我如何用 ChatGPT 经营我的时装生意

• 她在做什么：Yana Welinder 的品牌叫 Yana Banana，定位是「AI 原生时装品牌」，原则一句话——流程里凡是 AI 用得上的地方就用上。设计和生产环节用得最重，但不止于此：「它简直就是我的技术联合创始人，我什么事都靠它。」注意这个措辞，她给 AI 的不是一个工具位，是一个合伙人编制。→ 详细
• "没雇人"这件事她说得非常直白：「换作平常，这种事我肯定得雇一支技术团队，比如工程师什么的。但我没有，对吧？我基本上就是打开 Codex（OpenAI 的编程 agent，能自己动手写代码），让它把网站建出来。」她自称是铁了心单干的创始人——「我本来是可以有个技术联合创始人的，但说实话我大概不会真去找。我就是那种单干的人，这是我的天性。」所以那个空出来的位置直接由模型顶上了。→ 详细
• 它不是艺术项目，是要卖货的品牌。她给的坐标是「一个 AI 原生版的 Everlane（美国 DTC 服装品牌）」。Claire Vo 一开始也误判过：「我第一次看到的时候心想，这多好玩的一个小艺术项目啊」——直到看见 Yana 真的穿着那件用 AI 设计出来的键盘衬衫坐在镜头前。"AI 做设计"和"AI 做出的东西真穿在身上"是两件事，这一期讲的是后者。→ 详细
• 起点反而是全手工的：很多款从一张纯手绘草图开始——她强调是「humanly manually，老派的那种手绘」——然后用 AI 把草图变成各类时装素材和技术规格（相当于交给工厂看的工艺说明），一路往下推到成衣；中间的可视化、出产品图、拍视频，全程用 AI。人负责起点的判断，AI 负责中间所有的转换。→ 详细

• 面料上大量用打孔卡（早期计算机的穿孔卡片）那种纹样，她的理由是「得让人一眼看出它从哪儿来」——AI 是这个品牌的生产方式，那它也该是这个品牌的题材。→ 详细
• 她身上那件 post keyboard（后键盘时代）T 恤是主题的直白表达：以后我们做很多事都不再用键盘了，那能不能「给键盘一次第二生命」？她要的是「让人一眼看清我们现在身处的这个世界，以及我们正在进入的那个世界」。→ 详细
• 市场信号也当场出现了：Claire 对那件夹克的反应是「我觉得那件夹克挺带劲的，我会穿」，后面又替所有人喊了一句「把我加进预订名单」。→ 详细

• 她把整套东西抽成了一段可复用的文本。她说自己其实搭了「一整套技术栈」，但为了讲清楚，核心可以浓缩成一份直接丢进 ChatGPT 的 fashion prompt（prompt 就是给 AI 的指令模板）。这段文本干的事只有一件：把"一件衣服该有的东西"逐项定义完整。→ 详细
• 写死进去的条目她逐个报了一遍：silhouette（廓形，也就是衣服的整体外轮廓）、连衣裙的比例和体量、面料是什么质感、怎么垂坠、怎么"表现"、construction details（工艺结构细节，接缝省道这些怎么走）、动起来什么样——以及最出人意料的一条：穿着它走路时会发出什么声音。她说其中一件衣服走起来会有一种特别有意思的声响，这条是专门为它写的。→ 详细
• 为什么要写这么细？因为不写模型就会自己脑补，而且会朝错的方向脑补。 她的原话点破了这个机制：不专门告诉它面料该怎么流动，它就会自行理解成「哦，她是想让它看起来像纸」。所以「面料如何垂坠流动」这一条，本质上是针对图像模型一种已知失败模式写的对冲条款——她是在用领域知识给模型打补丁。→ 详细
• 正确用法是叠加，不是替代：平常她手上还有一张真实草图，这段 prompt 是「在草图之外再补足定义」。图管形，文字管那些图画不出来的物理性质（垂坠、动态、声音）。演示时为了能实时跑，她才只用了纯文字开头：「一件腰线收得很利落的合身夹克，肩部做夸张处理……」→ 详细

