AI 广告创意教程:批量出 hook / 标题 / 变体
可复用工作流,为 Meta / TikTok / Google 出可测的广告变体。
从零开始上手 ChatGPT、Claude、Gemini、Codex、Cursor 等主流 AI 工具的使用方法与进阶技巧。
255 篇文章
AI 工具的更新速度很快,但真正影响你产出的,永远是基础操作 + 关键场景。这个栏目聚焦于让你在十分钟内开始使用一款 AI 工具:从安装、登录、第一条 prompt,到日常工作里用得最多的几种模式。 我们会同时覆盖通用助手(ChatGPT / Claude / Gemini)、命令行代理(Claude Code / Codex)、和编辑器集成(Cursor、IDE 插件)。 内容偏向"我打开终端就能照做",少讲营销话术,多讲真实的 workflow。如果你刚开始接触 AI,建议按发布时间从老到新看;如果你已经在用,可以直接挑工具名或对比类文章。
从基础对话到 Projects、图像生成、文件分析的完整使用指南。
Claude 对话、Artifacts、文件、Connector、Code 全方位上手。
Google Gemini 在日常工作、文件、图像任务中的实用方法。
Cursor、Codex、Claude Code 等 AI 编程工具的对比与上手教程。
Suno、Udio 等 AI 音乐工具的写歌、改编、Extend、风格调参教程。
Midjourney、Nano Banana、Seedream、Flux 等图像模型的上手与对比。
Sora、Veo、Kling、Runway 等视频模型的运镜、图转视频与剪辑技巧。
NotebookLM、Perplexity、Deep Research、长文阅读、多源比对的 AI 工作流。
会议总结、PPT 生成、邮件分类、SOP 草稿、知识库整理的 AI 工作流。
用 AI 做 SEO 审计、内容 cluster、hreflang 检查、AdSense readiness、上线 QA。
广告创意、Landing Page、品牌语气、短视频脚本、Newsletter、多平台分发的 AI 工作流。
可复用工作流,为 Meta / TikTok / Google 出可测的广告变体。
可复用 AI 审计工作流——抓 Astro 内容站的坏 slug、缺翻译、死内链、draft 泄漏、配置漂移。
5 步 AI 构思工作流——把一段 brief 变成 12 个差异化 campaign 概念,已评分、已排序、可直接给老板看。
5 阶段 AI 工作流清理庞杂的 Notion / Confluence / Google Sites 知识库——去重、打标、归档、互链、重建索引。
可复用的 AI 会议总结工作流——从转录到决定 + 行动项。
6 阶段可复用 AI 研究流——从问题界定到可引用输出——把 Perplexity、NotebookLM、Deep Research 串起来。
把 git log 变成读者真会读的 release note,而不是一堆 commit message 的堆叠。
AI 在迁移上最常错的三件事:可回滚、回填策略、大表上的 NOT NULL。
用 AI 快速出复盘初稿,但不把那些让复盘有用的难听话洗掉。
AI 能安全解多数 merge 冲突,关键在于知道哪些不能信。
凌晨 3 点被叫醒怎么用 AI——分流、列假设、冷静协议、修完沉淀成 runbook。
把 git diff 变成 reviewer 真愿意打开看的 PR 描述,prompt 不会编出根本不存在的 test plan。
pip 装一下,对着 repo 跑起来,diff-看-收 的循环就在 shell 里——不开 IDE、不开浏览器、不绑工具。
用 Canvas 处理需要反复改的长文档和代码,让模型只改你选中的那段,而不是每轮把整篇重写一遍。
用 AI 10 分钟备完 1on1——议程、值得提出的话题、当天跟进笔记。
完整亚马逊 listing 工作流——标题、5 大点、描述、A+ 模块。
用 Perplexity + Deep Research + 一张结构化对比表,半小时拆完 5 家竞品——不靠装深度。
用 AI 规划 12 期内容系列——主线、每期节拍、钩子、能撑下去的更新节奏。
用 AI 找出过时文章、定向起草刷新内容,把衰退中的页面拉回前三。
让 AI 帮你找档案、辨手写、做翻译,但绝不替你总结你没亲手翻开的文献。
用 Perplexity + Deep Research + 一张结构化对比表,半小时拆完 5 家竞品——不靠装深度。
让 AI 帮你找档案、辨手写、做翻译,但绝不替你总结你没亲手翻开的文献。
让 AI 跑公开数据和单位经济,再用交叉验证一步抓出编造的数字,最终交一张能在投资人面前站住的 TAM/SAM/SOM。
把 AI 当作筛选和综合的辅助层,而不是引文生成器——这样才能做出真正能交差的系统综述。
用 AI 10 分钟备完 1on1——议程、值得提出的话题、当天跟进笔记。
用 AI 起草季度 OKR,再加一套周例会 check-in,第 8 周才发现跑偏就晚了。
用 AI 找出过时文章、定向起草刷新内容,把衰退中的页面拉回前三。
用 AI 画出站内链路图,挑出本周最值得补的 20 条桥接链接。
