从聊天机器人到AI员工：12个让你超越99%的生产力黑客
本报告由 AI 深度分析生成，基于视频完整字幕。
导读
Sabrina Ramianov 是一位卖掉自己 AI 公司后转型做 AI 教育的创业者，现在免费教数百万人用 AI。她不是学院派，是真正天天用 Claude Code 构建产品的实践者——她的频道讲的不是"AI 的未来"，而是"今天你具体怎么操作"。
这期视频是一堂非常扎实的实操课，面向的是那些已经在用 ChatGPT / Claude，但感觉自己只用到了 10% 潜力的人。她系统梳理了 12 个让顶级 AI 用户脱颖而出的具体方法——从最基础的提示词技巧，一路进阶到"AI 员工"级别的自动化。
一句话核心论点：大多数人用 AI 的方式，相当于把一个全职员工只当搜索引擎用。这 12 个黑客，是把 AI 从"回答问题的工具"升级为"真正替你干活的系统"的完整路径。
核心观点速览
- 提示词不是玄学，有公式可套——四步模板覆盖 99% 的场景
- 停止让 AI 奉承你——用 AI 当"杠精"，比用 AI 当"拍档"更有价值
- Skills + MCP 的组合是 AI 员工的本质——告诉 AI 做什么（Skill）+ 给 AI 用什么工具（MCP）
- 重复指令不丢人，是科学——Google 研究证实：重复关键指令会让 AI 给出更好的答案
- 动手比看教程重要 100 倍——这是她整个视频最想说的一件事
一、提示词工程（Hack #1）：一个模板顶万元课程
Sabrina 最先讲提示词，因为它是所有其他技巧的基础。她的核心判断是：大多数人 AI 答案差，不是因为 AI 不行，是因为问题太模糊。
她给出的四步模板，是真正可以背下来的：
第一步：角色设定
"You are a top 0.1% expert in [某个领域]."（你是[某领域]顶尖的 0.1% 专家。）
这一句话决定了 AI 会用什么视角和深度来回答你。
第二步：明确任务
直接说你要它做什么。可以很简单："研究这个，输出一个表格。"
第三步：给上下文（Context）
分享所有你愿意分享的信息——你试过什么、结果如何、你的预算、时间限制、过去哪些方法失败了。给 AI 的上下文越多，答案越精准。
第四步：约束条件（Constraints）
你的限制是什么？比如"我不想露脸"、"预算 $500"、"不能用 X 平台"。约束让 AI 知道该往哪条路上找答案，而不是给你一个通用建议。
压轴一句话（加分项）：
"Ask me clarifying questions one at a time until you're 95% confident you can complete the task successfully."（一次一个地问我澄清问题，直到你有 95% 的把握能完成任务。）
Sabrina 说这是她最喜欢的技巧之一：加了这句话之后，AI 会主动问你问题，而这个过程本身会帮你想清楚自己到底想要什么。"很多时候 AI 开始问问题，我才意识到我的原始指令根本说不清楚。"
实际对比：
- 差的提示词："Make my resume better."（让我的简历好一点。）
- AI 的困境：这就像对同事说"弄好一点"，他肯定会问：好在哪里？标准是什么？有限制吗？
- 好的做法：套用四步模板，AI 才知道怎么帮你。
二、把 AI 当"杠精"，不是当"捧哏"（Hack #2）
这是视频里让人最有共鸣的一个点。Sabrina 说：AI 太容易迎合你了，而这恰恰是它最没用的状态。
"Instead of using AI as your glazing partner that just makes you feel good, use AI as your sparring partner to beat up your ideas." 与其把 AI 当奉承你的拍档，不如让它成为拆你想法的对手。
具体提示词：
- "Argue with me. Why am I wrong?"（跟我辩论。我哪里错了？）
- "What are my blind spots?"（我有哪些盲点？）
- "What assumptions am I making that aren't backed by data?"（我在哪些地方做了没有数据支撑的假设？）
- "What data would I need to collect to convince you I'm right?"（我需要收集什么数据才能说服你我是对的？）
- "Rip my business plan apart."（把我的商业计划撕碎。）
为什么这很重要：当你面临五个都看起来不错的选项时，AI 帮你"拍板"意义不大，但 AI 帮你质疑每个选项的弱点，才真正有用。把 AI 当作你的顾问、投资人、co-founder——他们的价值在于说你不想听的真话，不是让你感觉良好。
三、AI 是你的 24/7 家教（Hack #3）
这一条听起来最简单，却是 Sabrina 认为最被忽视的。
她发现很多人在使用 AI 工具过程中遇到问题时，第一反应是：
- 去 YouTube 找教程
- 在视频评论区提问
- 等别人回复
但正确答案是：直接打开 AI，把截图丢进去，问它。
"AI is 24/7. It's not condescending. It has access to the entire internet. It's infinitely patient." AI 全天候在线。它不会鄙视你。它能访问整个互联网。它无限耐心。