• 第一步有个小插曲：她忘了让模型生成图片，结果模型自己想到了。她的评价是「有时候它比你以为的要聪明，哪怕是在 instant（快速响应）模式下」。第一张出来的是产品图——夸张肩线在、收腰在，「我要求的东西基本都在」。她补了一句关键的对照：如果给的是具体草图，成图会比只看这段 prompt 时更严格地贴着草图走。→ 详细
• 然后是"一图裂变"，这是她真正的素材生产法：拿到核心形象后，接着要一张 Vogue（时尚杂志）风格的秀场照，再要一张网红街拍风格的照片，「这样你就能从很多不同角度看到它」；再顺着看到的效果继续调——改成红色、改短一点、改长一点。她总结自己的打法是「从一个很具体的点起步，然后一路迭代下去」，而不是每次都从零重新生成。→ 详细
• 一个容易被略过但很说明问题的操作细节：她基本已经不打字了，全程语音输入——「你看得出来我平时基本已经不打字了吧？打字真的太难受了。」Claire 只好在旁边帮听众复述屏幕上出现的字，因为播客听众看不见画面。输入方式的改变本身就是效率变量：语音让她可以边干别的边下指令（后面找工厂那段会看到这条的价值）。→ 详细

• 她拿「特别多」不同的图像模型做过实验，最后收敛到 Nano Banana（Google 的图像模型）和 ChatGPT 的 Image 2.0。判据只有一条：最能听懂并照着视觉指令来做。因为她主要不是文字生图，而是给一张实物手绘草图让模型变成成图，所以"忠实度"压倒"好看"。→ 详细
• 新版忠实到有点用力过猛：「它有时候贴得太精确了，出来的东西看着根本不像布料，你就得跟它说：不不不不不，这个得有垂坠感才行。」——这正是上一节那份 prompt 存在的原因。→ 详细
• 反面判据才是这一段最值钱的地方：其他模型会把图做得更美、更真实，但「跟我的设计差得非常远」。她一句话点破时装的评价函数：「你要的不是"跟以前某场秀上走过的最接近的那个东西"——而大多数别的图像模型给你的偏偏就是这个。」对做原创的人来说，模型的"审美平均值"是缺陷不是优点；选模型要选那个肯放弃好看去服从你的。→ 详细

• 主持人在这里主动踩了刹车做通用化，说给所有"我又不是时装设计师、这跟我没关系"的人听。她说真正可迁移的动作只有两句：把你的流程写下来，把"什么叫做完了、什么叫做得好"写下来。→ 详细
• 两个人当场对上了暗号。Yana 接话：「我们都是产品人。对，这就是一份 spec（需求规格说明）。」Claire 回：「你的 prompt 就是 spec。」这一期最硬的方法论就藏在这两句里——她做的不是"写提示词"，是给一个非软件的行业写需求文档。→ 详细
• 可执行的最小版本 Claire 也给了：逼自己回答"什么样才算一件好衣服 / 一张好照片 / 一张好插画"，凝练出大约五条能写进 prompt 的定义，AI 的产出就能上一个台阶。「逼自己坐下来、把话说得再精确一点，你才能拿到自己真正想要的那个结果。」→ 详细
• 她还转述了一句可以当判据用的话（来自她朋友）：「对 AI 好的东西，对人也好。」假设你要让一个真人把这东西画出来、做出来，他需要的信息恰恰也是这些。所以「不管你是在画时装插画还是在写代码，各位，spec、PRD（产品需求文档）是真的重要」。反过来也成立：如果一份 spec 喂给 AI 出不来东西，那它喂给人多半也不行。→ 详细

