给个目标，睡一觉，任务就跑完了

她目前最喜欢的一次操作发生在配置 Attio（一款 CRM，客户关系管理软件）的时候。帮她的人需要根据通话和邮件里发生的事，把每个客户的记录补全填准。

她没有一条条去填。她给了 Codex 一个目标：把 CRM 设置成能准确反映她对话和收件箱里发生过的事，覆盖几百个客户和潜在客户，背后配一段扎实的 prompt 和方向说明。给完目标，她去睡觉。六小时后，一套本来要人工做上好几周的活儿，已经全部完成。

人在循环的两端把关，中间全部交给 AI 执行：
1. 开头（人）：判断这件事值不值得投入，即这是不是一个值得做的目标
2. 中间（AI）：不逐条处理单个任务，而是搭一套能批量处理这整类任务的系统去执行
3. 结尾（人）：审阅、精炼 AI 给出的结果
4. 反馈：把这一轮学到的东西喂回系统，让下一轮做得更准

她在播客里口述了循环的结构和每个 App 的做法，但每套工作流的逐字 prompt 留在 Every 的付费栏目里没有公开。能照搬的是模式和结构，不是可直接粘贴的原文。

把学习资料自动做成通勤能刷的卡通

这是她建过的最得意的一个 skill，也是她口中「最有负罪感的乐趣」。它大约六个月前起源于一条 prompt（最初由咨询团队的工程师 Nateesh 基于内部 AI 员工 Claudia 打造）。

它把她学任何一个新话题时习惯问的四个问题，固化成了一套框架。周末她会花大段时间读这类深度指南；没有整整一个周六时，她就用 Codex 的视觉模型，把每份长指南转成一串卡通，在地铁上、散步时、喝咖啡时刷完。

1. 这个话题的历史是什么？
2. 指导它运作的第一性原理是什么？
3. 我们是怎么一步步走到今天这个局面的？
4. 这个话题所在的市场里，有哪些变量在起作用？

举个她学解剖学时的例子：她学到肌肉比韧带先变强，韧带又比骨骼先变强，所以力量的增长在身体各部位是按不同时间尺度发生的。（这个「骨骼变强最慢」的细节，后面讲她为什么买 CRM 时还会再出现一次。）

她的 Codex 项目直接按学习课程来命名，比如「销售策略」「你爸」「NZQ 认识论」（亚里士多德的三段论体系）。同一套四问框架，你可以直接拿去学别的任何主题。

给自己的邮箱做一个分诊工具

这一节是她这套打法最能立刻落地的样本：碰到一件重复劳动，就当场让 Codex 给你做一个按钮。

工具建在 Dan 开源的邮件 App（原名 inbox sweep，现叫 Tend）之上，那个 App 会把邮件变成一张张卡片、把敏感内容打码。她在上面做了大量定制，其中最关键的一处，是用她最近发出的 150 封邮件她大约一年前建的「代笔」skill，让 AI 摸清她在不同场景下怎么说话，是她最早的几条 skill 之一训练它模仿她的口吻起草回复。用她的话说：我的邮箱比我自己还清楚在发生什么，所以它起草的东西，很可能比我自己现想的还准一点。

她给这个工具加了 7 个动作按钮，每一个都对应她真实处理一封邮件时会做的一个动作。这份清单可以直接抄：

1. 批准并发送（AI 已用她的口吻起草好回复，一键发出）
2. 要求重写（不满意草稿，让 AI 重写）
3. 归档
4. 归档进对应客户的 markdown 文件（哪怕不回复，上下文也存进这个客户专属的文件里）
5. 转成 Asana 任务
6. 标记垃圾邮件
7. 保存

更关键的是这套逻辑的来源：她手绘了一张销售管道的分诊流程图，把「一封陌生来信要满足什么条件才能往管道下一步走」这套复杂逻辑画了出来，然后把流程图存成 PDF 喂给 Codex。同一套逻辑，同时驱动着她的邮件分诊和她的 Attio CRM。

最快的上手方式：播客上线时，Every 计划开源 Tend（这个邮件 App）。Dan 给了一条捷径：你可以把这段视频丢进 Codex，让 Codex 直接看完，然后照着做一个用起来一样、但属于你自己的版本。

给 81 岁老爸的多方护理做一个协调 App

同一套「给自己现搭系统」的打法，被她用在了一个常人根本想不到能自己动手的场景。她的父亲 81 岁，由多位护士照护。

这是一个 13 小时的 Codex 项目，从原型一路做到带密码保护、正式上线的完整 Web App，成了这家人协调看护的操作系统。

1. 摄入多个护士提交的 Google 表单报告
2. 摄入家庭 WhatsApp 群里的随手更新（预约怎么样、用药剂量情况如何）
3. 顶部呈现一条「最新情况」摘要
4. 西班牙语/英语一键切换（护理更新通常用西语，白天想快速看就切成英语）
5. 护士也能看到彼此的记录，保证护理的连续性
6. 责任追踪器：每个家庭成员该跟进的事项，没解决就高亮，完成了就变灰

