《巧用多维表格,让AI成为小红书运营实际生产力》 - 附多维表格模版
很高兴加入生财社区,我是伍十七,深圳一家AI公司的技术合伙人。 在阅读了生财所有关于AI的精华内容后,我发现大家遇到的问题是相通的,“输出不稳定”、“提示词生成图片次数越多,效果越差”、“输出1分钟,调试1小时”、等等,关于AI落地的讨论多是实现某个具体场景下的功能,一旦开始规模化操作就失控,AI产出难以把控。 这里以多维表格+DeepSeek制作小红书封面为例,如何对AI输出质量进行系统化管控,让AI成
Shengcai highlights · Explore tracks
Explore community highlights by track, with source images, short descriptions and author-reported results. Find a direction and scan to join.
Historical cases retain their publication date. Project conditions may have changed. Cases with source images are shown by default. All posts opens the complete archive.
很高兴加入生财社区,我是伍十七,深圳一家AI公司的技术合伙人。 在阅读了生财所有关于AI的精华内容后,我发现大家遇到的问题是相通的,“输出不稳定”、“提示词生成图片次数越多,效果越差”、“输出1分钟,调试1小时”、等等,关于AI落地的讨论多是实现某个具体场景下的功能,一旦开始规模化操作就失控,AI产出难以把控。 这里以多维表格+DeepSeek制作小红书封面为例,如何对AI输出质量进行系统化管控,让AI成
刚加入生财,看了3天,觉得受益匪浅。尤其是以前没有看到的一些信息。 比如“好好说话”这种形式,如果不是在生财看到,不知道会有这种这么简单的形式,在小红书上有那么好的数据表现。 作为一个做了2年AI智能体的人,我感觉小红书上95%以上好好说话,应该都是用AI智能体工作流做的,所以我也化了3个小时,手搓了一个工作流。 全流程的截图,关键点的解释,提示词,都已经放在下面的飞书链接里了。 按图去做,应该人人都能做出一个自己能独享的“好好说话&rdq
[让我看看]和一起,我们喊上 组成了提示词攻坚小组,来研究如何用提示词做出来更多有意思的产品~ 本次给大家带来的是文章总结卡2.0版本: 1.[哇]全面支持DeepseekV3模型,做出来的卡片效果足以媲美Claude3.7 2.横版1080×800的卡片整体样式进行了优化,更加精美 3.新增竖版总结卡750×不限高,手机阅读体验超棒,且不限制高度,适合长文总结~ 我们继续保持提示词开源的风格,希望能够为AI普及做微薄之力~ 示例及提示
最近和飞书的朋友沟通比较多,多维表格是他们全年的重点,已经有很多朋友在多维表格的模板/插件上面开始完成收费,以及还能导流私域。。。 多维表格我认为是AI浪潮里,会引发重要变化的基础设施,一个是可视化,二个是AI化,三个是有API接入,基于这三个,会有非常多的机会,值得关注 我也在开始研究多维表格能起到的作用,比如这篇文章。 能够很好的实现对于抖音视频的批量提取/处理,具体内容看飞书云文档链接:
hello,大家好,我是雷鸣哥,最近这个历史人物复活骂人的视频彻底火了,人民网,都在发,很多官媒也在发。 回答我,look at my eyes,tell me why,why baby,回答我。 哪里需求,哪里有就商业化,甚至有人付钱 20 元代做。 详细制作流程请大家移步飞书:
各位圈友大家好,我是饭饭, 生财航海家、实战访谈嘉宾,目前精耕于AI写作变现赛道。 新手小白做剧本也是能赚不少钱的,我自己团队从去年年末开始测AI写作变现里面的剧本品类,距离现在完美交付数量已经200+,累计变现利润近5w。实操下来我觉得这个品类属于蓝海产品,借助AI工具可以快速放大,非常适合普通小白入局分一杯羹。 剧本写作目前处于增长阶段,我把经验总结成为了这个详细的方法论。非常感谢亦仁老师提供优秀的交流平台,非常感谢 老师带我进生财
大家好,我是汤姆CC,04年的计算机大学生,最近在AI自媒体上取得了一些成绩:全网粉丝18w+【抖音涨粉14w+,小红书涨粉2w+,视频号涨粉2w+,私域400+】目前已经谈妥2个商单。本篇文章将介绍我做ai自媒体的经历、工作流程、创作经验和建议,希望能帮助更多想要进入这个领域的人少走弯路,欢迎大家评论交流。文章链接:
Study a case. Choose a direction.
Results are author-reported and unverified. Official tags come from Shengcai MCP; FDE uses keyword classification. Latest posts and highlights are separate. Sync time is not publication time. Source summaries are in Chinese.