运营不再等排期:CC+龙虾快速验证业务SOP

上一篇发出去，朋友们都很热情，建议我多写几篇关于AI使用和投放工具的文章，也趁着过年需要值班，我可以短期再搞一篇(截止现在我的手机依旧杳无音信，扣1再写几篇)。

先说下后面文章的基本定调：在大部分的生产中，landing的部分变得没有那么头疼和复杂，所以以后的文章里我不会花太多篇幅去讲关于SDD、领域驱动、代码实现、以及什么微服务实战之类，这些有明确答案的事情GPT超过大部分开发（虽然决策、复杂历史问题等还是非常依赖高工的经验，但是技术都在发展，我觉得这里面的点可能不是一两句能替代、能提效就能说清楚），在去年的节点已经能够帮我规划千万DAU商业化后端的重构和架构设计和线上问题排查：从烧火焰图到故障排查问题定位，这方面的能力我可以单独在开坑

人人都应该安装趁手的Agent工具

这半年我最深的一个感悟是：绝大多数运营和互联网从业者，正在被那个网页版“AI 对话框”给毁掉。

大家习惯了给 AI 喂一段话，等它吐出一段回复，然后复制、粘贴、微调。你以为这就是生产力革命？不，这只是把原来的“搜百度”变成了“搜 AI”。只要你还在用对话框，你和 AI 之间就隔着一道名为“人力搬运”的厚墙。

真正的降维打击，是从关掉网页版的 GPT/Gemini，第一次在终端敲下 claude-code 开始的。为什么一定是ClaudeCode而不是Cursor/Opencode/Coploit这些？答案很简单，其他的Agent-Pipline能力比不上前者，虽然都有类似的能力，但是ClaudeCodeCLI(包括Cowork)和OpenClaw在这方面更容易编排、更加易用和强悍，（其他工具也奔着Agent的方向发展，但就目前的节点来看，这两个工具权限高、动作多，更容易让运营侧和从业者感受到ai的易用，我相信大部分工具只会能力越来越强、门槛越来越低，但是在这个节点想吃上好的就得选靠谱的），他们可以快速理解你的意图、帮你通过命令行去查数据、写脚本，真正把你在电脑做的事情逐步协助处理，这些对比其他的工具而言场景已经扩大了太多。

有人问我，运营甚至普通行政为什么要学这种看起来像程序员才用的命令行工具？

我的回答很简单：对话框是给消费者准备的，只有命令行（CLI）才是给生产者准备的。

当你还在纠结怎么写 Prompt 才能让 AI 帮你改好一个脚本或者代码时，我已经给权限让 Claude Code CLI 直接接管了我的文件系统，它不仅在读我的代码，它还在通过 MCP联网查询、帮我调整代码、测试并且推送远端。之前有个抓取抖音/kuaishou/小红书视频数据的诉求，通过Minimax的searchMCP工具我快速找到了TikHub.io这样的数据聚合站，并且花了几分钟配置他们的mcp插件（当然还有给账户充钱），五分钟不到我就已经能在我的本地随意给promt关键词爬取抖音的视频素材。这种跨越式的交互已经不是在解答我的疑惑，而是真正的帮我处理问题。

今天这篇文章，我不聊那些虚无缥缈的通用能力。我想聊聊我是如何通过 Claude Code + OpenClaw + MCP/SKills 构建这套“单人增长工厂”的。

在这之前我先扫个盲，简单讲讲这两工具的定位和能力范畴，然后再结合当前的业务链条进行拆解。

ClaudeCodeCLI 和 OpenClaw

开聊之前我先叠甲：实操都在本地沙箱 / 测试账号 / 非生产环境完成，权限和密钥一定要隔离，安全风险问题目前无人问津但却是实打实存在的

Claude Code CLI：拥有系统权限的“数字工程师”

