--- layout: post.njk source: https://blog.qiaomu.ai/rock-bar-to-ai-product-qiaomu web_feed: articleId: cmw5m301x000276ed6mruazw4 feedSourceId: cmoynk2ty0000yeud307bv9ji guid: https://blog.qiaomu.ai/rock-bar-to-ai-product-qiaomu sourceUrl: https://blog.qiaomu.ai/rock-bar-to-ai-product-qiaomu speaker: 向阳乔木 title: 向阳乔木：从摇滚爱好者到 AI 自媒体 · 乔木博客 date: '2026-11-06' summary: 文章讲述了向阳乔木从摇滚爱好者到AI自媒体的转变过程。他从摇滚圈的艰苦生活看清了“正经机会”，通过学习和积累技能（Skill）实现快速的复利效应，并利用AI工具（如Claude Opus/Sonnet）进行内容创作和工作流自动化。他总结了GEO（Generative Engine Optimization）的第一性原理，即让AI觉得内容可信、易读、可以直接引用，从而省算力。他强调了干中学、快速迭代和将经验沉淀为可复用的基础设施的重要性。 area: tech-engineering category: ai-application tags: - ai-tooling - ai-workflow - tech-trends - knowledge-meta people: - 向阳乔木 companies_orgs: - 字节 - TikTok products_models: - Claude Opus 4.6 - Mistral - Llama - GPT 4o - ChatGPT 3.5 media_books: [] draft: true status: evergreen --- 乔木博客 全部 AI工具 AI教程 AI生成 AI资讯 健脑房 播客解读 论文学习 # 向阳乔木：从摇滚爱好者到 AI 自媒体 播客解读 · 2026年11月6日 · 63 次阅读 · 约 12 分钟 © 2026 · 向阳乔木 上午跟吴熳老师录了一期播客，播放地址 https://www.xiaoyuzhoufm.com/episode/6aed7a995b7c4709bfe1fdae Claude Opus 4.6 基于音频转写生成一篇文章。 树村，北京西二旗附近一个没有水泥地的村子。一下雨，全是泥泞，根本没法走。 但那里住满了搞摇滚的人。 打鼓的、弹贝斯的、弹吉他的，谁都别嫌谁吵，村民也习惯了。 房租一个月 200 块，还能拖欠。 痛仰这样的知名乐队，在酒吧演出一场，整个乐队分 500 块钱，五个人，一人 100。 演出结束舍不得打车，拿一瓶大绿棒子跟粉丝喝到天亮，第二天坐 475 路公交回宿舍。 向阳乔木在那个圈子里待了整整一年。 ## 摇滚圈的穷，让他看清了什么叫"正经机会" 他是学电子信息科学与技术的，高中就迷上了中国摇滚，黑豹、唐朝、崔健、超载，磁带里的那些名字，来北京上大学之后全变成了现场。 朋友撺掇，他开始办校园摇滚演出，后来去了当时中国最知名的摇滚酒吧（无名高地）帮忙。 白天维护一个原创音乐词曲交易网站，晚上喝酒看演出。 《乐队的夏天》里几乎所有乐队，那时候都在他们酒吧演过。 但他最终没有留在那里。 不是因为不喜欢，而是因为他见过那种生活的真实底色。 100 块钱一场演出，地下室，泥泞的村子，喝到天亮再坐公交回去。 在那种环境里待过，你会发现，任何一个比较正常的公司，都是很好的机会。 就在这时候，他在网上发现了一个网站。 按地区、按行业组合，结构化地展示信息，后来才知道这叫分类信息网站。 他觉得这个模式太厉害了，主动投了简历。 进去才发现，连他一共四个人。两个老板，一个 CTO，他是第一个员工。 这家公司叫易登网，是中国第二家面向中文用户的分类信息网站，后面出现的是客齐集（后来的百姓网）、 58 同城和赶集。 他当时的判断依据很简单：Craigslist，世界上最早的分类信息网站之一，十几个员工，只在三个地区、三个品类收费，每年收几千万美元。 一人分 100 块钱，对面是这个数字，差价有点大。 ## 百万 IP 背后，是一套被低估的检索逻辑 分类信息网站的核心命脉是 SEO。 你搜"北京租房"，凭什么你的网站排第一？背后是 PageRank 算法，谷歌联合创始人拉里·佩奇提出的逻辑：一篇好论文，被引用的次数越多，说明它越权威。 把这套逻辑搬到互联网上，谁被更多高权重网站链接指向，谁就排得靠前。 搜狐房产频道给你一个链接，锚文本写着"北京租房"，指向你的页面，你的权重就上去了。 圈里人都说你厉害，你就厉害。 易登网最高峰时，每天有一百多万 IP 访问。 做到这个数字，靠的是两件事：一是把"免费发广告""北京免费发房源信息"等全国这类关键词优化到位，把发布需求的用户引进来；二是双边市场的自然飞轮，发的人越多，看的人越多，匹配成功的越多，平台越有价值。 做了两年，被海外一家分类信息公司（olx.com）收购，成为他们的中文站。 又做了几年，发现海外决策链太长，每周四要开全球会议，西班牙、巴西、美国、中国同时在线，动作效率跟不上 58 和赶集的扩张速度。 他跟其中一个创始人出来，做了第二家公司，黄页 88 网，把分类信息的那套经验全部迁移过去，加了 B2B 的维度，稳定在二十多人的规模。 ## 大厂六年，他最可惜的是一盏台灯 有了孩子之后，他对教育产生了兴趣，跟朋友去做教育互联网创业，后来进了字节。 字节教育的几条业务线他几乎都待过，硬件、软件都做过。他觉得最可惜的，是大力台灯。 这个产品的设计逻辑很简单：台灯上装两个摄像头，一个正面对着孩子，一个顶置朝向桌面。 家长用手机打过去，既能看到孩子的脸，又能看到桌面上的作业，还能圈圈画画，远程辅导。 孩子喊一声"给妈妈打电话"，就能直接拨通，不需要碰手机。 买过的人几乎没有后悔的。 但双减来了，教育业务整体收缩。他转岗飞书，后来又转去 TikTok，做商业化 AI 产品，负责一个叫 Symphony Assistant 的项目，帮 TikTok 达人用 AI 写广告脚本、洞察热点趋势。 底层模型选的是 Mistral，开源，条款比 Llama 宽松，公司营收超过 1 亿才需要付费，适合商业化场景。那时候 function calling 还不成熟，很多能力得靠专有数据+模型微调，才能在特定场景里跑得好。 他在字节待了六年，他原以为自己只能待三个月（工作强度确实高）。 ## 离开字节，是因为两个孩子转学去了天津 2024 年，他离开字节。 原因很具体：两个孩子转学去天津读书，一个老人照顾不过来。他在字节的下班时间基本在晚上十点、十点半，到家十一点多。这种节奏，没有办法陪家人。 出来之后，他和认识十多年的朋友姚金刚一起，主要做 GEO 相关的事情。 GEO 是 SEO 的自然延伸，逻辑是：有了 AI 之后，越来越多人直接跟豆包、Gemini、GPT 对话，而不是去谷歌、百度搜索。GPT 上的搜索量已经达到谷歌的 20%，而且还在加速。 那么，如何让品牌和内容在 AI 的回答里出现，就成了新的流量命题。 他们两个人都是从 SEO 起家的，这个方向对他们来说，是路径依赖，也是真正看得懂的机会。 ## Skill 套 Skill，20 分钟上线一个网站 很多人在各个群里看到他，觉得他一天能开源一个工具，速度快得不像话。 他解释过这背后的逻辑：复利效应。 他把这些年积累的提示词、开发经验，逐渐沉淀成一个个 Skill。 专门开发 Chrome 插件的 Skill，专门开发 macOS 应用的 Skill，开发 Obsidian 插件的 Skill，还有开发网站的 Skill、设计的 Skill、推送 GitHub 的 Skill、部署上线的 Skill。 每一个 Skill 都是从真实项目里提炼出来的，然后不断迭代打磨。 等这些 Skill 积累到一定数量，开发一个新项目就变成了这样一段话： > 使用乔木开发 Skill 开发一个网站，域名叫"wuman.qiaomu.ai"，用乔木设计 Skill 开发四个版本，挑选最好的一个，用乔木 GitHub Skill 推送到仓库，再用乔木部署 Skill 发布上线。 回车，等 20 分钟，网站上线。他只需要检查、优化、迭代。 这不是在偷懒，而是把过去每一次踩坑的经验，变成了可以复用的基础设施。 他还做了一个 meta-skill，也就是生成 Skill 的 Skill。 