增长黑客AI周报
增长黑客AI周报订阅

【增长黑客AI周报】EP#73 Manus改造Manus、伪FDE坑县城老板、AI写书赚百万、Google Labs经验、Codex复盘等

▪️PREFACE 卷首语

1/ 上周五，我去上海西岸国际会展中心的 WTCC 逛了一圈，还 偶遇了何同学。也拍到了头图里那么酷炫的 coser 小姐姐。

我发现比起一楼的消费级酷炫 AI 玩具，还是楼上展厅的工业级 / to B 产品更对我胃口。Agent 还是得加硬件才好玩。纯软件的 Agent 卷了一年，各家 demo 长得越来越像；能摸得着、会动的、能连 Agent 的东西一上场，围观的极客明显多一圈。期待明年有更多可以被 Agent 操控的硬件。

2/ 十一月上旬应该会在刘润直播间做个分享，宣传《FDE》那本书。为此开始肝 PPT。本着磨刀不误砍柴工的想法，研究了下现在 AI 辅助做 PPT 到什么程度了，找到了满意的 skill。分享在 自己这篇公众号 了。

3/ 这期分享的内容里，有一个「女作家用 21 个笔名 20 个月写出 371 本书，赚了 100 多万美元」的案例。

这事在我看来并不玄幻，实际上我自用 AI 写作并出版 FDE 那本书后，就链接上了国内做类似事的小圈子，也在钻研新的玩法。期间也有读者朋友来找我取经（甚至有跨行业搞剧本、搞投研的）。

为了提高交流效率，我决定就这个话题再开一门线上培训课程——《AI 写作工程学：如何用智能体快速创作出版级的内容》。

我将聊聊我的经验、感受、工具资源、流程，以及出版行业的现状和合作注意事项/市场打法。

通过这个课程（直播+录播），有助于您将想法或经验，快速落到一本有市场需求的纸质出版物。专家可以用来建立身份识别，创作者可以将以往线上作品打包成物理纪念，想赚钱也可以跟那个女作家一样，批量跑拿结果。当然，即便您没打算出纸质书，里面会提到的 AI 写作经验技术，也可以用在其他方面。

感兴趣的可在此预购：https://zerodaybook.mikecrm.com/rEgDmgL

（目前是早鸟价 199 元， 11/11 正式上线后恢复原价 299 元，老学员照例有红包）

OK，以下是本周正刊内容，Enjoy——

▪️OPINION 观点

💡 大团队跑不过模型迭代：Google Labs 用 2-3 人小组赌 100 天窗口

原链 · 公众号 · 约 30 分钟读完

Google Labs 与 Gemini 应用负责人 Josh Woodward 在对谈里给了一个很硬的判断：模型边界每几个月就改写一次，大团队和长路线图会天然失速。

他们现在更信「2-3 人小队＋50-100 天短周期」，先赌一个方向能不能成立，再决定要不要加注。

他还否定了很多人熟悉的创新流程。固定时间的头脑风暴常常产不出突破，真正的新产品，往往来自少数人对某个问题的长期执念。

团队更该维护一张「几乎可行」清单：把模型暂时做不好、但已经接近可用的体验先记住，等能力跨过临界点，再和真实用户问题拼起来。

早期判断需求时，他更看人而不是表。原型演示时，对方会不会眼睛发亮、身体前倾，比 DAU、D7 留存更早给信号。

组织层面，他看重两件事：一是「反学习速率」，也就是学得快、放得也快；二是「爆发式耐力」，能冲刺也能长期跑。

随着执行成本下降，团队规模从 5-7 人缩到 2-3 人，角色边界更模糊，跨界协作和信任能力反而更关键。至于模型 ELO，他的态度很直接：多数用户并不在乎分数，只在乎问题有没有被解决。