用 AI 在 90 分钟内规划国际化 SEO:hreflang、本地化信号、货币显示。
用 AI 找出互抢同一关键词的文章对,再决定每一对该合并还是分化。
完整亚马逊 listing 工作流——标题、5 大点、描述、A+ 模块。
用 AI 规划 12 期内容系列——主线、每期节拍、钩子、能撑下去的更新节奏。
用 AI 起 LinkedIn 帖子——读起来像聪明同行,不像励志机器人;附评论运营层。
用 AI 写 TikTok 脚本——钩子-揭示-CTA 三段结构,把 3 秒断崖压住。
把 git log 变成读者真会读的 release note,而不是一堆 commit message 的堆叠。
AI 在迁移上最常错的三件事:可回滚、回填策略、大表上的 NOT NULL。
用 AI 快速出复盘初稿,但不把那些让复盘有用的难听话洗掉。
AI 能安全解多数 merge 冲突,关键在于知道哪些不能信。
凌晨 3 点被叫醒怎么用 AI——分流、列假设、冷静协议、修完沉淀成 runbook。
把 git diff 变成 reviewer 真愿意打开看的 PR 描述,prompt 不会编出根本不存在的 test plan。
pip 装一下,对着 repo 跑起来,diff-看-收 的循环就在 shell 里——不开 IDE、不开浏览器、不绑工具。
用 Canvas 处理需要反复改的长文档和代码,让模型只改你选中的那段,而不是每轮把整篇重写一遍。
Deep Research 适合那种产出会被人翻引用、抠数字的简报——题目收窄、等待时干正事、终稿前每条引用都核一遍。
实际的快捷键清单,再加哪几个值得先记、哪些可以跳过的取舍。
把会议转录变成结构化纪要、决定、行动项——别让模型悄悄编出会上根本没有人承诺过的事。
语音捕捉、Share Sheet、拍照提问、桌面小组件——以及你在 6 寸屏上该停下来不做的那几件事。
每日摘要、每周核查、定时调研——什么有效、什么会悄悄失败、什么时候该用 Tasks 什么时候该走 API + cron。
先建术语表、保留语气、做回译核验——区分机翻能看和能上线发表的关键步骤。
把报错弹窗、表单、PDF 里的图、白板照片传给 ChatGPT 转写或解释——用对 prompt 才不会被它悄悄编出来的数字坑。
MCP 是什么、怎么用 claude mcp add 加 server、三种 transport、以及第一天值得装的几个 server。
Rules 的结构、什么时候用 .cursor/rules/*.mdc、什么时候用老的 .cursorrules,以及怎么写模型真会照办的规则。
Codeium AI 优先 IDE 走一遍:装、登、配,让 Cascade agent 第一次任务别打架就跑出小 diff。
用 AI 10 分钟备完 1on1——议程、值得提出的话题、当天跟进笔记。
做出能扛过 Spotify 64 像素缩略图的 AI 专辑封面 —— 构图、配色、字体,以及一小时内出终稿的迭代节奏。
完整亚马逊 listing 工作流——标题、5 大点、描述、A+ 模块。
用 Perplexity + Deep Research + 一张结构化对比表,半小时拆完 5 家竞品——不靠装深度。
用 AI 规划 12 期内容系列——主线、每期节拍、钩子、能撑下去的更新节奏。
用 AI 找出过时文章、定向起草刷新内容,把衰退中的页面拉回前三。
用 60 秒把一个不好懂的概念讲明白:脚本先行、画面其次、配音最后。
构建奇幻角色 bible:角色卡 + 环境大场景 + 动作变体,三张图同一张脸。
用一个模特跑 6 套造型,保持品牌色系统一,整组看起来像一次拍摄。
让 AI 帮你找档案、辨手写、做翻译,但绝不替你总结你没亲手翻开的文献。
用 AI 画出站内链路图,挑出本周最值得补的 20 条桥接链接。
用 AI 在 90 分钟内规划国际化 SEO:hreflang、本地化信号、货币显示。
用 AI 找出互抢同一关键词的文章对,再决定每一对该合并还是分化。
用 AI 起 LinkedIn 帖子——读起来像聪明同行,不像励志机器人;附评论运营层。
让 AI 跑公开数据和单位经济,再用交叉验证一步抓出编造的数字,最终交一张能在投资人面前站住的 TAM/SAM/SOM。
用 Suno 出歌、Sora/Kling 出画面,30 秒 MV 每一刀都卡在鼓点上,整体看起来才不业余。
用 AI 起草季度 OKR,再加一套周例会 check-in,第 8 周才发现跑偏就晚了。
用 AI 起草、压力测试、复盘个人 OKR——撑过第 3 周的季度目标。
用 AI 改写 Slack 草稿,让消息读起来直接、有温度,而且真能把对话推动到下一步。
把 AI 当作筛选和综合的辅助层,而不是引文生成器——这样才能做出真正能交差的系统综述。
用 AI 写 TikTok 脚本——钩子-揭示-CTA 三段结构,把 3 秒断崖压住。
用 Sora、Veo、Kling 做 45 秒预告片:铺垫—升级—收口,结构搭对了,画面普通也像电影。
Computer Use 能真的开浏览器点按钮。关键是挑对任务、让它在安全的地方失败。
在手机上对着 Claude 说几分钟,到家就是结构化的初稿,而不是一堆听不清的口水话。
Skills 听起来很魔法,直到你看着它一次都没触发过。这篇讲清楚 Claude 到底怎么判断要不要调一个 Skill。
