The Archive
Off the Deck
Unfiltered thoughts cut from the final deck, hard-earned AI lessons, and honest reflections on marketing strategy.
The interface supports English, while long-form notes stay in Chinese so the thinking and reading remain precise.
15 年广告人，为什么开始搭 AI 工作流
做了 15 年广告以后，我最想留下来的，是项目里那些靠人脑硬撑的判断。AI 工作流打动我的地方，是它能把散掉的上下文接起来，让 agent 真正接住工作。
Latest notes
Loop Engineering：让工作自己回到系统里
Loop Engineering 对我最大的提醒，是别只盯着 Agent 能不能完成一次任务。真正有复利的系统，要能发现下一件事、交付、验证、记录，再带着上一次的证据进入下一轮。
同一个模型，换个工具就像换了个人
同一个模型放进不同产品里，体验会差很多。很多时候，差别不在模型名，而在它有没有读到现场、有没有工具、有没有验证，也有没有地方把结果留下来。
一张能出街的 Caseboard，为什么还需要二次加工
Imagegen 能把 Caseboard 的审美上限一下子拉高，但真实项目素材、品牌资产、中文信息和数据证据不能靠它自由生成。能出街的案例页，需要 AI 先给母版，人再把事实层压回画面里。
AI 输出为什么容易变成错误审美的加速器
AI 降低了把脑中画面做出来的成本，也降低了错误被包装成方向的成本。真正需要补的，是判断系统，为什么做、给谁看、市场要记住什么、哪些审美只是个人偏好。
Work Method
一张能出街的 Caseboard，为什么还需要二次加工
Imagegen 能把 Caseboard 的审美上限一下子拉高，但真实项目素材、品牌资产、中文信息和数据证据不能靠它自由生成。能出街的案例页，需要 AI 先给母版，人再把事实层压回画面里。
Read note
AI 输出为什么容易变成错误审美的加速器
AI 降低了把脑中画面做出来的成本，也降低了错误被包装成方向的成本。真正需要补的，是判断系统，为什么做、给谁看、市场要记住什么、哪些审美只是个人偏好。
Read note
有效创意为什么需要经营边界
边界这件事听起来不浪漫，但很多好创意都是被真实限制逼出来的。预算、周期、审批和人群说清楚，团队才知道该往哪里用力。
Read note
我的 Wiki 为什么能长成 AI 工作台
我用 LLM 管理 Obsidian，是从 Karpathy 的 LLM Wiki 方法被点醒的。后来 Wiki 慢慢长成能让 Codex 读懂现场、写回结果的工作台。
Read note
AI Workflow
Loop Engineering：让工作自己回到系统里
Loop Engineering 对我最大的提醒，是别只盯着 Agent 能不能完成一次任务。真正有复利的系统，要能发现下一件事、交付、验证、记录，再带着上一次的证据进入下一轮。
Read note
同一个模型，换个工具就像换了个人
同一个模型放进不同产品里，体验会差很多。很多时候，差别不在模型名，而在它有没有读到现场、有没有工具、有没有验证，也有没有地方把结果留下来。
Read note
哪些工作流值得交给 Agent
并非所有工作都该交给 Agent。我的判断是，看它能不能被说清、喂足材料、验出好坏，并把结果落回系统。
Read note