专栏 · 一人公司 › 第 206 期 · 创业增长 · 收录于 2026 年 8 月 30 日
AI 内容机器:把想法变成不像 AI 垃圾的帖子——Alex Lieberman(Morning Brew)
AL
Alex Lieberman · How I AI
TL;DR · 三句话
- 一Morning Brew 联合创始人 Alex Lieberman 把自己十年的内容流程原样画成图、再按「假设没有任何约束」重建成一台内容机器：Oracle 每天扫过去 7 天的内部系统与关注账号、吐出 15 个「内容爆点」→ 六位世界级访谈者人格轮番提问、把你的想法口述成稿 → 按你专属的 voice / style guide 起草 → 六个写手人格打分，不到 9 分就重写到 10 分。→ 详细
- 二它之所以不产 AI slop，靠的是一条硬约束——除了开头钩子和结尾，正文用的词只能来自访谈转录里你自己的原话，模型的活儿是「给内容捏泥巴、塑形，而不是凭空发明新东西」；所以「唯一真出 slop 的时候，是这个人在访谈那步没拿出足够好的想法」。→ 详细
- 三机器只是一半，另一半是把员工变成创作者：他在 storyarb 跑的 Own the Internet 活动，一个季度贡献了全部主动上门线索的 40%，10X 版本正用「Creator Cup」的计分游戏让全公司发帖——因为在技术全面商品化的 AI 时代，「可信赖的分发」是所剩不多的护城河之一。→ 详细
01
造这台机器的两个卡点：自己的时间封顶，员工没法边上班边当创作者
- Alex 做内容十年（从大学时创办 Morning Brew 起），结论是「做内容给我带来了太多机会，但我每天能花在做内容上的时间是有上限的」——他给自己算的上限是「我大概最多能拿出 25% 的时间来做内容」。于是问题从「怎么多写」变成「怎么把这 25% 的时间价值最大化」，答案是把整条内容流程重造成 AI 原生或 AI 辅助的。→ 详细
- 第二个卡点是替别人解的：「怎么才能让员工在有全职工作的前提下，尽可能轻松地成为创作者？」这台内容机器就是围着这两个问题优化出来的产物，不是先有工具再找场景。→ 详细
- 背景交代：Alex 现在在 10X——一家应用型 AI 公司，帮中型市场和大型企业做 AI 转型，业务从战略一路做到 forward deployed engineering（前线部署工程，即工程师直接驻到客户现场把 AI 方案落地）。→ 详细
02
AI slop 的锅不在 AI：「slop 其实是我们自己」
- 全片最锋利的一句判断来自 Alex：「在我看来，内容机器唯一真的产出 slop 的时候，与其说是 AI 写得烂，不如说是在访谈那一步，这个人自己没拿出足够好的想法。」（slop 指那种一眼假、平庸到没有信息量的 AI 味内容。）→ 详细
- Claire 当场接梗：「糟糕，所以你的意思是——slop 其实是我们自己。」Alex 顺势收紧：「所谓 AI slop，特别好笑的一点在于：那其实是人在指着自己说，我不够聪明。」→ 详细
- 这句话是整套系统的地基：机器的每一步（尤其后面的访谈团）都是为了从人脑子里榨出足够好的原始素材，而不是让模型替你生成观点。判断输入质量，比调教输出风格更靠前。→ 详细
03
爬「尴尬之山」：分发比「东西做出来人自然会来」重要得多
- Claire 的开场立论：想做成事、尤其做一个 bootstrapped（不拿投资、自己养活自己的）创业者，你必须干一件事——爬上「尴尬之山」，去发帖，在 X 上发、在 LinkedIn 上发、去聊你自己。她对自己的诚实吐槽很值得记：「作为一个骨子里的工程师，为了不去聊自己的生意，我几乎什么东西都愿意造出来。」→ 详细
- Alex 站在光谱最另一端：「我很乐意显得尴尬，就是尽可能多地出手、去推销我在做的事情。」他明确反驳「你把东西做出来，人自然就会来」——在一个分发比以往任何时候都更重要的世界里，这句话大多数时候不成立。→ 详细
