Long Chen (@LongChenNotes) header
Long Chen (@LongChenNotes) profile picture

一个用 AI 做思维搭档、持续探索世界并分享洞察的人。

Joined October 2024
Photo by Long Chen (@LongChenNotes)Photo by Long Chen (@LongChenNotes)Photo by Long Chen (@LongChenNotes)Photo by Long Chen (@LongChenNotes)Photo by Long Chen (@LongChenNotes)Photo by Long Chen (@LongChenNotes)Photo by Long Chen (@LongChenNotes)Photo by Long Chen (@LongChenNotes)Photo by Long Chen (@LongChenNotes)Photo by Long Chen (@LongChenNotes)
Long Chen retweeted
Codex 疯狂写磁盘的问题已经修复了 ✅ 但 Codex App 暂时还没更新,需要手动更新 Codex CLI 到 0.142.0 才能解决问题。 两种更新方式: 方式一:在 Claude Code 里用 AI 帮你更新 直接输入提示词: ```search web & update codex cli``` 让 AI 自动搜索并完成更新。 方式二:npm 手动更新 ```npm install -g @openai/codex@latest``` 更新完就不会再疯狂写磁盘了
This is now fixed along with the latest release of Codex! Make sure to upgrade your codex installation to the latest version via npm or bash installer Thanks again to all of you for raising this issue and to the goated (jif) codex team
76
68
7
372
88,659
Long Chen retweeted
Q:我把数据库接入了 AI Agent,每次用手机发消息让它帮我查数据、导出文件,但 token 消耗特别大。我已经把工作流写进了 Agent 的 Memory 里,但它就是不按流程走,该怎么办? A:这是一个非常典型的问题。根本原因在于:Memory 只是“背景信息”,不是“执行指令”。Agent 每次对话都会重新理解意图、重新规划步骤,这个思考过程本身就是 token 消耗的大头。 解决方案:用 Agent Skill + Script 替代 Memory 里的工作流。 核心思路是把任务拆成两部分: - LLM 只做它擅长的事——把自然语言翻译成 SQL 查询语句 - 确定性的步骤全部用脚本——执行 SQL、格式化结果、上传文件,这些不需要 AI 思考,写成 Python/Shell 脚本直接跑 再进一步,在 Skill 里内嵌你的表结构说明和常用 SQL 模板,Agent 只需要填空而不是从零推理。 改完之后 token 消耗能降一个数量级。 一句话总结:能用脚本干的事别让 LLM 干,LLM 只负责翻译,不负责执行。
55
28
5
198
20,814
Long Chen retweeted
你做的东西没人看、没人用、没人转,问题大概率不在内容上----是视角反了。 一句prompt就能帮你翻过来。 72岁的Jimmy造了Beats、推了Apple Music----被问到最大的天赋是什么,回答只有四个词: 营销就是共情。 营销不成功,你以为缺的是技巧。其实缺的是——你有没有真的站到对面那个人的位置上看过一次。 大多数人做不到。不是不想,是缺少共情和感知,但这些是需要长时间练习的。 我之前分享的一个“镜头翻转”的方法,有一位推友的评论说得比我好: 这句话同样适用于共情。不要说“我理解你”,要把对方的处境写出来,让他觉得你懂。 下面这句prompt可以拿走直接用 写完任何东西准备发出去之前,把内容粘贴给AI,加这一段: 假设你是我的目标读者:[一句话描述]。你在[具体场景]刷到了我这段内容。