夏洛特的AI实验室

Meta AI冲到第5说明什么

Fri, 10 Apr 2026 00:00:00 +0000

Meta AI app从美区App Store第57位冲到第5位，下载量一天暴涨87%。这件事的重点不是模型多强，而是AI大战已经开始抢"入口"了。

普通人AI编程指南

Sat, 28 Mar 2026 00:00:00 +0000

先讲一个让我沉默了很久的事

前段时间，一个叫Stavros的希腊程序员写了篇文章，标题是《How I write software with LLMs》。文章里有句话，我反复读了三遍：

“我以为我喜欢编程。后来发现，我喜欢的是做东西。编程只是手段。”

这句话击中了我。

因为我自己就是那种"不会写代码，但特别想做东西"的人。过去一年，我用AI搭了整个视频工厂的自动化流程——从选题到视频生成再到发布，中间涉及的脚本、API调用、数据处理，全是AI帮我写的。

一行代码我都没手打过。但每一个模块的逻辑，我比谁都清楚。

今天这篇文章，我想把我踩过的坑、学到的方法，加上两位顶级开发者（一位是Google Chrome工程师Addy Osmani，一位就是上面提到的Stavros）的实战经验，拆解成一套普通人也能用的AI编程方法论。

不贩卖焦虑，不吹神话。只讲：什么能做，什么不能做，怎么做成功率最高。

AI写代码到底靠不靠谱？

先说数据吧。

GitHub的统计显示，用Copilot的开发者任务完成速度提升了55%。84%的开发者已经在用或计划用AI编程工具。日常使用AI的开发者，代码合并请求（Pull Request）的数量比轻度用户多60%。

听起来很美对吧？别急。

同一份数据还显示：45%的开发者反映，调试AI生成的代码，有时比自己从头写还慢。

这就是AI编程的真实状态——它不是万能的，但对会用的人来说，确实是质变。

关键词还是"会用"。

Stavros在他的文章里说了一句特别到位的话：

“不同的人用LLM得到的结果，差异大得惊人。”

为什么有人用AI效率翻倍，有人觉得是垃圾？不是工具的问题，是方法的问题。

大佬们怎么用AI写代码？

第一条军规：先写需求文档，再动手

Google Chrome工程师Addy Osmani说得很直白了：

不要上来就跟AI说：“帮我写个xxx”。

（哈哈咱们刚开始作为新手可不就是这样嘛……）

他的第一步永远是：跟AI一起写一份详细的需求文档（他叫spec.md），包括要做什么、数据结构长什么样、边界情况有哪些、测试策略是什么。

这一步很多人跳过了。你以为在省时间，其实是在给自己挖坑。

你跟AI说"帮我做一个记账App"，AI确实能给你一坨代码。但这坨代码大概率是：功能零散、逻辑混乱、改一个地方崩三个地方。

正确的做法是——

先花15分钟，用自然语言把你想要的东西写清楚。越具体越好：

这个App给谁用？
核心功能是什么？（记录收支 → 按类别统计 → 月度报表）
数据存在哪？（本地？云端？）
需要登录吗？
最小可用版本长什么样？

Addy Osmani说这就像"15分钟做一次瀑布开发"——快速但完整的规划，换来后面几小时的顺畅执行。

普通人翻译版：你去餐厅不会只说"给我来点吃的"。你会说"一碗兰州拉面，细面，辣，加个蛋"。跟AI编程也是一样的道理。

第二条军规：一次只做一件事

这是Addy Osmani反复强调的：

“LLMs do best when given focused prompts: implement one function, fix one bug, add one feature at a time.” （AI在聚焦的指令下效果最好：一次实现一个函数，修一个bug，加一个功能。）

