对许多人来说，AI仍是一个难以融入实际工作的“高级玩具”。面对海量数据处理、重复工作流程和有限的个人精力，我们都在寻找那个真正的“生产力杠杆”。圈友@钱塘江鲤找到了用AI为自己提效的最优解。
他借助Claude Code、Codex等工具，一天干完一周的活，一人撑起团队的事——从单机秒采千万条数据、全自动运营千号矩阵，到交付单价30万的企业级智能体。
这篇技术实践实录，将揭开他如何用AI编程、内容创作、自动化工作流，把工具变员工，把需求变收入。
如果看完本文还不过瘾，不妨关注下周二晚19:00的生财直播，我们邀请到了MINI航海教练：邓怡然，聊聊短视频内容带货CPS。
点击“预约”，蹲住直播间~
大家好，我是钱塘江鲤，AI 数据方向的从业者，主要为垂类模型提供行业的专业数据和合成数据，同时协助企业进行 AI 的落地。如果你觉得 AI 只是个聊天助手用来问问题，那就真的暴殄天物了，当你把 AI 当成生产力工具后，你会发现世界完全不一样。
借助 AI，我现在一天能干完一周的活，一个人能搞定一个团队的事，这可能有些夸张，但却是我最真实的感受。
今天我想从技术实践的角度，聊聊我如何使用 AI 赚钱，以下是我主要的使用场景。
Part 1
AI 编程场景
编程是我使用 AI 最核心的场景，我的主力工具只有三个：Claude Code、Codex、Augment Code。
01
AI编程工具
工具一：Claude Code：全栈程序员
我给 Claude Code 的定位是从 0-1 的开拓型员工，我只管提出需求，它负责从 0 到 1 填平所有技术细节。大概是五六月份左右，在 Claude Code 没有发布 subagent 而且还没有 spec 概念的时候，我写了一个 autoCC 的自动化框架，实现了类似 subagent 和 spec 工作流的核心流程。
每天我的工作就是写需求文档和 todo list，它会自动写代码、编译、测试、运行，当时的 Claude Code 还是不限流不限速的，基本上替我饱和式地搞定绝大部分基础功能的开发。
Claude Code 基本就是我的首席技术官，沟通成本为零，执行力 100%。
另外，不要把 Claude Code 只当成编程工具，它更是一个通用的 Agent 框架。
通过 Claude Code 的 SDK 调用，你可以将它的超强执行力嵌入任何工作流，其易用和可控性远超 Coze、n8n 等平台。
工具二：Codex
当然，Claude Code 也不是万能的，当遇到它反复无法修复的后端逻辑 Bug 时，Codex 就登场了。我通常会将 Claude Code 三轮解决不了的问题抛给 Codex，它花 1 个小时进行慢思考，然后给出一份直击要点的完整解决方案，尤其是 gpt5-codex-high。
所以，它的定位是找 Bug 和定位问题。
快慢搭配，干活不累。
Claude Code快，擅长前端和 0 到 1；Codex 慢，精于后端和复杂 Bug 定位。
两者结合，能解决项目中 99% 的问题。
工具三：ChatGPT Pro：极致细节和疑难杂症解决
剩下 1% 是 Claude Code 和 Codex 都解决不了的问题，怎么办？直接交给 GPT5 Pro。比如我在做 Reddit Agent 时，要模拟人类自然滑动，细节非常多，通过 ChatGPT Pro，半天左右就能把这个流程细节和边界情况考虑得非常清楚，并且完美实现。
虽然 Claude Code 和 Codex 也能做，但是边界情况错误百出。
GPT5 Pro 对细节和边界的考虑更全面，三四个提示词就能搞定，而且一个复杂问题它可能只要思考半小时，对细节的周密考虑远超其他模型。
因此，强烈推荐在强推理环节、方案设计环节用 GPT5 Pro。
工具四：Augment Code
除了 Claude Code 和 Codex ，我常用的编程工具还有 Augment Code。对于基于大型开源项目的二次开发，它是我的首选，上下文处理和长任务和复杂项目的稳定性更高。
比如：我要基于某个开源项目修改，直接把 github 地址和需求文档扔给他，交给他去验证和修改，它就会 clone 下来后按照文档运行测试然后新增功能，过一会回来验收就好。
在这方面横向比对过 Claude Code 和 Codex，它是最稳定的。
工具五：CodeRabbit
AI 编程时代，AI 一天能给你写一两万行代码，所以 Review 机制非常关键。我用的是 CodeRabbit，它的 Review 机制基本上覆盖所有场景。
你的同事写完代码合并时，只要发 PR，你就能看到修改和建议，他们也可以在本地 CodeRabbit 进行第一遍 Review，这个工具能极大提高合并时候bug的检出率。