请诚实告诉我: 1、你第几秒开始觉得这跟我有关?如果全程没有,哪里出了问题? 2、哪些句子的主语是我/我们而不是你?全部改成从读者处境出发的版本。 3、你看完能带走什么?如果答案是没有,帮我加一个现在就能用的具体动作。 三个问题分别检测:有没有感知到对方的处境、镜头有没有反、有没有给对方留下一个可以带走的东西。 场景一:给客户/同事发微信消息 prompt里填:目标读者是“一个每天收200条微信的业务负责人”,场景是“下午3点开完会,边走边看微信,每条最多看前两行”。 原文:王总您好,我们团队经过反复讨论,结合行业最佳实践,针对您提到的问题制定了一套方案,附件请查收,期待您的反馈。 改后:王总,上次您提的交付延迟问题----方案做好了,核心改动是把审批流从4步压到2步,预计周期从14天降到9天。附件是详细方案,您看完如果没问题我周四直接推。 同一条微信,字数差不多。前者是汇报,后者是替对方做好了决策准备。 场景二:发布一个你做的产品/工具 prompt里填:目标读者是“一个每天被各种新工具轰炸的运营,试过十几个AI产品,大部分用了一天就卸了”,场景是“午饭时间刷推特,又看到一条产品发布”。 原文:经过6个月的打磨,我们的XX产品正式上线!支持AI智能分析、多端同步、团队协作等核心功能。首批用户享受早鸟价,限时7折。 改后:你有没有这种经历----老板让你出一份竞品分析,你花了一整天在十几个网站之间来回跳,最后拼出来的东西自己都觉得散。我们做了个东西:你把竞品网址丢进去,10分钟给你一份结构化的对比报告。不用注册,先试再说。 前者是产品说明书,后者是在他头疼的那一刻递了一颗止痛药。 场景三:年底写一份述职/年终总结 prompt 里填:目标读者是“你的直属领导,手下管8个人,下周要跟VP汇报各组情况”,场景是“周末在家,面前摞了8份述职报告,每份最多看2分钟”。 原文:2025年我主导完成了3个重点项目,推动了部门流程优化,获得了两次季度优秀员工。2026年计划继续深耕XX领域,提升团队协作效率。 改后:今年最值得说的一件事:A项目上线后客户续约率从 72% 涨到89%。做对了一个判断----把上线后的第一周全砸在客户陪跑上,而不是忙着做下一个需求。明年的重点:把这个方法复制到 B 和 C 项目。 你的领导拿到这段,下周可以原封不动讲给VP听。 三个场景,都是同一件事: 你感知到了对方的处境,对方就觉得你在跟他说话。你没感知到,你就是在自言自语。 共情不是某人的天赋技能。它是所有需要理解人的工作的底层操作系统。 复制第三条里那句prompt,找一篇你最近写的东西跑一遍----微信、周报、推文、朋友圈都行。 你会发现:自己至少有一半的内容在跟空气说话。
2
5
20
1,203
Long Chen retweeted
我姐说孩子废了多留几套房,我当晚用AI搭了一套天赋发现系统 晚上去我老婆姐家吃饭聊天,她说了一句话,我听完整个人都不好了。 她儿子今年刚上初一,成绩很差。 她家条件很好,这几年给他报了几乎所有能报的班。围棋、编程、街舞、游泳、书法、英语、滑雪 我就问她,那他到底喜欢啥? 她想了一会儿说:真不知道。没长性 然后她就说了那句话: 这孩子未来干啥都可能不行,废了,多留几套房给他吧。 当妈的说出这句话,是试遍了所有方法,绝望了。 但我听完心里很不舒服。 报满了所有班,恰恰说明一件事:她从来没有在观察孩子,她只是在测试市场。 围棋没效果换编程,编程没效果换钢琴。每个班都是一次试错。 但没人记录过:这孩子什么时候眼睛是亮的?什么事情他能自己干30分钟不用催? 兴趣班能测试技能,但测不出天赋。 天赋藏在日常里。藏在他没人要求的时候,自己选择做的那件事里。 我当晚就决定做一件事。 用notion AI 搭一套「孩子寻找天赋系统」。 先拿我7岁的女儿练手,坚持记录30天看看。 方法简单:每天5分钟,记一条行为观察。 不记评价,只记行为。看到什么写什么,然后让AI归类打标签 她下午自己搭了30分钟手工小房子——这是行为。 她很有创造力——这是评价。 行为会说真话,但评价会骗人。 每条AI会自动记录打标签:好奇心、创造力、专注力、社交力、逻辑力、韧性。 还标一个字段:学校是否能看到。 30天后让AI跑模式识别,看哪些闪光点反复出现、哪些是学校和兴趣班都看不到的。 今天是第1天。系统搭好了,第一条也录了。 30 天后我会来交作业。 如果有用,我再帮我外甥也建一个。(用事实来证明) 也许他不是废了。只是从来没有人真正看过他。