如果你把网页版的 Claude 比作一个坐在屏幕对面陪你聊天的顾问，那么 Claude Code CLI 就是一个坐在你电脑面前、直接握着你键盘和鼠标的工程师。

• 定位： 它是运行在终端（Terminal）里的 Agent。

• 核心能力： 文件系统读写： 它不是只看你投喂的那几段文字，它能扫描你的整个项目文件夹，理解几千行代码的逻辑，并且直接修改、保存。

• 命令执行： 它能自己运行 Python 脚本、调用 FFmpeg 合成视频、甚至是自己去 Debug 报错。

• MCP 插件扩展： 这是它最变态的地方。通过 MCP（模型上下文协议），它能瞬间连接到谷歌搜索、本地数据库、甚至是你的 ComfyUI 接口。

为什么学： 你不需要写代码，你只需要通过自然语言指令，让它在你的本地环境里完成复杂的资产调度和流水线编排。

OpenClaw：长了眼睛和手的“浏览器代理”

如果 Claude Code 负责“脑力”和“本地执行”，那么 OpenClaw 负责的就是“外部连接”。

• 定位： 它是基于浏览器 UI 交互的自主 Agent。

• 核心能力：发布任务、

• 视觉识别： 它不依赖死板的网页结构（HTML），它是通过“看”截图来理解页面。这意味着：只要是人眼能看到的按钮，它都能找到。

• 模拟交互： 它能像人一样点击、滑动

• 动态抓取： 它可以潜伏在那些没有 API 接口的广告后台（比如某些小众投放平台），实时把数据抠出来，吐给 Claude Code 处理。

为什么学： 所有的运营工作，本质上都是在浏览器里“点点点”。OpenClaw 存在的意义，就是让你的“手”从这些机械动作中解脱出来。

简单场景Case:

在钉钉使用OpenClaw快速从抖音检索出热门短剧素材（字段是全的，受钉钉md格式限制只展示了两个）

在对工具有了大致了解之后可以直接来看如何通过OpenClaw+ClaudeCode自定义你的工作流。

场景拆解

场景1：信息流素材剪辑师（从“寻找者”变为“策展人”）：

我是一个信息流素材剪辑师，我每日的工作就是拿到编导给我的台本（脚本）去搜集相关的视频素材，并且根据脚本添加素材、配音、前贴、字幕等，最后生成信息流素材，然后上传到公司内部的视频素材库里面。

AI 改造方案： Claude Code + MCP (File/FFmpeg/Image)

自动化 Pipeline：

脚本拆解： 将编导的脚本直接丢给 Claude Code。它通过分析语义，自动生成素材检索清单。

素材初筛（MCP）： Claude Code 通过文件系统/WebSearch MCP 扫描素材库，利用多模态模型（如 Gemini 或 Claude 自己的视觉能力）自动匹配与分镜描述最接近的视频片段。

无 UI 剪辑： 运营不需要打开剪映。Claude Code 直接编写并执行 FFmpeg 指令，自动完成：素材拼接 -> TTS 配音同步 -> 自动生成字幕垫底 -> 前贴合成。
资产入库： 成片完成后，Claude Code 自动生成标签和摘要，调用 API 或是执行脚本直接推送到内部素材库。

人的新价值： 你不再是“剪辑手”，而是“审美终审”。你只负责在 Claude Code 跑出的 5 个版本里，选出节奏感最好的那一个。

场景2：初级优化师（从“打字员”变为“指令官”）

我是一个初级广告投流优化师，我每日的工作就是整理开户名单上传oa，然后在审核授权通过后进行广告计划的搭建，主要关键行为是设置出价、选择素材，这里素材分为测新素材和选择跑量高的老素材，其他主要是有一定的搭建数量要求。

AI 改造方案： OpenClaw + Claude Code (Skill 编排)

自动化 Pipeline：
- 流程代办（OpenClaw）： 让 OpenClaw 填写 OA 审批。一旦看到“已授权”状态，立即抓取客户信息，登录广告后台。
- 批量搭建（Skill）： 预设好几套“出价策略模板”。Claude Code 根据当前的行业大盘数据或你输入的指令，生成 100 组计划配置参数。
- 素材决策： 接入素材库接口。Claude Code 会根据历史跑量数据（老素材）和当前热点（新素材）进行比例分配，指挥 OpenClaw 完成上传和定向设置。