一个共享 Project 没有 owner,三个月就烂掉。这是一套能撑过启动周、撑到半年后还在被用的结构。
两个都不弱,但 PM 一周里的活形状不一样。这篇是 PRD、JIRA 整理、文档清洗的真实对照。
Gemini 3 Pro 的深度研究能跑 20 分钟、综合 30 个来源。问题在怎么把它对准真正值得研究的题目。
Gemini 能读邮件、查日历、约时间、起草回复,但要先把护栏装好,否则给你订错的速度比手动还快。
Canvas 让 Gemini 把聊天和文档摆在一起,用对了就不用再把同一段稿子来回粘贴。
在 Sheets 里用 Gemini 拼透视表很方便,但在它进入汇报前你必须自己验过一遍。
围绕一份清晰 brief 出 30 个 Suno 变体,结构化扫变量、固定评估网格、快筛淘汰,听到最后还能选得动。
用同一份 brief 同时驱动 Suno 和 Midjourney,让歌和封面看起来像同一个发行项目,而不是两个不搭的素材。
把 Suno 出的曲子拆成分轨,去做真正的混音和 remix —— 哪些能干净导出、哪些不能、不行时怎么补救。
Codex 键盘快捷键完整参考:终端 TUI、桌面版、输入编辑、会话控制、模式切换、后台任务与常见失效原因。每个快捷键都带中文和英文说明。
Codex skills 完整指南:什么是 skill、如何用 /skills 查看和调用、SKILL.md 怎么写、内置技能与插件技能怎么区分,并附中英双语说明。
Claude Code 所有键盘快捷键的完整参考:会话控制、模式切换、输入编辑、历史记录、IDE 集成与终端兼容性问题。
Claude Code skills 的完整入门:什么是 skill、如何调用、如何写一个 SKILL.md、何时用 hook 或 subagent 替代、以及如何在团队里共享。
Claude Code 所有内置斜杠命令的完整指南:会话生命周期、用量成本、配置、subagent / hook / MCP 扩展、诊断与 IDE / git 集成命令。
决策矩阵把任务形状映射到工具:一行 / 几行胶水用补全(亚秒级),跨文件改 / 读测试 / 跑命令用 agent。延迟、范围、可控性三轴判断。
可复用工作流,为 Meta / TikTok / Google 出可测的广告变体。
AI 对照四大拒审桶预审:内容稀薄、About / Contact / Privacy 弱、爬虫导航坏、政策边缘内容。输出阻塞 / 风险 / 可选分流,避免白白等 30 天冷却。
在 PR 发给同事之前,用 Claude Code / Codex / Cursor Agent 先做一遍 review。
按背景角色(启动屏、设置、引导、空状态)拆 prompt,强调负空间、亮 / 暗模式适配、目标屏比例——产物能真坐在内容后面,不和按钮打架。
强制 steelman → 攻击序列,每份设计文档抓出 3-5 个真问题——用 Claude Opus 或 GPT-5.5 reasoning 当 devil's advocate,避免几周后才发现要重构。
可复用 AI 审计工作流——抓 Astro 内容站的坏 slug、缺翻译、死内链、draft 泄漏、配置漂移。
针对 Astro 的审计 prompt——sitemap / hreflang / output / RSS。
RN 真正会坏的地方:重渲染、导航栈堆屏、原生模块新架构兼容、列表虚拟化、图片、iOS / Android 差异——AI 审计给出带文件路径的热点清单,profile 那一小时才不浪费。
用 AI 快速、便宜、广泛地探索视觉身份——再把方向交给设计师。
用 AI 从 5-10 篇最佳样本提炼语气,输出带具体短语、句长分布、绝不写反例的 1-2 页文档——能装进 Custom GPT 或 Claude Project 当语气基线。
30 分钟月度流程:lychee / linkinator 确定性扫 URL,AI 按根因(404 / 重定向链 / 拼写 / 死外链)聚类并出按 cluster 修复方案——比等 Search Console 提示快好几周。
周日晚上 25 分钟 AI 工作流,把优先级 + 收件箱 + 日历变成有防御力的一周。
5 步 AI 构思工作流——把一段 brief 变成 12 个差异化 campaign 概念,已评分、已排序、可直接给老板看。
Category 页是被低估的 SEO 面——这套 AI 工作流抓重复 intro、内链弱、缺描述、分页坏。
怎么让 AI 角色片"动得自然"——不带 uncanny 感。
怎么写出真让 AI 片有电影感的镜头语言——而不是"AI 电影感"。
4 趟 AI 引用核验工作流——发表前抓出虚构来源、错引、来源弱的引用。
用 Claude Code、Cursor、ChatGPT 给自己做一份陌生代码库的导览。
AI 编程的质量本质上是上下文问题。这是怎么喂对、不喂错的方法。
一张定型参考图 + 冻结的结构化角色 bible,配合 Midjourney --cref / ChatGPT image 输入 / Stable Diffusion LoRA——让同一角色在 5 张以上图里仍是同一个人。
用 AI 识别 pillar、cluster 话题、内容缺口。
