输入 /build，描述你的目标，它自己去探路、生成、验证，遇到需要你判断的地方再来问你。做出来的不是一次性跑完的任务，而是可以长期运行、随时修改的工作流。 还有一种更轻的做法：把你的操作流程、经验和偏好写成 Agent Skill，就像一份告诉 AI 怎么做某类事的说明文档，那么以后 Agent 就能按照 Skill 的说明帮你把很多繁琐的事情变成自动化半自动化的操作，大幅提升你的效率。 现在随着 Agent Computer Use（操作电脑）的能力增强，你甚至可以让 AI 观察你操作一遍，然后它自己能把它你的操作录制成 Skill。不需要界面、不用部署，但它确实能替你干活。 四、模型和智能体的能力，一直在变强 现在普通人也能 Vibe Coding，还有一个重要原因是模型能力在变强。 回头看这几年的变化： 最初，像 GitHub Copilot 只能做代码补全，你写一半它提示后半段； 然后，它能根据描述生成一段完整的代码； 后来， Claude Code 能自己在项目里探索，读文件、找上下文，把一个功能完整实现； 现在，主流 Agent 都已经能做设计、写代码，还能帮你操作电脑，打开浏览器自己验证做出来的东西对不对。 模型每上一个台阶，普通人做工具的难度就降一截。VibeLab 期间正好赶上 Kimi K3 发布，很快就有创作者拿它做体检报告工具、做斗地主游戏，还有人把 Claude Code、Qoder、GLM、Kimi K3 混着用。 由此也可以看得出越来越多的人已经不再把 AI 当聊天机器人了，能配合 Agent 把 AI 当干活的工具。 五、变化的还有“做工具”这件事本身的心态 看作品的时候我还注意到一点：很多作品不追求改变世界这种宏大的事，就是想先解决一个具体麻烦。比如说工作流太碎、长辈不听劝、拍照没人帮、看不懂热点，作品的起点都是这样一个一个具体的痛点。 最初微博在设定大赛规则的时候，把赛道拆进职场、生活、视觉、微博这些具体场景，现在看来还挺有道理的，因为这确实能激发人 Vibe 的冲动，想去用 AI 解决生活中的问题。 其实这次参赛的作品也不都是工具。@世界第一裹凉皮 把 32657 位诗人、933857 首诗做成了一个三维宇宙 ；@德里克文 的「华夏博物志」把全国博物馆收进一幅可以点开的中国画 ；@海辛Hyacinth 把三星堆&金沙文物变成了互动场景 。这些作品看起来似乎不像工具那么实用，但让我们看到 Vibe Coding 不只是提效，也可以服务于文化和审美。 以前想做这样的东西，需要一个团队，现在一个人，不需要会写程序，有自己的想法加上 AI 就可以试试看。 最后，如果你也想自己搓一个工具，我的一点建议： 从写一个 Agent Skill 开始。 这是成本最低的方式：不用部署，不用界面，把你希望 AI 帮你做的某类事情写清楚就行。做一次，发现哪里不对，改一改，很快就能用起来。 顺便推荐下我的书《图解 Skill》，也是不错的 Skill 入门书籍。 如果要做网页或者 App，不用一上来就让 AI 把整个东西做完。 建议分步走： 1. 先和 AI 一起讨论需求，把你想要什么说清楚，让它复述一遍，确认理解一致。 2. 先做原型。也就是用模拟数据，只看长什么样、怎么操作，不接真实逻辑。原型的好处是改起来成本低，修改容易，就算推翻重来都很快。 3. 再做 MVP（最小可行产品），只做一个最核心的功能，先做一个小的能跑的东西出来。 4. 再慢慢迭代，有了 MVP 了，能跑起来了，就可以慢慢迭代，一次加一个小功能，AI 能处理的过来，你也验收的过来，日积月累，慢慢会变成成熟的软件。 做完一定要验收。 从头到尾按一个真实用户的路径试一遍，AI 说做完验收完不一定靠谱，还得自己上手用用。 注意安全。 涉及钱、隐私、账号权限的东西要格外小心，拿不准的地方去找专业人士问一下。就像 SiaoCut 的作者给 AI 划定了边界：AI 只拿到任务所需的文本和时间戳，不碰原始媒体，处理完只生成待审建议，最终由人决定。这样的思路值得借鉴。 最后说一句，做出来之后，发出来。 这次 VibeLab 里不少作品原本只是作者电脑里的一个 Demo，发到微博之后被讨论、被转发，有的还上了热搜。对于自己动手做东西的人来说，“作品被看见”是最好激励，也是下一次迭代的开始。

