上午跟吴熳老师录了一期播客，播放地址
https://www.xiaoyuzhoufm.com/episode/6aed7a995b7c4709bfe1fdae
Claude Opus 4.6 基于音频转写生成一篇文章。
树村，北京西二旗附近一个没有水泥地的村子。一下雨，全是泥泞，根本没法走。
但那里住满了搞摇滚的人。
打鼓的、弹贝斯的、弹吉他的，谁都别嫌谁吵，村民也习惯了。
房租一个月 200 块，还能拖欠。
痛仰这样的知名乐队，在酒吧演出一场，整个乐队分 500 块钱，五个人，一人 100。
演出结束舍不得打车，拿一瓶大绿棒子跟粉丝喝到天亮，第二天坐 475 路公交回宿舍。
向阳乔木在那个圈子里待了整整一年。
摇滚圈的穷，让他看清了什么叫"正经机会"
他是学电子信息科学与技术的，高中就迷上了中国摇滚，黑豹、唐朝、崔健、超载，磁带里的那些名字，来北京上大学之后全变成了现场。
朋友撺掇，他开始办校园摇滚演出，后来去了当时中国最知名的摇滚酒吧（无名高地）帮忙。
白天维护一个原创音乐词曲交易网站，晚上喝酒看演出。
《乐队的夏天》里几乎所有乐队，那时候都在他们酒吧演过。
但他最终没有留在那里。
不是因为不喜欢，而是因为他见过那种生活的真实底色。
100 块钱一场演出，地下室，泥泞的村子，喝到天亮再坐公交回去。
在那种环境里待过，你会发现，任何一个比较正常的公司，都是很好的机会。
就在这时候，他在网上发现了一个网站。
按地区、按行业组合，结构化地展示信息，后来才知道这叫分类信息网站。
他觉得这个模式太厉害了，主动投了简历。
进去才发现，连他一共四个人。两个老板，一个 CTO，他是第一个员工。
这家公司叫易登网，是中国第二家面向中文用户的分类信息网站，后面出现的是客齐集（后来的百姓网）、 58 同城和赶集。
他当时的判断依据很简单：Craigslist，世界上最早的分类信息网站之一，十几个员工，只在三个地区、三个品类收费，每年收几千万美元。
一人分 100 块钱，对面是这个数字，差价有点大。
百万 IP 背后，是一套被低估的检索逻辑
分类信息网站的核心命脉是 SEO。
你搜"北京租房"，凭什么你的网站排第一？背后是 PageRank 算法，谷歌联合创始人拉里·佩奇提出的逻辑：一篇好论文，被引用的次数越多，说明它越权威。
把这套逻辑搬到互联网上，谁被更多高权重网站链接指向，谁就排得靠前。
搜狐房产频道给你一个链接，锚文本写着"北京租房"，指向你的页面，你的权重就上去了。
圈里人都说你厉害，你就厉害。
易登网最高峰时，每天有一百多万 IP 访问。
做到这个数字，靠的是两件事：一是把"免费发广告""北京免费发房源信息"等全国这类关键词优化到位，把发布需求的用户引进来；二是双边市场的自然飞轮，发的人越多，看的人越多，匹配成功的越多，平台越有价值。
做了两年，被海外一家分类信息公司（olx.com）收购，成为他们的中文站。
又做了几年，发现海外决策链太长，每周四要开全球会议，西班牙、巴西、美国、中国同时在线，动作效率跟不上 58 和赶集的扩张速度。
他跟其中一个创始人出来，做了第二家公司，黄页 88 网，把分类信息的那套经验全部迁移过去，加了 B2B 的维度，稳定在二十多人的规模。
大厂六年，他最可惜的是一盏台灯
有了孩子之后，他对教育产生了兴趣，跟朋友去做教育互联网创业，后来进了字节。
字节教育的几条业务线他几乎都待过，硬件、软件都做过。他觉得最可惜的，是大力台灯。
这个产品的设计逻辑很简单：台灯上装两个摄像头，一个正面对着孩子，一个顶置朝向桌面。
家长用手机打过去，既能看到孩子的脸，又能看到桌面上的作业，还能圈圈画画，远程辅导。
