00:00:00在过去的一个月里，我的 YouTube 频道增长了超过 38,000 名粉丝，
00:00:03Instagram 增长了 50,000 名粉丝，TikTok 增长了 11,000 名粉丝。
00:00:08这在很大程度上要归功于我的 Claude Code 内容系统。
00:00:12今天我将全面拆解它：我构建的自定义技能、我的每日
00:00:16工作流，并向你展示我如何使用 Claude Code 来自动化我的整个内容
00:00:20系统。这样你也可以做到。
00:00:22我们现在看到的是这七个 Claude Code 技能，它们是我内容系统的
00:00:26核心支柱。在过去的一个月里，它们带来了 1,000 万次的播放量。
00:00:30而这一切由我一个人完成，没有剪辑师，没有虚拟助理，什么都没有。
00:00:33这 1,000 万次的播放量分布在 90 篇内容中，
00:00:38在 30 天内完成，其中 30 篇是长视频。
00:00:43基本上在三月份，我每天发布一条 YouTube 长视频和两条
00:00:47短视频。这些包括 Shorts、Reels、TikTok 等所有平台。
00:00:51你真正应该关注的数字并不是粉丝数。
00:00:54正如我在开头所说，甚至不是那 1,000 万次的播放量，而是那 90 个视频，
00:00:58一个人在一个月内制作 90 个视频，这并不是在自吹自擂，
00:01:02但这个产量确实非常惊人。
00:01:05我能做到这一点的唯一方法是依靠一个可持续的、
00:01:10可感知的、可重复的系统。这就是我们今天要去探讨的内容。
00:01:14因为重申一下，虽然是我一个人在做，
00:01:15但我并没有每天被锁在电脑前 12 到 16 个小时，对吧？
00:01:19我能维持下去的唯一前提是：它是可持续的，
00:01:22是符合逻辑的。此外，
00:01:25说到那 1,000 万次的播放量，
00:01:27没有任何单篇内容的播放量超过 40 万次。
00:01:31所以，这并不是说 1,000 万这个数字是靠一两个
00:01:35爆款带起来，而其他都是废片，对吧？
00:01:37这是一场靠 90 次“刺拳”获胜的战斗，而不是靠“重拳”。
00:01:40我认为这一点也很重要。
00:01:42我们并不是在尝试创造某种随机的、运气成分的爆款。
00:01:45这是小而持续的胜利，我认为任何人都可以复制。
00:01:48那么，我们是如何做到这一点的呢？
00:01:50我们如何利用 Claude Code 构建这种可持续的系统，
00:01:54并创作出人们真正想看的内容？首先，
00:01:56我们需要了解整个内容创作的过程。
00:01:59然后我们需要将这个过程拆解成各个部分，接着
00:02:04为这些部分分配特定的 Claude Code 自动化程序和技能，对吧？
00:02:08这就是我们有条不紊拆解它的方式。
00:02:10我会将内容创作过程分为四个阶段。
00:02:13第一是研究。第二是构思。
00:02:17第三是撰写脚本。第四是分发。
00:02:22正是在这四个阶段中，我们提取出了不同的 Claude Code 技能。
00:02:27有些阶段包含多个技能，因为涉及的工作很多。
00:02:31以脚本编写为例，它会包含钩子（开头）、
00:02:34实际的脚本内容、
00:02:36视频大纲，以及一些包装工作，如标题和缩略图。
00:02:40但让我们先从前两个阶段——研究和构思开始，
00:02:44因为我认为同时讨论这两个阶段很重要，因为这是一个循环，对吧？
00:02:47你研究了一些东西，从而产生了想法；
00:02:50根据这些想法，你又需要更多的研究。
00:02:52然后通常从那些研究中，你又会产生更多的想法。
00:02:56所以第一和第二阶段联系非常紧密。现在，
00:02:59对我来说，核心技能是我的 YouTube 流水线技能。
00:03:03这引入了 NotebookLM。今天你在这里看到的每一个技能，
00:03:08以及 Twitter 研究引擎，
00:03:10我都可以在我的 GitHub 脚本中向你展示，它们都能在 Chase AI 找到。
00:03:14评论区有链接。Chase AI Plus 也是我 Claude Code
00:03:19大师课的所在地，这是从零基础成长为 AI 开发者的最佳场所。
00:03:22这里每周都会更新。所以如果你想弄清楚