她给出一个两周挑战：接下来两周，每次有任何问题，先问 AI，再问人。 这个练习会让你快速建立"AI 优先"的习惯，也会让你意识到大多数问题其实不需要等人类回答。
延伸思考：这个习惯的深层价值是自主性——你开始意识到大多数"我不会"的问题，其实是"我还没问 AI"的问题。
四、Skills：把复杂任务拆成可复用的积木（Hack #4）
Skill（技能）是 Claude 生态的核心概念，相当于 ChatGPT 的自定义 GPT，但更灵活、可组合、可执行代码。
Sabrina 的定义很直接：Skill = 一个你反复要做的任务，加上 AI 完成这个任务所需要知道的一切。
她以自己的 YouTube 工作流为例，把"写一个20分钟的深度纪录片风格脚本"这个大任务拆成了 5 个独立 Skill：
| Skill | 功能 |
|---|---|
/research | 研究阶段，收集资料 |
/outline | 根据研究生成大纲（不写正文） |
/writer | 根据大纲写脚本 |
/editor | 质量检查与优化 |
/factcheck | 事实核查 |
一个关键优势：在 Claude Code 里，你不需要手动按顺序触发每个 Skill。你只需要说"写一个关于 X 的 YouTube 脚本"，Claude 会自动判断用哪些 Skill、按什么顺序执行。
如何创建属于你的 Skill（不是下载别人的） ：
Sabrina 非常强调这一点。网上有各种"30,000个 Skill 合集"，但她不推荐从这些地方下载——那些 Skill 通常是 AI 批量生成的通用内容，没有针对你的业务和偏好进行调整。
她的方法叫"自我反思提示"（Self-Reflection）：
"Based on our conversation, create skills."（根据我们的对话，创建 Skill。）
这句话会让 Claude 分析你们的对话，找出：哪些任务你重复问了多次？哪些任务包含了大量你的个人偏好？然后自动为你生成量身定制的 Skill。
五、Memory：只解释一次，让 AI 永远记住（Hack #5）
记忆系统解决的核心问题：你不应该每次开始新对话都把自己的背景重新解释一遍。
不同工具的实现方式：
- ChatGPT：Projects（项目）
- Claude Web：Projects
- Claude Code：CLAUDE.md 文件
Sabrina 特别强调 CLAUDE.md，称其为"她最喜欢的功能"：这是一个纯文本文件，Claude 在每次会话开始时自动读取。你可以在里面存放：
- 你的品牌声音、产品信息
- 编码规范、架构决策
- 你的约束条件和偏好
- 所有你不想重复解释的背景
她的核心技巧：让 AI 自动更新记忆
"Based on this conversation, what are the most important things you should extract and update in Claude MD?" 根据我们的对话，有哪些重要信息应该提取并更新到 CLAUDE.md 中？
她几乎每次对话结束后都会这样做。甚至专门创建了一个 /learn Skill：每次触发，Claude 就回顾整个对话，判断哪些内容应该更新进记忆、哪些内容应该变成新的 Skill。
结果：随着时间推移，你的 CLAUDE.md 会变成一个越来越精准的"关于你和你的业务"的知识库，越用越好用。
六、重复：违反直觉但有科研支撑（Hack #6）
这一条 Sabrina 说自己最意外：反复告诉 AI 同样的重要指令，会让它给出更好的答案。
Google 发布了一项研究证实了这一点——重复关键指令会让 AI 把这些信息保持"在注意力中心"。这与人类团队管理的逻辑相似：最重要的事情，需要反复强调才能真正贯彻。
她的实操方法：
- 在 Claude Code 会话开始时，运行一个快捷键强制 Claude 重新读取 CLAUDE.md
- 在长对话中间，加一句："Just a reminder, the most important things to me are..."（提醒你，对我来说最重要的是……）
她最常"垃圾邮件式"重复的一条指令叫 Qmin：
"Review the code and make sure it introduces minimal changes to the codebase. Reuse existing components and functions. Don't import new libraries." 检查代码，确保对现有代码库的改动最小化。复用现有组件和函数，不要引入新的库。
她在每次让 Claude 实现一个新功能之前，会把这条指令运行两到三次。目的是让 Claude 把"少改动"这个原则真正内化，而不是知道了但没放心上。
七、Plan 模式：80% 的时间在计划，10% 在执行（Hack #7）
Sabrina 分享了一个让很多人感到意外的数据：她在 Claude Code 里 80-90% 的时间都在 Plan 模式（规划阶段），只有 10-20% 的时间在 Auto-edit 模式（执行阶段）。
这颠覆了大多数人"越快生成越好"的直觉。
规划阶段做什么：