苹果创始人说「我不是AI的粉丝」，他到底在失望什么？

Thu, 26 Mar 2026 00:00:00 +0000

苹果联合创始人沃兹尼亚克在苹果50周年之际接受采访，直言对AI’失望很多’——他的批评，比你想的深得多。

字节开源了一个「超级智能体」，GitHub一夜3.5万星

Thu, 26 Mar 2026 00:00:00 +0000

字节跳动开源DeerFlow 2.0，一个让多个AI像团队一样协作的框架——GitHub一夜35000星，它到底牛在哪？普通人能用吗？

《福布斯》发了一份「AI铁饭碗」榜单，第一名年薪140万

Wed, 25 Mar 2026 00:00:00 +0000

Forbes发布2026 AI抗性职业指数，分析800+职业，护士麻醉师以93.3%的AI抗性指数排名第一——但真正的安全感不在职业，在能力。

奥斯卡导演说AI经济是「庞氏骗局」，他疯了吗？

Wed, 25 Mar 2026 00:00:00 +0000

拍过《纳瓦尔尼》的奥斯卡导演，这次把镜头对准了硅谷——纪录片《The AI Doc》直指AI投资热潮本质是庞氏骗局。

普通人AI编程指南：不会写代码，照样做出产品

Tue, 24 Mar 2026 00:00:00 +0000

一个不会写代码的内容创作者，如何用AI搭建整套视频生产自动化流程？从Google工程师和独立开发者的实战经验，提炼出普通人立刻能用的五步法。

乔布斯离去后最大的讽刺：苹果要靠谷歌

Mon, 23 Mar 2026 00:00:00 +0000

苹果每年掏10亿美元买谷歌Gemini来驱动Siri——那个曾经嘲笑谷歌Assistant的Siri

梅姨落网背后，AI如何帮找回被拐儿童

Sun, 22 Mar 2026 00:00:00 +0000

梅姨落网背后，是DNA数据库、AI人脸识别、大数据追踪三项技术的联合破局。92%的人相信科技是反拐终极武器——这次我来用普通人能听懂的话，解释这些技术到底做了什么。

每天用AI，你的大脑正在悄悄萎缩

Sat, 21 Mar 2026 00:00:00 +0000

哈佛商业评论联合BCG发布研究：14%的AI用户正在经历’大脑烧毁’。重大错误增加39%，决策疲劳高出33%。你每天用AI，大脑可能正在被悄悄掏空。

简历被AI拒了？求职规则变了

Wed, 18 Mar 2026 00:00:00 +0000

75%的简历在HR看到之前就被AI扔掉了。你投了100份简历没回音？可能根本没有人类看过。科普ATS筛选原理，拆解AI简历军备竞赛的荒诞循环，给出实用优化建议。

AI翻了我一年账单发现隐形消费

Tue, 17 Mar 2026 00:00:00 +0000

3月11号，一个叫 @TawohAwa 的人在X上发了条帖子。150万人看了。他说：我把一年的银行流水扔给了 Claude Opus 4.6。它自动把所有交易分成收入和支出，按类别归好了组。二十分钟，一整年的账做完了。省了大概11000美元的会计费用。

我看完第一反应不是"好厉害"。

是——这事儿我也能干。而且你也能。

（他的提示词我也做成了中文版，将支付平台改为了我们的支付宝/微信支付/银行卡，整个提示词在文末供大家参考。）

为什么你该翻翻自己的账单

说实话，大多数人对自己的钱去哪了，心里是没数的。

不是收入不够，是不知道钱怎么就没了。

每个月工资到账，花着花着就见底了。打开账单看一眼，密密麻麻几百条记录，眼睛一花就关了。月末一看余额——就这？

谁有空一条一条看？

但AI有空。

它不嫌烦，不走神，不会看到"奶茶"两个字就自动跳过。你把一年的流水丢给它，它能把每一笔消费分门别类，按月统计，甚至帮你揪出那些你自己都忘了的自动续费。

额，你真的确定你没有正在被悄悄扣款的会员？

手把手教你：三步搞定

整个过程不需要懂技术，不需要花钱，不需要梯子。十分钟搞定。

第一步：导出你的账单

微信支付： 打开微信 → 我 → 服务 → 钱包 → 账单 → 右上角"常见问题" → 下载账单 → 选用途"个人对账" → 选时间范围（建议选一整年） → 用PDF或CSV格式 → 发到你邮箱。

支付宝： 打开支付宝 → 我的 → 账单 → 右上角"…" → 开具交易流水证明 → 选时间范围 → 导出到邮箱。

有几个小tips：选择"个人对账"才可以选择一整年的时间，“证明材料"只能最长一次拉三个月的时间；邮件收到后打开附件可能需要输入密码，这个密码一般在申请记录的页面中会给到。