今天想和大家分享一下，我通过自媒体赚到 10 万块的过程。 去年，在几位朋友的鼓励下，我开始尝试通过自媒体接商单。 从今年开始，我才真正认真地做这件事。到 7 月底的时候，收入刚好超过了 10 万。 所以这期内容，我想把自己从开始接单，到最后完成结算的整个过程，完整地分享给大家。 商业合作的背后 先简单解释一下，博主为什么能够接到商业订单。 一条商单背后，通常有四个角色：品牌方、中介、博主和内容平台。 品牌方有产品需要推广，于是把推广需求交给中介。中介再去寻找合适的博主，博主根据要求产出内容，发布到平台，最后完成结算。 我目前大部分的收入，都来自小红书。 如果想在小红书接商单，第一步就是开通「蒲公英」。 以我当时开通时的规则为例，粉丝数量超过 1000 之后，就可以申请开通蒲公英，向平台和品牌方表示自己愿意接受商业合作。 开通之后，你的账号会进入可以合作的状态，接下来就可能会有中介来找你询单。 确认合作之前的准备 比如你会在小红书系统消息里面看到这样的消息，就是一次询单，可以直接添加联系方式。 为什么大部分时候，联系你的都是中介，而不是品牌方？ 因为品牌方很少直接联系普通博主。 除非你是头部博主，或者你的账号有非常独特的优势，品牌方觉得你特别适合这个项目，才有可能直接安排公司内部的员工和你对接。 更多时候，品牌方会把推广需求统一交给不同的中介或者媒介公司。 中介收到需求之后，再根据品牌预算、账号类型和内容方向，寻找合适的博主。 在这个过程中，大家经常会听到一个词，叫做「返点」。 简单来说，就是中介从博主的订单报价里收取一定比例的返佣。 比如一个博主的视频报价是 1 万块钱。 按照我接触到的情况，中介要求的返点比例通常在 30% 到 45% 之间。 也就是说，这个博主虽然接到了一笔 1 万块钱的订单，但需要返给中介 3000 到 4500 元，自己最后到手大概是 5500 到 7000 元。 中介的日常工作就是收集一大堆意向博主，然后根据返点和利润来确定哪些博主进行合作。 除了返点，接商单的时候还会遇到几个常见的术语： 返点，就是中介要求的返佣比例。 水上，指的是通过平台报备并完成合作。 水下，指的是不通过平台报备。 档期，就是这条内容计划发布的时间。 我觉得接商单最难的，其实是开头。 当你还没有合作案例的时候，很少会有品牌或者中介主动来找你，你自己也不知道应该去哪里接单。 但是，只要完成了前几次合作，逐渐有了一些案例，后面就会有越来越多的中介来找你询单。 万事开头难，后面就会好很多。 商单制作过程 当双方确认合作之后，中介会给你发一份 brief。 这份 brief 里面会写清楚具体的创作要求，比如需要介绍什么产品、突出哪些功能、带哪些话题，以及有哪些内容不能说。 我目前接到的商单，大部分都和 AI 有关。 比如大模型更新、Agent 产品实测，以及一些 AI 行业资讯类的内容。 拿到 brief 之后，就进入了整个流程里最花时间的一步：内容创作。 如果同时要处理多条商单，只靠自己从头写到尾，时间压力会非常大，所以到了这一步，我基本都会用 AI 工具来辅助创作。 我一般会先把 brief 丢给 Codex，让它帮我梳理里面的重点，包括必须出现的信息、需要避免的表述，以及品牌方真正想传达的内容。 把这些要求梳理清楚之后，我会继续和它一起头脑风暴，确定选题、内容角度和基本大纲。 大纲确认之后，下一步就是提交脚本。 这里说的脚本，其实就是把你的创作思路写清楚。 不管最后做的是视频还是图文，只要按照这份脚本去执行，基本就能得到最终的内容。 脚本经过中介和品牌方审核，确认没有问题之后，就会进入正式执行阶段。 如果是视频，就开始拍摄；如果是产品体验类内容，就先实际使用产品，把体验过程记录下来。 最后再把这些素材整理成视频或者图文稿，提交给中介和品牌方进行成稿审核。 审核通过之后，就可以正式发布了。 如果是水上合作，发布的时候需要关联对应的蒲公英订单。 如果是水下合作，就按照双方约定的方式直接发布。 内容发布并满足相关要求之后，再等待一段时间，就会进入最后的结算环节。 总结 以上大概就是一条商单从接洽到结算的完整过程。 回头来看，整个过程中最花时间的，依然是内容创作。 作为创作者，真正值得花时间的地方，还是选题、封面和内容本身。 只要这几个部分做得足够好，账号有清晰的方向，也有稳定的内容质量，商单其实不会特别缺。 当然，这件事我自己也还在慢慢摸索。我现在依然觉得自己的内容做得不够好，还有很多地方可以继续提升。 但以后只要有新的心得、踩过新的坑，或者总结出更高效的方法，我也会第一时间分享给大家。 OK，我是海明，下次再给大家分享。

想要玩美股的兄弟强烈建议去安装一下，github高达4w收藏。 基于 AI 大模型的 A股/港股/美股自选股智能分析系统，每日自动分析并推送决策仪表盘 📊 分析市场走势 📰 整理重要资讯 📈 跟踪个股表现 🤖 自动生成投资分析报告

Vibe-Research · 个人 AI 投研系统（A股/美股/港股） 把行情、研报、估值、财务、公告、资金面、资讯等数据集成到一个看板里，让个人投资者用自己的 AI 模型进行 A 股、美股、港股的研究分析，不必依赖荐股信息或封闭投研平台。