**
Vào ngày 9 tháng 6, Anthropic đã phát hành một mô hình mới có tên là Claude Fable 5.
Ngay trong ngày hôm đó, tôi đã để nó xử lý toàn bộ "hệ thống bán ghi chú tự động" của mình.
Kết quả là doanh số hàng ngày đã tăng gần gấp đôi chỉ trong hơn một tuần.
Thành thật mà nói, tôi chỉ nghĩ đơn giản là "Có mô hình mới rồi, thử xem sao", nên chính tôi là người ngạc nhiên nhất về kết quả này.
Trong bài viết này, tôi sẽ chia sẻ mọi thứ: tôi đã yêu cầu nó làm gì, những gì đã được cải thiện và cả những câu lệnh (prompt) mà tôi đã sử dụng.
Nhân tiện, tôi thường chia sẻ các chuyển động mới nhất của hệ thống này và các cài đặt chi tiết mà tôi không thể đưa hết vào bài viết trên LINE của mình, vì vậy nếu bạn quan tâm, hãy kiểm tra liên kết ở cuối bài.
Để AI xử lý một hệ thống thành công vào ngày Fable 5 được phát hành
Trước hết, hãy nói một chút về bối cảnh.
Fable 5 là mô hình đầu tiên từ Anthropic mang đến khả năng "cấp độ Mythos" — thứ mà trước đây họ giữ lại không phát hành công khai do hiệu suất quá cao — cho tất cả mọi người với các cơ chế an toàn đi kèm.
Nó đạt 80,3% trên bảng xếp hạng lập trình (SWE-bench Pro), một con số vượt qua không chỉ Opus 4.8 trước đó mà còn cả GPT-5.5 và Gemini 3.1 Pro.
Nhân tiện, "cơ chế an toàn" có nghĩa là chỉ những yêu cầu trong các lĩnh vực nguy hiểm mới tự động được chuyển sang các mô hình cũ hơn. Theo dữ liệu chính thức, điều này không kích hoạt trong hơn 95% các phiên làm việc.
Tóm lại, đối với mục đích kinh doanh thông thường, bạn sẽ không cảm thấy bất kỳ sự khác biệt nào.
Tuy nhiên, điều tôi tập trung vào không phải là các con số trên bảng xếp hạng, mà là thực tế rằng nó có thể "thực hiện các tác vụ dài và phức tạp mà không bị mất ngữ cảnh giữa chừng."
Điều này có nghĩa là gì?
Nó có nghĩa là giờ đây chúng ta có thể thuê ngoài chính quá trình "cải tiến" — đọc tất cả các tệp của toàn bộ hệ thống, đối chiếu chúng với dữ liệu bán hàng và đánh giá những gì cần sửa chữa — điều mà trước đây chỉ con người mới làm được.
Với các mô hình thông thường, nếu bạn đưa cho chúng 10 tệp, chúng thường sẽ quên nội dung của những tệp đầu tiên và đưa ra các đề xuất không liên quan. Fable 5 hầu như không bao giờ làm như vậy.
Một ví dụ rõ ràng là báo cáo từ nước ngoài cho thấy "việc di chuyển 50 triệu dòng mã đã giảm từ 2 tháng xuống còn 1 ngày." Về cơ bản, điều đó có nghĩa là nó có thể tiến hành công việc trong khi hiểu thấu đáo một khối lượng lớn dữ liệu.
Hệ thống của tôi có tổng cộng khoảng 40 tệp cộng với dữ liệu bán hàng, vì vậy "khả năng đọc hiểu mọi thứ" này mang lại hiệu quả trực tiếp.
Đó là lý do tại sao tôi quyết định rằng "để nó cải thiện một hệ thống hiện có" là cách sử dụng thông minh nhất, thay vì chỉ chơi đùa với các tính năng mới.
Có một góc nhìn quan trọng ở đây.
Một mô hình phát triển không có nghĩa là "hệ thống trở nên lỗi thời."
Nó có nghĩa là "tốc độ cải tiến hệ thống tăng lên."
Đối với những người đã có sẵn hệ thống, mỗi lần phát hành mô hình mới đều là một cơn gió thuận chiều.