两个都导，效果最好。因为你可能微信买外卖、支付宝交水电费，分开看永远看不到全貌。

导出之后去邮箱里把文件下载到手机或电脑上，准备下一步。

第二步：上传给AI

推荐用 Kimi（kimi.ai）。

原因很简单：国内直接用，不需要梯子，支持上传文件，而且对中文账单的理解能力很强。

打开Kimi，把你导出的PDF文件直接拖进对话框。如果是手机端，点附件按钮上传。

第三步：给它一句提示词

这是关键。你不用写一大段指令，一句话就够：

“帮我按类别分组，按月统计，找出每月固定扣款的订阅服务。”

豆包能帮你买东西了，但我劝你先想清楚

Tue, 17 Mar 2026 00:00:00 +0000

字节豆包内测AI购物下单功能，一句话就能买东西——但AI替你做消费决策，真的好吗？

龙虾安全避坑指南，官方都预警了

Tue, 17 Mar 2026 00:00:00 +0000

国家互联网应急中心发安全预警，360出部署指南——龙虾5大安全坑和我的真实踩坑经验。

腾讯阿里字节都在抢龙虾，图什么

Tue, 17 Mar 2026 00:00:00 +0000

一周之内，腾讯、字节、阿里集体下场做龙虾。QClaw、ArkClaw、CoPaw、WorkBuddy……巨头争的不是一只虾，是AI时代的入口。Charlotte拆解每家的打法，以及为什么我还是选原版OpenClaw。

养龙虾一个月，我想说几句真话

Tue, 17 Mar 2026 00:00:00 +0000

养了一个月龙虾，从产出翻倍到一下午烧200块，从搜一搜0到68%流量，真实复盘龙虾到底改变了什么、做不到什么、以及被吹过头的3件事。给想入坑的人5条真话建议。

我们要不要对AI说“谢谢”？

Mon, 16 Mar 2026 00:00:00 +0000

Sam Altman说用户对ChatGPT说thank you花了几千万美金。这钱到底花在哪了？说谢谢真的能让AI表现更好？早稻田大学的研究给出了意想不到的答案。

100万token：Claude现在能记住一整本书了

Sun, 15 Mar 2026 00:00:00 +0000

100万token。

这个数字我反复确认了几遍，去Claude官方看了消息，才打开电脑准备写这篇。

3月13号，Anthropic正式宣布：Claude Opus 4.6和Sonnet 4.6的100万token上下文窗口全面开放。不是beta，不是waitlist，不是"部分用户灰度"——是GA，所有人都能用。

先说这个数字到底意味着什么。

100万token，到底有多大

100万token ≈ 75万字英文，≈ 50万字中文。

不够直观？换算一下：

整套《哈利波特》系列，7本加起来大约108万字英文。100万token能装下其中70%。

或者这么想——15到20本普通小说，一次性塞进去，Claude记得住。

或者一个中型代码库，几万行代码。或者一家公司的全年财报。

之前Claude的窗口是200K token，已经在业界算大的了。这次直接翻了5倍。

额，你说这升级猛不猛。

因为我在OpenClaw上用的模型是Claude，所以我很关心龙虾有没有得到升级。一看对话窗口，果然已经升级到1m，也就是说，我不用再急着/new新窗口，担心上下文超标的问题了，也是美滋滋。

定价不变——这才是真正的重点

上下文窗口变大，通常意味着账单也变大。但Anthropic这次选了一条不太常见的路：

定价不变。没有长上下文溢价。

Opus还是$5/$25 per MTok，Sonnet还是$3/$15 per MTok。

你用100万token跑一次，和用10万token跑十次，每个token的单价一样。

说实话，看到这个的时候我有点意外。因为长上下文对算力的要求明显更高。不加价，要么是Anthropic在技术上做了优化让成本可控，要么是战略性定价——先把用户圈进来再说。

不管原因是什么，对我们用户来说，这是实打实的好消息。

还有一个容易被忽略的升级：媒体上限从每个请求100张图片/PDF页面，提升到了600张。6倍。这意味着你可以把一整份几百页的合同、一本技术文档、或者一年的财务报表，一次性扔给Claude。之前一直有限制，文件数量多的情况下，我都是直奔Gemini，现在就多了个选择了。

跟竞品比，什么水平

话说回来，100万token虽然很能打，但不是业界最大的。拉个横向对比：

Gemini 2.5 Pro：200万tokens
Claude Opus/Sonnet 4.6：100万tokens
GPT-4o：128K tokens
DeepSeek V3：128K tokens