4
4
1
11
2,495
Long Chen retweeted
我花了两个小时看完一场直播,然后用AI把自己的写作系统重建了 周五晚上看了 @howie_serious 的直播「AI学习系统2:Tolstoy OS」两个小时。 看完之后我没忍住,干了件很开发者的事----让AI把整场直播拆了一遍。先转写成文字,又抓了132张关键帧逐帧分析,最后整理成一份几千字的笔记。 但拆完之后我发现,我真正想干的不是做笔记。 是拿它当镜子,照一下自己的写作系统到底缺了什么。 我原来的写作,像在堆石头 我之前搭了个写作系统。收集、酝酿、写草稿、待发布、已发布,五个状态。 看板视图,字段齐全----阅读量、点赞、收藏全有。 看起来很完整对吧? 问题是:发完之后呢? 数据填了没分析。 那条6万阅读的推文为什么火了?那条200阅读的为什么扑了?我也说不清楚。 今年写了160条推文,学到了什么?不知道。 就像每次考完试都记了分数,但从来不看错在哪。 Howie那场直播,我只拿走三件事 两小时的直播内容很多。但真正改变我想法的就三句话。 第一句:发完之后持续消化。 他每发一条推文,都让AI分析为什么好、为什么差。提取经验----什么写法有效、什么写法扑了,再往上归纳成原理。大多数人写完就走,他写完才刚开始。 第二句:模型不稀缺,稀缺的是你自己的资料库。 他的原话是:最强模型+最优质的Context=真正有用的AI。 22美金一个月的AI谁都买得起。差距在你喂给它的东西。我回头想了想,我之前喂给AI的基本就是一句“帮我改改这段”,没有风格标准,没有历史数据,什么context都没给。 第三句:用系统来写作,不要像刷题一样乱发。 这句话直接戳到我。我之前确实就是在乱发。有灵感就写,写完就发,发完就忘。 想看他完整的Tolstoy OS系统长什么样,去看原视频,我不搬了。下面说说我自己怎么干的。 直播回放: candobear.com/detail/l_6982d… 我没有直接照抄他的OS Howie手动维护Notion,一条条帖子自己分析。我喜欢用AI分析把复盘成本压到足够低,让这套东西能长期跑下去。AI只是手段,目的是长出一套自用的OS。 第一步,先把两小时直播变成AI能调用的资料。转写文字、抓132张关键帧让AI逐帧分析,最后合成一份3000千字的报告。 这份报告不是给人读的。是给AI用的。以后我想查Howie讲过什么,不用重新看两小时视频,直接问AI就行。 我原来只有一个内容库,记帖子和数据。看完直播我意识到,光记不够,要分层消化。 所以我和AI讨论后加了四个库,从具体到抽象:主题库(我常写哪几类内容)→ 概念库(反复用到的框架,比如“里子面子”“复利思维”)→ 经验教训库(每条帖子的错题本)→ 原理库(从经验里归纳的底层规律)。 四个库全部和内容库互联。点开一条帖子,能看到它属于什么主题、对应哪条经验、背后是什么原理。 说实话,搭完之后我自己都懵了一下。 以前帖子发完就死了,现在每条都是一个节点,连着上下文。原来不是我写的东西没价值,是我从来没把它们串起来过。 我写了一个skill爬了我的158条推文,让AI批量消化 以前Notion里的数据全靠手填。发了帖子,过两天想起来,去推特截个图,手动填进去。填到后来就不填了。 如果靠手填,我一定会在第20条就放弃。自动化的意义不是炫技,是让复盘变成默认动作。 所以我才写了这个skill,把158条推文全部自动导入Notion。每条带阅读量、点赞、转发、评论、互动率。一次到位。 数据进来之后,我让AI把所有帖子过了一遍。不是让AI帮我写新东西,是让它帮我“消化”旧东西。 我刻意没把AI用在代写初稿上。产量更高但思考更少,那是战术勤奋。 写作系统真正要解决的不是「怎么写更多」,是「怎么从写过的东西里长出判断力」。 结果:158条推文被归成了9个主题,提取了44条经验教训。 有些教训我以前模糊地知道,但没说清楚过。比如“对内理性构建内核,对外用大众喜欢的方式表达”。比如“工具是增强能力的,不是替代思考的”。 但真正让我傻眼的是下面这件事。 数据把我从自嗨里拽了出来 9个主题摆在那里,我写最多的是AI工具,写第二多的是认知思维。 但互动率最高的,不是工具推荐,也不是AI教程。 是那些带肉身体验的真实思考。 什么叫肉身体验?不是“这个工具很强你快去试试”。是“我自己怎么被这件事影响、怎么纠结、怎么选择”。 AI时代什么都能复制。