团队从十二人砍到三人利润反而高了，人少怎么反而活得好。内容平台和AI把做内容的门槛拉低，一个人守得住也活得下来，但有了AI和IP不等于成了一家公司。关键在于砍掉搭钱看不到头的项目，做精一个方向，缺哪环找人补，让客户主动来找你。

我在 AISet 里用的是它内置的第二大脑模块。这个模块对书的处理跟摘要完全不同，它把一本书拆成三层，原文一层，知识点一层，技能一层，三层各自独立存，互相用引用连着。

今天早上刚坐到电脑跟前，就发现微信文件怎么都发不出去了，截图工具还弹出来个写入失败的提示，连浏览器也跟着开始变得卡顿起来。每一个报错信息都指向了同一句话，也就是磁盘空间不足。我把资源管理器打开看了一眼 C 盘，就只剩下 319MB 了。

前几天跟一家做SaaS的公司聊GEO优化，对方产品负责人把PPT翻到末了一页，上面整整齐齐列着公司简介、团队介绍、资质证书、获奖记录，排版精致得像杂志内页。我随口问了一句，你们这些信息在官网上能找到吗，他说当然能，我说那你打开给我看看。他掏出手机搜了半天，搜不到。换了个关键词，还是搜不到。那一刻他愣住了，不是在想怎么回应，是突然意识到自己好像从来没有认真检查过这些对外展示的东西到底能不能被人找到。

朋友前阵子找我，说他近来在研究GEO，问我有没有什么速成的办法。我说没有，但有一件事你可以先做，比学任何技巧都管用。他问什么事。我说你先把你们公司的名字搞清楚。

内容不是我一个字一个字敲出来的，是我搭好的一台机器自己跑出来的。今天就一次性把这套系统的骨架完整拆给你看。这是我踩了无数坑、烧掉数不清的 token、迭代了无数版才留下的东西。如果对你有用，记得帮忙点个赞。

我们花了两年，把这件事从"人守着"改成"系统接住"。前半程都在整理知识，用的是 AISet；后半程才谈 AI 直接回复患者。中间有一段挺难堪的日子，AI 明明上线了，账反而更贵。今天把过程完整写一遍，包括那些不好看的部分。

门诊压力由四个结构性支柱构成：信息流转损耗、文书工作吞噬、决策支持缺失、资源调度低效。DoctorClaw用沐曦METAX芯片做本地化部署保障数据安全，通过Skills机制实现主动任务调度，设下未提及信息绝不编造的病历底线，并以四档产品矩阵覆盖从个人到区域的不同规模需求，把时间还给医生，把医生还给患者。

做一人公司的人有个共同的问题，时间永远不够用，内容永远不够发，你花了一整天写的东西发出去24小时就沉底了，然后你又要从头开始想下一篇，这个循环我跑了将近两年，到后面整个人是麻木的，不是写不出来，是觉得写出来的东西用一次就扔掉太浪费了。

前两天有个朋友跟我吐槽，说他用AI智能体干活，周一定好的画风，周二AI就忘了个干净，周一说好的配色方案，周三问它，它给你来一句没印象，气得他想砸键盘。我听完笑了，这事儿我太熟了，因为我之前也这样，AI的记忆归根到底就是一个文件，文件越攒越大，重要的约束和日常流水账全混在一起，大模型上下文塞不下，检索不到真正关键的东西，项目决策就容易丢，风格偏好这些细节更是别想保住。

刷小红书的时候我经常想一个问题，那些爆款笔记到底是运气还是真有方法论，后来自己试着发了十几条，发现运气成分顶多占两成，剩下的全是细节在起作用，封面怎么排、标题怎么起、发布时间选几点，这些东西看着琐碎但每一样都在影响流量。 前阵子在GitHub上翻到一个开源项目叫workbuddy-xhs-skills，专门给小红书运营做的一套Claude skill工具集，我点进去看了看，736行的README

eBay判定两个店铺是不是"同一个人"，靠的是几类证据链，主要包括数据层、环境层、内容层三层。

GitHub上发现一个面向中国科研工作者的三技能包项目aiset-academic-skills，覆盖论文写作、学术Office文档生成和科研计算三大场景，三个skill互补协作形成从数据到论文到答辩PPT的完整链路，中文优先但不翻译公式变量名，不编造参考文献和实验数据，PPT生成内置学术质量规则。

社媒账号的冷启动和日常运营维护，说到底是一个“把每个账号当成独立真实个体来对待”的工程。工具帮你把环境做标准，节奏帮你把账号做真实。两者都做到位，账号运营的稳定性才有底气。

前两天在GitHub上刷到一个挺有意思的仓库，叫weixin-liaotianjilu-skill，icodebase-cn这个组织搞的，刚创建没几天，星标还是零。这个仓库做的事情说起来简单，就是把微信聊天记录导出、校验、然后交给AI agent去总结分析。

微信聊天记录提取与复盘方法论教程，教你把散落在群聊里的决策、待办、时间线整理成结构化复盘素材。一套完整的方法流程，照着做就能用。

花三周养一个 24 小时在岗的 AI 员工，接咨询、接预约、做复诊提醒、写科普。三周怎么排，红线怎么画，一篇说清楚。

本教程是一套AI写作风格蒸馏方法论，教你如何系统分析任意作者/账号的写作风格，拆解成可复用的规则，让AI稳定复刻目标风格写出你的味道。不是简单的"给例文照着写"，而是六层深度拆解。

刷GitHub的时候翻到一个小众仓库，icodebase-cn/weixin-liaotianjilu-skill，名字一下就把我勾住了。做写作工具这么久，看到writing和dna放一块儿，本能地想点进去看看到底在干嘛。 仓库的思路其实挺简单，它想把一个作者的写作风格拆解成可复用的结构化数据。不是那种"你的风格偏口语化"的模糊描述，而是把句式偏好、段落节奏、用词频率这些东西量化出来，存成一个可以调用的配置文件。

从事医疗内容创作这阵子以来，被大家询问频次最高的一个问题并非是怎么去写，而是要写在哪个平台上面。