AI 内容营销工具栈聚焦——构思、起稿、编辑、排程、分析、再利用、素材,各用什么。
把一篇长文(博客 / 播客 / YouTube)变成 10+ 平台定制衍生。
6 周 AI 辅助工作流——做出独特创作者品牌:声音、观点、招牌话题、格式库、内容引擎。
把 trace、触发输入、期望和实际一次贴齐,让 AI 先按概率列 3 个原因 + 各自诊断检查,再回报结果要修复——避免 AI 直接乱猜 20 次。修完顺手写回归测试。
用 Claude Code 或 Cursor 升级依赖,避免微妙的隐藏破坏。
每日 15 分钟 AI 辅助邮件分流工作流——发回复不丢声音。
20 分钟 AI 工作流,把 30 页报告或 90 分钟会议压成 C 层会扫完的 1 页摘要。
可复用的 3 分钟事实核验流程——Perplexity + 人工源核查。
部署前飞行前检查——firebase.json / rewrites / function region。
三段流程:先用 AI 规划 pillar / cluster 信息架构,再 AI 起稿 + 人工重度编辑,最后装 meta / 标签 / 内链 / sitemap 那层结构胶。stack 无关,例子偏静态站。
用 AI 快速起 PPT 草稿——大纲 / 逐页 / 演讲备注。
用 AI 审计 hreflang——slug 不匹配、缺对、错代码。
博客 1.91:1、Story 9:16、LinkedIn 链接卡 1.91:1、Pinterest 2:3——一张表按目的地一次选对比例,省 30% 重生预算并让构图为最终裁切而设计。
可用 AI 图片 prompt 的 5 个核心组件——以及让输出变平庸的 3 个陷阱。
可复用 prompt 库比每周一重新发明轮子强多了。这是怎么建。
用 Deep Research(ChatGPT / Gemini / Claude)在 90 分钟内出一份可信的行业 brief。
一组图开始像 6 个不同画师画的——怎么把它拉回到一个声音。
5 阶段 AI 工作流清理庞杂的 Notion / Confluence / Google Sites 知识库——去重、打标、归档、互链、重建索引。
用 AI 起完整 Landing Page——hero / 卖点 / 社证 / FAQ / CTA。
90 分钟 AI 工作流——写完发布日要的全部:公告、Landing Hero、邮件、新闻稿、Demo 脚本、FAQ。
可复用的 AI 会议总结工作流——从转录到决定 + 行动项。
10 条一批喂 AI 出 145 字符 meta,30% 抽查挡住幻觉,一个 PR 上线——之前 meta 单薄的页面被重新索引后 CTR 通常提 10-20%。
大迁移(Vue 2→3、React class→hooks、JS→TS、Pages Router → App Router)的结构化 prompt 流程。
AI 在 monorepo 里要么好用要么炸。这是让它工作起来的配置。
四问综合模式(共识 / 分歧 / 空白 / 时效)+ NotebookLM vs Projects 工具选择 + 来源标签纪律 + 抽查闭环——一个工作日产出每条主张都带可追溯引用的跨源 brief。
完整周更 newsletter 工作流——选题 / 起稿 / subject / 发送。
3 趟法:1 分钟分流(摘要 + 引言 + 结论)、10 分钟结构化 AI pass、再由你主导深读 AI 只澄清——既保速度又不钝化批判直觉。配每趟 prompt 和可引用笔记模板。
用主体 / 表情 / 服饰 / 灯光 / 镜头五槽骨架,加上 85mm、catchlight、natural skin texture 这些摄影词,把 AI 人像从塑料模特拉到真拍质感。一次只改一个变量。
AI 出带刻意留白的主视觉,标题 / 副标题 / 日期在 Figma / Affinity 里上字——字距、对齐、印前校样能控住,不和 AI 幻觉字母搏斗几小时。
每次 commit 前用 AI Agent 做 60 秒 review。把蠢错抓在外泄之前。
用 AI 做产品 b-roll 和短广告——不带"AI 广告"味道。
4 角度模板(主图 / 生活 / 使用 / 细节)+ 品牌安全清单 + 只换变量的迭代节奏,一小时跑出 4 图 listing——不是泛泛的 AI 渲染,是真能拉点击的广告图。
主体 / 材质 / 表面 / 背景 / 灯光五槽骨架,加镜头 / 光圈 / 阴影方向词汇,让 AI 输出像棚拍而非渲染。每轮只改一个变量,反光面要明写反射 prompt。
用 AI 把功能清单变成 3-5 个产品故事——客户会复述的那种,不只是"产品干了啥"。
AI 人像最容易翻车的三处——皮肤、眼睛、手——以及对应 prompt 修法。
AI 重构能用的四前提(有测试、scope 小、把 AI 当初级工程师、先 plan 后 diff),跨模块改名 / 抽 helper / 替 deprecated API 的可控做法,以及静默崩了能干净回滚的节奏。
6 阶段可复用 AI 研究流——从问题界定到可引用输出——把 Perplexity、NotebookLM、Deep Research 串起来。