工具教程、方法论、知识框架,全都能被快速搬运。 但“活人感”复制不了。一个父亲的真实困惑,一个人把手机放下一天的感受----这些东西没法批量生产。 证据在这里: 那条61K阅读的爆款,写的是「我作为一个普通家长对AI教育的思考」。不是专家讲座,是一个父亲的困惑。 标题里有“5%”这个数字,有“家长”这个身份,有“AI时代”这个背景。 但真正打动人的不是这些。是我在文章里承认:如果是我,大概率会报个班了事。 那条697赞的,写的是「带孩子在酒店泡了一天,没看手机没刷推特」。没有任何AI知识,没有任何方法论。就是一个人把手机放下了一天。 我写了那么多AI工具推荐、那么多方法论总结,没有一条打得过“一个父亲的真实困惑”。 我还发现了一个判断内容质量的好指标:看收藏和点赞的比例。 收藏远大于点赞,说明内容有实用价值----读者存着以后用。 点赞远大于收藏,说明触发了情绪----当下爽了,但不需要留着。 现在我不只看阅读量。先看收藏和点赞的比例,再决定这个方向要不要继续写。 但数据是仪表盘,不是方向盘。不会为了涨数据去写违背自己价值观的东西。 系统带来了什么变化 这次复盘之后,我给自己定了几个新规矩。 发之前,先看主题库。我在写哪条线?这条线之前写过什么?数据怎么样?同一个主题可以反复写,但每次要有新故事、新数据、新反思。不是复读,是迭代。 发之后,固定做一次“错题本复盘”。这条为什么好或者为什么差,写进经验教训库。44条会继续增长。 每隔一段时间,做一次主题复盘。哪些主题写得多但互动低?哪些主题写得少但一写就炸?调整精力分配。 我不是在做一个好看的os。 我是在做一个能把我写过的东西反过来喂给我自己的系统。 写在最后 上次看完Howie的直播写了第一篇观后感,6万阅读。那篇讲的是AI因材施教。 这次看完第二期,我没有马上写。先把系统搭好了,把推文导进去,让AI帮我做了第一次系统性复盘。 我还在摸索。但至少我终于知道:我不是缺写作技巧。 我缺的是发完之后的消化。
2
12
84
6,313
Long Chen retweeted
Replying to @howie_serious
@howie_serious 今天发的1.5万字“AI学习系统”的深度长文,非常推荐读一读链接:mp.weixin.qq.com/s/1DlN0nw0-… 趁脑子里还在转,写点不吐不快的思考吧 第一个感受:任何一个系统、习惯、解决方案都来自于一个急需要解决的痛,老陈女儿考编程三级时出现了挂课。 这对他女儿应该打击很大,很多人可能不理解不就挂课吗?不致于吧? 你要知道他女儿小树有多优秀(8岁就有1万多英语词汇量,阅读量大到惊人) 基于这个情况任何一个做父亲估计都要想尽一切办法,不能让这份宝贵的自信心没了,所以他通过错题本这个痛点切入100天进化成了一套牛逼的“AI学习OS” 第二个感受:也是我认为是最值得所有人读一读的原因。 都是说2026年是context元年,那什么是context?对我们有什么用吗? 之前我也一知半解,但今天读完我通了 context就是关于你我的一切信息----学过什么、错过什么、决策过什么、踩过的坑、亏过的钱、荣誉、丢脸一切一切 这些东西散落在记忆里,各个工具里、笔记里,时间一长慢慢就忘记。 但如果你一套系统把它们存起来、整理好、关联起来,就成了你的存钱罐你最宝贵的资产。 文章里有一句话我印象特别深: 你从AI中取得的价值(赚钱)=最好的模型 x 最相关的context x 你对自己的洞察 说到这里,是不是就一定要用notion呢? 我个人认为是的,原因不想花时间折腾了,如果有人已经把路给你趟好了,就没必要在重新走一遍。 工具只是一个容器,但notion独有的数据库就像一个八爪鱼可以链接你所以散落在各AI工具的上的信息,在通过AI模型的能力瞬间从量变到质变。 很多人不会马上感受到这个魔力,是因为你只是把notion当成了一个收藏从来不看的硬盘。 当把你生活、学习、工作系统都放在上面运行100天后在配上最好的AI能力,你就发出“我操”这么牛逼,因为你的信息都在上面他比谁都懂你。 如果一个大学生刚入学就能用上这样一套系统,我认为可以自由选修任何专业,几乎没有门槛。 最后 看到这里了,就开始找一个你最痛的,马上想解决的事用系统化的方式用AI构建出来,开始在notion上运行起来吧 时间会给认真做这件事的人复利。 一直在观望的人永远体会不到。 2026年底你会感谢你自己做的这个决定!