使用形式类型如下，PR 时 CodeRabbit 会总结分析所有变动，并且给出建议，按需判断修改就可以，用起来几乎无侵入性。
02
AI编程帮我做了哪些事
上面介绍了常用的 AI 编程工具，那我用这些工具都做了什么呢？
用处一：数据采集
用 Claude Code 做数据采集，真的是又快又好。举个例子，去年十二月用 3 天采集了三四十万条 YouTube 的 AI 视频，总结了 1 万个对标频道。
在今年 6 月，我用 Claude Code 从一个空文件夹开始，1 小时内就完成了一个全新的采集工具，当时效率是每小时十万条，经过几轮迭代优化，现在单机并发每小时能采集近 1000 万条视频，单机吞吐量峰值超过 3400 视频/秒。
过程是这样的，年中因为 Claude Code 用得越来越顺手，我就想试试从 0 开始实现下 YouTube 的数据采集，因为在去年使用 cursor 没有完成这件事，最终还是手敲，期待看到半年后的 AI 能力变化。
结果 1 个小时里，完全通过对话的方式，从 0 使用 Claude Code 写出了 YouTube 采集器，实现一小时十万条。
随后又找了一些时间进行优化，达到了一小时一千万条，真正的低成本高数据量采集。单机并发，每小时实现一万多个关键词、将近一千万条视频的采集，吞吐最高超过了 3400/秒，平均每个关键词超过 825 个视频，总花费时间不超过两天，我就做好了，这放在以前完全不敢想象。
同样的方式，我在 Twitter 上监控了一万个 AI 和 AI 图片/视频博主，过去一年时间监控了 1300 万条推文，平均每天会增长一万到三万条左右的新增推文，再加上 Claude Code 每天定时总结和定时推送，基本上已解决选题和最新的AI资讯问题。
其他平台也是类似，比如：Reddit 同步采集了十几 T 的数据，基本上把 Reddit 全站数据全部采集下来了，国内也实现了某书的数据采集。所以说，我一直觉得这每月几千块的 AI 税是我交过的最值的投资，他带给我的价值早已经是百倍，很多人还没意识到，Claude Code 是有大规模生产能力的。
用处二：账号矩阵运营——全自动化的 1000+ 账号
以上是使用 Claude Code 实现数据采集的实践，实际上还是用 Claude Code 做了很多类似的工具。比如：用 Claude Code 写了一个 Agent，管理上千个账号。
从账号注册，到批量设置人设关联账号，自动评论等多种不同场景的深度的 AI 介入，从指纹浏览器调度，到批量账号注册、养号、内容生产到自动发布，都可以随时介入调整，也可以 AI agent 进行自动化操作，帮我高效稳定地管理了一千加的跨平台账号矩阵。
目前正在加人设关联和图文/视频内容产出，我的目标是打造一个完全由 AI 驱动的 IP MCN，产出不同人设、不同风格的多模态内容。
当然背后还有许多看不到的功能，但这么一个相对来说复杂而且解决了我大问题的 agent，基本上是完全依赖Claude Code + codex，在其他项目并行的情况下，不到两周的时间就做完了，所以 AI coding 现在的生产力水平深不见底。
用处三：常用的 AI Agent 框架——企业级智能体的构建）
在企业交付场景的 AI Agent 场景，我主要用了两个框架 autogen、langgraph，最常用的是 langgraph。去年是用 Coze、Dify、n8n 、Rpa 交付客户，我在 24 年大概做了一年的 RPA 和 Coze 等工作流，也交付了大概 120 多个工作流，但是后面踩了很多坑。
直到今年年初逐步变成了纯原生实现，不再使用 Coze 或者 RPA 等低代码平台交付工作流，因为客户更关注的是功能和稳定性。
使用 langgraph，它基本提供了一套完整的状态机编排能力，能够清晰地定义智能体的决策流程；配合 langsmith，整个 Agent 的运行轨迹状态变化和决策依据都有完整的可观测性，这对 B 端交付很重要。
而且，langgraph 的天花板很高，从简单的线性流程到复杂的多 Agent 协作，都能很优雅地实现。
脏活用 Claude Code + 特定的 pipeline，交付用 langgraph，整个流程非常清晰，可调试性也强，强烈建议工作流程稳定，又有 AI 在其中起决策作用的朋友，试试这几个 agent 框架。
今年使用 Claude Code 做的项目已经交付了多个企业级智能体，基本单价在 6-30 万之间，上半年也使用 Claude Code 做过很多小的工作室定制。
比如：论文写作、直播复盘、商品分析、TikTok数据回收、视频自动化工作流、电商产品自动上架等，大多单价都在 1 万以上，其中论文和 tt 数据回收等几个项目，极低成本标准化后还额外收入了十几万。