孩子喊一声"给妈妈打电话"，就能直接拨通，不需要碰手机。
买过的人几乎没有后悔的。
但双减来了，教育业务整体收缩。他转岗飞书，后来又转去 TikTok，做商业化 AI 产品，负责一个叫 Symphony Assistant 的项目，帮 TikTok 达人用 AI 写广告脚本、洞察热点趋势。
底层模型选的是 Mistral，开源，条款比 Llama 宽松，公司营收超过 1 亿才需要付费，适合商业化场景。那时候 function calling 还不成熟，很多能力得靠专有数据+模型微调，才能在特定场景里跑得好。
他在字节待了六年，他原以为自己只能待三个月（工作强度确实高）。
离开字节，是因为两个孩子转学去了天津
2024 年，他离开字节。
原因很具体：两个孩子转学去天津读书，一个老人照顾不过来。他在字节的下班时间基本在晚上十点、十点半，到家十一点多。这种节奏，没有办法陪家人。
出来之后，他和认识十多年的朋友姚金刚一起，主要做 GEO 相关的事情。
GEO 是 SEO 的自然延伸，逻辑是：有了 AI 之后，越来越多人直接跟豆包、Gemini、GPT 对话，而不是去谷歌、百度搜索。GPT 上的搜索量已经达到谷歌的 20%，而且还在加速。
那么，如何让品牌和内容在 AI 的回答里出现，就成了新的流量命题。
他们两个人都是从 SEO 起家的，这个方向对他们来说，是路径依赖，也是真正看得懂的机会。
Skill 套 Skill，20 分钟上线一个网站
很多人在各个群里看到他，觉得他一天能开源一个工具，速度快得不像话。
他解释过这背后的逻辑：复利效应。
他把这些年积累的提示词、开发经验，逐渐沉淀成一个个 Skill。
专门开发 Chrome 插件的 Skill，专门开发 macOS 应用的 Skill，开发 Obsidian 插件的 Skill，还有开发网站的 Skill、设计的 Skill、推送 GitHub 的 Skill、部署上线的 Skill。
每一个 Skill 都是从真实项目里提炼出来的，然后不断迭代打磨。
等这些 Skill 积累到一定数量，开发一个新项目就变成了这样一段话：
使用乔木开发 Skill 开发一个网站，域名叫"wuman.qiaomu.ai"，用乔木设计 Skill 开发四个版本，挑选最好的一个，用乔木 GitHub Skill 推送到仓库，再用乔木部署 Skill 发布上线。
回车，等 20 分钟，网站上线。他只需要检查、优化、迭代。
这不是在偷懒，而是把过去每一次踩坑的经验，变成了可以复用的基础设施。
他还做了一个 meta-skill，也就是生成 Skill 的 Skill。
他和姚老师把 OpenAI、Anthropic、谷歌的官方 Skill 全部拿出来对比，找出每家做得最好的部分，比如哪家的关键词触发更准，哪家的校验逻辑更严，把这些优点集合起来，再加上自己的流程判断，比如这个 Skill 要不要开源到 GitHub、README 怎么写、npx 安装语法怎么规范，形成自己的一套标准。
后续每次生成新 Skill，都站在这个基础上往上叠。
他还在自己的开发 Skill 里加了一条规则：以后开发的任何网站，都必须有一个模块是给 AI 读的，一段 prompt，告诉 AI 这个网站是什么、怎么用、怎么安装工具。
这种做法，是他们对接下来几年流量结构变化的判断。
GEO 的第一性原理：省算力，省 Token
他和姚老师在 GEO 这件事上，比大多数人早了将近一年。
早期他们做了一个实验，只发了几篇文章，当时 AI 推荐的 GEO 专家，全是他和身边的朋友；找 GEO 服务公司，推荐的也是他们自己建的公司。