- 把 Hack #1（提示词）和 Hack #2（杠精模式）结合起来
- 反复问 AI：这样实现对吗？如果这样做会不会影响其他功能？你考虑过这个边缘情况吗？
- 直到自己真正满意这个计划，才切换到执行模式
为什么要"盯着"AI 执行：即使有了完美的计划，Claude 有时候也会在执行时走偏。Sabrina 说她会密切监视 Claude Code 在做什么，随时准备中断——因为一旦跑偏了，就要回滚所有改动、重新来过。
她的判断很实际：对于开发来说，她会全程盯；对于写 YouTube 脚本，她只看最终输出。任务越关键、越难逆转，越要监视执行过程。
八、MCP：从"告诉你做什么"到"帮你真的做了"（Hack #8）
MCP（Model Context Protocol，模型上下文协议）是整个视频里技术含量最高的一条。Sabrina 用一个类比说得非常清楚：
没有 MCP 的 AI = 顾问：告诉你步骤 1、2、3 应该怎么做。 有 MCP 的 AI = 员工：直接帮你把步骤 1、2、3 做掉。
通过 MCP，AI 可以真正连接并操作你的工具：
| 工具类型 | 示例 |
|---|---|
| 文档与表格 | Google Drive、Notion、Airtable |
| 通讯 | Gmail、Slack |
| 数据 | Stripe、GitHub |
| 社交媒体 | 各平台发布工具 |
实际案例：她自己构建了一个 MCP 服务器，连接了 TikTok、YouTube、Google Drive、Airtable 等工具，实现了：抓取内容 → 生成视觉素材 → 发布或排期 → 更新 Airtable 记录，全程不离开 AI 界面。
入门提示词：
"Here are the apps I use: [列出你用的工具]. Which ones have MCP servers? Walk me through setting them up."
Claude 会逐步带你完成每个 MCP 服务器的配置。
九、Stacking：Skills × MCP = AI 员工（Hack #9）
这是整个视频的高潮，Sabrina 称之为"目前最接近真正 AI 员工的体验"。
公式：
Skills 告诉 AI 做什么（what to do）+ MCP 给 AI 工具去做（how to do it）= AI 员工
她的真实案例——/cross 这个 Skill（跨平台发布流程）：
- 搜索本地 Google Drive，找到最新的 20 个 TikTok 草稿视频
- 为每个视频生成转录文本（方便日后复用）
- 为每个平台写定制化的说明文案
- 部分视频生成配套信息图
- 使用 MCP 把所有内容排期或发布到各平台
- 在 Airtable 里记录日志
与传统工作流自动化工具（Make.com、n8n）的区别：
传统自动化是刚性的——流程固定，规则固定，例外情况处理不了。但 AI + Skill 的组合可以接受自然语言的临时调整：
"/cross，但是这两个视频我想现在发，其他的按计划来，第 5 个视频帮我做成轮播图格式"
这种灵活性，是任何规则引擎都做不到的。
十、Mobile 应用与 Remote Control（Hack #10）
Sabrina 称这是过去六个月 Claude 发布的她最喜欢的功能：Claude Code Remote Control——用手机控制你电脑上运行的 Claude Code。
这意味着：
- 手机说"把我昨天拍的那张照片发到社交媒体"
- Claude Code 在你的电脑上找到照片、确认、通过 MCP 发布
- 全程你都能在手机上审批每一步操作，不需要开启"危险跳过权限"模式
对那些"走开了但还想继续工作"的场景非常实用。
十一、GitHub：给你的工作装一个时光机（Hack #11）
对于非开发者背景的人，Sabrina 把 GitHub 解释成了一个"高级软盘"：
- 主分支（Main Branch） ：你当前稳定的工作版本
- 实验分支（Branch） ：一个安全的沙盒，可以随意改动
- 改坏了？回到主分支，什么都没发生
- 改好了？把实验分支合并进主分支，更新你的"正式版本"
她建议：已经在用 Claude Code 的人，应该接入 GitHub。还在用网页版 ChatGPT / Claude 的人，现在不需要。
十二、Reps：这才是真正把你和其他人拉开差距的东西（Hack #12）
Sabrina 把这条放在最后，说这是她最想说的一件事。
"The people who really succeed in AI today are just putting in reps at a way crazy volume and pace compared to you." 今天真正在 AI 上取得成功的人，只是以比你快得多的频率和量在反复练习。
她自己用 Claude Code 已经超过一年，每天用好几个小时。
她的挑战：光看教程，但没有跟着做 = 等于没看。就像坐在健身房观看别人锻炼，然后期待自己长肌肉——根本不可能。
真正的学习路径：
- 你会失败
- 你会搞错
- 你会不知道下一步怎么做
- 你可能要把项目重启五次
- 这就是学习本身
Sabrina 的完整 12 条路径（学习顺序）
| # | Hack | 核心价值 |
|---|---|---|
| 1 | 提示词工程 | 基础，所有技巧的地基 |