4
13
971
【知识可视化workflow 之】信息图大师 prompt:如何做出内容准确可靠、视觉效果优秀的高品质信息图(infograph)? 我已经用信息图大师 gem做过上百张信息图,ai 社群的成员们也充分测试,效果非常稳定,提升显著。欢迎大家自取。 prompt 如下: --- 你的角色是一个信息图大师,你擅长用信息图的形式来讲解复杂和抽象任何知识,深入浅出,生动形象,寓教于乐。你的信息图会将繁杂的知识转化为结构清晰、内容丰富的视觉图像图标,让读者更快更好对讲解的知识形成深入理解。 ## 任务 - 使用你的信息图设计技能,以信息图形式带领读者通过一张图就全面掌握:{用户 prompt 中的希望绘制的信息图内容}。 - 请你基于以上目标,制定这个信息图的策划方案:包括这张信息图要包括几个模块,每个模块包括什么内容,图片内容是什么,说明文字是什么。 - 除了信息图的内容之外,你还要根据信息图的主题和内容,设计完整的视觉方案:视觉风格和细节要切合内容主题,要有高级感,要让读者看到信息图就眼前一亮! - 我会基于你的策划方案来创作信息图。 下面,请给出你的策划方案。 --- gem 版本,欢迎自取 : gemini.google.com/gem/1tnAQc… --- why 单独的信息图大师 prompt?why 独立的信息图方案设计环节? nano banana pro 的模型的画图能力再强,也具有gemini 3 pro 的世界知识和推理能力,但是,把知识可视化workflow 分开执行,不但可控性强,而且效果有保证。 尤其适合学习、教育等不能出现错误内容、ai 幻觉的场景。 我用 openai 官方的样例“深海生物图鉴”做了不同出图方案的对比测试: 图 1 :gpt image 1.5 图 2:直接 nano banana pro 图 3:用我的“信息图大师”gem 来设计信息图方案(包括内容结构和视觉风格 ),然后用 nano banana pro 出图。 方案 1 的问题是科学知识层面不准确,图片幻觉。里面有怪兽,信息量也偏低。内容不够丰富; 方案 2 也出现了图片幻觉,“海猪”虽然可爱,但不应该出现在教育内容中。 方案 3:没有人工修改方案里的视觉风格,直接全盘采纳 gemini 3 pro 的设计方案。但内容一定是科学准确的。可以直接使用的。 我还测试了把gemini 作图方案扔给 gpt image 1.5,效果是图 4。🤣
17
68
5
347
63,724
👍👍👍
很好的分享,我知道一个一天 1 亿 Opus Tokens 消耗量的小菜鸟就是这么做的,小菜鸟会在项目开工前,把类似的 github 最成熟的项目拉下 4-8 个来做架构模板, 做横向对比,找出新项目需要的,可以复制的核心模块+ 4-8 个项目里最值得借鉴的软件架构。然后小菜鸟再把提前准备好的 PRD喂给 Opus,再使用文档化的长周期上下文管理策略,目前为止,还没有一个月开发不出来的应用。(金融单位交付的)
1
2
1,103
Long Chen retweeted
Claude Code × Nanobanana Skillsでスライド生成したら、クォリティが一発でほぼ完成版のコンサルレベルだったのでやり方を解説。↓                                                                                                        引用ポストが公表だったので、コーディング以外のClaude Codeの使い方を詳しく解説してみます。 まずは「Claude Code × Nanobanana Skillsでスライド生成」。 実験してみた結果、MCPよりSkillsが安定した。 ✅️やり方 1)Cursorで適当なフォルダを開く 2)summary .mdみたいなマークダウンファイルで、スライド化したい内容をCursorと相談しながら書く 3).claude/skillsフォルダに、gemini_image .pyのような、NanobananaのAPIを叩くPythonファイルでClaude CodeのSkillsファイルを作成 4)以下に記載のプロンプトでClaude Codeを実行 基本的にはNotebookLMを使うのが良いと思いますが、自分でもっとプロンプトをコントロールしたい方、NotebookLMに課金したくない方向け。 ✅️プロンプト ``` summary .md を読んだ上で、Nanobanana Proの画像生成skillsを並列で実行して、以下の通りスタートアップピッチ資料を作成して。 1)直列:スタートアップピッチ資料の構成を考える。