她是哥伦比亚人，护理更新通常用西语，白天想快速消化就切成英语。护士也有自己的版本，彼此能看到对方做了什么，护理因此有了连续性。价值不在这个工具本身：护士只是觉得这家人更主动、更靠谱，而 App 把行政杂事从每个人肩上卸掉，家人于是能腾出精力去陪伴，而不是忙于处理杂务。

能自己搭 CRM，她为什么还是花钱买了一个

Every 有资源自己糊一个 CRM（Fable 甚至能近乎一次生成一个内容管理系统），但她还是主动放弃了自己用 AI、靠 Claudia 拼起来的 Google Sheets 系统，买了 Attio。她给出的理由，是一条很好用的通用判断法。

在 AI 时代你几乎什么都能建，真正该问的不是「能不能建」，而是「该不该建、以及该不该长期维护它」。数据质量要靠持续维护才能好到能做出有意思的事，而把一个 CRM 维护好，本身就是 Attio 的全部业务。

1. 先问：这东西能不能建 ≠ 该不该建。真正要问的是该不该建，以及该不该长期维护它
2. 真正的软件是成千上万条你事先根本想不到的具体逻辑规则的集合，一家软件公司的全部工作，就是持续收集这些规则、并在出问题时修改它们
3. AI 很擅长在这类确定性规则系统里工作、写代码，但不会一次性把你需要的所有规则都写对写全
4. 判断隐喻：软件是你的骨骼，AI 模型是你的大脑和韧带，没有骨骼你是一滩瘫软的水母，没有大脑和神经系统你是一堆木棍

结果是，她成了 PRD（产品需求文档）和范围界定的拥护者，也更早地去判断一件东西该买还是该建。团队出于同样的理由，把项目管理也换上了 Asana，为的是给团队少压一点维护负担。

一年过去，Claudia 还是离不开人

Claudia 是 Every 咨询团队内部的 AI 员工，之前单独出过一期节目。运行满一年后，最近两个月的模型更新，大幅提升了它能干的事。

现在 Claudia 有了自己的 LinkedIn 和 Twitter 账号，会管理仪表盘，还带一个「信任电量」机制：它跑在一个循环里，自评表现、再根据反馈改进。

但边界是诚实的：AI 特别擅长照着一套标准作业流程去执行，Claudia 在这件事上做得很出色。可它仍然需要两样东西。一是持续的人工监督和管理，品味和把事情做到精益求精，还是得靠人给方向、给管理支持，这件事既琐碎又耗时；二是人终究还是想跟人打交道。

所以团队的动作是：同时再招一名人类运营人员。Claudia 负责把丰富的数据和仪表盘摆出来，人负责从里面挑出哪些值得关注、并主导那些对话。AI 负责把数据端上来，人负责判断和行动。

如果想在自己团队里试，她给的 3 条起步建议

这是她对任何一个想在大组织里引入这套做法的人的 3 条建议：

题外话，她随手用 AI 现搭的两个小东西。在新奥尔良旅行时，她让 Claude 边走边给她和妈妈生成西班牙语导览；还让它读自己的 Spotify 歌单，挑出法国区音乐节里她们最会喜欢的乐队。都是同一套「碰到需求就当场现搭」的顺手活。

她换了个做法：不再亲手做每一件，而是搭一套系统，让结果自己长出来，文中把这叫「园艺」。园丁不亲手种每一株苗，而是把土壤、光照、水配好，让庄稼自己长；她的活儿也从「写每封邮件」变成「搭一个能自动产出这些结果的系统」，只在关键点伸手。

可「让系统自己跑」到底是什么结构？她把它拆成一个循环，下一张图看懂。

她最得意的一次：配置 Attio（一款 CRM，客户关系管理软件，用来存客户资料）时，要把几百个客户的记录按通话和邮件补准。她没一条条填，而是给 Codex 一个目标然后去睡觉，六小时后醒来，一套本要人工做好几周的活，已经全部完成。

同一套循环，她还搭出三个能照搬的 App，完整清单都在正文，可直接抄：

• 学习卡通：用固定 4 问框架（历史 / 第一性原理 / 怎么走到今天 / 市场里有哪些变量），把长篇指南自动做成通勤路上能刷的卡通。
• 邮件分诊：用她最近 150 封已发邮件训练 AI 模仿她的口吻起草回信，配 7 个动作按钮一键分流。
• 老爸看护：汇总多位护士的表单 + 家庭群消息，顶部出「最新情况」摘要、中西双语切换、责任追踪。

想在自己团队里试？她给的起步顺序也在正文：从你已有的 KPI/OKR/SOP（团队的目标与流程规范）开始 → 划清哪些事只能人做（比如打电话）→ 从一件小事起步，别想着一次性变成「AI 优先的组织」。

「快很多」听着没感觉，换成同一件事新旧各要多久就清楚了。就拿那次填 CRM：