AI 跑前先 commit、AI 输出审 diff 再 commit、长任务每 3-5 步 commit、可能要的改动用 stash——四步纪律让 AI 在 12 个文件里改错时也能干净回滚。
每周 30 分钟 AI 工作流分流 Search Console:索引覆盖、CWV、移动可用性、人工操作。
短视频有自己的视觉语法——竖屏、快、第一秒抓眼。AI prompt 要匹配。
用 AI 起短视频脚本(Reels / Shorts / TikTok)——尊重平台节奏。
可复用工作流——用 AI 排 + 起 4 周社媒日历,按平台分主题、按 post 类型平衡、Hook 预写好。
4 步 AI 工作流——它先采访你、再起 SOP、再用你自己的证据核对、90 分钟拿到第一版可用 SOP。
15 分钟周五 AI 工作流,写出 skip-level 真的会读的状态更新——又不像 AI 写的。
自己先 pivot 聚合到 50 行以内、剥 PII,再让 AI 用指定框架(vs 上周 / 计划 / 去年同期)叙述——产出过 30 秒测试的 4 句标题,不把 5000 行原始数据扔给模型幻觉。
里程碑 → 周 → 天三层逐层拆,一次只拆一层(第 2 周以后的计划都会变),每个日任务 ≤2 小时——周一早上就知道接下来 2 小时该干什么。
别用通用 80 点 SEO 清单。用 AI 在 20 分钟内为你的栈(Astro / Next / Hugo / WordPress)生成定制版。
把一份文字 spec 变成上线代码,不掉进"半成品功能"陷阱。
3 趟 AI 工作流——给每页打薄内容分、浮出最差的、给一份"扩 / 合 / noindex / 删"的方案。
AI 写的测试经常"通过但啥也没测"。下面这套流程给你真覆盖率。
TikTok / Reels 9:16、YouTube 16:9、Instagram feed 4:5、电影感 2.35:1——按平台目标比例直接生成,不靠后期裁切,省 30% 的重生 credit。
剧本拆成镜头级 prompt,逐镜决定字面 vs 意象(60% 字面 + 40% 意象),剧本音频先剪好再叠画面——60 秒剧本约 90 分钟产出 8-12 个节奏对的镜头。
先分清 5 种漂移(身份漂 / 背景扭 / 镜头 glitch / 物体复制 / 运动卡住),再只动正确那一个变量——4-6 次内拿到干净片段,不再瞎重生 20 次。
AI 视频 prompt 的 6 个核心组件——Sora、Veo、Kling、Runway 通用。
可复用的社交广告素材生成流程——Meta、TikTok、YouTube Shorts——不烧预算。
先做分镜再生成。为什么前置规划胜过"先 prompt 后祈祷"。
每天 90 秒原始捕获 + 周五 5 分钟让 AI 出 3-2-1-3 结构(3 胜利 / 2 阻塞 / 1 ask / 3 下周优先),300 字以内加一句经理真会读的人话。
刚性锚定:风格 bible 原样前置到每个 prompt、同工具同会话、角色用同参考图、最后整体调色统一——5 镜剪成连贯成片约 90 分钟。
30 分钟 AI 审计三轮聚焦——安全(CORS / env / auth)、性能(N+1 / 缺 rate limit)、UX(可访问性挡板)——抓到大约 60-80% 上线前明显坑,出分级修复清单。
20 分钟扫描代替 3 小时正式审查:让 AI 按类别(吞错、竞态、隐式 fallback、null 边界)找可疑点,带测试和优先级——不是泛泛的 review this code。
ChatGPT 新手从注册、选择模型、写第一条 prompt 到保存常用工作流的 30 分钟上手路径,并附常见误区清单。
套路:先发散到很广要 20 个截然不同的角度、自己挑 3 个、再让 ChatGPT 攻击每个、最后决定——把 ChatGPT 当对练,不是把第一念头润色一遍的应声虫。
ChatGPT 不是 Claude Code,但用对了照样能在真实项目里跑通。这里是方法。
按任务桶选模型:闲聊 / 起稿用快模型、数学和复杂代码用推理模型、简单查询用轻量——一张决策表治 “永远默认” 和 “永远开最重 reasoning” 两种浪费。
Custom GPT 是可复用的预设——挑一个你每周都做的事来建一个。
用带代码的 ChatGPT 读 CSV、出图——不开 notebook 的小型分析。
Advanced Data Analysis 让 ChatGPT 变成一个真的 Python notebook。这里是怎么用、又不被漂亮图表骗的方法。
正则、单文件脚本、SQL、shell pipeline、debug 报错——这些用 ChatGPT 一次性写得来。跨文件重构、要 AI 编辑文件的,切到 Cursor / Claude Code / Aider。
一套可复用的文件分析流程,让 ChatGPT 真的引用原文,不是含糊总结。
结构化 prompt(主体 + 风格 + 灯光 + 镜头)+ 每轮只改一个变量 + 参考图锚定——3-5 轮拿到能用的图,不是 30 次乱摇 30 个形容词沙拉。
一套可复用流程,让你拿到的不是"碰运气的第一版",而是真的能用的成图。
一项任务跨多次对话时,怎么组织 ChatGPT 才不丢线索。
记忆让 ChatGPT 像更懂你的助手,但它有边界——这里是用法。
