从内容增长到营销增长：一个 ToB 营销人的 AI Agent 落地实践

内容增长系统→营销增长系统

因为突然的表达欲，有了这个公众号及第一期，第一期分享了一套我正在实践中的「内容增长系统」的搭建思路。又经过一个月，这套「内容增长系统」已经被我迭代为「营销增长系统」，目前覆盖了这些层面：

• 各类 research（行业/竞品调研）
• STP 策略（细分、目标、定位）
• 营销组合（内容营销、社交媒体营销、广告投放等）
• 执行（内容生成，渠道适配）

接下来，我将从这套「营销增长系统」的笔记工具选择、Agent 使用情况、搭建思路、成效对比这几个方面详细展开。

如果你还没用过任何笔记工具，或是 Claude、Codex 之类的 Agent，也不影响理解。你可以把这件事理解成：把过去散落在脑子里、文档里、聊天记录里的营销经验，整理成一个结构化的知识库，通过 AI Agent 的调用，复刻一个聪明且勤奋的数字员工。

这就是我的数字员工：

为什么选择 Obsidian

Obsidian 是一款本地 Markdown 笔记工具。这点看起来很朴素，但对 Agent 工作流非常关键。

如果你完全没用过，可以把它理解成一个”文件夹 + 编辑器 + 关系网“。文件夹负责把资料放整齐，Markdown 格式负责让内容足够轻，双链和图谱负责让资料之间产生关系。它没有那么强的协作属性，也没有很多复杂的流程按钮，因此，Agent 读起来很直接，人改起来也很直接。

我也考虑过 Notion，它也可以被 Agent 调用，云端存放，协作能力强；飞书、Google Drive 也研究过，能通过接口接进来，但权限、结构、稳定性都会更重。

针对我的需求，果断 Obsidian

文件存本地、使用简单，无学习成本，适合快速沉淀、快速修改、快速让 Agent 读取。更重要的是，如我前面所说，它有一张“网”的概念：文件夹负责秩序，双链负责关系。我知识库里的「产品事实、用户画像、渠道规则、写法规范、选题判断」，不是散落的文件，它们都可以互相连接。

上期，我把 Obsidian 称为 Agent 的”长期记忆“。现在我称它为整个营销系统的操作系统底座。输入的，输出的，再反哺的，经过长期积累，全部沉淀其中。

它不是一个普通的笔记软件。普通笔记软件更多是“写给自己以后看”，但 Obsidian 的知识库是“写给你和 Agent 一起看一起用"。同一条产品定位，过去可能只是在写文章时再翻一下；现在它会被用在内容生产、对外表达、内部材料和策略方案里。内容一旦变成可调用的文件，价值就不止是记录，而是复用。

为什么选择这些 Agents

先简单区分一下

• Agent 是会执行任务的数字员工，它可以读文件、改文件、调用工具、按步骤完成任务；
• 模型是大脑，决定理解、推理、表达和生成的质量；
• 工作流则是你给这个数字员工设计的工作制度。

所以，我选 Agents 的逻辑是：能力强的一定作为主力，但未必所有任务都必须交给同一个 Agent。还是要先看自己的工作流里有哪些任务：哪些需要判断，哪些需要执行，哪些需要图片，哪些需要代码，哪些只是低成本批量处理。然后再选择对应的 Agent 或工具组合。

基于我的需求，配置很简单

• 主力是 Claude Cowork；
• 接 Opus 4.8 时，负责大部分重判断、长文、复杂归纳、方案初稿的任务。它的输出质量相对高，也稳定，初稿质量基本能有 70-80 分；
• 接 DeepSeek v4 Pro 时，专做少量的低成本任务，如特定业务的营销话术微调等；
• 冗余是 Codex，因为 GPT-5.5 的生图能力着实有点强，同时也预防 Claude 账号遭遇不测..