人的新价值： 你不再被“搭建数量”考核，因为 Agent 的搭建速度是你的 100 倍。你负责定义“测新策略”。

场景3：高级优化师（从“盯盘员”变为“策略架构师”）

我是一个高级广告投流优化师，我每日的工作就是观测相关投放广告计划的数据观测，并且关注系统的自动化管控规则是否生效、是否合理，然后对于各种异常的投放情况进行调整和修改，然后根据数据决定是否调整广告预算、出价，是否要进行删除、暂停等操作。

AI 改造方案： OpenClaw (感知) + Claude Code (决策反馈)

自动化 Pipeline：
- 实时扫描（OpenClaw）： OpenClaw 不间断地在后台巡检，它不是只看数字，它能读懂系统管控规则的“状态反馈”。
- 异常拦截： 当数据出现异常（如 ROI 骤降），OpenClaw 立即抓取详情吐给 Claude Code。Claude Code 结合历史类似情况的 SOP 进行实时推演。
- 自动调优： 确认策略后，Claude Code 驱动 OpenClaw 直接去后台修改预算、调整出价，或者一键暂停垃圾计划。

人的新价值： 你不再需要盯着屏幕。你的工作是 “优化 Agent 的判定阈值” 。比如：“ROI 低于 1.0 时，Agent 是直接关停，还是尝试压价 10% 再观察半小时？”

由于我们目前在做的自动化系统已经在通过硬编码的方式在完成上面的三种角色的重塑和梳理，但是为什么我还要讲已经在改造的场景呢？原因很简单：因为代码工程化的“厚重”，已经跟不上业务试错的“轻快”了。上面的这些东西，用ai编排一个下午可能就跑通了（不信等下我给你试），但是如果是传统敏捷开发即：运营痛苦->提需给产品->产品出解决方案->和运营DoubleCheck->产品宣讲->研发实现->测试回归->功能上线，哪怕是很小的改动所耗费的时间也是空前的，相比用Claude+OpenClaw自己在本地跑通，远比找产品研发来的快多了，最终给产品和研发只提确定性流程，而不是在相互的沟通中内耗。

这就是我为什么逼着团队去研究 Claude Code + OpenClaw。

• 代码工程是“堡垒”： 负责处理那些确定的、大规模的、底层的机械任务。

• Agent 工具是“特种兵”： 它是用来验证 SOP 的。

• 当 Agent 验证出一个爆款 SOP 后，最终还是需要通过代码工程来固化和规模化。

我想告诉大家，如果你是一个运营，你根本不需要等公司的研发团队给你做工具。利用 Claude Code 这种具备系统权限的 Agent，配合 OpenClaw 这种能“看”懂网页的工具，你自己就能在半小时内拼出一个“MVP 自动化闭环”。

构建一个能自动出货的流程需要多久？不多BB直接上手

现在是北京时间的02-21 14:40,我直接从0构建一个针对 信息流素材剪辑师 的Pipline，我们看看跑通需要多久（我还要一边写文章，一遍构建）：像这么简单的活minimax2.5就够用（无广子，我觉得用我的opus4.6干这种活纯浪费，119Max套餐直接随意拿捏）

分析流程

新建文件夹，作为我的制作mvp，Claude，启动：

输入我的诉求，让模型帮我规划流程，Claude直接完成：

将命令集成到Pipline我们简单测试下：

好起来了 模型直接开干🔥了

前贴已经搞上了：

美中不足Tikhub这个抓抖音的MCP不太稳定，我等会平替一下：

TTS也有些小毛病：

不过这些都是小问题，我让claude主持这个sop就是为了能暂时测通。

花了14min给我生成了这样一个视频

因为MinimaxMCP OSS权限的问题Claude未能处理，加上Tikhub抖音的数据格式不兼容，导致我的视频只有5s循环。加上是本地TTS没有做字幕打轴，导致配音和字幕也稍微有错位，这个是1小时设计的工作流跑出的结果，我觉得已经很ok了，当然从成本说有个好处是我的TS是不要钱，这支视频一共花了4.7k的Token和4毛的海螺视频文生，当然这是最终价格，假如你要试错我觉得可能得花个几十块。