Lý do tôi không tự mình thực hiện các cải tiến là vì ba điều:
- Tự làm sẽ đưa vào các "giả định" (đánh giá lý do tại sao mọi thứ bán chạy dựa trên trực giác của chính bạn).
- Thuê ngoài có nghĩa là phải bàn giao nội dung hệ thống (làm lộ bí quyết).
- AI có thể đọc tất cả dữ liệu mà không có cảm xúc (xử lý khối lượng dữ liệu khổng lồ qua đêm mà con người không thể làm được).
Thẳng thắn mà nói, cải tiến là nhiệm vụ "đọc tất cả dữ liệu và tìm ra sự khác biệt," vì vậy AI phù hợp với việc này hơn con người.
Trực giác của tôi có thể nói rằng "Tôi cảm thấy các bài viết dựa trên sự đồng cảm đang hiệu quả trong tháng này," nhưng nếu tôi để AI đọc, nó sẽ trả về những kết quả dựa trên dữ liệu như, "Các bài viết có tỷ lệ lưu cao luôn có yếu tố này trong phần mở đầu."
Sự khác biệt này là rất lớn.
Tổng quan về hệ thống bán ghi chú (Note) tự động
Đây là cấu hình tôi đang chạy:
- Thiết kế khái niệm (Hợp nhất ai, cái gì và cách bán vào một tệp md duy nhất)
- Tạo bài đăng tự động (AI tạo 10 bài đăng mỗi ngày dựa trên khái niệm)
- Đăng bài tự động (Đăng lên Threads/X vào các thời điểm cố định mỗi ngày)
- Hướng dẫn Note (Luồng từ Bài đăng → Hồ sơ → Bài viết Note)
- Thu thập dữ liệu (Số lượt hiển thị, lượt lưu và doanh số được tích lũy tự động)
- Vòng lặp cải tiến tự động (Các bài đăng tiếp theo thay đổi dựa trên dữ liệu tích lũy)
Bổ sung thêm một chút cho từng phần:
Tệp md khái niệm ở bước 1 là điểm khởi đầu cho mọi thứ. Mọi thứ từ bước 2 trở đi đều di chuyển dựa trên "ai, cái gì và như thế nào" được viết ở đây.
Ở bước 2, AI tự tạo 10 bài đăng mỗi ngày sau khi đọc tệp md khái niệm. Con người không còn viết chúng nữa.
Bước 3 chỉ là đưa chúng vào một công cụ đăng bài tự động, vì vậy tôi thậm chí không cần nhấn nút đăng.
Bước 5 rất quan trọng; "bài đăng nào được lưu," "bài đăng nào dẫn đến lượt nhấp vào hồ sơ," và "ngày đó bán được bao nhiêu" đều được ghi lại tự động mỗi ngày.
Bước 6 là một vòng lặp đọc dữ liệu này mỗi 3 ngày và phản ánh nó vào 30 bài đăng tiếp theo.
Điểm mấu chốt là hệ thống này không phải là "xong là kết thúc," mà là vòng lặp cải tiến 5 → 6 → 2 liên tục xoay vòng.
Mọi người thường nói, "Trông có vẻ khó xây dựng," nhưng công việc nặng nhọc chỉ nằm ở lần đầu tiên.
Bạn chỉ cần dùng não khi xây dựng tệp md khái niệm và các tiêu chí đánh giá ban đầu. Sau đó, nó càng chạy, dữ liệu càng tích lũy nhiều, và dữ liệu càng nhiều thì độ chính xác của các cải tiến càng cao.
Vì đây là cấu trúc càng ngày càng mạnh lên theo thời gian, tôi thực sự nghĩ rằng những người bắt đầu sớm sẽ thắng trong cuộc chơi này.
Vậy con người đang làm gì? Thực tế, chỉ có ba việc:
- Quyết định thể loại và khái niệm ngay từ đầu (đây là công việc của con người).
- Quyết định xem có nên áp dụng các đề xuất cải tiến của AI hay không (tôi sẽ viết chi tiết về điều này sau).