长期使用下来我确实觉得 Opus 4.8 更“聪明”一些，但最近发现 GPT 5.5 也有闪亮时刻。那天我问同样问题："有个同事说他是国内 985 大学毕业，你推理一下他是什么学校的？

先是 Opus：

ok, fine, 朕已阅。

接着是 GPT 5.5：

嗯~

不过说不测，不测就来了

前几天我的 Claude 账号也被封了，估计这波该封的都封得差不多了吧？Anyway, 关键工作流一定要留冗余。

最后，关于费用这件事，我的看法是目前国内外几个主流模型的 Plus、Pro、Max 的付费订阅（不包括豆包），可能是目前地球上性价比最高的订阅产品了。未来 Token 只会越来越贵，建议尽早利用低成本把你认为真正有价值的 insight、方法论、工作流沉淀下来。

搭建思路

首期讲过底层逻辑，这次更新一版。知识库里信息细分为三层结构：

• 确定性信息：品牌传播、产品事实、用户信息、渠道硬规则、合规要求。这些是地基文档；
• 策略性信息：选题怎么选、内容怎么写、渠道怎么优化、GEO / SEO 怎么更新。这些是经验，需要持续迭代，负责拉上限；
• 工作流管理文件：总纲、路由表、模板、自检规则、归档规则。这些更像内部 SOP，决定 Agent 怎么读文件、怎么判断任务、怎么交付结果。

总体来说：确定性信息保底，策略性信息增益，工作流文件管调度。

对刚开始的人来说，不用一上来就搭得很复杂。先把最常用、最确定、最容易被反复使用的信息写清楚并结构化，就已经比提示词强很多。就营销场景来说，这几个我认为是知识库必建材料以确保工作流能自动跑起来：产品说明、用户画像、品牌表达、内容类型、渠道规则，再加一个总控文件。随着你持续使用，整个知识库也会纵横发展。

01 内容生产骨架还是这些，先搭地基

地基文档是基石

• 产品地基解决“我们是谁、解决什么问题、核心价值是什么”；
• 品牌地基解决“用什么气质说话”，比如专业、高智、有判断力；
• 用户地基解决“内容写给谁看”；
• 术语表和写作规范解决“哪些话能说、哪些话不能说”。

02 接着是选题自动化

我预设了一个日报任务，每天 9 点 Agents 会自动搜索和整理预设好的公开信源和观察维度，然后推送一份选题情报日报给我。核心策略判断也已经写进了选题整体策略里，所以新的信源进来后，Agents 不只是做信息摘录，也会先帮我判断：这件事值不值得写？服务拉新、转化、信任建立，还是内部支持？它适合写公众号长文、自有阵地内容、深度解析、案例内容，还是短视频脚本？

看完这份日报，我会把有价值的内容放进选题池。后面如果决定要写，只要给 Agent 指令，它就能按对应内容类型和渠道要求继续往下输出。

这一步其实很关键。它把过去“我自己到处刷信息、临时找灵感、再临时判断怎么写”的动作，变成了一个稳定的信息输入和选题判断系统。

03 再往下是内容类型

常见内容大体分为案例内容、行业方案、深度解析、产品内容、行业洞见、合作动态、自用实践，再加内部支持材料。每类内容都有自己的讲法骨架。骨架稳定之后，Agent 就能稳定直出。

04 渠道也相当重要

渠道管理的是同一内容如何在不同平台上被阅读、被搜索、被 AI 引用、被转化，以及如何形成长期资产。它管的是分发、适配、检索、视觉入口和承接。说到这不得不提 GEO 优化这件事，我平时会 follow 姚金刚的《GEO 白皮书：AI 搜索时代的品牌增长新范式》，很有帮助，推荐给大家。

05 交付物和素材库

内容生成后按规则归档，后续方便再创；内部输入、会议纪要、外部反馈、零散观点，都作为原子内容入库。它们不一定能直接用，但可以被流程改造。

06 最后是总控文件

它是系统的总纲和灵魂，规定人机怎么协作：动作、主题、内容类型、制作格式、分发渠道、补充说明。Agent 接到任务后，先判断选题，再判断内容形态，再按路由表读对应文件，最后完成自检和归档。提示词解决一次任务，总纲解决长期协作。

内容之外的支撑性任务

这也是“内容系统”为什么会长成“营销系统”的关键。内容不是孤立存在的，它本来就连接着定位、渠道、转化承接和用户认知。以前这些东西分散在人脑、会议、文档和聊天记录里，所以写稿就是写稿；现在它们被放进同一个知识库里，Agent 可以同时看到业务事实、用户问题、外部表达和渠道规则，写出来的东西自然就会往更上游走。