我可以稍微暂时调整一下我的工作流（把制作变成改分镜->改首图->生视频），现在是北京时间15:48，我先不计算我的成本了。

然后Claude帮我一顿跑，emmmm怎么说呢，Minimax在文生、图生等场景的缺陷比较明显，能力也偏弱，我只挂靠在一个mcp上确实不太能work(如果我挂上我熟悉的z-image、seedream、nano我相信我的出货质量绝对比这个好，但是苦于在家没有各种账号，只有自己的minimax能用，只能先这样了)。但是剩下的基本都是模型问题，你换nano，veo,vidu,kling,seedance2.0 自然就好起来了，毕竟流程是固化的但是模型能力是亦有差距的。还有就是关于制作的Agent模式在我看写个md就完事了，我从0到1跑出视频（确实不太能用）也就2小时的功夫（新手不一定了，怕不是mcp安装就得好一阵子，我所谓稍微调整 本质是对工具足够了解，但是不了解估计落地难度很大）

---

演示视频 2：到公众号原文观看

聊完了生产到剩下OpenClaw的主场：由于OpenClaw可以代理到浏览器里，说明在浏览器的任何操作她也可以做，这样一来搜东西、组任务搞工作流她也可以参与进来：

像这种不咋用得上Thinking的事件，我说实话国产GLM5，MinmaxM2.5,Kimi2.5都是能满足，看下来Minimax性价比拉满，速度也还行，跑sop肯定是没啥问题了，不过要验证和出效果我觉得只和审美挂钩，从这份实践证明验证想法是很简单的一件事情（字节巨量所有操作都支持mcp调用，可以拿测试账户写规则光速操作，投放那边也是类似的道理，如果不支持就走api，让ai写一套支持调用的工具就行，但是如果要批量化我觉得多少还是要对市面的热门模型有一定了解，大部分情况下如果考虑钱、速度、质量这三个的话，就很难说在xx场景xx无敌了，虽然大家都在赞扬opus4.6和seedance2.0，但是如果在当前阶段走到了批量化的节点，我相信你会意识到minimax\ds\glm这些国产模型的好，在当前的阶段里，没有一招鲜的解决方案，固化sop随机应变才是最合理的。

上面聊完了素材的简单制作流，我们聊聊投放工具。

巨量当前支持mcp工具，也就是你只要走了授权就可以在openclaw或者Claudecode的工作流里搭广告计划、完成改价、看数这一系列事情，如果你正好没有自己的投放工具，那一下午你就可以完成从巨量工作台到ClaudeCode的迁移，假如你的数据来源还包括自己公司的数据上报，那只需要对应的后端服务开放相关的Tools能力，那么页面的机械操作都能被抽象回到md当中，我不认为这部分能成为瓶颈，上面也有拆具体的场景，工具的能力已经很强了，剩下就看你个人了。不过要注意的点是在玩明白语言模型之前，不要碰巨量的mcp工具，你约束不了ai，就决定不了他去往何方，所以mcp这套只能是快速测试sop环节的方法，如果要规模化一定还是要走向硬编码约束。

从“人力堆砌”到“算力套利”：超级个体的增长新游戏

为什么要执着于让运营、让业务一线去掌握 Claude Code 和 OpenClaw？是因为我们要取代程序员吗？

不，是因为传统的“代码工程”模式，已经快要拖垮现代业务的试错效率了。

1. 代码是“水泥”，Agent 是“乐高”