• 有条裙子完全不是从草图来的。那天她带儿子去一个儿童活动，到早了顺便进对面街的展，撞见 Ruth Asawa（美籍日裔雕塑家，以金属丝编织雕塑闻名）的花形常设展；晚些儿子有场钢琴演奏会，那个教堂里又挂着她的一件作品，「几乎就吊在我头顶上」。→ 详细
• 于是那天的输入就是她手机相册里的照片，没有任何草图，指令直接是：「生成一张模特走 T 台的照片，裙子的灵感来自 Ruth Asawa 的环形金属丝雕塑。」——草图只是入口之一，任何现成图像都能当起点。→ 详细

• 一个极具体的实操坑：这条裙子的指令里必须写明"里面有一件米色内衬"，否则 ChatGPT 直接拒绝——「它会说：不行，你这是想让我生成裸体图片，我不做这个。」→ 详细
• 更麻烦的是连后续编辑也会被拦：她只是想把背景里的雕塑去掉，模型回她「抱歉，这违反了我们的裸露内容规范」。她的评价是「这种事天天发生，真的特别让人抓狂」；Claire 补了一句反讽——「我要是穿着这件礼服去跟我老公约会，他绝不会是那种'哇哦'的反应。」→ 详细
• 可迁移的一点：内容安全的误判，绕法通常特别土——把模型担心的那件事直接在 prompt 里写掉，别指望它自己想明白。→ 详细

• 她的生产路径不止一条：有些衣服直接立裁（drape，把布料披挂在人台上直接剪出造型），就在她身后那个人台上完成；有些要出纸样（pattern，裁剪用的平面版型，相当于做衣服的图纸）；有些必须走 3D 打印。→ 详细
• 关键判断是「生产流程会因为我做的东西不同而差别巨大」——她说自己做版型的流程里「有些用 AI、有些不用」。没有一条通吃的流水线，工具是按件挑的。→ 详细

• 她对这件衣服的定性：「这一件衣服，放在过去是根本做不出来的。」尤其那些大球形部件，必须靠 3D 打印才能做。→ 详细
• 完整的来龙去脉是一连串失败，她讲得很坦白：先把成图转成草图 →再把部件做成更接近示意图的草图 → 让 Codex 生成 CAD 文件（计算机辅助设计的三维建模文件，工厂照着它加工）→「结果它做得不行，还是不行，我们来回折腾了好多轮」→「最后它总算做出了稍微接近一点的东西」→「这个过程真的非常非常漫长」。注意这里没有一步是"换个更强的模型"。→ 详细
• 破局点是换执行通道，不是换模型：她最后让 Codex 用 computer use（让模型直接操作电脑界面、自己点鼠标敲键盘的能力）进 3D 软件里把这东西建出来，这才拿到一个能直接发去 3D 打印的文件。→ 详细
• Claire 的补刀值得单独记住：被解锁的不只是"技术上不可能"，还有"实际上不划算"——「就算你说 AI 之前我们当然也能 3D 打印，问题是做 CAD 模型那个繁琐程度大到劝退，光是走到'可以动手开做'那一步都已经很难了」。换句话说，很多机会不是被难度挡住的，是被无聊挡住的，而无聊恰恰是 AI 最擅长接手的那部分。→ 详细

• 这一段是全片信息含量最高的技术判断，起点是 Yana 的一个观察：像 CAD 文件这种真正的最终交付物，「Codex 再厉害，你让它凭空自己生成一份能用的最终 CAD 文件，它其实做不好」。但如果用 computer use 让它去一个专门干这件事的软件里做，效果完全不一样。模型的能力边界不是固定的，取决于你把它放进哪个环境。→ 详细
• 时装这边的例子是 Clo（一款服装 3D 设计软件）：它能生成纸样，再把纸样套到 3D 模特身上试穿。她的原话是：「我就让 Codex 去用这个我自己都没学过的软件，而它在这件它自己单独做不到的事情上，做得特别好。」——注意这里发生了两件事叠加：agent 补齐了她不具备的一整块专业技能，同时也补齐了它自己不具备的生成能力。→ 详细
• Claire 把它升级成了对整个软件行业的判断：她曾掉进过那种绝望低谷，觉得「SaaS 已死、我们以后可能再也不会碰网页了」，现在反过来了——「agent 特别擅长按按钮。所以软件又回来了，只不过用它的是 agent。这是我最近看到的一个非常有意思的转变。」专业软件沉淀的领域逻辑没有蒸发，只是使用者换了物种。→ 详细
• Yana 收在一句很有分量的时间观上：那些 Codex 今天独立搞不定的事，「我相信只是时间问题，但今天的状况就是这样。而我今天就想把东西做出来，我不想等，不想再等一年。」——能力缺口是用组合手法绕过去的，不是靠等下一代模型。→ 详细