04
AI 之后唯一还在的护城河：可信赖的分发，以及「在业务之上再搭一家媒体公司」
- Alex 的长期判断：在 AI 之后的世界里技术会比以往任何时候都更商品化，生意里的护城河越来越少，而「可信赖的分发（trusted distribution）」是仅存的那几条之一。所以他在 10X 之上正经搭一家媒体公司。→ 详细
- 显而易见的动作他都会做——招全职创作者、招写手、做 newsletter；但他认为认真想过「把自己的员工变成创作者」的公司还太少，而这恰恰是普通公司最没被开采的分发资产。→ 详细
- Claire 从买方视角补了一层：在 SaaS 里她常说「你买的不是产品，你买的是路线图」，但她跟团队讲的是——客户买的其实是这支团队，他们相信这支团队能把愿景落地，才用订阅或合作押注。她现在接触的 CEO 普遍焦虑：老渠道回报递减、旧打法不灵，「我对他们每一个人都说同一句话：你的头号营销渠道应该是你的员工。」→ 详细
05
AI 抬地板还是压天花板：Lulu Meservey 的判断，与 Alex 的「分环节」修正
- 争论的起点是 Lulu Meservey 的观点：世界上最好的写作者去用 AI 是件可惜的事，因为AI 会抬高差写手的地板，却给顶尖写手的天花板封顶。→ 详细
- Alex 基本同意，但要求分环节看：写作是一个多步骤流程，「在任何环节用 AI 都会拉低上限」不成立。只有落到实际起草和编辑这一环他才认——一个排在前 1% 的写手，去押注一个在整个互联网语料上训练、按定义就是平均水平的模型，结果当然更差；但流程里的其它环节用 AI，反而能把上限继续往上抬。→ 详细
- 第二把尺子是永远比较替代方案：对 10X 团队来说，这台机器出现之前的替代方案不是「人类精心手写」，而是大家干脆不做内容。「如果我只有两个选项：让大家围绕自己的专长去创作，或者干脆不创作，那我当然天天都选第一个。」→ 详细
06
先把流程原样画出来，再问 AI 该当司机还是副驾
- Alex 的第一步不是打开工具，而是把今天的内容流程原原本本画出来：① 找灵感/点子（他说这是历史上最难的一步，「找到那种新鲜、有意思、不像是把别人说过的话嚼第二遍的新点子，真的非常难」）→ ①B 若不是亲身经历就得做研究 → ② 把脑子里的想法全倒到纸上（他叫「思维呕吐」）→ ③ 决定主形式（长文网页 / LinkedIn / newsletter）→ ④ 写 → ⑤ 审初稿 → ⑥ 改（编辑流程）→ ⑦ 发布。→ 详细
- 最后一步是 Gary Vee 讲的内容金字塔：拿一条「主内容（anchor piece）」拆成微内容，分发到所有有人在消费内容的平台。不管做视频还是写字，流程都长这样。→ 详细
- 画完才问两个问题：AI 放在这个流程的哪个位置才合理？在那个位置上，AI 该当司机，还是当副驾？ Alex 强调这套「先画流程、再重建」的方法适用于工作里的任何流程，内容只是他最熟的那块。→ 详细
07
Claire 的加法：别按现有约束画流程，按「没有任何约束」画
- Claire 说这正是她逢人就讲的路子——先梳理工作流，是把 AI 装进一个系统里最靠谱的办法：一条条写出来，再逐条判断哪里是人、哪里是副驾、哪里可以全自动。→ 详细
- 但她加了一条关键约束条件：不要按你今天的约束条件去画，要按「没有任何约束的理想世界里你会怎么做」去画。没有约束的话，你当然会把每条内容切成多渠道微内容；没有约束的话，你当然会有一个研究员一直帮你挖点子。→ 详细
- 她举了 Suzy 的 CEO Matt 在市场团队里的做法：拿一份通话记录，问的不是「我的团队能榨出多少」，而是「理论上最多能从这里面榨出多少东西？」——然后从这一条内容出发启动上百件事。→ 详细
08
流程梳理本身就有红利；能重新想象工作的前提是你真是这行的专家