00:03:25如何真正精通 Claude Code 并拥有一条明确的进阶路径，
00:03:29一定要来看看，链接就在评论区。现在，
00:03:32回到 YouTube 流水线技能，
00:03:34我认为它是这七个技能中最强大的。这个
00:03:36NotebookLM 技能允许我们将 NotebookLM 的功能引入到
00:03:41Claude Code 中。所以我可以给 NotebookLM 提供任何我想要的东西，
00:03:44无论是 YouTube 链接、PDF 还是文档，
00:03:48任何我在普通的 NotebookLM 网页端能做的事情，
00:03:51我都可以通过终端（terminal）来完成。
00:03:53这太棒了，因为 NotebookLM 非常擅长处理某些内容，
00:03:56而这些内容对 Claude Code 来说可能有点麻烦，
00:03:59也就是像 YouTube 视频这类东西，而且所有这些都是在 Google 的服务器上处理的，对吧？
00:04:03我们不需要消耗 Claude Code 的额度来进行分析。
00:04:05我们让 NotebookLM 和 Gemini 帮我们做，然后直接获取结果。
00:04:09我可以获得所有 NotebookLM 的成果：视频、
00:04:12演示文稿、图片，任何在这里能做的，现在都能通过终端完成。
00:04:17那个技能使用了 NotebookLM PI 命令行工具来创建
00:04:21Claude Code 和 NotebookLM 之间的桥梁。
00:04:24这个仓库包含它自己的技能。
00:04:27所以 YouTube 流水线研究本质上是一个会调用其他
00:04:32技能的技能。它是一个高阶技能。
00:04:33YouTube 流水线技能的作用是，它采用 NotebookLM
00:04:38PI 命令行工具和技能，并基本上实现了
00:04:43信息源采集的自动化。
00:04:44它会根据你的对话抓取一系列 YouTube 链接，并包含
00:04:49分析部分。
00:04:50所以它把这作为桥梁，然后自动获取信息源并
00:04:54自动进行分析，全部只需一个命令。
00:04:56但使用这个技能意味着你已经有了一个信息来源，对吧？
00:04:59你已经想好了你想聊什么，或者想分析什么，这就引出了一个问题，
00:05:02我们最初是如何确定要聊什么的呢？
00:05:04Claude Code 在这方面能提供什么帮助？
00:05:08这其实超出了技能拆解图上展示的内容，对吧？
00:05:09我们需要弄清楚的是“第零步”。你知道的，
00:05:13我们必须找到你所在领域知识的源头。
00:05:16对于科技领域，这非常明显，对吧？对于所有这些 AI 的东西，
00:05:21一切基本上都源自几个地方：
00:05:23要么直接来自 GitHub 仓库，要么起源于 Twitter，对吧？
00:05:25然后最终传到 YouTube。偶尔，
00:05:30有些东西会在 YouTube 上首发，
00:05:33但通常是先在 Twitter 和 GitHub 上出现，然后传到 YouTube，
00:05:35再从 YouTube 扩散出去。
00:05:39所以你需要找到你那个领域的知识源头，因为如果你
00:05:40做的不是科技或 AI，你需要了解
00:05:45信息最初是从哪里产生的？
00:05:47这样你才能第一时间进行报道。在我的例子中，
00:05:49既然我们说信息来自 GitHub 或 Twitter，
00:05:53我该如何利用 Claude Code 来帮忙？关于 Twitter，
00:05:57我直接让 Claude Code 帮我写了一个 Twitter 爬虫 Web 应用。
00:06:00这就是你在这里看到的。它会连接到 Telegram，每隔 30 到 45 分钟，
00:06:04我会收到基于一系列关键词和作者的推文推送，
00:06:08提示说：“嘿，这就是他们在讨论的内容。这是点赞数。”
00:06:12“这是一个传播速度评分。”
00:06:16它还允许我在想回复时直接回复，因为我还连接了
00:06:18我的 Twitter API，这是这个 Web 应用的工作原理分解。同样，
00:06:21在 Claude Code 内部创建这个应用非常容易，但它其实
00:06:25相当复杂，而且非常灵活可定制。
