AI Tools

我用 Wix Harmony 和全套 Wix AI 工具,30 分钟内搭完一个 B2B SaaS 线上研讨会落地页。这是完整搭建记录 —— AI 默认输出了什么、我重写了什么,以及所谓的提速究竟是真实红利还是转化的隐藏税。

两个客户站点、三个月、一个更名后的 AI 建站工具。Blueprint AI Design Intelligence 在哪些地方真正帮到了设计师，又在哪些地方沦为千篇一律的模板。

两次实建 + 一次对撞：同一个 B2B SaaS 获客站，先在 Lovable 上搭（1 天、6 credits、看着很顺），又在 WordPress 上搭（5 天、30 天出 Google 第 2 页）。各取什么场景，以及为什么 SEO 内容飞轮才是 WordPress 真正的护城河。

一条 3 子 Agent 的竞品情报流水线：每周五早上 6 点自动出一份 8 页 PDF 简报——中间没有一个人翻竞品页。父级 Claude Agent 派出一个站点监视、一个广告监视、一个社媒监视，三个子 Agent 各回一份严格 JSON，父 Agent 把全部合成 Markdown 简报，Pandoc 渲染成 PDF。本文给你父级提示词、三份 JSON 契约、PDF 模板，以及真实踩过的失败模式。

在本地 M 系列 Mac 上用 Ollama + Llama 3.3 70B 每小时生成 100 条付费社媒广告变体，再用一轮 prompt 给每条按 hook / 价值清晰度 / CTA 具体度打 0-100 分。完整的两段 prompt、Python 脚本、以及让 $0 边际成本在任何团队规模下都跑赢 GPT-4o 的算账。

一条生产级流水线:一封 demo 请求邮件进来,按 ICP 评分卡资格判定,从 LinkedIn 增强,按潜在客户时区在 Cal.com 上约好时段,通话前 24h 发出个性化预备文档 —— 全程没人碰。完整 Make 场景、真实 Operator 指令集、ICP 评分卡、预备文档 prompt,以及真实踩过的三种失败模式。⚠️ Operator UI 可能变化,框架不变。

在 Apple Silicon (M 系列芯片) 上用 Ollama + Mistral 7B / Llama 3.1 8B 搭建本地邮件分流层:6 周、8,400 封邮件实测,4 桶分类,准确率 92%,每周省 2.3 小时,邮件全程不出本机。

30 天盲测：800 条 Meta Title + 800 条产品描述，同时用自托管的 Qwen 2.5 14B 和 Claude Sonnet 4 改写，3 位 SEO 承包商独立打分。结论不是开源模型一面倒——是五五开。Qwen 在哪里打平、在哪里崩盘，以及自托管做重复模式 SEO 任务的真实成本账。

一条生产级三模型内容流水线：每个 AI 只干自己最擅长的事 —— ChatGPT 起草、Claude 审稿、GPT-Image 出图。完整的三段交接提示词、跨阶段传递的 JSON 契约、单模型 vs 接力的 0.41 美元 / 18 分钟对比，以及一个让我直接下架一篇文章的「模型身份混淆」失败模式。

一个 n8n + Claude Haiku 4.5 的 agent：监控 9 个 subreddit,用三轴 rubric(意图/紧急度/匹配度)给每条帖子打分,每天推送 top-5 Slack 摘要。附 Claude 提示词原文、9 个 sub 短名单、成本账、以及第二周砍到 4 个 sub 后有效信号提升 120% 的发现。

对营销团队来说，自建 70B 模型听起来很激进。90% 的团队确实不该碰。但有 4 类工作——批量工单归类、私密竞品情报、凌晨批量生成 SEO meta、PII 脱敏的邮件列表清洗——成本账会反转：一张 A100 + Ollama 4-7 个月回本。硬件现实、Docker compose、真实吞吐、还有那 4 个 prompt。

一条生产级 n8n 工作流：从 GSC（Google Search Console，谷歌站长工具）拉出衰退文章、让 ChatGPT 出刷新简报和重写稿、做四道校验、推到 CMS —— 全部在一个闭环里。完整节点图、三段提示词、四道校验门、真实踩过的三种失败模式。