⚡ 一周不登飞书后，傅盛给 AI Native 2.0 下了个定义

原链 · 公众号 · 约 9 分钟读完

傅盛做了一个实验：一周不登录飞书，把工作流尽量交给 Agent。

他想表达的不是「AI 能补几个功能」，而是组织结构要改。1.0 阶段，AI 主要是补软件短板；2.0 阶段，重点变成「每个岗位都要有 Agent」。

人在里面的角色不是点同意，而是审核、判断、纠偏，再把判断教回 Agent。

一旦工作流里还是「人找人」，效率红利很快就见顶。他的建议很激进：如果结果不好，先改 Agent，不要先靠人肉救火，不然组织永远回到旧路。

文中给了不少落地场景，包括内容生产、审批、销售提成核对、项目邀约等。共同点是 Agent 已经能理解意图并串起流程。

他最后把考核问题压成一句：以后看一个人，先看「你的 Agent 在哪里」。

🧠 代码门槛塌了，真正稀缺的是谁还有愿力把事做完

原链 · 公众号 · 约 22 分钟读完

冯若航这篇把问题捅得很直：AI 把「会不会写代码」这道门槛削平后，软件工程的瓶颈正在从擅长迁移到愿力。

算力可以买，愿力买不来。

他用高强度 Vibe Coding 的实战把这件事拆开。试仓可以靠算力广撒网，但重仓必须靠自用。借用 Ikigai 四圈模型看，AI 扩了「擅长」、改了「能赚钱」、也冲击了「世界需要」，但「热爱」这一圈并不会被模型代填。

他把热爱落成四个工程价值：决定方向真实性、抵抗均值平庸、跨过最后 20% 脏活累活、穿越周期。

一号用户回本逻辑也很锋利：自己重度使用且顺手，投入在发布第 0 秒就回本。反过来，若项目连自己生产环境都不用，再炫技也难有价值。

文末的自检框架很好用：你到底爱锤子，还是爱钉子？

▪️CASE 案例

💰 人均月烧 1 万美金 Token ：Manus 怎么用 Manus 改造自己

原链 · 公众号 · 约 20 分钟读完

Manus 联合创始人张涛写了篇文章，介绍内部管理模式，并给了一组很敢写的账：团队人均每月 Token 开销超过 1 万美金。

研发侧做了 Manus-mono 统一仓库，给 AI 补跨仓库上下文，让它能看全局、做本地验证、排线上问题、跑发布流程。移动端 7 个人同时扛 2 个产品、4 个应用，节奏仍贴近网页版。

产品侧把规范和审查机器人内置进 Mono，产品经理可直接改代码。约一半产品经理已经能独立做需求上线。

市场侧把合同、审批、发布跟踪串进内部站点，AI 作为数字同事参与推进，还能跨团队同步细节。

还有大量内部用 Manus 改造 Manus 自身的细节可学习，算是开诚布公了。

对于人均一万美金，他们的结论很明确：这笔钱买的是时间和注意力。随着系统继续优化，成本会下降，但前期得先用最强模型摸清边界。

⚠️ 70 万买来的一场崩塌：县城老板被「伪 FDE＋伪私有化」反向收割

原链 · 公众号 · 约 15 分钟读完

陕西一位县城老板砸了 70 万，买了号称有 AI 客服、获客、军师、面试四件套的系统。

结果是账号被封、工资数据泄露、员工离职、供应商失联，老板气到住院。

这篇最有价值的地方，是把「真 FDE」和「卖焦虑软件」拆开了。真正的 FDE 要长期驻场、深挖业务、持续迭代，周期按年算，团队往往要七八人起步。

所谓本地化部署，对小公司也常常不是解药，而是把硬件、运维、升级全背到自己身上。

文中数据很扎眼：2025 年调研显示，62% 的规上制造企业已采购或上线 AI 系统，但上线满 3 个月还能常态化运行的只有 38%。近三成停用，原因是没人持续陪跑。