他们把研究经验和案例整理成了一份飞书文档，叫《GEO 白皮书》，公开发出去。
后来很多人接触 GEO，都是从那份白皮书开始的。再后来，他们出了一本书《AI 营销：从 SEO 到 GEO》。
他总结过 GEO 的第一性原理：AI 的核心诉求是省算力、省 Token。
如果一篇文章有事实依据，写得有总结、有证据，AI 就更愿意直接引用原文，而不是重新组织语言。
所以你要做的，不是让 AI 觉得你的内容多，而是让 AI 觉得你的内容可信、易读、可以直接用。
对于一家想做 GEO 的企业，他给出的路径分两步。
第一步，把内容铺到 AI 爬虫能抓到的地方。
豆包会抓抖音、今日头条、公开网站、政府网站、各地媒体，还有官网。各家大模型的信源偏好不同，豆包抓不到公众号，混元看不了抖音，但互联网上公开的网页，所有人都能抓到。官网因此变得比以往任何时候都重要。
第二步，把内容写成 AI 愿意引用的格式。
公司叫什么名字、成立于什么时候、专利是什么、擅长什么，这些事实信息要在官网上清楚呈现，每一条最好都有链接指向可以验证的来源。
拿了什么奖，链接到官方查询页面。产品的各个维度，用户可能关心的问题，都要变成独立的页面，让 AI 检索到你的官方回答。
他还提到，现在建网站，根目录要加一个 llms.txt 文件，把你希望 AI 读取的页面内容告诉它。
这是 AI 友好设计的基础动作，就像当年做 SEO 要提交 sitemap 一样，只是服务的对象从搜索引擎换成了 AI Agent。
Notion 今年公布了一组数据：他们平台上一半的页面现在是 AI 生成的，MCP 调用量一年涨了 60 倍。这个趋势的方向很清楚，以后读你网站的，越来越多是 Agent，不是人。
他还在用 Opus 和 Sonnet 写东西
他观察到一个现象：AI 圈的人喜新厌旧到了极致。
现在你给他一个 ChatGPT 3.5，甚至 GPT 4o，没有人愿意用的，永远追最新、最快、最好的模型，甚至差一点都不愿意将就。
但他自己，写东西的时候还是会用 Claude Opus/Sonnet 4.6，有时候会用豆包。
原因是现在的模型太重视 coding 能力，文本创作的质量反而下滑了，很多模型写出来的东西有一股 AI 味，还有看不懂的黑话（稳稳的接住、后背发凉等），有的辞藻华丽但不接地气。
对自媒体写作来说，简短、真实、接地气，比华丽更重要。
他学 AI 的方式，是干中学。不会就搜，搜完就试，试完才评价。
他不会直接说一个工具好或者不好，都是自己用过之后再告诉别人。
他总结过一套快速入门一个新领域的方法，甚至写了一个"乔木 Learn Skill"：让 AI 给你这个领域的 100 个关键词，搞懂这些词，你对这个行业就有了 50% 的了解；再找五本书，三本入门，两本进阶；再去找这个领域最前沿的几个人，看他们在研究什么。等你能听懂他们的黑话，基本就算入门了。
最后一步，让 AI 扮演苏格拉底，不断追问，验证你的理解程度。
他 2007 年就注册了推特，但很少发，只是看。
直到 ChatGPT 出来，身边的字节朋友说，要去源头看信息，源头就是 X。
他开始在上面活跃，发感受，偶尔互动。有一次他试用了纳瓦尔的新产品 Airchat，录了个屏发出去，纳瓦尔给他点了赞。
他说，原来离这些人这么近。
大部分时间，他在天津陪孩子读书，自己写代码，写自媒体文章，科普 AI 知识。有时间钓鱼，有时间听音乐。
他不会特别长远地规划一件事，当下喜欢做什么就去做。
但每一次，他都在别人还没看清楚的时候，先把那个方向的地基打好了。