- 10X 陪客户做流程梳理的一手观察：很多效率提升根本用不着扯 AI 就能拿到——大多数人从来没把自己的流程认真梳理过一遍，AI 只是那个逼他们去做的外力，一梳理就发现流程里一堆浪费。「这件事听起来一点都不性感，但如果不从这儿开始，我真不知道你要怎么重新想象你所做的工作。」→ 详细
- 顺带回答了「AI 会不会让人失业」：Alex 说他之所以能做成这台机器，是因为这条内容流程他自己走过成千上万遍——垂直领域专长在现阶段仍是硬前提，没有它你根本没法重新想象这份工作。→ 详细
09
第一步 Oracle：扫 7 天信息，每天给你 15 个「内容爆点」
- 内容机器的形态很朴素：它就是一个 skills 目录、一个插件，可以在 CLI 里跑，也可以在 Claude Code 或 Cowork 里跑；它接到了 Alex 在 10X 的所有 system of record（记录系统）上——Slack、Notion、会议记录、Linear、Git、Gmail。→ 详细
- Oracle 这一步会把过去 7 天所有频道的信息扫一遍，排出一份它认为是「content spike（内容爆点）」的短名单。打分体系是明写出来的：带故事或亲身经历的细节 → 加分；有鲜明的观点 → 加分；有具体的例子 → 加分。→ 详细
- 他每天拿到 15 个爆点，一半来自内部系统，一半来自「互联网阅读」：他给机器提供了一份自己在 X、LinkedIn 上关注的账号清单 + 常去的网站，机器把这些人过去 7 天发的东西全看一遍，一旦判断「这里有个好爆点，要么可以引用转发、要么可以回应」，就丢进当天清单。他当场对 Claire 说：你就在我的互联网阅读器里。→ 详细
10
整套系统里最有用的一步，其实就是「从白纸到具体点子」
- Alex 反复强调：「光是这一步，可能就是整套系统里最有用的东西。」 哪怕你笃信 AI 只会生产 slop、压根不想让它替你起草，光是帮你从一张白纸走到一个具体点子，就把阻力降得足够低，低到你真的能养成持续创作的习惯。→ 详细
11
访谈团（interview panel）：把六位世界级访谈者固化成 skill，逼你把货交出来
- 选定点子后进入 interview panel。Alex 把六位世界级访谈者各自固化成一个 skill——Tim Ferriss、Joe Rogan、Michael Barbaro、Barbara Walters、Howard Stern，后来演示时又发现 Larry King 也在里面。他们一个接一个提问，直到觉得已经拿到足够信息可以做出一篇内容为止。→ 详细
- 关键在提问的取向：「这个 interview panel 被训练得非常擅长从我嘴里榨出尽可能多的具体细节和例子」。示例里 Tim Ferriss 的追问是「给我讲一个这件事痛得特别真切的项目——一个你团队在技术上做得很漂亮的交付」，也就是逼他交出一个具体客户故事。→ 详细
- 回答方式是口述：他用 Wispr Flow 把所有回答直接说成文字（原话是「yap to text」，边碎碎念边转文字）——这一步是整条流水线上人类唯一必须亲自出力的地方。→ 详细
- 若这个话题你其实没掌握全部信息，可以在访谈前先跑 research assistant（调研助手），拿一份完整简报再进访谈室。→ 详细
12
共享 repo + 个人文件夹：style guide 与 voice guide 两份文件到底写了什么
- 结构是「公共流程 + 私人声音」：所有流程步骤住在 content machine 这个 repo 里，团队每个人都拉到自己电脑上；但每个人另有一个私人文件夹，里面固化了自己的 voice、style guide 和想取点子的信息源。起草时它读的是你专属的那两份文件。→ 详细