- Thỉnh thoảng xem xét dữ liệu và điều tra nếu có điều gì đó không ổn.
Về thời gian làm việc hàng ngày, nó chưa đầy 10 phút.
Và những gì tôi đã yêu cầu Fable 5 làm lần này là nhiệm vụ đầu nguồn nhất của chu kỳ: "Đối chiếu tất cả các tệp của hệ thống này với dữ liệu bán hàng gần đây để xác định các khu vực cần sửa chữa."
Tôi không làm bất cứ điều gì khó khăn cho việc truyền dữ liệu; tôi chỉ để nó đọc tập hợp các tệp hệ thống và dữ liệu chứa doanh số, lượt hiển thị và lượt lưu như vốn có.
Nhiều người nghĩ, "Tôi phải sắp xếp nó trước khi bàn giao," nhưng thực tế lại ngược lại.
Nếu bạn bàn giao dữ liệu thô, AI sẽ tự sắp xếp và tìm ra các mối tương quan mà con người không nhận thấy.
Câu lệnh tôi đưa ra về cơ bản là thế này (tôi sẽ để lại ở đây để bạn có thể sao chép và dán):
"Đọc tất cả các tệp của hệ thống này và so sánh chúng với dữ liệu bán hàng để xác định tất cả sự khác biệt giữa 'khi bán được' và 'khi không bán được.' Chỉ cho tôi sự khác biệt về dữ liệu, không phải ấn tượng. Tiếp theo, đề xuất tệp nào và tiêu chí đánh giá nào của hệ thống nên phản ánh những khác biệt đó, dưới dạng một tập hợp tên tệp và đề xuất sửa đổi."
Điểm mấu chốt là tôi đã giới hạn nó ở "chỉ sự khác biệt về dữ liệu, không phải ấn tượng."
Nếu bạn không bao gồm điều này, AI sẽ pha trộn các lời khuyên chung chung như "Tăng tần suất đăng bài," kiểu lời khuyên có ở khắp mọi nơi.
Bằng cách giới hạn nó ở sự khác biệt về dữ liệu, chỉ những điểm cải tiến độc nhất cho hệ thống của tôi mới xuất hiện.
Sau khi có sự khác biệt, câu lệnh để thực hiện sửa chữa là:
"Tôi sẽ chỉ định đề xuất nào tôi sẽ áp dụng, vì vậy hãy viết lại trực tiếp các tệp tương ứng. Cho tôi xem danh sách các khác biệt trước và sau khi viết lại ở cuối. Không thay đổi một ký tự nào trong các phần tôi chưa chỉ định."
"Không thay đổi một ký tự nào trong các phần tôi chưa chỉ định" là điều cực kỳ quan trọng. Nếu bạn không bao gồm điều này, AI sẽ "cải thiện" các khu vực khác vì thiện chí. Khi để nó chạm vào một hệ thống đang hoạt động, quy tắc sắt là phải hạn chế phạm vi thay đổi.
Ba sự khác biệt Fable 5 tìm thấy giữa "Khi không bán được"
Vì vậy, có ba sự khác biệt mà Fable 5 đã đưa ra.
Khoảnh khắc nhìn thấy cái đầu tiên, tôi đã nghĩ, "Điều này chắc chắn sẽ thay đổi doanh số."
Sự khác biệt ①: Các ghi chú bán chạy có "câu ngay trước khi mua"
Đây là kết luận Fable 5 đạt được sau khi so sánh tất cả các ghi chú bán chạy và không bán chạy.
Các khái niệm của ghi chú bán chạy đã được diễn đạt thành lời và bao gồm "những cảm xúc nảy sinh trong tâm trí người đọc ngay trước khi mua."
Những ghi chú không bán được chỉ được thiết kế đến phần "đối tượng" và "vấn đề."
Cụ thể, khái niệm của một ghi chú không bán được ở mức độ chi tiết này:
"Nữ 30 tuổi · muốn quay lại với người yêu cũ · dạy cô ấy cách làm."
