一人公司如何建立 AI Native 流程，我的 5 点建议

最近一段时间，我把整套 Affiliate 投放搬到 AI Native 流程上。

带来的结果是：每天盯广告的时间从4小时压到1小时。剩下的时间我在想下一个项目做什么。

这套流程怎么搭，今天分享5点建议。

一、工具决定产出结果

主流就两个，Codex 和 Claude Code。

建议二选一。如果你不想折腾账号、想要稳定，优选Codex。如果你能搞定，Claude Code也不错。我个人更喜欢 Claude Code。

我目前协同的工具里有5个核心：

Obsidian Vault：第二大脑。所有决策、复盘、画像、投放记录、情报全沉淀进去。

Codex：处理稳定性要求高的脚本和编码任务。

Claude Code：写新的Agent、做实验性Flow。

Cowork：处理文件类工作。我之前那篇《Claude Cowork：我的第一个数字员工》讲过怎么帮我对账。

OpenClaw/Hermas：抓广告情报+竞品分析，情报同步Obsidian，再回流 Adv Agent。

工具不是越多越好，关键是它们能不能联动。

比如：Hermas抓到的竞品广告→同步到Obsidian→Obsidian又跟关联Adv Agent关联。

这样我做决策时，数据源不只来自我的投放，还包含自竞争对手的最新动作。

二、 Skills 定义你的 Flow

借助大模型写 Skills 已经很容易，但一个 Skills 对业务到底有没用，标准只有一个：Re-flow。

Re-flow 的意思是:把原来需要手动做的动作,下沉成可复用的流程。

举个例子：之前给Openclaw100美金跑广告，有人觉得还不如自己点两下快，AI还容易出错。

换个角度——它在帮我验证流程。一旦这个流程跑通,我后面所有同类操作不再需要手动介入。

相当于我跳出来,让验证过的 Flow 替我执行。这跟反复手动创建广告,是完全两件事。

一个 Skill 是不是真的融进流程,判断标准很简单:离开 AI 这条流程就跑不动了。

如果离开 AI 只是慢一点,说明 AI 还只是个加速器,没真正接管环节。

真正融进流程的 Skill 改变的是结构,不是速度。

三、用环境替代自律

以前带过几个朋友入行，都没坚持住。

这些年，我对靠自律推动这件事有不同看法。人对自己最仁慈也最容易破例。

今天就测到这里了、手动算一下就行——这种念头一出现，整套系统就难构建。

我的解法是让脚本和协议替我强制做这件事。

两个具体例子。

例子一：我的 Claude Code 会话开头有段协议，自动跑一个audit脚本告诉我，有多少篇文章发布了，但没做对比学习。

我不主动想这件事，脚本主动告诉我，这件事就不会断。

例子二：我写完一篇文章把链接给 AI，它自动走完：抓取发布版 → 跟草稿 diff → 提取我修改过的句子和原因 → 写进 Obsidian。

整个流程不需要我主动触发。

四、AI干活之前，先定义什么算好

用AI做事之前，先回答一个问题：什么是好的标准？

举我自己的例子：我现在创建广告投放前，必须先读三个 Vault 页面——广告偏好、历史数据、情报收集。没读这些,就列广告草稿 = 违规。

为什么？AI 知道的东西很多，但它不知道我是谁、我擅长投什么 GEO、什么 vertical、我之前哪些 campaign 跑赢过。

所以我让 AI 做了一件事——反向蒸馏我的投放数据。

反向蒸馏的意思是：从我历史所有的 winner 和 loser 里,反向提炼出我的偏好和打法规律。

如果直接让 AI分析跑赢的 campaign,它会列一堆毫无关联的特征。

所以我先帮它定义什么算共性 pattern——必须能溯源到具体 campaign、必须有具体引用、必须区分独有特征 vs 共有规则。

先定义什么是好，再让 AI 干活。这一步省了，后面所有 AI 输出都是无效内容。

五、5层结构+判断力是稀缺资源

我现在的整套结构是5层：

第一层 数据层：Obsidian Vault。

10年所有决策、投放记录、读者画像、失败复盘沉淀进去。AI跟我协作时能读到完整上下文，不用每次从零开始。

第二层 工具层：

Claude Code写代码、Cowork处理文件、Hermas抓情报，每个工具角色明确不重叠。

第三层 流程层：

Adv广告自动化系统+Obsidian知识库体系跑在后台。监控、创建、调优自动跑，我做关键决策。

第四层 Skill层：

CLAUDE.md协议规定所有workflow——怎么ingest内容、怎么写文章、怎么lint、怎么对比学习。

第五层 判断层：

决定哪些事AI做、哪些事我做、边界绝不让AI越过。

前 4 层做得再好，第 5 层错了,这套系统就废。

而判断层为什么是稀缺资源？因为它不能被外包,也不能被蒸馏。

我现在同时跑 3 个项目——Constructor Page 套利、Adv Agent 构建、Obsidian 知识库联动。

看似不相关，当我把它们联动起来，就是 10 倍杠杆。

这个联动起来的能力，就是判断力的具体表现。它来自三件事:

经验：自己跑过、踩过的坑。我花几万美金测出来的广告定向，可以稳定跑 1-2 个月，AI 替不了——它没替我亏过那些钱。

数据：行业的真实数据。除了蒸馏自己，还要蒸馏别人，建立自己的判断坐标系。AI 能聚合，但拍板的还是我。

思考时间：不被打断的连续思考。过去每天 3-4 小时盯账户、整理报表、对账。现在自动化把这些时间还给我了，思考时间从每天 1 小时变成 3 小时。

写在最后

这套架构给我腾出不少时间,让我在跑广告之余还能做点别的事。

如果要挑一个我最喜欢的特性,我会选自学习。

自学习的意思是：当数据层、工具层、流程层、Skill 层都闭环之后,系统会自己优化自己。

1. 投放数据回流进 Obsidian

2. Obsidian 里新增的 pattern 自动更新到 Adv Agent 的判断逻辑

3. Hermas 抓到的竞品动作变成新的测试任务

4. 测试结果再回流进数据层

我不主动推它，它也能自己往前滚。

这才是 AI Native 的终点：不是 AI 替我干活，是这套流程替我成长。

Peter的Affiliate之路