按任务桶映射模型档:查询 + 起稿 → 最轻、深度推理 + 数学 + 复杂代码 → 推理强、图 / 多模态 → 多模态。把默认设成你最常用那档,少数情况单聊里换。
Pin / 归档 / Projects——侧边栏过 100 条还能找到东西。
分层提问:先要章节地图、再深入挑出的两三节、最后抠原文引语带页码——质量比直接 “帮我总结一下” 高很多。要扫描件先 OCR。
储存在 Obsidian / Notion 外部,让 ChatGPT 只做检索和综合那一层——周或月级快照上传 + Project Instructions 写 200 字自我介绍 + 单独 Quotes 文件夹存原文引语。
2026 最新:用 Projects 把多周任务的上下文绑在一起,不用每次新对话都重新介绍背景。
大多数 ChatGPT 笔记都丢在对话历史里。这套方法让笔记跨周累积、复利生长。
2026 最新:在 ChatGPT 内完整跑一份可信研究——Deep Research 模式、Projects 留上下文、抽查环让输出不"虚胖"。
让 ChatGPT 干它擅长的(陌生领域大纲、列可能来源、综合你读过的材料),人来盯它不擅长的(判断来源质量)——产出 8 条带可点引用的 2 页简报。
两轮流程:第一轮按 JD 对齐关键词过 ATS,第二轮把你真实的数字和动词塞回去顶住 6 秒人眼浏览——避开 spearheaded / leveraged 那种 50 份同款的模板腔。
四个杠杆按顺序加(读者 / 格式 / 约束 / 示例)+ 删掉 “请尽量帮我” 一类无效客套——把 “5 次里 1 次能用” 提到 “5 次里 4 次能用”,10 分钟见效。
让 Excel / Sheets 真听话——公式、清洗、出图准备。
把 ChatGPT 当导师:出题逼主动回忆、安排间隔复习、解释时锚定教材而不是它的训练数据——附学生 / 自学者直接可用的 prompt 模板,治读懂 ≠ 学会。
语音真的比打字强的 5 种任务:散步脑暴、语言练习、开会前预演、出声日记、手不空学习——其他场景(文档、代码、精确数字)老老实实打字。
语音模式 demo 时很惊艳,大多数人用了一周就停。其实只有 3-4 个场景它真的更快。
ChatGPT 联网搜索适合查新资料、核对来源和做初步研究。本文给出提问结构、来源验证方法和避免幻觉的检查步骤。
四阶段:写前(读者 / 角度 / 大纲)→ 自己起草 → AI 当编辑(结构批评 / 删除建议)→ 慎用终稿润色——把 ChatGPT 当思考伙伴和犀利编辑,不让它直接重写。
NotebookLM 做多文档综合、Perplexity 做带源的快速查、Deep Research 三家做长报告、Claude Research 把内部资料和网络放一起——按真任务挑,不按功能清单。
2026 最新:ChatGPT 联网搜索看着是查资料的捷径,下面这套流程让它真的是。
长 context Claude 适合"读 + 结构化 + 决定"。
2026 最新:Artifacts 让 Claude 的输出可编辑、可运行、可复用。这是真用起来的方法。
Artifacts 让 Claude 真的生成可下载、可编辑的产物——文档、代码、网页。
Claude 新手从注册、长文档阅读、Artifacts 到第一个可交付工作流的 30 分钟上手路线,适合写作和研究任务。
让 Claude 读你的浏览器很强,也有风险。这是兼顾两者的工作流。
Claude Code 是什么、怎么装、怎么完成第一次重构:安装步骤、Prompt 模板和新手最容易踩的坑。
Claude Code 是命令行 agent——它做什么、为什么开发者爱用。
CLAUDE.md 不只是 readme,它是 agent 的记忆。
可复用的 Claude Code Prompt + 工作流,给你的内容站跑真实 SEO 审计。
把 Claude Code 接上真实项目,30 分钟内进入有产出的状态。
Claude Code 的日常开发工作流:读代码、拆任务、改文件、跑测试、复盘上下文,整理成可重复使用的模式。
Connectors 让 Claude 接到你的工具。这是真用起来的配置。
2026 最新:把 Claude 接到你的工作工具——能做什么、要注意什么。
Claude 的文件处理是它的最强项。这是让检索真正生效的喂料方法。
Claude 的文件功能和直接粘贴文字不一样——发挥最大价值。
把 Claude 接上 GitHub 仓库,当成"对自己代码的研究工具"。
长 context 是 Claude 的强项——100+ 页文档不用拆。
Claude 的 200K 上下文是长 PDF / 报告深度分析的对的工具——本文给出怎么用好的工作流。
Claude 的大上下文优势只有在 Projects 用对的时候才真正兑现。
Projects 让 context 跨对话保留——前提是配得好。
Claude 比你想象更"按字面"执行——这是为它写 prompt 的方法。
上传 → 大纲 → 多角度讲解 → 出题 → 主动回忆五步循环,每章 30-45 分钟,用 Claude 长 context 逼自己提取记忆——不是开着它读书。
Claude 的大上下文 vs ChatGPT 的生态——长文档工作哪个赢?
