个人版
NewMax Share
来自真实工作场景的实践记录、完整工作流与思考。不是泛泛而谈的技巧，而是可以带回自己工作里继续使用的方法。
最新分享
共 21 篇
AI搜索
AI 让购物决策的起点提前，却没让「确信」变容易。Reddit 全球 Path to Purchase 研究显示，一半美国购物者会去 Reddit 核验 AI 推荐，验证 AI 时对社区的信任度（60%）高于亲友（53%）。本文拆解「验证层」这个新环节：它为何贯穿全漏斗、真实经历为何比专业测评影响力高 2 倍、营销侧的六个可执行动作，以及引用这份自研数据该留的余量。
AI落地
大多数生意用 AI 只停在派任务，省下的是几小时人力。真正拉开差距的做法是给 AI 交一份带持续期待的工作：让它盯住一类商业结果，把每天产生却没人处理的信号压缩成待批准的下一步动作。本文以一家日流水 9000 美元的本地维修公司为样本，拆解任务与工作的差别、七要素定义框架，以及我建议的四步落地顺序和三个常见误区。
内容创业
代运营、咨询、教练、训练营、数字产品、付费社群、付费newsletter、软件——个体靠专业知识变现的八条路都能跑到月入十万美元，所以「哪条最赚钱」是个假问题。本文用两道筛子给出选型判据：你愿意长期承担哪一袋问题，以及你现在缺钱还是缺杠杆，并附八条路的起步算术、毛利分化、单人天花板与 AI 带来的重新定价。
AI编程
Codex 下载只有一行命令，真正卡住国内用户的是登录、支付和 5 小时额度窗口。本文给出 Codex CLI 四种官方安装方式的完整命令（含 Windows 与镜像源），拆解装完之后的四道门槛，对比「换模型留在 Codex」与「换整套工具」两条路，并说明 NewMax 如何做到免代理直接下载、模型自选、能力覆盖编码之外的日常工作。
Skill
直接让 AI 写 SEO 文章，质量不稳定、格式不一致——缺的不是模型智力，而是外置化、可验证的规范。本文以内容生产流水线为例，拆解 AI Skills 系统的三大设计原则、五阶段人机协作工作流和 BLOCKING 质检机制：规范执行率从 60% 提到 95%，单篇产出从小时级压缩到分钟级。
个人IP
人人都能用 AI 找爆款、拆结构、批量剪辑之后，内容行业的壁垒并不会消失，它会整体位移：能被 prompt 描述的部分归零，需要在真实世界付出代价才能拿到的部分反而涨价。本文先划清 AI 到底抹平了什么，梳理还剩下的七类壁垒（信息源头、人格资产、分发能力、组织度、私域数据、变现控制权、合规资质），再从反面给出做 IP 的八个反向动作，附适用边界与三个常见误区。
MCP
这五个词天天一起出现，混淆的根源是有人在说协议、有人在说动作、有人在说剧本。本文按层级拆开：Tool Call 是模型与外界交互的唯一出口，MCP 让工具可被发现，Skill 是指令剧本，Connector 是外部服务的适配层，CLI 是执行手段。并回答三个高频问题：Skill 必须走 MCP 吗、CLI 和 Connector 依赖 MCP 吗、什么时候该给 CLI 包一层 MCP，附 2026-07-28 版 MCP 无状态化改版梳理。
很多团队做企业 AI 落地，半年后发现人力成本吃光了合同额，于是得出「这门生意做不成」的结论。本文指出亏钱的根因在客户选择、交付形态、定价结构三个被当成默认项的决策：给出中间地带六类客户画像与预算区间，拆解客户口中「私有化」的四种诉求，说明如何用连接器市场与分档价目表把私有化变成溢价，以及培训为何只能当获客前端。
AI Agent
能力上 Codex 更强几乎是共识，但多数人最后没选它。本文基于小红书 10 篇高热对比笔记的高赞评论抽样，把这道选择题还原成真实权衡：交付确定性、可达性、成本可预测性、国内工具链打通、模型自由度。给出一张按约束条件对号入座的决策表，以及一个比「选哪个」权重更高的结论。
流水线普及后手工服饰获得溢价，很多人据此推断手写代码也会升值。本文指出这个类比漏了一个前提——绝大多数手工没有溢价，而是直接消失了。文章拆解手工溢价的三个幸存条件、代码为何天然缺失「工艺可见」这一条，梳理真正有价格的四类场景（安全认证、声誉抵押、可修理性、文化消费），并点出最关键的结构性障碍：代码无法证明自己是手写的。