00:06:28所以大约每 45 分钟，它是基于一个随机定时器的，
00:06:31它会爬取 40 到 90 条推文。它使用了一个 Apify 的推文爬虫，
00:06:36那非常便宜。
00:06:39然后它会对其进行过滤并给推文评分。
00:06:40它根据一系列评分信号进行筛选：它查看传播速度、权威性、
00:06:43时机、机会和可回复性，因为正如我所说，我有能力
00:06:48直接回复这些推文。如果我想的话，
00:06:52所有的推文都会被发送到 Supabase。
00:06:54这样可以确保我不会总是收到同一个人发的同一条推文，
00:06:57同时也能让内容多样化一些。
00:07:00系统会给它们评分，然后根据分数进行选择。它使用了 Softmax 函数，
00:07:03为每一个选项分配一个概率分数。
00:07:07所以我收到的并不总是评分最高的那一个。同样地，
00:07:08我们也需要一些随机性。
00:07:11之后信息会被推送到 Telegram，它还有能力提供
00:07:13潜在的回复内容。所以我把 Brock（AI 助手名）也接了进去。
00:07:16如果你玩过 Twitter，哪怕只玩了一会儿，
00:07:18你也知道那里到处都是发帖的 AI 机器人。
00:07:21所以所有的回复都会进入 Supabase，并基本上会被
00:07:24打分。这样我就能洞察我给出的回应质量，
00:07:29因为我也可以做自定义回应，随着时间的推移，
00:07:34它会变成一个自我改进的系统。最后，
00:07:36它会出现在 Telegram 中。现在聊聊第二个源头，
00:07:40也就是 GitHub 上的趋势仓库。没错，GitHub 上有趋势页面，
00:07:43但为什么我不能自动获取这些信息，并附带一些关于
00:07:47这些趋势增长速度的优质洞察呢？
00:07:50比如它们自创建以来获得了多少星标，并且还可以进行过滤，对吧？
00:07:53我只想看 AI 相关的东西。嗯，
00:07:57Claude Code 帮我完成了这一切。
00:07:59它创建了一个每天早上运行的脚本，能为我带来 AI 领域的
00:08:00GitHub 趋势仓库，并将其存入我的 Obsidian 库（vault）中。
00:08:04这样我就能看到过去 7 天内创建的前 10 个趋势仓库。
00:08:08每天我都能看到星标数、编程语言、
00:08:12相关链接以及简短的描述。除此之外，
00:08:16我还能看到该月的前 5 名趋势。然后它会给出
00:08:19当天的建议以及推荐理由。
00:08:22通过这个 Claude Code 创建的 GitHub 脚本和这个 Twitter 引擎，
00:08:24我能够解决这个“第零步”的问题，
00:08:28即：我们最初该如何找到可以聊的话题，而不是
00:08:31去重复那些在 YouTube 上已经流行了一周的东西，对吧？
00:08:34我们需要新鲜的内容，而这套方案能做到这一点。同样地，
00:08:37Claude Code 的优点在于你不需要非得用 GitHub，
00:08:41也不必非得用 Twitter。
00:08:44你只需要识别出属于你那个领域的源头是什么。
00:08:45然后让 Claude Code 构建对应的工具。一旦你拥有了这些源头信息，
00:08:48你就进入了这套完整的技能分解流程，对吧？
00:08:52当我有了从 GitHub 发现的想法，或者看到有人在 Twitter 上讨论的想法，
00:08:57我就可以对其使用 YouTube 流水线搜索了，对吧？
00:08:59虽然叫“YT 流水线”，但不一定非要是 YouTube 内容。它可以是任何内容。
00:09:03然后它会在 NotebookLM 上进行分析。
00:09:07就像你在 GitHub 案例中看到的那样，
00:09:09这些工作也都是在我的 Obsidian 库中完成的。是的，
00:09:13我会打开终端与 Claude Code 交流，
00:09:14但 Claude Code 创建的所有内容都是我库中的 Markdown 文件。
00:09:20所以我能很方便地查看进度。
00:09:22也能查看报告和相关的关联文章，对吧？
00:09:27这能让我获得更好的洞察力并保持条理性，对吧？
00:09:30因为特别是如果你在做内容创作，
00:09:33如果你每天都在做，涉及多种类型的研究，