- style guide 写的是「你是谁」这一层：Alex 是谁、他在公司里是什么角色、他会想推广的自有资产（owned assets）有哪些、他内容的几个主要锚点类型、他的关键整合项，以及他关注的社交账号清单（Claire 就在其中，理由是「能给企业侧提供确切视角的人」）。→ 详细
- voice guide 是启动机器时自动学出来的：它把 Alex 在 X 和 LinkedIn 上表现最好的帖子全研究了一遍，产出「voice 与语气的执行摘要、hook 公式（开头钩子的套路）、内容结构、语言模式、话题分类」，并拆解他历史上表现最好的 10 条 X 帖子和最好的 LinkedIn 帖子。→ 详细
- 文件里还明写了他的「核心 DNA」和第一原则——「像给朋友发短信那样写」——外加常用语言的具体例子，比如那种「自嘲式的自信」。他自己形容：「这个文件真的写得非常细」「这就是我完整的 voice 被固化下来的样子」。→ 详细
13
content lessons.md 与 lessons loop：把每次「你改了什么」变成永不再犯的教训
- 机器里还有一份 content lessons markdown，记的全是「我说过它过去起草我的内容时搞砸的地方」——按语气不对、结构与行文不对等分类。每次编辑内容前它都会先查这份文件，确保不再犯同一个错。→ 详细
- Claire 追问这份文件是手填还是自动生成，答案是自动的：等 Alex 确认「这版可以发了」，就触发 lessons loop——「我来看看最初给 Alex 的那版和最终这版之间的 diff（差异）是什么，从中能抽象出哪些可复用的教训？」然后问他一句要不要把这些教训加进 lessons 文件，同意才写入。→ 详细
- 这条回路是整台机器唯一会自我进化的部分：起草时同时读 style guide + voice.md + content lessons.md 三份文件，所以你每提一次意见，下一篇就少犯一次。→ 详细
14
写手评审团（writers council）：六个写手人格打分，不到 9 分就重写到 10 分
- 草稿写完进入 writers council：跟访谈团一样，Alex 造了六个写手人格——David Perell、Shaan Puri、Morgan Housel，还有一个专设角色叫「AI slop 过敏症专家（the AI slop allergist）」。他们通读全文，各自打 1 到 10 分。→ 详细
- 门槛是硬的：总分低于 9 分就跑一轮修订循环，一直跑到打出 10 分才算完成。演示现场他扫一眼评分就说「我已经能看出来分数到不了 9 分，所以他们接下来要跑一整轮修订」。→ 详细
- 定稿后是二次利用与分发：说一句「我要把这篇改造复用」，机器问「你想改成什么形式」，他可以点名「三条短推文、两条长 LinkedIn 帖子」——它会去看他过去在这些帖子形式里的写作格式，照那个风格写。→ 详细
15
这套设计背后的四条通用心法
- ① 先梳理工作流；② 「有了 AI，你可以在没有专家顾问团的情况下，凭空请来一个专家顾问团」——理想世界里你会被最顶尖的人访谈，现在你可以在自己的流程里把这件事近似做出来。→ 详细
- ③ 在搭流程时找到对的强化回路（怎么让它一轮轮变好），因为现在能用以前做不到的方式理解非结构化数据的输入输出；④ 用足 AI 的多模态——不只是图生文、语音转文字，还包括「文字到短文字、文字到长文字」这种形态转换，正是这些组件让「做内容」成为一个特别合适的用例。→ 详细
16
现场演示：机器以插件形态发给全公司，点子进「vault」永不丢
- 分发方式很实际：content machine 以插件形式装在 10X 内部的 Claude 里，全公司每个人都加到了自己机器上；Alex 往 Git 推一次更新，大家在界面里一键自动更新。他特意强调这是为了让公司里非技术同事也能无痛吃到每次更新。→ 详细