作者最后给了三条硬条件：老板懂业务且下到细节、数据先数字化、系统真交给业务部门天天用。案例里这三条都没满足，却把 AI 使用率直接绑进绩效 60%，最终逼出一堆「AI 生成工作日报」的表演动作。

✍️ 被 AI 抢饭碗后，她用 21 个笔名 20 个月写出 371 本书

原链 · 公众号 · 约 4 分钟读完

南非代笔作家哈特做了一个极端样本。

被客户用 AI 解约后，她没转行，反而把写作拆成流水线。20 个月里用 21 个笔名出版 371 本书，卖出 100 多万册，2026 年前 10 个月收入破 100 万美元。

她的系统有三层。先做细分需求扫描，再按模型特长分工：Claude 走骨架、ChatGPT 写对白、Grok 写亲密戏。

初稿后先跑 AI 体检，再人工校对。加上多笔名隔离和系列化追投，单本试错成本被压到接近零。

她后面还把这套能力反向产品化，做成服务品牌卖给作者群体。

（这是成功案例叙事，幸存者偏差一定在，但「先把自己业务跑通再卖工具」这条路径，确实值得学。）

💻 13 个月推倒 4 次：Codex Cloud 为何明明强却留不住人

原链 · 公众号 · 约 26 分钟读完

Every 创始人 Dan Shipper 跟踪 Codex 团队一年，拼出了 13 个月 4 次换形态的全过程。

早期 Copilot 时代的补全能力、o1 带来的推理跃迁、Cloud 版本的高基准成绩，都是真的。

但 Cloud 上线后留存依旧惨淡，团队复盘出三根硬刺：环境迁移门槛高、模型仍不够稳、产品离开发者真实战场太远。

最致命的是认知盲区：内部标准化环境，让团队低估了外部用户的前置成本。

他们后来退回本地，改用 Rust 重构调度内核，把底层与终端彻底解耦，再往编辑器、桌面和 ChatGPT 铺路。

这篇给我的一句话是：方向未必错，但时机没到时，终局答案搬不进当下。

随便看看：

适合个人上手的教程/评测/资源：

  • 《Grok Bot 上手实战指南》：HEXIN 把 Grok Bot 定位成跨应用干活的 Personal Agent，给了职责模板、权限边界和定时任务建议。先手动跑通再自动化，是文中最实用的一条。
  • 《huashu-design 3.0 发布：设计审美再升级》：花叔把策略从「加禁令」改成「加可见选项」，并扩充到 84 种风格样张。实测结论很反直觉：给 Agent 更多参照，它反而更敢做差异。
  • 《开源投研工作台一键安装》：作者玖峰把 7 大投研流程、104 个工具打包成 Windows 一键安装，21 个数据工具可免 Key 轮询公开接口。完整工作流单次成本几毛到一两元。
  • 《微信流 iOS 版开源：聊天记录直通 AI 与 Obsidian》：微信流 iOS 版支持「合并转发→分享」导入，100 条以上也能分批去重投递到多个 Agent 与 Obsidian。本地存储、不破微信，是它的安全底线。
  • 《灵光 2.0 接入 15 个 App 实测》：卡尔把 15 个国民级 App 接进灵光 2.0，核心体验是主动调度与后台持续执行。手机 Personal Agent 的价值，正在从问答变成持续代办。
  • 《用 AI 给自己写个音乐老师》：程序员 Daniel Murrell 做了开源 OnKey，能边播 Spotify 边实时纠音，约 10 天完成。重点不是炫技，而是把 AI 用在自己真想学会的事上。
  • 《VMPal：给 AI Agent 一台隔离 Mac》：VMPal 给 Agent 一台隔离虚拟机，宿主机不用开高危权限，还支持快照回滚。对常跑自动化和高风险脚本的人，安全收益很直接。
  • 《AI 代码生成动画工作流》：小盖用 WebGL2 与原生 JavaScript 生成单文件动画，提示词重点放在镜头运动和节奏细节。适合拿来练「和模型协作调镜头」这件事。
参与讨论