AI Tools

一份用 Perplexity 设计市场调研问卷的实战 5 步提示词流程 —— 从锁定研究目标、规划投放,到最后的分析计划,每一步都附完整 prompt 模板。

15 年营销老兵的真实工作流：用一个下午，用 Claude Artifacts 交付一整页落地页 + A/B 测试变体——用的是 Karpathy 写给工程师的 Vibe Coding 方法。

用 Ollama 在本地跑 Llama 3.2，把品牌安全规则编码成结构化评分表，一次性给 100+ 条邮件标题打分——一个字节都不用发给 OpenAI 或 Anthropic。完整的 7 条评分标准、60 行 Python 脚本，以及黑五大促跑出来的真实结果（包括 11 条我本来要发、却被本地模型毙掉的高风险标题）。

忘掉 30 页品牌手册吧。读者真正听到的声音，藏在你已经发布的稿子里。这是完整的 prompt、我用的 12 个维度，以及把整个归档变成 AI 真的能照着写的一页式风格指南的流程。

把 Google 的 NotebookLM 当真正的竞品研究分析师用：上传竞品白皮书、G2 评测 PDF、Forrester/Gartner 报告，再像同事一样追问它。附完整搭建流程、6 个真正能跑出可用研究的提示词、Audio Overview 神技，以及 3 个真实踩过的坑。

用 n8n 搭一条生产级 4 Agent 内容流水线。每个 Agent 职责单一、输出结构化、失败可重试。文末附可直接导入 n8n 的完整工作流 JSON、每个 Agent 的提示词、Agent 之间流转的状态结构，以及那些真实踩过坑的失败模式。

手把手把 Notion 数据库搭起来，给团队做营销提示词库——结构、分类、版本控制、协作权限一次说清。

我把同一份广告文案 brief 分别喂给本地部署的 Mistral Small 24B 和 GPT-4o,让一位没见过两份输出的营销人盲评。本文给出完整搭建路径——笔记本用 Ollama、单卡 4090 服务器用 vLLM、我用的 prompt 模板,以及最终让我决定哪个上生产的每 token 成本算式。

一份实操指南：在笔记本上用 Ollama 跑 SmolLM 1.7B 改写营销内容——零 API 费用、完全私有化、对日常文案质量意外地好。

用 Claude 写一份带注释的 Klaviyo/Shopify 队列留存 SQL,自己读 M1、读曲线趋平、读队列趋势 —— 不再被数据团队卡住。