Và khái niệm của một ghi chú bán chạy thì như thế này:
"Nữ 30 tuổi · muốn quay lại với người yêu cũ · mua ngay khoảnh khắc cô ấy nghĩ, 'Nếu mình làm chính xác những gì người này nói, mình có thể không phải nhìn điện thoại lúc nửa đêm và cảm thấy lo lắng nữa.'"
Bạn có thấy sự khác biệt không?
Cái trước kết thúc bằng "bán cái gì."
Cái sau được thiết kế đến tận những suy nghĩ trong đầu 0,5 giây trước khi mở ví.
Đây là ranh giới cho doanh số.
Vì vậy, tôi đã yêu cầu nó thêm "diễn đạt cảm xúc ngay trước khi mua" như một mục bắt buộc trong tệp thiết kế khái niệm md.
Chỉ cần thêm một mục này thôi đã thay đổi mọi thứ. Vì khái niệm là đầu nguồn, cách chọn từ ngữ của các bài đăng được tạo, tiêu đề của ghi chú và cách nội dung văn bản chạm đến người đọc — mọi thứ bắt đầu được viết hướng tới "suy nghĩ ngay trước khi mua" đó.
Việc sửa đổi một mục trong một tệp sẽ lan tỏa xuống tất cả các sản phẩm hạ nguồn. Đây là vẻ đẹp của việc hệ thống hóa.
Nhân tiện, tôi cũng đã yêu cầu Fable 5 xuất ra bí quyết để viết mục này: tiêu chí là "viết ra những cảm xúc thật mà người đọc không thể nói với ai, bằng chính ngôn ngữ của người đọc."
"Tôi muốn giải quyết sự lo lắng của mình" là yếu kém.
Nếu bạn có thể viết, "Tôi quá sợ bị bơ (ghost) lần nữa đến mức không thể nhấn nút gửi," thì đó là đạt yêu cầu.
Trong các thể loại khác cũng vậy. Ví dụ, trong thị trường ngách kiếm tiền tay trái, thay vì "dành cho những người muốn kiếm tiền từ nghề tay trái," hãy dùng:
"Những người nhìn vào số dư tài khoản một tuần trước ngày nhận lương và đặt lại một món hàng vào kệ tại cửa hàng tiện lợi trong khi thở dài."
Nếu bạn có thể viết đến mức đó, nó trở thành một ghi chú giống như một quảng cáo chỉ hiển thị với người đó.
Sự khác biệt ②: Tiêu chí đánh giá bài đăng quá tập trung vào lượt hiển thị
Các tiêu chí đánh giá cho vòng lặp cải tiến tự động quá "nặng về lượt hiển thị."
Tuy nhiên, điều tương quan với doanh số không phải là lượt hiển thị, mà là "số lượt lưu" và "tỷ lệ nhấp vào hồ sơ."
Điều này có nghĩa là bài đăng nhận được lượt hiển thị và bài đăng mở ví là những thứ khác nhau.
Bất kỳ ai làm tiếp thị danh sách (list marketing) đều hiểu điều này, nhưng số lượng khách hàng tiềm năng và số lượng chuyển đổi không nhất thiết phải tương quan.
Các bài đăng nhận được lượt hiển thị là kiểu "đồng cảm, dễ liên tưởng, hài hước."
Nhưng đối với các bài đăng mở ví, những hành động như "Tôi muốn lưu cái này và đọc sau" hoặc "Hãy kiểm tra hồ sơ người này" đang diễn ra.
Việc trở nên viral (lan truyền) rất thú vị, nhưng những con số liên quan trực tiếp đến doanh số lại là những con số khiêm tốn hơn.
Nhân tiện, hai con số này bất kỳ ai cũng có thể xem miễn phí trên X Analytics.
Chỉ cần xem lại các bài đăng của bạn theo thứ tự "lượt lưu" thay vì "lượt hiển thị," bạn sẽ tìm thấy các mô hình bán chạy.
Để tham khảo, các bài đăng được lưu có ba điểm chung:
- Chúng chứa các bước cụ thể có thể sử dụng sau này (không kết thúc ngay khi đọc xong).
- Chúng chứa các con số hoặc danh từ riêng, khiến mọi người muốn giữ chúng như một "bản ghi nhớ."