 01 深度研究

过去做外部研究，很容易被资料拖住。一个对象一个对象看，一个页面一个页面拆，最后还要自己拼判断。现在可以从一个具体问题发起，让 Agent 先拉出结构：外部环境发生了什么变化？不同玩家怎么表达？哪些信息值得参考？哪些地方不适合直接学？

具体案例涉及业务细节，不具体展开了。可以说的是，最近有几份研究已经不是“资料整理”，而是能直接进入讨论：信息架构怎么搭、内容怎么组织、转化怎么承接、资源怎么分配。它给的不是最终答案，但足够让我站到更高的位置做判断。

这里要强调一点，研究不是让 Agent 替你下结论。它更像一个速度很快的研究助理，先把材料收齐、结构搭好、差异列出来。真正有价值的部分，还是人基于业务目标去判断：哪些值得学，哪些不能学，哪些看起来先进但不适合自己现在的阶段。

02 策略方案

这部分比写稿更有价值，也更能说明系统真的是迭代了。页面优化、内容资产整合、渠道方案、预算分配，这些都不再是从空白页开始。

因为事实在库里，对标也在库里，过往判断也在库里。Agent 出方案时，不是凭空编一个“看起来很完整”的材料，而是能顺着已有材料往下推。比如某类页面优化，它可以先做诊断，再拆外部样本，再整理可借鉴模块，最后落成一版可讨论的方案。初稿未必能直接拍板，但最耗人的资料收集、结构搭建、方案铺陈已经 close 掉了。

对营销工作来说，方案和内容的区别在于，内容通常解决“怎么对外表达”，方案要解决“接下来怎么做”。它有目标、有取舍、有资源分配，也要能被团队执行和落地。所以我从不期待 Agent 一次性给出完美方案，但它能把问题拆开，把选项摆出来，把依据列清楚，这已经节省了大量前置工作。

03 内部管理和协同

内部汇报、渠道管理、合作材料、需求说明、预算类材料，放以前每个任务都要另起炉灶。现在由于沉淀了足够多的业务内容，只要提供基本思路，一句话就能起草。

成效对比

虽然 ToC 和 ToB 是完全不同的场景，但我依旧想分享个人经历中比较有代表性的三个时期。

• 时期一是 ToC 新媒体人工时代。整个团队包括三位内容编辑、一位视频剪辑、一位脚本 + 出镜、一位设计，外加我。纯靠人，完整，成熟，也很重。
• 时期二是 ToB 市场运营提示词时代。我加半个产品，外加提示词。让我决定搭工作流的，也是那段时间。
• 时期三是 ToB 市场运营 AI Agent 时代。还是我加半个产品，外加这套知识库+ AI Agent。

时期一全靠团队，时期二靠人 + 提示词，时期三靠人 + 半自动系统。提效的真正来源，不只是“写得快”，而是一套内容资产从文章、图片、视频到渠道适配，可以一起被规划、生成和复用。内容复用只是第一层，地基复用才是更大的那层。

除了落到表格里的变化，如果未来 Agent 接住更多重复工作，人会有更多精力和时间，去思考更有价值的事情。

当然，这一切不是开箱即用。前期要把产品、用户、品牌、渠道、写法、模板、规则，一点点搭进去。过程并不轻松，甚至会让工作量短期变大。但地基稳了，后面的边际成本会明显下降。

总结

新的技术、工具，固然让人兴奋，但最终还是要回到业务本身。

一套 AI 工作流的价值，不取决于它用了多少前沿工具，而取决于它是否真正进入了业务流程。它不能只停留在"AI 能写稿”、"AI 能画图”的层面，而是必须贯穿选题、内容、渠道、研究、方案等每一个业务环节，把零散的 AI 能力，转化为一套真正可复用、可协同、能持续推进业务的工作系统。

而要做到这一点，业务 Know-How、策略框架、知识库和 Agent 工具能力，缺一不可。业务和策略决定方向，知识库把经验结构化，Agent 负责调用、生成和放大。它们有效组合在一起，才是营销 AI 转型真正能落地的前提。

所以，相比单纯讨论哪个工具更强，我更关注的是落地实践：它能不能进入真实业务流程，能不能接住具体工作，能不能持续提效、沉淀防范，并放大业务产出，这也是我搭建这套系统的终极目标。

本期阶段性复盘结束。