00:09:36如果这些东西只存在于代码库里而没有 Obsidian 整理，
00:09:38作为人类，你可能会搞混。Claude Code 处理起来没问题，
00:09:42但你会觉得很吃力。所以，我们已经理解了如何从底层寻找想法。
00:09:44我们也刚聊过了 YT 流水线技能，
00:09:48以及我们如何将它指向那些我们在别处发现的想法，
00:09:52发送给 NotebookLM 并进行大量的研究和分析。接下来，
00:09:55就进入了构思和策略阶段。
00:09:59这一步是获取那些研究成果，然后弄清楚：我们该如何
00:10:03通过需求映射（desire mapping）来定位这些想法？
00:10:06我们如何把这些想法转化成
00:10:10人们在更高层面上真正关心的内容？
00:10:12构思阶段要做的是，它不会重新去做一遍研究，
00:10:16但它会从竞争格局的角度去审视研究内容。比如，
00:10:18其他人对此是怎么说的？还有哪些空白？
00:10:22有哪些别人还没聊过但可能会引起观众共鸣的内容，对吧？
00:10:25所以，这是将研究从真空中提取出来，并重新放入
00:10:29你所处的竞争环境中。让我们来看看这个技能的实际应用。
00:10:33我一直在对 RAG 和 Claude Code 进行研究，计划制作一些相关内容。
00:10:33比如“Claude Code 与 RAG 的七个层级”，
00:10:38因为过去一年里这个领域发生了很大的变化。所以我们正在调用构思技能。
00:10:42查看我们最近关于 RAG 和 Claude Code 的研究，并反馈目前的竞争格局。
00:10:45这就是 Claude Code 返回的内容。同样地，
00:10:49它是从我们已经完成的研究中提取信息的。
00:10:52首先它向我们展示的是竞争格局：饱和的角度、
00:10:56目前的空白点，以及表现突出的异常案例，对吧？
00:11:00这就是 Claude Code 返回的结果。同样，
00:11:03它是基于我们已经完成的研究。
00:11:05所以它首先提供的是竞争格局、饱和视角、
00:11:10开放的空白点，以及表现突出的案例，对吧？
00:11:14哪些是别人讨论过且反响极好的内容？在提供
00:11:17这些背景之后，它会进入视频创意部分，对吧？标题、视角、
00:11:21我们针对的需求，然后是形式和竞争空白。
00:11:25它针对许多不同的视频都这样做，对吧？
00:11:29它一共给了我们九个不同的选项，然后进行排名。
00:11:32我认为你在这里看到的非常重要，因为它贯穿了
00:11:36系统中的所有这些技能。我使用，
00:11:38当我们谈论使用 Claude Code 和自动化时，
00:11:40我们真正谈论的是将 Claude Code 变成一个协作伙伴。
00:11:44对吧？在这个过程的每一步，
00:11:46我都希望有某种输入，对吧？
00:11:49我不希望 Claude Code 自动运行到 GitHub，而我甚至
00:11:53没看到它。然后最后它直接给我说：嘿，
00:11:55这是你今天要做完整剧本。顺便说一下，
00:11:57我创建了缩略图，创建了标题，一切都准备好了。
00:12:00你只需要把这些话读出来就行。
00:12:01你不想要那样，因为那会非常糟糕。明白吗？
00:12:04如果你在做任何带有创意倾向的 AI 工作，
00:12:08你需要保持在主导地位。现在，
00:12:13显然在整个过程中，Claude Code 为我们做了大量工作，
00:12:16但它是在进行分析，提出潜在的计划和构思。
00:12:20你仍然需要全程参与来审核并说：嘿，
00:12:24我不喜欢这个，我不喜欢那个。
00:12:25这样你最终才能获得高质量的输出。
00:12:29这也是你保持个人风格的方式，因为无论你训练得
00:12:32多么好，
00:12:32如果你指望它从零直接跳到完整剧本，而中间
00:12:37没有任何环节让你说：让我们用这个主意，改一下那个，
00:12:39改一下那个，那结果会非常平庸且差劲。
00:12:42但这样做的好处是，嘿，如果你确实想那样自动化，
00:12:45你可以，但在旅程的每一步，对吧？
00:12:48预期是在进入下一阶段之前，你会查看 Claude Code 的输出。
00:12:51它真正做的，
00:12:53这真正为你买到的是所有这些