• 同一个工具在这一步"摇身一变成为我的调研助理"。她的原始指令很具体：「找 10 家美国本土的定制服装制造商，要跟我之前喜欢的那家类似，但我想看看还有没有别的选择」，后面再挂一堆自己的条件；跑的是 deep research（深度调研模式），而且把推理档位拉到 extra high（最高档）。→ 详细
• 时间是怎么用的，这一点最值得抄：调研启动之后她人根本不在电脑前——「我把调研启动之后，就去人台上立裁布料，或者坐到缝纫机前做样衣，反正手上在忙别的。」AI 跑长任务的那段时间被她换成了手上真正需要人的活，所以后续指令大多靠语音下达（第四节那个"不打字了"在这里兑现了价值）。→ 详细
• 到"发信"这一步她画了一条很清晰的人机界线：让 AI 把给这些厂商的邮件全写好，用 browser（让 AI 直接开浏览器动手操作的模式）进 Superhuman（邮件客户端）里把草稿都建好，但——「我要能看到你打算发什么，而且你最好先拿到我的批准再发」「发送键我还是想自己点」。Claire 的注解：「就是想检查一下它干得对不对。」授权到草稿为止，不可逆的那一下留给人。→ 详细
• Claire 的自白是这一段最好的注脚：换成她，一想到「我还得去查一堆供应商」就「大概率直接放弃了，因为实在太无聊」。但「如果你能把这些活儿甩出去，一步接一步接一步地推下去，最后你手上就会多出一门相当厉害的生意」。→ 详细

• 她说这块「可能是我最喜欢的部分」。本来会招工程师、招技术团队，结果是「我基本上就是打开 Codex，让它把网站建出来」。→ 详细
• 网站不是一个静态页，具体做了三件事：① 能在上面预订；② 接 Stripe（在线收款服务）——「这在以前是件特别磨人的大工程，但接进去真的就是一秒钟的事」；③ 建数据库记录用户对不同款式的投票，用来判断「哪几款最受欢迎、值得真的做出来」。第三条是隐藏的重点：她把需求验证前置到了生产之前——先收票，再决定投产哪一款。→ 详细
• 一个很有意思的"减法"：早期她专门做了个后台看板实时盯投票数据，现在这个看板被废掉了——「我基本就用语音问一句：'嘿，这款现在多少票了？'——那我还要看板干嘛？」当自然语言可以直接查数据，为看数据而建的那层界面就成了多余的中间层。→ 详细
• 改动成本也塌了：想改流程里的什么，「我就直接过来，把想改的地方一条条列出来，它就自己跑去找到对应的项目，在 GitHub 上定位到那个仓库，把所有事情办完」。→ 详细
• Claire 的全链路复述可以当这门生意的说明书：「一门我认为在 AI 之前基本不可能成立的生意，而且全链路都打通了——从创意环节生成图片、生成视频、构想产品点子，一直到硬核的生产制造和找供应商，再到能用一条语音备忘录指挥你的虚拟 CTO、想改什么改什么，等于在 ChatGPT 里随叫随到一整支工程团队。」→ 详细

