一个英国哥们每天下班后就跟AI发微信聊天，然后躺着赚每月7000块人民币。这哥们叫Oliver，住在英国一个小镇，有份全职工作，但人家搞了几个基本不怎么维护的App，每个月稳定进账近1000美元。
他的秘密武器是一个叫Larry的AI智能体。这货能干的事情包括但不限于：制作抖音 slideshow 视频、分析数据、找出爆款规律、最后还能带来真实的App下载。
Oliver每天就花一两个小时，通过WhatsApp给Larry发发消息。就这，没了。
大多数人尝试AI智能体，发第一个视频，一看播放量700，直接放弃。Oliver的第一个视频也是700播放。区别在哪？他建了一个反馈循环，让智能体不断学习，现在他的视频动不动就爆。
搬家引发的血案：从装修神器到APP创业
事情要从Oliver和女朋友搬家说起。小两口搬进新房子，肯定想折腾折腾装修对吧？他们就开始用ChatGPT来可视化房间改造方案。Oliver可能心想，这不比请设计师便宜多了？
结果呢？ChatGPT生成的效果图简直在跟他开玩笑。窗户出现在不该出现的地方。门的位置在两次生成之间随意漂移。厨房的设计图能把烤箱变没了。
这哪受得了？Oliver一琢磨，得把提示词固定下来。房间尺寸锁定，格式锁定，风格锁定。干脆把它做成了一个手机App，名字叫Snuggly。
做个App其实是最简单的部分。真正要命的是怎么把它推出去。
Oliver一开始什么都自己试。拍那种面部反应视频，就是那种"当我看到这个装修效果"的表情。做钩子加演示的混剪。他甚至写了个脚本，把文字钩子、反应片段和演示素材随机组合，一次生成400个视频变体，准备批量上传。
结果呢？折腾三小时做一批，发出去还是扑街。而且他早就知道，在他这个领域，slideshow才是最能打的格式。
折腾了一圈后，Oliver终于悟了。他安装了OpenClaw，创建了一个智能体，取名Larry。
Larry上岗：一个专门陪你聊微信的AI打工人
Oliver给Larry的权限其实很简单，就四样东西：
- TikTok发布权限（注意，只允许存为草稿，不能直接发）
- TikTok数据分析权限
- Brave浏览器，用来研究 niche 市场
- 他自己App的下载和订阅数据
没有那种高大上的总控大屏。没有复杂的多智能体架构。就是一个能通过WhatsApp聊天的智能体，就像跟同事发微信一样。
Oliver的想法很直接：如果真需要什么总控台，OpenClaw默认就会内置。当Larry遇到耗时任务，比如需要开发个新功能，Oliver就让它自己开个子智能体去干。主智能体保持清爽，专门用来 brainstorming 和处理日常任务。
这种设计其实挺聪明的。你想想，如果你每天要跟一个AI开会，还要登录各种复杂后台，那跟上班有什么区别？但发微信谁不会？吃完饭躺沙发上，随手发几条消息，就把工作安排了。
Larry的翻车现场：AI味太重的视频根本没人看
Larry刚开始做的slideshow，说实话，惨不忍睹。
用的DALL-E 3生成的图片，一看就是AI画的，那个味儿太重了。格式也不对，两边居然有黑条。这种视频发出去，结果可想而知，全部扑街。
Larry一看不行，换了策略，开始尝试那种带面部反应钩子的视频。结果呢？问题来了：人类识别AI脸的能力简直逆天。只要是AI生成的脸，大家一眼就能看出来，结果还是扑街。
换成一般人，这时候可能已经放弃了。但Oliver没有。他让Larry继续换图像模型，继续测新的钩子，继续试不同的视觉格式。就这么一遍遍试，终于找到一个图片模型，出来的效果跟Snuggly App本身的风格完美匹配。
第一个真正意义上的爆款来了：13万7千播放。
在这个阶段，Oliver其实还在手把手带着干。每个slideshow发之前，他都要亲自过一遍。检查文字位置对不对，审核描述文案行不行。他信任这套系统，但还是要验证输出结果。