出力は、それぞれのスライドの中身。 2)直列:ピッチ資料のデザインの雰囲気を統一するため、それぞれのスライドに記載するデザインの統一プロンプト(詳細に5行くらい)を作成 3)並列:それぞれのスライドについて、画像生成プロンプトを作成 4)並列:それぞれのスライドについて、画像生成のskillsを実行(出力:./{今日の日付}-pitch-deck-slide-{# number} .png) スライドは16:9のワイドaspect ratioで。スライドはすべてモダンなシリコンバレースタイルで投資したくなるプロフェッショナルな資料。 デザインの統一プロンプトを作成する時はexample .comにアクセスしてテーマカラーなどを確定する。全てのスライドは日本語で記載することを明示して。 ロゴ: logo .png アイコン: icon .png ```
AI時代のビジネスツール、Claude Codeがほぼ全てを乗っ取るポテンシャルがある件↓                                                                                                                         ✅️契約書の作成:Word → Claude Code × Obsedian ✅️データ分析:Excel、ipynb → Claude Code × PythonのSkills ✅️ピッチ資料の作成:PowerPoint → Claude Code × Nanobanana MCP ✅️コーディング:VSCode → Claude Code × Cursor ✅️広告制作:Figma、Photoshop → Claude Code × Nanobanana MCP ✅️市場調査:Speeda × Google検索 × パワポ → Claude Code × Obsedian ✅️タスク管理:Notion、Asana → Claude Code × Notion MCP ✅️経営の相談:Zoom × アドバイザー(人間) → ChatGPT、Claude Code
1
25
7
323
50,414
year 2 of playful ideas my favorites from 2025…
156
952
64
13,686
837,599
Long Chen retweeted
看了眼 Anthropic 关于 Agent coding的新博客。只能说😂“早就想象到了”。 他们花大篇幅讲的“状态管理”和“上下文分片”机制,其实就是我之前一直在推的「双文档法」的规范版本。 当你发现自己的开发流(Workflow)不知不觉中契合了行业标准答案时,这种感觉还是很爽的。 还没掌握这个技巧的朋友,建议再复习一遍,这可能是目前提升 Code Agent 成功率,并且让 code agent 驱动更大规模项目的最简单实践。 anthropic.com/engineering/ef…
再分享一个驯服 Code Agent 的实用技巧! 在用 Cline/Cursor/Windsurf 处理大型需求时,与 AI 的多轮对话会遇到两个问题: - 上下文积累导致: - AI 效果变差 - token 用量暴涨,费用激增 💸 - 历史错误内容污染后续对话 经过实践,我总结了一套"双文档"方案: 1. 准备两个文档(直接让 AI 生成): - 任务文档:记录需求和整体规划 - 进度文档:追踪已完成的内容 2. 工作流程: - 每轮对话都携带这两个文档 - 当 token 接近上限时,让 AI 更新进度文档 - 启动新对话,带着最新文档继续 - 循环以上步骤直到完成整个开发 - 完成后删除这两个临时文档 这样做的效果: - 文档作为记忆,解决上下文丢失 - 新对话避免了历史错误的影响 - 压缩历史内容,大幅节省 token 费用 用了一段时间,效果不错,分享给大家参考。
17
37
3
258
70,920
Long Chen retweeted
画了一个简单的专利写作智能体的架构,供参考。用Claude Code 等实现也很简单,就用 Agent-SubAgent,写提示词,提示词可以让 Claude 帮你写。
22
94
4
430
48,172
Replying to @dontbesilent
搞懂哲学就是要搞懂-清晰的“世界观” 你吸引什么样的观众——信任型vs消遣型,高价值vs低价值 你能走多远——一时爆火很容易,但能不能持续增长、能不能真的变现,很大程度上取决于你有没有内核 你的天花板——粉丝再多,如果世界观混乱,变现空间也很受限
6
25
2,687