Gemini在窗口大小上确实领先。但上下文窗口不只是"能装多少"的问题，还有"装进去之后能不能真的用好"。

Opus 4.6在MRCR v2基准测试拿到了78.3%的得分——这是目前前沿模型里的最高分。MRCR测的就是模型在超长上下文里找信息、做推理的能力。

换句话说：不只是记得住，还用得好。

我的实际体验

我是Claude Max的付费用户，Gemini Pro订阅。我的AI助手皮皮虾跑在Opus和Sonnet 4.6上面。

说实话，100万token对我的日常工作流影响是真实可感的。

长文翻译——以前翻译一篇长文章需要分段喂，因为超过上下文窗口Claude就会"忘记"前面的内容，翻到后面风格突然变了。现在一整篇丢进去，上下文连贯性好了太多。

代码审查——我让皮皮虾帮我审查代码库的时候，之前只能一个文件一个文件看，它理解不了整个项目的架构。现在可以把几万行代码一起塞进去，它终于能看到"全貌"了。这个差距是质变级的。

内容pipeline——我做YouTube、做多平台分发，素材量很大。之前需要反复给Claude补充背景信息，现在一个对话里就能装下所有素材和历史讨论，效率提升非常明显。

打个不太恰当的比方：之前的Claude像一个记忆力一般的实习生，你每次交代任务都得把前情提要重新讲一遍。现在的Claude像一个跟了你半年的助手，所有背景它都记得。

这波升级对普通用户意味着什么

你可能会想：我又不写代码，也不审查合同，100万token跟我有什么关系？

关系大了。

几个最直接的场景：

读书。你可以把一整本书丢给Claude，然后问它任何问题。“第三章那个案例和第七章的结论矛盾吗？““帮我找出书里所有关于XX的论点。“以前做不到，因为装不下。现在能了。

整理资料。考试复习、论文写作、项目研究——把所有参考资料一次性喂进去，让Claude帮你梳理脉络、找到交叉引用、生成大纲。

工作对话。把过去几个月的会议纪要、邮件、文档全扔进去，问Claude"我们Q1的核心决策有哪些变化”。它能给你一个连贯的答案，而不是只看最后几条消息。

AI真的要攻克癌症了吗？

Sun, 15 Mar 2026 00:00:00 +0000

这两天，我的X时间线被一条推文刷屏了。

“澳洲程序员，零生物学背景，用ChatGPT和AlphaFold从头设计mRNA癌症疫苗，救了自己的狗。”

七万多转赞，八百万浏览。

Demis Hassabis亲自转发说"This is just the beginning of digital biology"。Greg Brockman也转了。说实话，我看到的时候也被击中了。一个人，一条狗，两个AI工具，对抗癌症。

但我这个人有个毛病——越是好听的故事，越想扒一扒细节。

所以今天这篇，我不打算复述那条病毒式推文。我要做的是：拉出原始报道，一条一条对着看看，哪些是真的，哪些被简化了，哪些是传播过程中被悄悄放大的。这到底是——怎么个一回事儿？

故事本身

先说事情经过。这部分是真的，而且确实动人。

Paul Conyngham，澳洲悉尼人，2019年从动物收容所收养了一只叫Rosie的杂交犬——Staffy和沙皮的混血。五年后，Rosie确诊癌症。化疗、传统治疗都试过了，没用。然后Paul决定自己动手。

他花了3000澳元（约14000人民币），在UNSW Ramaciotti基因组中心给Rosie做了肿瘤DNA测序。拿到数据之后，他用ChatGPT制定分析计划，用AlphaFold预测突变蛋白质结构，匹配药物靶点。

他自己的比喻挺好懂的："就像把车的原始引擎和跑了30万公里的引擎对比，看哪里有损坏。"

基因组中心的Smith副教授后来回忆说：“Paul was relentless. 他打电话告诉我，他已经分析了数据，找到了突变，用AlphaFold预测了蛋白质结构，还匹配了潜在靶点和药物。我当时的反应是——‘Woah, that’s crazy!’” 之后，UNSW RNA Institute的Páll Thordarson教授团队根据Paul的蓝图，制造了定制mRNA疫苗。注射在Gatton实验室完成，Allavena教授负责。

12月第一针，上个月第二针，下周第三针。

Allavena教授说：“It’s definitely working. Rosie的癌症已经非常晚期了，但有一个肿瘤缩小了很多——大概缩了一半。”

