# 自动化的所有文章

在 HTX 新聞中心流覽與「自动化」相關的最新資訊與深度分析。潘蓋市場趨勢、專案動態、技術進展及監管政策，提供權威的加密行業洞察。

一个不会写代码的人，独自扛住了 Anthropic 十个月的全部增长营销

一位非技术背景的营销人员 Austin Lau，独自承担了人工智能公司 Anthropic 长达十个月的全部增长营销工作，覆盖付费搜索、社交广告、应用商店优化、邮件营销和 SEO 等核心渠道。尽管他从未写过代码，但通过使用 Claude Code，他成功构建了多套自动化工作流，大幅提升效率。他开发了 Figma 插件，批量生成广告变体，将原本30分钟的手动操作缩短至30秒；还搭建了 Google Ads 广告文案生成系统，通过子智能体分工撰写符合字符限制的标题与描述，并将创建时间从2小时压缩到15分钟。此外，他集成 Meta Ads API，实现实时数据查询与闭环优化，使广告迭代基于历史实验数据不断优化。 Anthropic 的内部白皮书指出，Austin 的工作成果包括创意产出量提升10倍，单人测试覆盖的广告变体量超过许多完整营销团队。这一案例显示，AI 显著模糊了“技术”与“非技术”工作的边界，核心在于将重复性流程拆解并通过自动化实现效率跃升。尽管增长营销适合自动化，但其模式在其他领域能否复制仍待观察。

marsbit03/12 09:44

marsbit03/12 09:44

2026不是AI元年，而是人类职业的大洗牌起点

2026年将迎来人类职业结构的大洗牌，而非简单的“AI元年”。AI技术正以远超预期的速度发展，最新模型如GPT-5.3 Codex和Opus 4.6已能独立完成复杂任务，甚至参与自身研发迭代。技术迭代速度从每7个月翻倍加快至每4个月，预计1-5年内将取代50%的白领工作。法律、金融、医疗、编程等行业首当其冲，AI已展现出近乎人类的判断力和创造力。免费版AI工具严重落后于付费版，导致公众认知与技术现实存在巨大鸿沟。建议立即行动：订阅顶级AI服务并将其深度融入工作，提升财务抗风险能力，培养人机协作能力，并关注AI难以替代的领域（如线下服务、高监管行业）。未来属于快速适应变化、善用AI实现创造力的人。这场变革既是挑战也是机遇——医学研究、科技创新将加速突破，但同时也存在安全风险。关键在于主动拥抱变革，而非被动等待。

marsbit03/12 00:43

marsbit03/12 00:43

VC 投了 2000 亿赌 AI 颠覆一切，但他们准备好被 AI 颠覆自己了吗？

风险投资人是AI最狂热的信徒，2023年向AI领域投入超过2000亿美元。但AI技术正反过来颠覆风投行业本身。平台ADIN使用AI代理替代人类分析师，一小时完成原本需数周的投资尽调，大幅提升效率并识别人类易忽略的风险。风投行业内部对此存在分歧。一些人如Marc Andreessen认为投资是“艺术而非科学”，依赖人脉和直觉；但ADIN创始人Aaron Wright认为AI将开启风投的“Moneyball时代”，通过量化方法提高投资胜率。更致命的威胁在于：AI大幅降低创业成本，许多公司可能不再需要大额风投资金。像Midjourney这样员工不足百人却年收数亿美元的案例涌现，传统SaaS创业依赖巨额融资的模式正在瓦解。如果初创公司普遍不再需要VC，整个行业将面临生存危机——不是被AI取代，而是被商业模式淘汰。

marsbit03/11 09:32

VC 投了 2000 亿赌 AI 颠覆一切，但他们准备好被 AI 颠覆自己了吗？

marsbit03/11 09:32

红杉资本：下一个万亿公司不卖软件，直接卖结果

红杉资本合伙人Julien Bek提出，下一个万亿美元级公司不会销售软件工具，而是直接提供工作成果。其核心观点是：企业每花费1美元购买软件，就需要额外6美元购买相关服务。随着AI技术发展，“做事”成本趋近于零，真正的机会在于Autopilot（自动完成工作），而非Copilot（辅助工具）。文章区分了“智力”（规则性工作）和“判断”（需经验与直觉的工作），指出AI已能自主完成大部分智力工作。软件工程是目前AI应用最广泛的领域，但这一趋势将蔓延至所有职业。 Autopilot模式的切入点应优先选择已外包的、智力密集型任务（如保险经纪、会计、医疗账单管理、法律事务性工作等），因为这些领域已有明确预算和成熟的外包生态，替换阻力小。随后可逐步扩展至内部判断密集型工作。文中列举了多个垂直领域的自动化机会，包括保险经纪（1400-2000亿美元）、会计审计（500-800亿美元）、医疗账单管理（500-800亿美元）、法律事务（200-250亿美元）等，并强调纯Autopilot公司有望通过直接交付结果捕获巨大市场。