00:12:58从头开始进行分析的繁琐工作，看到这类内容并参考
00:13:03它的创意，有助于你完善最终的方案。
00:13:06因为我会说十有八九，
00:13:09我最后做的是它给出的方案的某个变体。
00:13:11我通常不会完全照搬，对吧？
00:13:12因为我们总是有不同的想法想加入其中，
00:13:15但构思部分就到此为止了，对吧？所以我们完成了第零步，
00:13:18找到了知识。我们完成了第一步。
00:13:21我们用流水线做了研究，引入了 NotebookLM，并完成了
00:13:25构思。你知道，
00:13:26我们大致了解了这个潜在的内容创意在
00:13:31其他人都在做的事情中所处的位置。当然，
00:13:34所有这些都是在我们的 Obsidian 库中完成的。
00:13:36如果关于 Obsidian 的部分让你听得云里雾里，
00:13:39我会在上方放一个链接，是我之前深度探讨 Obsidian 和
00:13:43NotebookLM 的视频。这带我们进入第三阶段，即剧本部分。
00:13:47现在，说到剧本，我必须说对我自己而言，
00:13:50我并不是一个非常依赖剧本的人。
00:13:52我会为开头（hook）写剧本，比如前 30 秒。
00:13:57所以你在本视频开头看到的，我说：是的，
00:13:5938,000 名追随者和 TikTok 上的 11,000 人，那是写好剧本的，对吧？
00:14:04我用这个开头技能与 Claude Code 反复沟通了很多次，
00:14:07并搞清楚了：好的，我到底要说什么？
00:14:09因为对于内容和社交媒体来说，
00:14:12开头非常非常重要。包装也非常非常重要。
00:14:14所以我想要精益求精，虽然只有 20 秒，但除此之外的其他部分，
00:14:17都是大纲，是带有要点的概念。
00:14:19我大概知道我要讲什么，但又不完全确定。
00:14:20我们就直接现场发挥。
00:14:21所以我提供给你们的大纲技能，同样，
00:14:26也是类似的。它是宏观层面的东西，尽管开头部分抓得很准。
00:14:30开头部分的内容在很大程度上借鉴了 Callaway。
00:14:34我参考了很多他的想法，向他所有的内容致敬。
00:14:37他的东西非常精彩。
00:14:38所以我基本上对 Callaway 的一堆视频进行了这套设置，然后
00:14:43将其融入到我让 Claude Code 处理开头、大纲、
00:14:47标题等内容的方式中。让我们看看它的实际效果。
00:14:50我们将在这个潜在的 Claude Code RAG
00:14:51视频上运行开头技能、大纲技能和 YouTube 标题技能，
00:14:55看看它会返回什么。所以我告诉它，
00:14:57让我们使用你的建议。
00:14:58它的建议是一个关于上下文工程的切入点，并说：嘿，
00:15:03让我们在其上运行开头、大纲和 YouTube 标题技能。
00:15:05这就是它为开头部分带来的五个变体。
00:15:09然后对于每个开头，它都分解为口播开头、视觉开头，
00:15:12以及如果我们想添加的话，还有一个潜在的文字叠加层。
00:15:15文字叠加层更多是针对短视频类的。
00:15:19所以这不是我会用在长视频开头的东西，然后移至
00:15:22大纲，并包含了目标时长。
00:15:24还有一些在我们的 Obsidian 库中、我们可能想要
00:15:28引用的相关文档。然后它有开头。同样，大纲只是一个部分。
00:15:32比如总体想法，你知道，核心想法是上下文工程，
00:15:36我们要解释什么是上下文工程以及谈话要点。
00:15:39它还包括了潜在的视觉辅助。所以：嘿，
00:15:42如果我想添加某种 Excalidraw 图表，你可以这样做。
00:15:45还有一些源材料，如果我也想在屏幕上引用的话。
00:15:48它只是对每个部分重复这一过程。
00:15:51最后进入标题选项。
00:15:53标题技能的好处在于它不是孤立地看待它。
00:15:56它实际上会查看你之前表现良好的所有标题，以了解
00:16:00到底什么对这个人有效。
00:16:02然后它将它们分为不同的梯队。第一梯队是：上下文
00:16:07工程刚刚让提示工程过时了。然后它会告诉你：嘿，
00:16:10这就是我的依据，对吧？
00:16:11这是之前的某个获得了多少观看次数的视频。