在传统的增长链路里，如果你想上线一个自动化的逻辑，流程是极其沉重的：

• 提出需求： 运营把业务灵感写成 PRD。

• 排期开发： 程序员设计架构、写接口、封装逻辑。

• 上线测试： 经历了漫长的 Debug，一周后终于上线。

这种模式在处理稳定、长期的任务时是堡垒；但在处理 “按天迭代” 的素材增长和投放策略时，它就是沉重的枷锁。

代码上线太慢了，慢到足以让一个业务机会胎死腹中。 当你还在等研发帮你封装那个抓取竞品数据的接口时，那些学会了用 OpenClaw 的竞争对手，已经换了三轮素材逻辑了。利用 Agent 工具，你是在用“乐高”拼装业务，半小时就能跑通一个闭环；而依赖代码开发，你是在“浇筑水泥”，等干透了，风口也过了。

2. 试错成本的“降维打击”

以前，我们不敢轻易尝试那种“非标”的增长实验，因为研发资源太贵、时间周期太长，试错成本高到令人发指。 如果一个自动化逻辑跑不通，两周的人力成本就打了水漂。

但现在，“一个人就是一个增长团队” 的底层逻辑是：试错成本几乎归零。用 Claude Code写一个临时的脚本去处理一批素材，成本只有几毛的 Token。

跑通了，它就是你的资产；跑不通，直接删掉指令重新开始。

这种 “高频、低成本、无须排期” 的实验，才是超级个体在 2026 年真正的套利空间。

3. 增长的本质，是“算力分发”的权力

当你的竞争对手还在靠“堆人力”来解决素材短缺、解决盯着大盘调价的问题时，你已经把这些工作转化成了 “算力调度”。

• 算力套利： 以前你付给团队工资，现在你把预算分发给不同的模型。

• 权力重组： 运营拿回了执行权。你不再需要去“求”程序员帮你改逻辑，你直接在终端里指挥 Agent 修改 Skill 流水线。

在这个时代，增长不再是人力的堆砌，而是对算力资源的极限压榨。

结尾：唯一的护城河，是你的“系统直觉”
当生产力（Claude Code）和执行力（OpenClaw）都可以通过几行指令解决时，人剩下的价值，就是对业务系统的审美和直觉。

别在 2026 年继续做那个“等研发排期”的业务员了。去打开终端，去配置你的 Agent，去体验那种 “一个人调度千军万马” 的掌控感。

毕竟，所有的“慢”，本质上都是在给时代交税。而超级个体的游戏规则只有一条：快，然后赢。

4.规模化研发：从“特种兵试错”到“工业化收割”

虽然我一直在强调 Agent 工具的灵活性，但我必须泼一盆冷水：Agent 编排解决的是“从无到有”的路径发现，而真正的“大规模增长”，依然必须回到底层代码工程的怀抱。

当你在本地用 Claude Code 拼凑出一个高 ROI 的 SOP 后，你会面临两个极其现实的问题：稳定性和并发量。

稳定性（Stability）： Agent 偶尔会“断片”，模型会有幻觉。在验证阶段，这叫“试错代价”；但在日耗百万的投放高峰，哪怕 1% 的逻辑偏移都是真金白银的损失。

并发量（Scalability）： 你的电脑跑一个 OpenClaw 很酷，但如果你要同时管理 1000 个账号、每分钟生成 10000 组素材，这种“乐高式”的拼装逻辑就会崩溃。

这时候，规模化研发（Engineering at Scale） 的重要性就体现出来了。

我们需要程序员把 Agent 跑通的那套“草台班子”逻辑，沉淀成高性能、高并发的微服务集群。这时候的代码不再是“枷锁”，而是 “收割机”。

一个健康的增长团队应该是这样的：
运营利用 Agent 工具像“特种兵”一样在前方快速踩坑、排雷、寻找爆点 SOP；一旦发现“金矿”，研发团队立即跟上，用代码工程把这条路径“水泥化”、“工业化”，实现全量覆盖和暴力收割。

Agent 负责寻找上限，研发负责保住下限。 只有理解了这种 “敏捷验证 + 工业化沉淀” 的结构，才能在 2026 年玩转这场算力套利的游戏。

---

本文首发于微信公众号 kelovp.ai，原始发布时间为 2026年2月21日。查看公众号原文。