Claude 给好 prompt 就写得干净——这是 prompt 结构。
Codex 做什么、怎么在云端沙盒里跑任务、什么时候用它:安装步骤、扔给它过会儿回来看的工作流、新手最常踩的坑。
把 Codex 当 pre-review——人类看之前先抓一遍。
用 Codex 抽查 sitemap 正确性、新鲜度、覆盖度。
四块结构:目标(具体可衡量)、约束(要动 / 不许动的文件、要镜像的模式)、验收(一条可跑测试)、交接规则——少一块 AI 就用假设填空,往往是错的。
安装 + 首次索引 + 4 次真实编辑(每个 AI 面板各一次:Tab / Inline / Composer / Chat),一小时后你就知道什么任务该按哪个键、什么是甜蜜区什么是失败模式。
调优循环:忽略什么、什么时候重 index、怎么用 @File / @Folder / @Symbol 精确钉住——治“Cursor 引一些不存在的文件”、“漏掉明明存在的”、“索引慢 / 坏”。
把 30 页审计压成 1 页 brief(标题 / 范围 / Top 3 / 总数)、按严重度 chunk、agent 执行后跑核验循环——避免 “做了一些重构” 这种含糊产出。
Gemini 在 Android 是最接近"原生手机助手"的存在。这是它真正擅长的几件事。
Gemini 新手从登录、文件提问、Google Workspace 场景到第一个可复用工作流的上手指南,附适合和不适合的任务。
Gemini 的优势:在 Workspace 内容间打通想法。
Gemini 的编程能力上得很快。讲清它真的能赢 ChatGPT 的几个场景,以及该切去 Claude / ChatGPT 的时机。
Deep Research 把 Gemini 变成多步研究 Agent。什么时候能信、什么时候要核对。
2026 最新:Gemini 在 Docs 最好的用法是 5 个外科手术点——大纲、扩写、收紧、事实核查、排版。
Gemini 能读 PDF 和 Drive 文件——拿到能用的摘要。
2026 最新:Gmail + Gemini 工作流,处理量但不丢语气。
Gmail 和 Docs 侧边栏联动,形成完整的"读 → 写 → 回"链路。
Gemini 真正的优势是原生接入 Gmail、Docs、Drive、Calendar。这是日常用法。
Imagen 强在扁平插画、水彩、写实静物、风格化场景;弱在文字、真人、角色连续——风格锚(具名艺术家 / 运动)+ 显式比例 + 3-5 次迭代是稳定配方。
Gemini 在地区可用性、账号类型、语言支持上的限制最容易踩——以及在选用它之前可以做的检查与替代方案。
10 分钟搞定会前准备,一次性用上 Calendar、Drive 和 Gmail。
Gemini 处理 PDF 跟 ChatGPT / Claude 不一样。这是抽出真价值的方法。
Gemini Deep Research 强在新鲜网络数据 + Workspace 集成——本文给一条 ~45 分钟出 defensible brief 的流。
Gemini 能读懂 Sheet 结构,帮你写公式 / 透视 / 找洞察。
把 Gemini 用在它真正擅长的三件事:卡住概念的多角度讲解、抽认卡生成、主动回忆式测验——配合 Drive 里的教材和你自己的间隔练习节奏。
提交信息、提交边界,以及绝不能让 AI commit 的东西。
200 行 diff,编译过 ≠ 安全——按高级工程师的顺序读。
高清参考图 + 保守运动强度 + 一句话动作描述 + 短片段拼接——Runway / 可灵 / Pika / Luma 都用这套,避免产品变形、第三秒长出第三只手。
可灵 Kling AI 视频教程:从图转视频、镜头运动、提示词结构到导出检查,帮助你生成更稳定的短视频素材。
30 分钟从空白 prompt 框跑到可用图:一句话 prompt 公式(主体 + 风格 + 灯光 + 镜头)、真正起作用的 5 个参数(--ar / --style / --sref / --no / --v)、迭代闭环。
Cursor + Claude Code + Codex 一起用——不冲突。
Nano Banana 是 Google Gemini 2.5 Flash Image 的民间叫法,已原生整合进 Gemini。教你用纯 prompt 改局部、保留其余区域,不用画 mask,并对比 Photoshop 生成式填充和 Flux Kontext。
NotebookLM 实操指南——上传来源、问带引用的问题、生成音频总结。