00:16:15这就是为什么我认为这个标题会奏效。它对所有这些都这样做，
00:16:18第二梯队标题是经过计算的风险。所以这些有点超前，
00:16:21这很好，因为你很有可能可以做一些 ABC 测试。
00:16:25所以每隔一段时间就抛出一些疯狂的想法是值得的，而不是
00:16:28做三个雷同的第一梯队标题。
00:16:31接着它提供了缩略图文本选项。同样，
00:16:34这里也是同样的系统。所以通过这三项技能：开头、
00:16:38大纲和标题，我们基本上已经规划好了 90% 的视频，对吧？
00:16:43就标题、开头和缩略图内容而言，包装已经基本完成了。
00:16:48然后视频大纲基本上承载了实际内容。
00:16:52这里唯一没包含的显然是与制作缩略图本身相关的东西，但这纯属个人偏好。
00:16:56但那纯属个人喜好。
00:16:58我不认为 AI 在没有任何引导的情况下能做出很棒的缩略图。
00:17:02如果我带着具体想法去引导它是另一回事，
00:17:04但缩略图非常视觉化且主观，所以我纯手动完成。
00:17:08一旦你达到了这个阶段，并对创作的内容感到满意，
00:17:11现在就该实际拍摄内容了，对吧？这完全是人工的。
00:17:15我不是那种会使用 AI 数字人或类似东西的人。
00:17:18我不认为在 99% 的情况下这样做是值得的。
00:17:20所以对于实际的创作部分，并没有真正好用的自动化工具。
00:17:24接下来进入第四阶段，即分发阶段，对吧？
00:17:28分发有几个层面。现在最明显的分发形式就是，
00:17:32嘿，我们想把这个视频发布到
00:17:33YouTube、Instagram 或 TikTok 之类的平台。
00:17:37在 Cloud Code 内部创建这类东西非常容易，
00:17:40比如一个自动分发系统。
00:17:42你可以把它绑定到 Google Drive 里的特定文件夹，
00:17:45创建一个自动化流程，当有新内容添加时触发执行。
00:17:48老实说，我使用 CapCut 进行视频剪辑。
00:17:53所以从那里发布到 YouTube，
00:17:55或者从那里发布到 TikTok 都非常简单。
00:17:58而 Instagram 我通常只是手动发布。
00:18:00这是世界上最高效的方法吗？不是，
00:18:02但对我有效，因为只需两秒钟，我觉得没问题。
00:18:04尤其是我在 Instagram 上做测试版 Reels，尝试自动化
00:18:09那部分非常麻烦。我甚至不觉得那是可行的，
00:18:11至少我上次尝试时不行。所以对我来说，谈到分发，
00:18:15我更多考虑的是内容再利用，
00:18:18即把 YouTube 视频转换成文字内容，
00:18:22发布在网站博客、LinkedIn 和 Twitter 上，以及短视频再利用。
00:18:27如果我有一段长视频内容，
00:18:30如何将其转化为短视频？我说的不仅仅是剪辑。
00:18:34我说的是，好的，我们如何将 30、
00:18:3640 分钟的 YouTube 访谈内容提炼成 30 秒、
00:18:4060 秒或 90 秒的片段，发在 Shorts、Instagram 或 TikTok 上？
00:18:43这两个技能，我的“内容级联”和“短视频技能”就是做这个的。
00:18:48“内容级联”完全是关于视频转文字的分发。
00:18:52我把 YouTube 视频转化为 LinkedIn 帖子，就像所有技能一样，
00:18:55这是高度可定制的。
00:18:58你可能没有像 YouTube 这样的内容源头，
00:19:02但你可以把它换成任何东西。
00:19:04你可以把这个技能指向一篇文章或别人的 YouTube 视频，
00:19:07任何你想以文字形式讨论的内容。
00:19:09它会将其转化为博客、Twitter 推文和 LinkedIn 帖子。
00:19:15显然，这个技能是专门针对我的口吻调整的，
00:19:18但要修改它并不难。
00:19:19尤其是如果你使用“技能创建器”技能，
00:19:22它会对口吻进行测试。当我运行“内容级联”技能时，
00:19:26它会自动抓取 YouTube 的字幕。
00:19:29它会自动生成博客文章并发布，还会生成一个
00:19:33包含大约七条回复的 Twitter 线程。同样，