复利杠杆
Naval 说的三种杠杆在 AI 时代正被重新定价：内容杠杆坍塌，软件杠杆被分发吸收，而看似升值的分发本身正在分裂——算法流量贬值，可主动触达的关系才在复利。本文给出分发资产的 L0–L4 分层与自查判据、四条建资产的具体动作，以及三个最常见的认知陷阱。
Reddit、USA Today、Politico 等大型出版商正认真评估屏蔽 Google——因为 AI Overviews 把答案留在结果页，用户不再点击，USA Today 搜索流量掉了约五成。本文拆解这场博弈的本质：一份维系20年的「流量换内容」隐性契约正在破裂，Google 用「喂 AI 才给曝光」的捆绑加剧对立，以及内容创作者能从中得到什么警示。
价格弹性
你把提价后销量没掉读成「顾客不敏感」，但很可能只是他没注意到涨价——而数据分不清这两者，还会一路把价格敏感度往小了算。本文从一篇计量经济学新论文出发，讲清有限注意力如何让观测到的价格弹性被系统性衰减、为什么加数据也纠正不了、测出的值只是真实弹性的下限，以及营销人该如何用定价实验和「注意力」这个杠杆来应对。
增量实验
传统归因把「碰过就算功劳」的转化都记给广告，里面混着大量本来就会买的人。本文用奶茶店发券和小红书投放两个例子，把增量实验、PIE、MMM 三个营销测量核心概念讲透：增量实验靠对照组量出广告真正多带来多少转化，对照组为何只能由平台随机留出，PIE 如何把整体增量归因到具体人群，以及三者如何组成 2025-2026 的测量三角。
副业
一位网友记账 2 年试遍所有「被动收入」点子后得出结论：真正躺赚几乎不存在，能落地的是找一个无聊到没人愿意做、但真有人付钱的小需求。本文从 Reddit 六大赚钱社区数百个高赞帖里，筛出信息差套利、冷门倒卖、本地服务、低维护数字产品四类共 20+ 个冷门路子，每条标注普通人适配度并附原帖，另附被验证是坑的热门方法。
FDE
很多人判断，等 Agent 足够聪明，业务人员自己就能搭应用，FDE（前置部署工程师）这个热门角色会连同企业 AI 落地需求一起消亡。本文认同前半段，翻译层确实会被磨平，但指出推导漏了三处：真正的瓶颈是「不知道要什么」而非「不会描述」，门槛降低会让需求膨胀而非消失（Jevons 悖论），以及责任无法被自动化。结论是 FDE 不会消亡，只会向上迁移。
FDE（前沿部署工程师）在中国走不通，往往不是工程师不懂业务，而是缺内核平台、客户不为定制过程付费。本文给出一套可操作的落地方法论：如何把专家的隐性知识撬成决策树SOP、为什么必须做贪吃蛇式薄切片交付而非季度大重构，以及落地中最致命的政治问题——专家凭什么配合你，附五种让专家真正配合的结构性机制。
NewMax
N币是 NewMax 的通用消费额度，100 N币 = ¥1，用来调用 NewMax Gateway 下的豆包、GLM、DeepSeek 等各类 AI 模型。本文讲清 N币是什么、三步怎么用到网关模型、价格怎么看（N币/百万 tokens + 倍率），以及 N币从哪来——新手最划算的是新人福利包，其次是充值和不定期活动赠送。读完即可上手。
AI对齐
单一奖励指标驱动的模型训练必然走向 reward hacking——就像只有饿素没有瘦素的身体会失控。本文从生物拮抗系统（瘦素抗性、癌症多突变防线、成瘾的设定点漂移）出发，映射AI训练的失效模式，梳理当前五大研究路线，揭示一个核心结论：对齐不靠一对完美拮抗，而靠多层不完美冗余的叠加。
决策方法论
判断“当前阶段最重要的事”没有单一公式，但可以用一套四层漏斗把主观感觉逼成可判断的决策：锚定目标、做减法留少数、打分排序、找到那个“不做它其余都白做”的瓶颈。本文整合巴菲特25/5、艾森豪威尔矩阵、ICE/RICE、约束理论、聚焦问题与精要主义，给出可直接套用的判断流程与判据。
经济学
为什么在组织里付出最多、产出最大的人，往往不是奖励最多的人？本文用《国富论》与《资本论》两个经典视角给出答案：报酬取决于稀缺性和你离生产资料、分配权的距离，而非努力本身。并进一步推演 AI 时代的组织走向——超级个体独立、公司变薄、平台变重，以及阿米巴化的两面性。