在没有 Claude Code 之前，这样的效率和产出规模完全不可想象，因为过去一个人最多同时推进 2 个项目，现在可以并行处理 5-6 个项目，关键不在于写代码更快，而是从需求理解架构设计到落地实现的整个链路都被压缩了。
Part 2
内容创作与运营
在内容创作场景，我的主力 AI 工具是 Cherry Studio + Obsidian。为什么用 Cherry Studio？因为它可以让多个模型同时输出。
我一般用三家：Gemini 2.5 Pro、Claude 4.5 和 GPT-5，我希望快速横向对比，让不同模型针对同一个提示词输出不同内容，然后由我选择。
Cherry studio 支持自定义提示词，不同的创作场景（网文、朋友圈、公众号等）有不同的提示词，我只要做成智能体然后就可以新建，它会同步生成。
生成的文章可以一键导出到 Obsidian 中，然后从 Obsidian 直接发布到不同平台。
你没看错，从 Obsidian 可以直接发布到公众号，而且还能自动采集、裁剪，发布到小红书，整个链路非常短，这个插件就是我基于开源项目加 Claude Code 不超过三个提示词完成的。针对公众号批量创作场景，我还写了一个自动化创作 Agent，也是基于 Claude Code 加 Subagent 做的。
这些 agent 可以帮我把海外 Reddit 等不同平台的优质内容二次创作，然后自动发布，因为 Obsidian 是支持数据库的，所有内容都能结构化管理，看起来非常清晰。另外，Obsidian 还有个神器 Smart Composer，它可以借助 MCP 工具，直接从零开始创作。
我使用 Claude Code 自己封装了一个 MCP，支持把任何社媒链接。
比如 Twitter、小红书等链接直接给它，它就会解析内容，然后按照预定的提示词模板重写，算是单篇文章轻量级地对 Claude Code 的补充，改写完直接点击发布就好。
Obsidian 扩展性很好，基于自己的需求，我让 Claude Code 写了大概十几个插件以满足不同场景的发布和内容审核需求。
在推特运营方面，我用
XAI Creator xaicreator.com 基本上管理了我的海外账号的在线运营，最近还在尝试 Thread和 Instagram 的起号，有好的结果了和大家同步。
Part 3
微信自动化工作流
自动化这块我做得比较多，之前还做过微信的影刀微信自动化，但因为风控原因，废了几个微信号，后来实在没办法转到了飞书，但是始终没有微信方便，直到后来从生财官方号获取到了灵感。比如：下图左边，生财有术服务号会根据情况给我推送提醒，那我自己申请个服务号，设置好规则，让他给我推送每日提醒和设置就行了，而且服务号是支持对话的，也就是说不管我给他发了什么，他都可以作为一个入口，后台对应分发不同的 agent。
不管我发了什么链接，后台的工作流都可以自动解析，入库处理，最后给我返回通知，直接让我审阅，也可以一键调用小红书，或者把文章审阅后点击下发布到多平台，很方便。另外后台也可以接一个 agent，帮我处理任何不同的任务，包括前一日的热点，甚至是生财筛选内容的推送，平台发布规划，日程安排等，这样基本上平替了大部分的微信机器人的功能。
另外还要 cue 下 Claude Code，这个项目是 Claude Code+ codex 一起做的。
三个多月里，我手写代码行数不超过 100 行，真正意义上的开局一个空文件夹，直接让 AI 实现整个项目。
Part 4
其他方向
PPT生成：
虽然都吐槽 PPT，但在分享场景和工作场景，PPT 还是必须的，我主要用四个工具：Gamma PPT、Genspark、天工、Coze 空间。为了 PPT，还单独开了 genspark 和 gamma 的会员，很好用，平时用法是同一个主题，同时发给所有这些网站。
AI生图：
即梦的生图能力基本上是最强的，尤其是即梦 4.0。另外还有就是 Nanobanana，视频这块主要是 ComfyUI 的工作流，ComfyUI 的可玩性很强，建议大家有多媒体内容生成需求的话一定要玩转 ComfyUI。最后，我想分享这一切背后最重要的核心：养成 AI First 的习惯，所有的问题我都会找不同的 AI 同时确定一遍。
以编程为例，现在遇到问题，我的第一反应是：Claude Code 解决不了，就找 Codex；Codex 解决不了，就问 GPT-5 Pro。
如果连Pro都解决不了，那大概率不是 AI 不行，而是我的提问方式或解决问题的方向错了，就不要浪费时间，赶紧换一种方式实现。
我们的角色定位很简单——会提需求、会引导 AI 的人，你把它当工具，它就只能写代码；你把它当员工，它就能帮你干一整套流程。
以上就是我的全部分享，希望对大家有帮助。
原创文章，作者：小帆哥，如若转载，请注明出处：https://www.liulinblog.com/6149.html