- Có không gian để áp dụng nó vào tình huống của riêng mình (ở dạng có thể sử dụng ngay).
Ngược lại, "những câu chuyện hay" không được lưu. Lượt hiển thị được tiêu thụ tại chỗ và kết thúc ở đó.
Khi tôi yêu cầu nó viết lại các tiêu chí đánh giá để "tập trung vào lượt lưu và lượt nhấp hồ sơ," lượt hiển thị giảm nhẹ, nhưng doanh số lại tăng — một chuyển động thú vị.
Chỉ cần thay đổi một dòng tiêu chí đánh giá trong vòng lặp cải tiến tự động, hướng của tất cả các bài đăng được tạo sẽ thay đổi, vì vậy những người có hệ thống nên xem xét điều này trước tiên.
Sự khác biệt ③: Thứ tự nội dung văn bản là "giải pháp quá sớm"
Các ghi chú không bán được đã tiết lộ giải pháp quá nhiều ngay từ đầu.
Nếu bạn đưa ra câu trả lời trước khi người đọc nhận ra "đây là vấn đề của mình," họ sẽ đọc xong trước khi cảm nhận được giá trị.
Các ghi chú bán chạy sử dụng "30% tổng số nội dung để diễn đạt vấn đề."
Trong một ghi chú dài 7.000 ký tự, 2.000 ký tự đầu tiên không được dùng để đưa ra giải pháp, mà để "mô tả tình huống của người đọc chính xác hơn cả chính họ."
Chỉ sau khi người đọc ở trạng thái "Tại sao bạn lại hiểu tôi rõ như vậy?" thì bạn mới cung cấp giải pháp lần đầu tiên.
Theo thứ tự này, ngay cả cùng một nội dung cũng được đọc như một thứ gì đó "có giá trị."
Và đối với những người đang tự hỏi "làm thế nào để viết phần diễn đạt vấn đề," tôi sẽ để lại quy trình tôi thực sự sử dụng.
Tôi yêu cầu AI viết ra 10 đoạn độc thoại mà đối tượng mục tiêu đang nghĩ trong đầu vào ban đêm.
Những thứ như "Đã một tuần rồi mà vẫn không thấy xem tin nhắn," "Tôi không thể nói với bạn bè về chuyện này," hoặc "Lịch sử tìm kiếm của tôi toàn là về việc quay lại với người yêu cũ."
Chỉ cần sắp xếp lại 10 đoạn đó và đặt chúng ở đầu văn bản, phần diễn đạt vấn đề gần như đã hoàn tất.
Một sai lầm phổ biến ở đây là viết vấn đề theo kiểu "chung chung."
Những cụm từ như "Quay lại với nhau thật khó phải không?" hoặc "Nó làm bạn lo lắng phải không?" áp dụng cho bất kỳ ai sẽ không chạm đến ai cả. Chỉ khi bạn chỉ định nó đến mức độ của một đoạn độc thoại thì khoảnh khắc "Đây là chuyện của mình" mới xảy ra.
Đây cũng là điều Fable 5 đưa ra như một sự khác biệt về dữ liệu. Nghĩ kỹ thì đó là điều cơ bản của bán hàng, nhưng đó là phần chưa được tích hợp vào hệ thống tạo tự động.
Những điều con người làm một cách tự nhiên lại thiếu trong thiết kế hệ thống.
Tìm ra những "lỗ hổng đã biết nhưng chưa được thực hiện" này là phần tuyệt nhất của việc để AI thực hiện cải tiến.
Triết lý thiết kế khi để AI thực hiện cải tiến
Có ba nguyên tắc tôi học được từ việc thử nghiệm để AI thực hiện cải tiến.
Nguyên tắc ①: Cải tiến cho AI, quyết định áp dụng cho chính bạn
Có tổng cộng 7 đề xuất từ Fable 5.
Tôi đã áp dụng 3.
Trong số 4 đề xuất tôi từ chối có, ví dụ, đề xuất "tăng số lượng bài đăng từ 10 lên 15 mỗi ngày."