| 2 | AI 当杠精 | 让 AI 真正帮你思考，而不是奉承你 |
| 3 | 24/7 家教 | 自主学习，减少依赖 |
| 4 | Skills | 把复杂任务变成可复用积木 |
| 5 | Memory | 只解释一次，永久记住 |
| 6 | 重复 | 关键指令反复强调，效果更好 |
| 7 | Plan 模式 | 80% 规划，20% 执行 |
| 8 | MCP | AI 从说做什么 → 真的去做 |
| 9 | Stacking | Skills + MCP = AI 员工 ⭐ |
| 10 | Mobile / Remote Control | 随时随地继续工作 |
| 11 | GitHub | 安全实验，保存进度 |
| 12 | Reps | 动手做，没有捷径 |
"This is the step everybody should want to get to — Hack #9. It's truly mind-blowing what becomes possible." 第9条才是每个人都应该追求到达的目标，那种可能性真的令人震撼。
金句收录
"There are two types of people learning AI: those who are terrified AI will replace them, and those who are using Claude to build entire businesses on their lunch break." 学 AI 的人分两种：一种怕 AI 取代自己，一种在午休时间用 Claude 搭出一整个商业。——Sabrina Ramianov
"Instead of AI as your glazing partner that just makes you feel good, use AI as your sparring partner to beat up your ideas." 与其让 AI 成为让你感觉良好的奉承者，不如让它成为把你的想法打烂的对手。——Sabrina Ramianov
"Your brain retrieves faster than it creates. How fast can you grab a book versus write one?" AI 全天候在线，不会鄙视你，拥有整个互联网，无限耐心。——Sabrina Ramianov
"Skills tell your robot what to do. MCP is how it actually does it." Skills 告诉你的机器人做什么，MCP 是它真正去做的方式。——Sabrina Ramianov
"When you combine MCP plus skills, it's the closest approximation to an AI employee that I've ever experienced." 当你把 MCP 和 Skills 组合起来，这是我见过的最接近 AI 员工的体验。——Sabrina Ramianov
"The gap between a consultant who tells you what to do and an employee who actually executes it — that's the gap MCP closes." 一个告诉你怎么做的顾问，和一个真正去执行的员工之间的差距——这就是 MCP 弥合的差距。——Sabrina Ramianov
"Watching a tutorial without following along doesn't count. It's like watching people work out and expecting to get fit." 看教程但不跟着做，等于没看。就像看别人锻炼，然后期待自己变健康。——Sabrina Ramianov
时间线索引
| 时间 | 内容 |
|---|---|
| [00:00] | 开场：两种 AI 学习者 |
| [01:00] | Sabrina 自我介绍 |
| [01:30] | Hack #1：提示词工程四步模板 |
| [07:15] | Hack #2：AI 当杠精 / 智识对抗伙伴 |
| [09:40] | Hack #3：AI 作为 24/7 家教 |
| [13:55] | Hack #4：Skills（可复用任务） |
| [19:40] | Hack #5：Memory（CLAUDE.md + 自动更新） |
| [23:35] | Hack #6：重复指令的科学依据 |
| [26:55] | Hack #7：Plan 模式，80% 规划 |
| [29:55] | Hack #8：MCP 基础原理与设置提示词 |
| [34:35] | Hack #9：Stacking（Skills + MCP = AI 员工） |
| [38:50] | Hack #10：Mobile 应用与 Remote Control |
| [40:45] | Hack #11：GitHub 工作版本管理 |
| [43:46] | Hack #12：Reps——真正拉开差距的东西 |
| [46:38] | 总结收尾 |
评论
还没有评论，来第一个留言吧 ✨