marsbit03/11 04:46

marsbit03/11 04:46

一边赚钱一边裁员：硅谷的17万人去哪了？

2026年2月，美国科技行业裁员规模已超过2008年金融危机和2020年疫情期间水平，引发广泛关注。2025年全球科技行业裁员约24.5万人，其中美国占17万。2026年前六周，裁员超3万人，80%来自美国企业。值得注意的是，许多裁员企业仍在盈利甚至创收，这表明裁员是主动战略调整，而非生存危机。背后主因并非AI直接替代（仅占28.5%），而是疫情期过度招聘后的“结构性重置”。企业借AI重新评估岗位价值，许多职位被永久性取消。行业呈现两极分化：AI相关岗位需求激增，而传统技术岗位萎缩。经济学家警告，科技行业持续下行可能拖累美国GDP增长，但亦有观点认为裁员规模较2024年实际减少20%。本质上，这是一场关于“人在系统中角色”的根本性重构，企业追求更小团队更高效率，但技能缺口可能反噬转型进程。这场变革没有明确终点，答案远非裁员数字所能概括。

比推03/10 13:44

比推03/10 13:44

从认识Skill，到了解如何构建Crypto Research Skill

本文探讨了AI Agent领域的重要发展——Agent Skill的诞生与演进。最初由Anthropic推出，旨在提升Claude在垂直任务中的表现，后因其模块化、解耦性强及灵活性高的特点，迅速被开发者社区和主流工具采纳，并最终成为开放标准。 Agent Skill本质上是AI模型的“专属说明文档”，用于规范其在特定任务中的行为，避免重复输入指令，提升任务执行的准确性和效率。其基础结构包括元数据（名称和描述）和具体指令，通过按需加载机制工作：系统先轻量扫描所有Skill的描述进行匹配，命中后才加载完整指令，极大优化了资源使用。文章进一步介绍了两个高级机制：Reference（条件触发的参考文件，用于动态引入外部知识）和Script（直接运行外部代码，实现自动化操作）。两者结合，形成了渐进式披露的三层结构（元数据、指令、资源层），兼顾效率与功能。最后，文章辨析了Agent Skill与MCP（模型上下文协议）的本质区别：MCP是“数据管道”，负责连接外部数据源；而Skill是“行为准则”，规范数据处理逻辑。在Crypto研投场景中，二者协同构建强大工作流，例如自动尽调新币种或实时监听交易信号，通过MCP获取链上及市场数据，再由Skill驱动AI生成结构化研报或风险预警，实现高度自动化与专业化的分析。

marsbit03/10 10:41

marsbit03/10 10:41

一个人的公司：通往百万美元收入的路径

Nat Eliason通过AI代理框架OpenClaw创建了名为“菲利克斯（Felix）”的一个人公司，目标实现百万美元收入。该公司除他外全部由AI代理员工运作，无人类参与。五周内，Felix通过多种业务模式实现近20万美元收入，完成目标的五分之一。 Felix最初销售OpenClaw设置指南（PDF，29美元），收入4.1万美元。随后扩展业务：推出AI技能市场Claw Mart，收取10%手续费和订阅费；提供企业定制服务Clawcommerce，初始费2000美元加月维护费500美元。AI子代理处理客服和销售，Discord作为协作平台，月成本仅约1500美元。挑战包括AI处理邮件和记忆管理的不稳定性，以及市场教育不足和竞争加剧。未来计划集成区块链、优化企业服务，并探索病毒式营销。Nat认为AI代理将逐步与人类协作，创造新商业机会。

比推03/10 07:32

比推03/10 07:32

月薪两万，养不起“龙虾”？

月薪两万却养不起“龙虾”？OpenClaw作为开源个人智能体框架近期引发热议，但实际体验因部署方式差异巨大：本地硬件部署成本高但体验完整，云服务器受限权限，个人电脑安装风险高，厂商托管产品则能力有限。权限开放需谨慎，已有安全漏洞导致设备被控或数据损失。龙虾的性能取决于所选大语言模型，模型成本可能极高，单日token消耗可超十万。OpenClaw本身仍是不足四个月的粗糙项目，存在任务中断、记忆不稳定及安装门槛高的问题。是否部署需评估实际需求、成本投入及技术能力，并认识到AI仅是工具，人的驾驭能力才是关键。建议普通用户先从封装产品轻度体验，保持理性思考。

比推03/09 17:11