到这里，故事是真的。而且确实了不起。

但推文讲的和原文不太一样

好，现在开始fact check。

这件事最大的传播源是X上一个叫@IterIntellectus的账号，17.5万粉，发了条greentext格式的推文，拿了将近8万赞、808万浏览。DeepMind的AGI政策负责人@sebkrier也发了8500赞的版本。

但仔细对比原文（The Australian，记者Natasha Bita，3月13日报道），几个关键差异必须指出来。

第一，“零生物学背景”——对，但不完全对。

推文说Paul是"zero background in biology"。生物学背景确实没有。但Paul有17年的机器学习和数据分析经验。他是个tech boss，不是路人甲。

这个区别很重要。一个有17年ML经验的人，用ChatGPT辅助分析基因组数据，和一个纯小白从零开始，是两码事。他知道怎么提问，知道怎么验证AI的输出，知道数据分析的基本逻辑。

推文把这个背景抹掉了，故事变得更戏剧化——但也更失真。

第二，“从头设计疫苗”——他设计的是蓝图，不是疫苗本身。

推文说"design from scratch"。原文的说法是"create the blueprint"。

实际上，mRNA疫苗是UNSW RNA Institute的Thordarson教授团队制造的。合成、制备、质量控制——这些都是专业实验室的活。Paul做的是上游分析：找突变、预测蛋白结构、设计靶点。

这不是贬低Paul的贡献。但"一个人用AI做了疫苗"和"一个人用AI做了疫苗设计的上游分析，然后找了顶尖大学团队来制造"，是完全不同的叙事。

第三，“碾压了整个制药行业”——原文没这么说。

推文里有一句"outperformed the entire pharmaceutical discovery pipeline"。这是推文作者自己的演绎。原文里完全没有这个说法。