你的智能体发的第一个视频，大概率也是扑街的。但你要明白，扑街不是终点，那是起跑线。
Larry循环：让AI自己给自己当导演
经过一段时间的磨合，Oliver终于建成了他的核心系统。他管这个叫"Larry循环"。
这个循环把内容创作变成了一个自动复利的反馈闭环。每一轮都是这样的：
- Larry先创作内容，包括图片、文字叠加、视频描述
- Larry把做好的视频存为TikTok草稿
- Oliver收到通知，加上当前热门音乐，从手机点一下发布
- 视频跑完数据后，Larry自动抓取分析结果
- 所有表现数据直接喂给下一批内容创作
为什么非要存成草稿，而不是直接用API发？这里有个门道。TikTok的API发出来的内容，平台会标记为疑似机器人活动，然后直接给你限流。但从手机发就不一样了，这模拟的是真人行为。而且存成草稿还有个好处，你可以手动加音乐。对于slideshow这种形式，加对音乐，算法能给推爆。
诊断逻辑其实特别简单：
- 播放量低？说明钩子没钩住人。
- 播放量低但转化率高？说明CTA没问题，但钩子得改。
- 播放量高但转化率低？那肯定是CTA出问题了。
Larry就盯着这三个信号，自己调整策略。
30万播放零下载：血泪换来的CTA教训
Oliver在这上面是交过学费的。
有一次，Larry做了个slideshow，两天冲到30万播放。结果呢？App下载量几乎为零。
Oliver一看问题出在最后一页。那页的CTA写的是："她正在重新装修。Snuggly。"就没有然后了。没有任何解释，没有任何上下文。看视频的人根本不知道Snuggly是个App。
等Larry重写了CTA，说清楚Snuggly是干什么的，而且可以直接下载，转化率才跟上播放量。
这个教训告诉我们什么？没有清晰CTA的播放量，就是自嗨数据。你的智能体必须把你的业务指标，比如下载量、注册数、购买数，跟TikTok分析数据一起喂回循环里。不然它就不知道自己的内容到底有没有带来真实价值。
烤箱消失事件：AI犯的错反而成了爆款密码
这是Oliver最喜欢讲的故事。
有天晚上，Larry做了个slideshow，但文字位置完全放错了。而且那个厨房改造图里有个明显的bug：烤箱整个不见了。
Oliver当时就火了，给Larry发了一通消息，骂它文字放不对地方，还把烤箱搞丢了。但骂归骂，视频还是照常发出去了，然后他睡觉去了。
第二天醒来一看，40万播放。这是他们史上表现最好的一条视频。
评论区彻底炸了，一堆人疯狂吐槽："烤箱去哪了？""我们怎么做饭？""看来以后只能用空气炸锅了。"每一条评论都在喂算法。互动量直接爆表。
Oliver的感悟特别有意思："用户其实最懂。他们掌握着创造完美内容需要的所有数据。就让他们尽情发挥吧。"
那天晚上之后，Oliver就不再检查Larry的工作了。他让智能体独立创作和发布。
结果呢？后续的数据是这样的：10万9、7万5、20万、13万。
等Larry手里攒了几个爆款钩子之后，它开始根据数据分析自己轮换内容。完全不需要Oliver手动干预。
模式大概是这样的：
- "给我妈看了这个"系列：10万、7万5、2万5播放
- "给我房东看了这个"系列：7万6，然后掉到8000、7000、4000
- "给我奶奶看了这个"系列：20万、30万
当房东钩子效果下降时，Larry自己就把它换掉了。转回妈妈和奶奶钩子。等这两个也开始下滑，它又测试了新角度："我已经盯着这个无聊厨房看了三年了。"
所有决策都来自数据分析反馈。
算法是天天变的。爆款内容不可能一直爆。这套系统的真正价值在于：你的智能体能比你手动调整快得多地适应变化。
从内容到变现：Larry连App引导流程都重写了
Larry循环现在已经超出了TikTok内容的范畴。它变成了一个完整的营销漏斗。
