体验了一下支付宝的MCP，之前还想说做了智能体如何变现，封装成一个SaaS，现在这个路径一下子缩短了很多。

AI剪辑，对于新手来说，智能包装这个功能感觉是杠杆最高的。

目前几个软件下来，感觉还是「度加」的智能包装质感最好，剪映简直是乱七八糟。

有道文档FM做播客，真心不错，特别是台湾妹子的那个语气感，我自己都听不出是AI。

修改提示词是智能体开发中最耗时的过程？其实让AI自我迭代才是终极解法。

最近发现个惊人规律：与其自己绞尽脑汁优化提示词，不如让AI自己打败自己。

传统做法就像个死循环 - 我写提示词→AI生成→不满意→再改提示词。直到某次调试文风改写时，AI输出的文字始终带着刻板感。

当我试着反问：'这个版本在【职场沟通场景】下还是太正式，比如【建议采用】这种措辞容易产生距离感，如果改成xxx会不会更好？'

结果AI不仅修正了指定部分，连带调整了整个段落的语气结构。

这招简直打开了新世界的大门。现在我的标准流程变成：
1. 首轮生成后直接开给AI举例反馈，比如：'第3段案例部分缺乏场景代入感'，提示词怎么改？
2. 激发自省：'如果是xx总监，这个提示词要做到120分，还可以怎么优化？'

惊人发现：AI的自我修正能力远超预期。

关键技巧在于当'教练'而非'编辑' - 不要自己动手改，而是指出问题方向，让AI主动迭代。

这种'引导式优化'不仅省力，往往还能收获意料之外的创新解决方案。

剪映AI的迭代真的很快，原本剪辑的时候，识别字幕的时候，一些特别的名称总是需要放到智能体再检查一遍错别字和特殊词汇，现在剪映直接在应用端加入了这个功能。

连错别字都不用检查了。

用智浦清言写长文，感觉agent在任务分解过度依赖知乎，但是知乎现在很多的文章都是AI写出来的。然后AI去参考AI的内容，陷入了一个死的闭环。

我觉得agent应该要加入一个步骤：判断非AI类型内容。

把自己工作流变成1个1个的智能体，如何选择智能体类型才能最大化工作效率？

这是很多的核心困惑。根据实战经验，我总结出这样的判断标准：
1、应用型智能体适合 "输入即结果" 的场景。比如：
- 作业批改系统：学生上传作文 → AI 直接输出评分 + 批改建议
- 账号命名工具：输入定位关键词 → 生成 10 个候选名称
这类场景就像自动售货机，用户要的是即插即用的解决方案

2、对话型智能体则更适合 "共创式进化" 的任务。比如：
- 朋友圈文案生成：从零散灵感→初稿→优化语气→添加 emoji 的完整共创过程
- 文章改写服务：先改结构→再调措辞→最后润色风格的迭代优化

这类场景更像与设计师合作，需要反复沟通确认设计细节
关键在于判断核心需求是 "即时获得结果" 还是 "共同塑造成果"。

前者选应用型提高效率，后者用对话型保证灵活度。

我的实战经验是：先明确工作流中的交互节点，超过 3 次必要反馈的流程，对话型往往更能保证最终质量。

做答疑课的时候，看到一个问题，下意识的就会想这个直接问AI，肯定可以有更好更全的回答。

我到底是应该直接回答这个问题（毕竟学员付费了，直接回答肯定体验更好）？

还是告诉同学你应该用AI去提问（我觉得毕竟这是一个AI课，思维训练比告诉你结果更重要，但是同学的体验可能没那么好，毕竟我没有直接给答案）。

后面想想，这本就不是一个AB选择问题。最好的做法是：
1、告诉你我的答案和思考。
2、同时告诉我，这个问题如果是我，我会怎么问AI。

Base 上海，AI产品找内容运营，帮扩。

第二场直播大课结束，有几个心得。

用AI做账号定位，输入端的信息足够，输出端才能给足够准确的定位。

比如输入的个人信息要细，还要结构化，比如姓名，花名，性格，爱好，MBTI，盖洛普优势，高光时刻，低谷时刻，职业，教育，背书……

比如提示词的本身要素的要求要全，6个东西至少要覆盖。

1、领域，科技/美妆/娱乐/电影等大类目。
2、内容类型，领域下的细分科目，比如：干货、娱乐还是资讯。
3、风格，比如段子手的幽默，专家的专业，还是平等的朋友口吻。
4、平台定位，就是主平台，推荐选自己最熟悉喜欢的平台。
5、变现定位，带货、广告还是知识付费/咨询等。
6、身份标签，包括职业、身份、价值观。

输入信息足够详细，提示词步骤和要求符合最佳实践，最后才会有懂你的方案。