- 当天 Oracle 从内部系统扫出来的爆点举例：他们常聊的「单人版 AI vs 多人版 AI」框架；一家银行的人跟 McKinsey 合作、对方说这东西要做 6 个月，他用 Claude Code 一周就重做出来了；他在销售通话里说「我大概是世界上最差的销售」；以及「卖掉 Morning Brew 之后我很痛苦」。他点评：「你能看到，它是真的会抓住那些具体的故事。」→ 详细
- 互联网阅读那半边扫出来的是：Amazon 拿十亿美元押注 FDE（forward deployed engineer，前线部署工程师）；Aaron Levie 与 Ethan Mollick 正在争论 FDE 是不是所有企业问题的解药；以及「现在人人都是 builder，难的是把东西发出去」。→ 详细
- 每人首次配置时会创建一个 vault（点子库）——本质就是一个 Notion 数据库：Oracle 生成的每一个点子，哪怕这次没用也会被丢进去，以后随时回来翻。（他也点出机器目前的一个缺口：跑 Oracle 时还不会顺带捞出「以前写过、值得二次利用」的旧内容，他想把这件事加进每天那一跑。）→ 详细
17
从 spike 13 到 LinkedIn 初稿：一条真实内容的全过程
- 他挑了 spike 13（Aaron Levie 说 FDE 是当下上天赐给人间最好的礼物，Ethan Mollick 说它解决不了所有问题），先跑调研：调研简报给出双方观点、目前已有的说法、可切入的反共识或新颖角度、以及值得他回答的开放问题。访谈中如果简报里有好引述，他也能顺手揉进自己的回答。→ 详细
- 访谈的问法是「先给张力，再要你的判断」：Larry King 那一问是——「Levie 认为 FDE 会赢，因为部署 agent 比大家以为的更偏技术活；Mollick 认为 FDE 会让人失望，因为真正的问题是组织结构和专业能力，不是代码。你说他们俩都对，那他们都漏掉了什么？用一两句话说。」→ 详细
- 一共被问了五个问题，然后系统宣布「访谈结束，voice 和 lessons 已锁定」，读取 content lessons 与 voice.md，生成 LinkedIn 草稿。草稿开头是：「我关注的两个最聪明的人，刚刚公开在 AI 领域最热的岗位上吵起来了。他们俩都对——而这恰恰就是问题所在。」正文继续接上 Amazon 十亿美元、OpenAI 与 Anthropic 早已做过同类事、Google 在招几百人。→ 详细
- 一条最近新加的 lesson 是「以后多给我几个 hook 的选项，我想能挑、能比」，所以现在它会一次给出多个开头和结尾供他选。最终流程是：跑评审团 → 拿回稿子 → 给反馈并入库教训 → 自己终审一遍 → 发布。他当场承诺「我们一录完，我就立马把它发出去」。→ 详细
18
不产 slop 的真正机制：只准用你自己的原话，写手只负责「捏泥巴」
- 这是全片最可迁移的一条工程约束：「这套东西之所以基本不产出 slop，一个重要原因就是我基本上把它训练成只用我自己的话。」 整台机器建立在一个事实之上——那场访谈最后变成一个很大的 markdown 转录文件，除了 hook 和结尾之外，正文里用的词就应该只来自这份转录。→ 详细
- 他给写手（模型）的角色定义因此极窄：「写手的活儿其实更像是给内容捏泥巴、塑形，而不是凭空发明新东西。」演示里他指着草稿说，某个回答直接用了他的原话——问题是「公司要让 AI 转型成功需要具备什么」，出来就是「所以如果你要为 AI 转型配人，你需要这几样东西」。→ 详细
- 因此结论回到开头那句：唯一真出 slop 的时候，是在暴露这个人在访谈那一步没给出足够好的想法；Claire 再次接梗「所以其实我们自己才是那个 slop」。→ 详细
19
怎么当场识别 AI 味：「他们俩都对，而这恰恰是问题所在」就是新一代破折号