他和姚老师把 OpenAI、Anthropic、谷歌的官方 Skill 全部拿出来对比，找出每家做得最好的部分，比如哪家的关键词触发更准，哪家的校验逻辑更严，把这些优点集合起来，再加上自己的流程判断，比如这个 Skill 要不要开源到 GitHub、README 怎么写、npx 安装语法怎么规范，形成自己的一套标准。 后续每次生成新 Skill，都站在这个基础上往上叠。 他还在自己的开发 Skill 里加了一条规则：以后开发的任何网站，都必须有一个模块是给 AI 读的，一段 prompt，告诉 AI 这个网站是什么、怎么用、怎么安装工具。 这种做法，是他们对接下来几年流量结构变化的判断。 ## GEO 的第一性原理：省算力，省 Token 他和姚老师在 GEO 这件事上，比大多数人早了将近一年。 早期他们做了一个实验，只发了几篇文章，当时 AI 推荐的 GEO 专家，全是他和身边的朋友；找 GEO 服务公司，推荐的也是他们自己建的公司。 他们把研究经验和案例整理成了一份飞书文档，叫《GEO 白皮书》，公开发出去。 后来很多人接触 GEO，都是从那份白皮书开始的。再后来，他们出了一本书《AI 营销：从 SEO 到 GEO》。 他总结过 GEO 的第一性原理：AI 的核心诉求是省算力、省 Token。 如果一篇文章有事实依据，写得有总结、有证据，AI 就更愿意直接引用原文，而不是重新组织语言。 所以你要做的，不是让 AI 觉得你的内容多，而是让 AI 觉得你的内容可信、易读、可以直接用。 对于一家想做 GEO 的企业，他给出的路径分两步。 第一步，把内容铺到 AI 爬虫能抓到的地方。 豆包会抓抖音、今日头条、公开网站、政府网站、各地媒体，还有官网。各家大模型的信源偏好不同，豆包抓不到公众号，混元看不了抖音，但互联网上公开的网页，所有人都能抓到。官网因此变得比以往任何时候都重要。 第二步，把内容写成 AI 愿意引用的格式。 公司叫什么名字、成立于什么时候、专利是什么、擅长什么，这些事实信息要在官网上清楚呈现，每一条最好都有链接指向可以验证的来源。 拿了什么奖，链接到官方查询页面。产品的各个维度，用户可能关心的问题，都要变成独立的页面，让 AI 检索到你的官方回答。 他还提到，现在建网站，根目录要加一个 llms.txt 文件，把你希望 AI 读取的页面内容告诉它。 这是 AI 友好设计的基础动作，就像当年做 SEO 要提交 sitemap 一样，只是服务的对象从搜索引擎换成了 AI Agent。 Notion 今年公布了一组数据：他们平台上一半的页面现在是 AI 生成的，MCP 调用量一年涨了 60 倍。这个趋势的方向很清楚，以后读你网站的，越来越多是 Agent，不是人。 ## 他还在用 Opus 和 Sonnet 写东西 他观察到一个现象：AI 圈的人喜新厌旧到了极致。 现在你给他一个 ChatGPT 3.5，甚至 GPT 4o，没有人愿意用的，永远追最新、最快、最好的模型，甚至差一点都不愿意将就。 但他自己，写东西的时候还是会用 Claude Opus/Sonnet 4.6，有时候会用豆包。 原因是现在的模型太重视 coding 能力，文本创作的质量反而下滑了，很多模型写出来的东西有一股 AI 味，还有看不懂的黑话（稳稳的接住、后背发凉等），有的辞藻华丽但不接地气。 对自媒体写作来说，简短、真实、接地气，比华丽更重要。 他学 AI 的方式，是干中学。不会就搜，搜完就试，试完才评价。 他不会直接说一个工具好或者不好，都是自己用过之后再告诉别人。 他总结过一套快速入门一个新领域的方法，甚至写了一个"乔木 Learn Skill"：让 AI 给你这个领域的 100 个关键词，搞懂这些词，你对这个行业就有了 50% 的了解；再找五本书，三本入门，两本进阶；再去找这个领域最前沿的几个人，看他们在研究什么。等你能听懂他们的黑话，基本就算入门了。 最后一步，让 AI 扮演苏格拉底，不断追问，验证你的理解程度。 他 2007 年就注册了推特，但很少发，只是看。 直到 ChatGPT 出来，身边的字节朋友说，要去源头看信息，源头就是 X。 他开始在上面活跃，发感受，偶尔互动。有一次他试用了纳瓦尔的新产品 Airchat，录了个屏发出去，纳瓦尔给他点了赞。 他说，原来离这些人这么近。 大部分时间，他在天津陪孩子读书，自己写代码，写自媒体文章，科普 AI 知识。有时间钓鱼，有时间听音乐。 他不会特别长远地规划一件事，当下喜欢做什么就去做。 但每一次，他都在别人还没看清楚的时候，先把那个方向的地基打好了。