Logic thì hợp lý, nhưng tôi đã xác minh trong quá khứ rằng đối với cơ sở người đọc của mình, áp lực dòng thời gian sẽ quá mạnh và họ sẽ chặn (mute) tôi, vì vậy tôi đã từ chối nó.
Nếu bạn nuốt trọn mọi thứ, hệ thống sẽ nghiêng về các khái niệm chung chung của AI và ngược lại, ngừng bán hàng.
Thực tế, tôi đã từng áp dụng tất cả các đề xuất trong quá khứ, và các con số đã giảm trong tuần đó.
Ngay cả khi mỗi đề xuất có vẻ đúng, khi kết hợp lại, nó trở thành một "tài khoản có thể tìm thấy ở bất cứ đâu."
AI là thiên tài trong việc tìm ra sự khác biệt, nhưng các tài liệu để đánh giá "liệu có nên áp dụng sự khác biệt đó hay không"—lịch sử xác minh trong quá khứ và cảm nhận của người đọc—chỉ tồn tại trong chính bạn.
Nguyên tắc ②: Luôn phản ánh các cải tiến vào các "tệp"
Đừng chỉ nói "làm thế này từ bây giờ" trong cuộc trò chuyện rồi kết thúc; hãy yêu cầu AI viết lại chính các tệp hệ thống.
Lý do làm việc này là để biến các cải tiến thành tài sản.
Các hướng dẫn trong cuộc trò chuyện sẽ biến mất, nhưng các tiêu chí đánh giá được đặt trong tệp sẽ tiếp tục có hiệu quả cho mọi thứ từ thế hệ tiếp theo trở đi.
Trong trường hợp của tôi, tôi chia các đích đến viết lại theo vai trò.
"Bán cái gì cho ai" là tệp khái niệm, "bài đăng nào được đánh giá là đã phát triển" là tệp tiêu chí đánh giá, và "viết ghi chú theo thứ tự nào" là tệp cấu trúc.
Vì tôi có thể thấy tệp nào đã phát triển với mỗi cải tiến, tôi cảm thấy toàn bộ hệ thống đang ngày càng trở nên thông minh hơn.
Nguyên tắc ③: Sửa từ đầu nguồn (Khái niệm > Bài đăng > Từ ngữ)
Khi nói đến cải tiến, bạn có xu hướng muốn sửa từ hạ nguồn, như từ ngữ của một bài đăng.
Tuy nhiên, thứ tự hiệu quả cho doanh số là "Khái niệm > Tiêu chí đánh giá > Cấu trúc nội dung > Từ ngữ."
Lý do chính khiến doanh số tăng gấp đôi lần này chắc chắn là phần khái niệm của Sự khác biệt ①.
Lý do rất đơn giản: một vị trí đầu nguồn ảnh hưởng đến mọi thứ được tạo ra từ đó, nhưng một vị trí hạ nguồn chỉ ảnh hưởng đến một phần đó.
Nếu bạn sửa một dòng của khái niệm, tất cả các bài đăng và ghi chú trong tương lai sẽ thay đổi. Nếu bạn sửa một kết thúc của bài đăng, chỉ bài đăng đó thay đổi.
Nếu khối lượng công việc là như nhau, tốt hơn là sử dụng nó ở nơi nó có hiệu quả.
Cho dù bạn đánh bóng hạ nguồn bao nhiêu đi chăng nữa, nếu thiết kế đầu nguồn không bán được, các con số sẽ không nhúc nhích.
Những người đứng về phía hệ thống sẽ hưởng lợi mỗi khi AI phát triển
Vậy, chuyện gì đang xảy ra bây giờ?
Tôi đã phản ánh các cải tiến vào giữa tháng 6, và từ đó, doanh số hàng ngày đã ổn định ở mức gần gấp đôi.
Phần hiệu quả nhất chắc chắn là phần khái niệm của Sự khác biệt ①. Ngay sau khi phản ánh nó, luồng "Lưu → Hồ sơ → Mua hàng" từ nội dung được tạo đã thay đổi rõ rệt.
Thời gian làm việc không thay đổi, gần như bằng không.
Sự việc này làm tôi chắc chắn về một điều:
Những người hưởng lợi nhiều nhất mỗi khi AI phát triển là "những người có hệ thống."