- 演示中他对着自己刚生成的草稿现挑刺，这是本片最实用的一条「去 AI 腔」判据：「这读着有点 AI 尴尬味。『他们俩都对』这种——那种两段一顿、抖个包袱的写法——『就是这个、就是那个』的句式，简直就是新一代的破折号（em dash）。」（em dash 长期被当成 AI 文风的标志性痕迹。）→ 详细
- 他随后把这条反馈当场喂给系统：「那种『A，而这恰恰就是 B』的句式太油腻了」，并要求写进 content lessons——也就是说，AI 味不是靠一次性提示词压住的，而是靠一条条被记下来的具体句式禁令慢慢削掉的。→ 详细
20
员工代言（employee advocacy）：storyarb 的「Own the Internet」带来 40% 的 inbound 线索
- Alex 先声明不是他发明的：员工代言早就有了，问题是平台把它的威力放大了，公司却没跟上；或者太怕「给公司每个人发一只大喇叭」的风险，干脆不做。→ 详细
- 他在自己另一家公司 storyarb 做过第一次实验，活动叫 Own the Internet：为期六到八周，全员被鼓励（不是强制）在 LinkedIn 发帖，有奖金、冠军约 5,000 美元；唯一的规则是你产出的内容里得有 50% 落在 storyarb 所做的事情的世界里。→ 详细
- 战果很硬：跑 Own the Internet 的那个季度，它贡献了全部 inbound leads（主动上门的销售线索）的 40%，还给招聘带来大量漏斗顶部流量。所以他决定「以后只要有机会做这件事，我一定会做」，10X 版本昨天刚刚启动。→ 详细
21
10X Creator Cup：一套刻意「不奖励曝光冠军」的游戏化计分
- 机制细节：为期一个月的全员发帖挑战，玩法是在 LinkedIn 或 X 发帖，内部有个 Slack 频道叫 Reply Guys 汇总所有人的帖子。计分——发一帖 10 分，给同事的帖子互动一次 3 分，每周他和联合创始人评一个「编辑精选」当周最佳帖，加 50 分；既有周赛也有月度赛制。→ 详细
- 设计意图写得很明白：不能让它变成纯拼曝光量的比赛——那样最后就是某一个人把曝光拉爆、其他人觉得自己根本没戏；要让「光是参与就能拿到点什么」。当周的周赛叫 Full House：只要公司里至少 70% 的人这周发过至少一帖，就解锁全员抽奖券，抽一人赢几百美金。当周奖品总额 5,000 美元。→ 详细
22
自筹资金的「诚实模式」：鼓励员工建个人品牌，是留人而不是流失
- Alex 说 10X「是在用困难模式打这局游戏」（Claire 改称「诚实模式」）：完全 bootstrapped，没有 OpenAI、Anthropic 那样的实验室分量，也没融大钱、没有上 TechCrunch 和被顶级投资人挂在嘴边的曝光度，所以只能靠让顶尖人才把手上的酷活儿「展示出来」而不是「说出来」。→ 详细
- 他算的是招聘账，不是流量账：「哪怕 Creator Cup 一条业务线索都带不来，只要它帮我们招到一个工程师，那 5,000 美金就值回好几倍」——想想为招一个工程师要付给猎头多少钱。配套心法是「抱着挑战者（underdog）心态、用游击式营销、大家拧成一股绳给 10X 造出一种气场」。→ 详细
- Claire 补上最反直觉的一刀：她真的听过 CEO 说「我可不想让那个人到处讲自己有多厉害，那会有人来把他挖走」；她的回答是——「真正会让他跳槽离开这家公司的头号原因，恰恰是他没法讲自己在做的那些牛事、没法建立自己的个人品牌。」 她认为大家严重低估了「我们鼓励你拥有自己的平台」作为给员工的价值主张有多值钱。→ 详细
- 现成的样板是 Anthropic：Alex 认为他们（不管有意无意）在「员工即影响力者」上做得极好——围在 Claude Code 和 Cowork 周围的 Thariq、Boris、Felix 等人「现在就是品牌的延伸」，而且「正因为是他们在讲这个产品，而不只是公司在讲，我反而更信任这个产品」。→ 详细