00:19:35一旦我批准，它就会自动发布，并提供几个版本的
00:19:39LinkedIn 帖子。我首先要承认，在 LinkedIn 上我有点懒，
00:19:44我没有自动化 LinkedIn 发布，因为我使用了像 Lead Shark 这样的工具。
00:19:48嗯，
00:19:48我通常用它来设置一整套获客诱饵。
00:19:53这个技能在处理这些方面表现出色，因为再次强调，
00:19:57社交媒体平台太多了。
00:20:01如果非要说：“好吧，
00:20:03我现在要自己动手根据这些内容写所有的帖子”，那是不现实的。
00:20:07我很了解自己，我更擅长视频内容。
00:20:10所以任何能自动化文字端的方法都很棒。
00:20:14这是我的网站博客部分，你可以看到它自动
00:20:17创建了整篇博客，
00:20:20而且还嵌入了 YouTube 视频，并包含一堆 SEO 设置。
00:20:24它是以 SEO 为导向的。
00:20:28所以整个核心思想不在于“我博客上的文章写得有多好”，
00:20:31而在于，
00:20:33随着我的内容库不断扩大，博客也在同步增长，
00:20:38我在 Google 搜索等平台上的曝光度也随之增加，对吧？
00:20:40一切都环环相扣。
00:20:42因为我绝对不会亲自去写那些博客。
00:20:45虽然我确实给它喂了大量我自己的写作样本，让它学习我的文风，
00:20:48对吧？它会避开所谓的“ChatGPT 腔调”，它不是 X，
00:20:52而是 Y，对吧？所以作为技能的一部分，
00:20:55它会审视所有 AI 写作的老套路并加以规避。
00:20:59最后但同样重要的是短视频再利用。
00:21:02短视频再利用其实挺基础的。
00:21:05基本上就是重新做一遍之前做过的事情，比如钩子、大纲，
00:21:10对吧？然后将其放入 30、60、90 秒的格式中，
00:21:15它会提供可以使用的钩子。
00:21:16它还会提供潜在的标题，比如视频开头出现在屏幕上的那些。
00:21:20所以这只是我们已经做过的内容的精简版。
00:21:23因为我的短视频技能已经指向了一段长视频，
00:21:28大部分工作其实已经完成了，对吧？它只是删掉了大量的废话。
00:21:31但这让我能够，
00:21:33基本上把我在 YouTube 上创作的内容，
00:21:36变成一个巨大的分发怪兽：我可以发布网站博客，
00:21:41发布在 Twitter 上，发布在 LinkedIn 上。它变成了一个短视频，
00:21:45一个 Instagram Reel，以及一个 TikTok，对吧？
00:21:48六个平台，
00:21:52从我创作的一个 YouTube 主内容中衍生出六件不同的内容，
00:21:55对吧？这就是“内容级联”这个名字的由来。
00:21:59这就是这个系统的美妙之处，因为它不仅仅止于一段 YouTube 视频。
00:22:02YouTube 视频本身就像我们之前谈到的那样，
00:22:06成为了一个属于你自己的小小知识源头。
00:22:09这就是我的 Cloud Code 内容系统。
00:22:11它本质上是我的“增强版协作伙伴”。正如我之前所说，
00:22:14在这个过程的每一步，我都在与 Claude 进行沟通。
00:22:17我不指望它最后能直接给我一个完美的产品，
00:22:20但我把大量的体力活都外包给了它。所有的分析、
00:22:24所有的竞品研究、所有的钩子、
00:22:27所有的基础构思，它都能搞定。
00:22:29这让我能专注于高杠杆的事情。此外，
00:22:32一旦我创作了一件内容，
00:22:34它就为我提供了一条非常简单的执行路径，
00:22:39将内容以不同形式分发到多个平台，对吧？
00:22:42这就是为什么一个人即便没有所谓的“爆款帖子”，
00:22:46也能实现月入千万的原因。
00:22:48如果你想获取所有这些具体的技能，
00:22:50包括 Twitter 研究引擎、GitHub 脚本和 Cloud Code 大师课，
00:22:55请务必查看 Chase AI Plus。再次提醒，
00:22:57链接就在简介和评论区里。
00:23:00简介里还有我免费的 Chase AI 社区链接。
00:23:04如果你想要一堆免费资源，刚刚开始接触 AI，可以去看看。
00:23:07除此以外，让我知道你的想法，我们回头见。