Perplexity 介于搜索与聊天之间——带引用的答案 + 网络鲜度。
CLAUDE.md / AGENTS.md 列禁区路径、.cursorignore 让 agent 读不到、CODEOWNERS + 分支保护强制 review、pre-commit hook + secret 扫描——四层护栏比礼貌指令稳。
按任务给出办公 AI 助手的决策清单——会议、邮件、文档、PPT、表格。
实用的 Runway 视频教程:它擅长做什么、怎么搭项目、清晰可控的 Prompt 模板、以及导出前的检查清单。
用 AI 审你站点的 SEO 基础——title / description / 结构化数据 / 内链。
15 分钟做你的第一条 AI 视频——prompt 结构 + 长度。
风格锚句逐字复用、seed / --sref / LoRA 锁定角色、围绕一张锚图对齐——让 10+ 张图明显属于同一系列,不在调色、镜头、渲染上漂。
Suno 新手从选择风格、写歌词、控制结构到生成第一首歌的 15 分钟路线,附 prompt 写法和常见翻车点。
用 Suno 写品牌 jingle 的完整流程:Prompt 结构、时长与节奏参数、以及发布前的版权检查。
三杠杆一起拉:具名中国乐器(不是亚洲乐器)、明确五声音阶、按古诗对句的中文歌词——让 Suno 切到真国风频道,不是带亚洲点缀的西方流行。
副歌是听众记得住的部分。这是把 Suno 推过"通用副歌"的方法。
Suno 音乐是否能商用取决于生成时的订阅计划和平台规则。上线、发布或接广告前,先核对这份保守检查清单。
Cover 保留旋律 + 歌词换制作,但**不剥版权**——自己 demo 换流派 OK,cover 别人的歌等同未授权衍生作。守住作品权 vs 录音权这条线工作流才干净。
切点放乐句边界(不是节拍中间)+ 续写 prompt 明确要新材料不要复制副歌 + 链式 extend 写完整曲式 + DAW 收尾——把 60 秒精彩段拼到 3 分钟成品。
五件套:功能 / 3-5 音节品牌短句 / 音色方向(温暖 vs 精准选一)/ 7-15 秒长度 / hook 出现两次——所有 jingle 变体听起来都是同一个品牌,不再每次出 2 分钟没记忆点的歌。
从锚点(chorus 2 末 / 桥段前)扩、prompt 明写要新材料而不是“继续”、3-4 分钟收手——避开盲目 Extend 第三次就听不出原曲的漂移。
Verse / Pre / Chorus / Bridge——按真实流行结构写。
Suno 的 prompt 不是英文句子,是"配料卡"。这是真能改变输出的结构。
只要别拿它当唱歌模型,Suno 也能 rap。这是专门给 rap 的流程。
用 Suno 给 TikTok / Reels / Shorts / 抖音生成 BGM——快、版权 OK、还能贴 vibe。
有序 style block 公式:流派(挑一个不堆)→ 显式 BPM → 乐器 → 情绪 → 制作线索——Suno 对开头权重大,机械化结构每次只换词比堆 5 个形容词稳。
四个杠杆——模型版本、歌词格式、prompt 词汇、重 roll 策略——治 Suno 把中文唱成中文口音英文、把声调唱反的老毛病。附 Suno 各语言强弱分级。
ChatGPT 的图片生成 (基于 GPT Image / DALL·E) 在哪打开、怎么写好第一条 Prompt、怎么让一组图风格一致。十分钟跑通完整工作流。
ChatGPT Projects 是把多个对话归档到同一个上下文容器的功能。这篇讲它怎么打开、什么场景该用、和 Custom GPT 的区别。
Claude Code 是命令行 agent,Cursor 是编辑器内副驾驶。任务类型、调试链路、回滚成本不同——这篇给一张选择表。
Cursor 第一次安装到独立完成第一个修改,30 分钟跑通完整工作流:Composer 与 Inline 的区别、Codebase 索引、@Files 注入、Apply 与回滚。
OpenAI Codex 和 Anthropic Claude Code 都是命令行 / 编辑器中的 AI 编程代理。本文对比两者的定位、能力、生态与适用场景。
Claude Code 是 Anthropic 出的命令行 AI 工具。本文讲清它能做什么、跟 ChatGPT / Cursor 有啥不同,以及前 10 分钟怎么上手。
ChatGPT、Claude、Gemini 三个主流通用 AI 助手到底买哪个?这篇文章从写作、编程、长文档、图像、价格、隐私六个维度给你直接的结论。