23
主持人自己也在跑同款：Claire 用 OpenClaw 搭的内容引擎叫「Max」
- 听完演示后 Claire 说自己也有一台类似的内容引擎，是用 OpenClaw 搭的、取名叫 Max，「不过嘛，本质是一回事」——两位重度实践者的做法在结构上是同构的。→ 详细
- 她的收尾也很坦白：「我打算把这些点子全偷走——这其实就是我做这些访谈的私心。」→ 详细
24
Q1｜当下什么样的人才算得上优秀工程师？
- Alex 的画像是两头都要：「能在非常深的层面上理解系统」（那些一直以来让工程师优秀的基本功）+ 足够有可塑性，愿意彻底把自己的工作流改造成 agentic 的。他点出两类各缺一半的人——很年轻、完全被 AI 洗过脑但缺 staff 级或资深工程师那种知识底子的；以及可塑性不够、改不动自己干活方式的老将。→ 详细
- 他认为 forward deployed engineer 比以往任何时候都重要，因为「AI 转型只有靠真正理解一家企业的业务上下文才可能发生」。→ 详细
- 最反直觉的一条：「世界上最好的工程师都想『做多自己』」——所以在 10X「我们像给销售发薪那样给工程师发薪」（浮动薪酬）。「很多人觉得我们疯了，但我想用这套机制自然筛出那些愿意押注自己能力的人。」→ 详细
- Claire 举双手赞成（「PM 和工程师该拿浮动薪酬这话我说了一万年」）。Alex 补效果：「好到不可思议……确实有取舍，但我们全都想过了。而且它让我们所有人都紧贴前沿，因为他们拿到杠杆的方式，就是搞清楚这项技术究竟能做到什么。」→ 详细
25
Q2｜你个人生活里有什么特别独特的 AI 用法？
- 给正在找工作的太太做了一块定制招聘看板：她每天收到一封邮件，里面是 10 个精选岗位，依据她过往工作经历、LinkedIn 和她想找什么来打分；可以直接在邮件里点「申请」，系统自动把初次申请表填好。他说求职过程实在太折磨人，很惊讶居然还没有公司做出来——这也呼应他做 Morning Brew 时代的老话题：总会有人做出「一对一的 newsletter」，人人都有一份完全为自己定制的内容。→ 详细
- 另一个是「最经典的那个」——定制儿童绘本：家里有个十一个半月大的女儿 Brooke，「她能读到真正跟她自己家人有关的故事」。→ 详细
26
Q3｜当你那套 AI Oracle creative council 吐出来的纯粹是 slop，你的 prompt 技巧是什么？会发火吗？会贿赂它吗？
- 诚实答案：「取决于我有多抓狂、以及我还有多少时间。」 要么直接「算了，去他的，这玩意儿花的时间已经不值了，我自己手写」；要么反过来一头扎进去掰扯——「这东西很烂，它烂在这、这、还有这。我很确定这些早就是已经存好的 content lesson 了，为什么这条没被识别成我已经教过你的？」→ 详细
- 自嘲收尾：「考虑到 AI 霸主早晚会当我的老板，我真该对它客气点，但说实话，我有时候对它是真挺不客气的。」Claire 补了那句经典吐槽「不是，你怎么是这么个样子？」——Alex 说这句他还真没问过。→ 详细
27
联系方式
- Alex Lieberman：X 上叫 Business Barista，LinkedIn 上就是 Alex Lieberman。→ 详细
- 10X（应用型 AI 公司，帮中大型企业做 AI 转型，从战略到前线部署工程）：10x.co。Claire 补一句「如果你是个很厉害的工程师，Alex 正在招人」——Alex：「全都招。」→ 详细
- 节目本身：How I AI（主持人 Claire Vo），往期与更多信息在 howiaipod.com；Claire 提到同为 10X 的 CJ、JJ 也各上过一期（分别演示写代码与 Cowork），值得回看。→ 详细