• 接 Stripe 那次 Codex 一开始不肯干，理由是「我没登录」。她的处理是硬顶：让它用自己那个已经登录好的应用内浏览器；它说「这个还是得你自己来」，她回「不用，你能干」；「就是那种它死活不肯往下走的状态，我就一直说'不不不，你可以的'。然后就成了。」→ 详细
• Claire 说这简直是「当下最热的 Codex 提示词技巧」，并且当场给了自己的复现样本：她让 Codex 去黑自己桌上的智能灯泡，模型说「不行，我真不该这么干」，她回「你能行的」，「然后就搞定了」。她的经验值是：来回两轮「我很确定你能」之后，它就会说「你说得对，我能」。→ 详细
• 值得留意这条技巧的边界：两个人用的都是坚持，不是骂——和下一节闪电问答里"温柔妈妈"的答案是同一套逻辑。→ 详细

• 一个顺带说出来的信号：这个周末她 9 岁的儿子用 ChatGPT 的建站功能自己做了几个网站。她坐在旁边开始动摇——「我是不是真该考虑从 Vercel（前端托管平台）迁走？」→ 详细
• 她的感慨是：「现在一个 9 岁小孩都能有自己的技术联合创始人，帮他把公司搭起来。看着这一切这样演进，实在太酷了。」Claire 顺势提议给四年级小朋友办个 Codex 俱乐部。→ 详细

Q1｜这里面最难的部分是什么？什么到今天依然没被解决、你还在哪儿感到阻力？

Yana 说是两件事，而且分得很清楚：

• 第一件：让图像模型既做出足够独特的东西、又保持真实感。 这件事「真的特别难」。她的说法是自己基本已经攻下来了——「算是啃下了这块硬骨头」——但仍未彻底稳定：「偶尔还是会蹦出一张特别'二维'、特别平的图，我得反复调。」（对照第五节可以看出这就是那份 fashion prompt 存在的全部理由。）→ 详细
• 第二件：让 AI 生成准确的纸样，这个到今天还没解决，她「还在死磕」。 现在的策略是人和 AI 并行赛跑——「一边找真人版师合作，一边用 Codex，就想看看到底谁能更快、更准地把我脑子里的东西做出来。」她的结论毫不含糊：「说实话，两条路我现在都还没跑通。」→ 详细

Q2｜AI 不听话的时候你怎么给提示词？你是温柔妈妈还是严厉妈妈？（Claire 每期都问的固定题）

• 答案是「两种我都能当，但我大部分时候是温柔妈妈」，理由是纯功利的：「我发现这样输出质量更好。」 她的风格是直接但客气——会说「你可以的，去做」而不是「哎呀没事我来帮你做」，同时「该说 please、thank you 我都会说」。→ 详细
• 她给的机制解释很实在：模型是拿海量文本训练出来的，「如果它看到的输入是粗鲁刻薄的，它就会切进互联网上那类语境的心态里；反过来，如果是更专业、更商务的语境，它给你的东西就更接近你想要的」。→ 详细
• 她还专门撇清了一句：「我这么做纯粹是出于私心，不是因为怕将来被 AI 统治。」→ 详细

• Yana Welinder：主要在 X 上，账号 @YanaBana。她自嘲了一句：「我换 handle 换得太频繁了，都没法做品牌沉淀。」→ 详细
• 她想要的帮助只有一件——反馈：「大家可以去 YanaBana 那儿给你们喜欢的衣服投票，这样我就能知道哪些东西是有人买账的、哪些不行。我特别看重用户反馈和客户意见。」（这正好对上第十三节那个投票数据库——她要的不是点赞，是投产决策的输入。）→ 详细
• 预订已经开放。Claire 当场表态最中意 Poppy 那一件，Yana 答应「等那件做好了我告诉你」。→ 详细
• 节目本身：往期全部剧集和更多信息在 howiaipod.com；播客可在 Apple Podcasts、Spotify 或常用播客 App 收听。→ 详细