Bản thân Fable 5 ai cũng có thể sử dụng.
Nhưng những người không có "mục tiêu để Fable 5 cải thiện" chỉ có thể thử nghiệm nó khi một mô hình mới ra mắt.
Có những người thử một mô hình mới mỗi khi nó được phát hành, nói "nó thật tuyệt vời," đăng ấn tượng của họ, và kết thúc ở đó.
Và sau đó là những người, mỗi khi một mô hình mới ra mắt, để nó đọc hệ thống của họ, cải thiện nó, và nâng con số doanh số của họ lên một bậc.
Mặc dù họ đang sử dụng cùng một AI, một bên là tiêu thụ và bên kia là đầu tư.
Vì tôi có hệ thống và dữ liệu, doanh số của tôi đã chuyển động vào ngày mô hình phát triển.
Các mô hình sẽ tiếp tục phát triển.
Trong sáu tháng nữa, một mô hình thông minh hơn Fable 5 sẽ ra mắt, và tôi sẽ làm điều tương tự một lần nữa.
Bản thân vòng lặp này là một tài sản.
Mỗi khi điều đó xảy ra, tôi tin rằng khoảng cách giữa những người có hệ thống và những người không có sẽ nới rộng với tốc độ đáng kinh ngạc.
Đôi khi tôi được hỏi, "Bây giờ bắt đầu có quá muộn không?" nhưng thực tế lại ngược lại.
Những người đến sau có thể xây dựng hệ thống với một mô hình thông minh ngay từ đầu, vì vậy họ có thể bỏ qua những phần tôi đã phải vật lộn trong quá khứ.
Khi tôi bắt đầu xây dựng hệ thống này, tôi phải sửa thủ công đầu ra của AI mỗi lần, nhưng những người xây dựng nó bây giờ sẽ hầu như không cần quá trình đó.
Việc có muộn hay không không được quyết định bởi thời điểm tham gia, mà chỉ bởi việc bạn có bắt đầu xây dựng hệ thống hay không.
Bây giờ, dành cho những ai đã đọc đến đây và nghĩ, "Tôi muốn chuyển sang phía hệ thống."
Thực tế, một dự án đáng kinh ngạc đang diễn ra ngay bây giờ.
Tôi đang thực hiện một thử thách thời gian thực có tên là "Giúp một bà nội trợ 40 tuổi không rành công nghệ kiếm 200.000 yên chỉ bằng tự động hóa Claude Code, với giới hạn 30 phút mỗi ngày."
Trong khi bạn đang ngủ, AI hoàn thành việc viết một ghi chú, và khi bạn thức dậy vào buổi sáng, nó đang tự bán hàng.
Tôi đang hiển thị mọi thứ, bao gồm cả những thất bại, về việc "để mặc cho AI và để nó kiếm tiền cho bạn" đang trở thành hiện thực như thế nào.
Các bước để xây dựng hệ thống từ đầu, các mẫu thiết kế khái niệm và chuyển động của những người thực sự đang kiếm tiền đều được chia sẻ ở đây, vì vậy thành thật mà nói, tôi nghĩ bạn đang bỏ lỡ nếu không xem nó.
Những gì bạn có thể nhận được khi tham gia ↓
✅ Toàn bộ quá trình một bà nội trợ 40 tuổi không rành công nghệ đạt từ 0 đến 200.000 yên (được tiết lộ ở mức độ bạn có thể bắt chước y nguyên)
✅ Phân phối nội dung tự động hóa Claude Code thực sự được sử dụng trong thử thách thông qua các cột bình luận
✅ Bí quyết mới nhất về AI x Doanh số Note (hơn 50 người báo cáo kết quả; một trường hợp người từng là người sưu tầm bí quyết đã kiếm được 147.000 yên trong một tháng)
Tham gia tại đây (hoàn toàn miễn phí, có giới hạn số lượng người, vì vậy vui lòng tham gia sớm)
https://line.me/ti/g2/2NjuIznaLxS8gyB0eKLdMOQxQvpcYUYj1e9TlQ