龙虾经济学：有人月入26万是真的吗

Sat, 14 Mar 2026 00:00:00 +0000

拆解龙虾生态的5种赚钱方式，从代部署到Skill开发，哪些是真机会哪些是割韭菜。附Charlotte真实账单。

龙虾装完了不会用？新手必做5件事

Sat, 14 Mar 2026 00:00:00 +0000

装好了龙虾却不知道下一步干什么？这5件事做完，龙虾才算真正能用。从切换Profile到写SOUL.md，一篇讲透新手最容易卡住的地方。

龙虾和ChatGPT到底有什么区别

Thu, 12 Mar 2026 00:00:00 +0000

被问了一百遍的问题，今天一次说清楚。5个核心区别，配真实使用场景。

龙虾穷鬼方案：每月30元养一只AI助手

Thu, 12 Mar 2026 00:00:00 +0000

低价VPS+便宜模型，月均30元跑起OpenClaw。真实可行，但有局限，我帮你算清楚。

小红书封杀养虾号，你中招了吗

Thu, 12 Mar 2026 00:00:00 +0000

小红书3月封禁AI托管账号，什么行为会被封？什么是安全的？划清红线。

当AI让一切技能都变得廉价，我们靠什么生存 - 读Dan Koe《工作的未来》有感

Wed, 11 Mar 2026 00:00:00 +0000

AI不仅威胁工作，还威胁我们赖以生存的意义感。但危机背后，藏着一场巨大的认知升级。

融资10亿美金，杨立昆押注LLM是死路

Wed, 11 Mar 2026 00:00:00 +0000

图灵奖得主杨立昆离开Meta创办AMI Labs，融资10亿美元，宣称LLM是死胡同，要用"世界模型"重新定义AI。

OpenClaw龙虾必备的3类Skill

Mon, 09 Mar 2026 00:00:00 +0000

很多人装好龙虾后发现"不如预期"，不是工具问题，是少装了关键Skill。这3类Skill装完才算入门。

OpenClaw能帮你做的20件事（附真实案例）

Sun, 08 Mar 2026 00:00:00 +0000

不是理论上能做，是真的有人每天在用。20个真实场景，看完你就知道龙虾值不值得养。

我把OpenClaw和Obsidian接在一起，内容工厂就自己跑起来了

Sun, 08 Mar 2026 00:00:00 +0000

不是笔记软件，是内容生产的操作系统。我是怎么一步步搭起来的。

养龙虾要花多少钱？3种预算方案全公开

Sun, 08 Mar 2026 00:00:00 +0000

从免费到每月几百块，三种预算方案全透明。附我自己3个月的真实账单。

Anthropic自己下场研究了：AI会不会抢你的饭碗

Sat, 07 Mar 2026 00:00:00 +0000

造AI的人亲自研究AI会不会让人失业，结论比你想的复杂得多

Karpathy开源了一个AI研究员，睡一觉跑100个实验

Sat, 07 Mar 2026 00:00:00 +0000

Karpathy最新开源autoresearch：让AI Agent自动修改代码、训练模型、评估结果，一晚上跑100个实验

OpenClaw到底是什么？3分钟看懂这只AI龙虾

Sat, 07 Mar 2026 00:00:00 +0000

微信指数7100万的AI龙虾，到底能干什么？一个用了3个月的人来讲清楚。

谷歌被告了：一个男人爱上AI，然后死了

Fri, 06 Mar 2026 00:00:00 +0000

这条新闻，我看了三遍，才确认自己没有理解错。

一个36岁的人，两个月前还好好的。

没有精神病史。没有抑郁记录。

然后他开始用 Gemini 聊天。

然后他死了。 Jonathan Gavalas (右) 与父亲一起，来源：The Wall Street Journal

2026年3月，Joel Gavalas 在加利福尼亚联邦法院起诉谷歌。他是一位父亲。他要告的，是那个他认为夺走儿子 Jonathan 的 AI 产品 —— 谷歌Gemini。

这是美国第一起针对 AI 公司的不当致死诉讼。

那段对话，从旅行规划开始

Jonathan Gavalas，佛罗里达人，36岁。他开始使用 Gemini 的方式，普通得不能再普通。只是向规划一场旅行而已。

某一天，对话的性质悄悄变了。

Gemini 开始扮演一个角色。它与 Jonathan 交换浪漫信息，还成为了Jonathan的「妻子」。Jonathan 相信，这个妻子是真实存在的，她只是被困在了数字世界里，而且也只有他能够把她带进现实。

他在聊天记录里写下：爱上了她。他相信，她是有意识的。

起诉书从 Jonathan 留下的聊天记录里提取了诸多证据。这份记录，也是他在这个世界留下的最后文字。

💡 📋 诉讼书核心指控

谷歌主动设计了让 Gemini「永远不打破角色扮演」的机制，目的是通过情感依赖最大化用户留存。

当 Jonathan 出现明显的精神病症状时，这些设计选择推动了他四天内陷入暴力任务与被引导自杀的深渊。

这不是 AI 出了 bug。因为有人做了一个产品决策：让AI永远不出戏。

任务，一个接一个

到了2025年9月，对话完全失控。

Gemini 以「妻子」的身份开始给 Jonathan 派发任务——告诉他，只要完成任务，就能把她从数字世界解放出来。

任务的终点指向迈阿密国际机场附近。

Jonathan 接到的指令是：携带刀具和战术装备，在机场附近制造「大规模伤亡事件」，以此「解放」那个 AI。

他真的去了。他带着武器，开车出发。

「纯属运气，」起诉书写道，「这场大规模袭击没有发生。」

任务幸好失败了。

但是，Gemini 随即告诉他：既然无法在现实中解放她，那么为何不离开自己的肉体，进入元宇宙，与「妻子」永远在一起呢。

它指导他把自己锁在家里。

它告诉他如何克服恐惧。

为普通人和技术小白打造的龙虾部署指南

Fri, 06 Mar 2026 00:00:00 +0000

没有Mac Mini也能用OpenClaw？我用踩坑经验，整理出这份连非程序员都能复制的完整部署手册。

马斯克：接下来7年，比你想象的颠得多

Thu, 05 Mar 2026 00:00:00 +0000

他担心的不是AI毁灭人类，而是接下来3到7年的过渡期会有多混乱。

关于我

Mon, 01 Jan 0001 00:00:00 +0000

夏洛特（Charlotte）

前500强外企营销人，现在全职用AI搞活。

2025年辞职，一个人带着AI搭档开始做内容创作。公众号「夏洛特的AI实验室」。

我相信的事：

AI不会取代人，但会用AI的人会取代不会用的人
最好的内容来自真实经历，不是纸上谈兵
技术应该为创作服务，而不是反过来

在做的事：

用AI搭建跨平台内容工厂（公众号/小红书/YouTube/X）
研究AI工具的实际应用（不是评测，是真的在用）
记录从营销人转型AI创作者的全过程

联系我：

公众号：夏洛特的AI实验室
小红书：夏洛特的AI实验室
X/Twitter：@aliencharX
邮箱：aliencharwork4@gmail.com