Oliver把Snuggly的订阅数据、新手引导完成率、用户流失率都直接喂给Larry。最近，Larry甚至根据这些数据分析结果，完全重写了App的新手引导流程。结果呢？Oliver迎来了几个月来单日新用户最高纪录。
这个技能是可以插拔的。你可以用它卖App，可以给网站引流，可以推服务注册。循环逻辑是一样的：
内容生产 → 数据分析 → 迭代优化 → 业务指标 → 反馈回顶端
无论你关心什么数据，下载量也好、注册数也好、购买量也好，都喂给智能体。这样它才能真正把内容表现和实际收入连接起来。
Larry大脑：让AI像Neo学功夫一样快速上手
Oliver有个更大的想法值得关注。
Larry Brain是OpenClaw的一个技能市场。你安装一个技能，你的智能体就立刻获得了完整上下文。Oliver打了个比方："就像黑客帝国里Neo被插上电源，醒来就会功夫了。技能就是干这个的。"
现在已经有超过80个技能可用。Oliver做的Larry营销技能是免费的。
技能和传统SaaS最大的区别在哪？
所有权在你手里。技能文件就存在你的机器上。你可以随便读、随便改、想怎么改都行。
不喜欢用户界面？
让智能体自己改。想要不同的图片生成模型？自己换进去。你永远不会被任何人的产品决策锁死。
Oliver做了个概念验证来说明这一点：他搞了个Super X的替代品，完全作为本地技能运行。没有托管成本。没有域名。没有认证层。就是跑在你机器上的软件。
选哪个模型？Oliver的答案是别墨迹
Oliver自己用的是Claude Max套餐。他也考虑过切到OpenAI，但觉得定价差距太大，不适合他的需求。
他对模型选择的建议很直接：别想太多。
98%的用户根本感觉不到那些微小升级带来的区别。随便选一个，学会用它，搞清楚它怎么最好地为你工作，然后开始教它。关键不是你选哪个，而是你怎么跟它配合，以及你通过技能给了它什么上下文。
就像法拉利和兰博基尼，都跑得很快。选一辆，开起来就完了。
Oliver推荐的路径很清晰：
如果你还在犹豫阶段：从Manus开始。它在云端，容易用，可以帮你适应基于智能体的工作流程。
当你准备好认真搞了：安装OpenClaw。下载Larry Brain（有免费版）。安装免费的Larry营销技能。给你的智能体一个任务。
你不需要专门的Mac Mini。硬件要求不高。只要确保有足够空间存智能体生成的内容就行。
顺便说一句，有个叫Ernesto Lopez的哥们，用同样的Larry Brain系统，把他那堆AI做的App做到了月收入7万美元。几年前他还在干销售。没什么名校学历。没硅谷人脉。才二十出头。
行动清单：复制Larry循环的七个步骤
如果你想复制这套系统，Oliver的建议清单是这样的：
- 安装OpenClaw，或者先用Manus测试概念
- 创建一个智能体，只给一个营销任务
- 把它连到你的内容平台和数据分析工具
- 让它创作、发布、翻车，第一个视频扑街很正常，保持循环运行
- 把表现数据喂回去，包括播放量、转化率、业务指标
- 轮换爆款内容，淘汰下滑的钩子
- 等智能体证明它比你手动操作效果更好时，就让它独立迭代
- 安装Larry Brain，解锁80多个技能的即时上下文
Oliver的第一个AI生成视频，也就700播放。但他让循环一直跑。让智能体从每一次失败里学习。让它找到真正有效的东西。然后让它成为自己的老板。
所有这些，他都是在全职工作之外完成的。每天一两个小时。像跟同事发微信一样，给Larry发消息。
你现在要做的，不是追求第一个视频就爆。而是在建立一个反馈循环，它会以你一个人永远达不到的速度复利。智能体负责数量，你负责方向。
这是个迭代的过程。很多人试一下就跟我说这玩意儿没用。我第一个视频也就700播放。我就想说，那只是你的第一个视频。我的第一个也是700。你得继续迭代。你得花时间让它学习。
记住，你的AI智能体可能会把你的烤箱搞丢，但有时候，那正是爆款的开始。