呢條片係 “Marketing Against the Grain” 節目，主講人係一個深度 Claude Code 用家，分享佢花咗幾個月建立嘅 11 個 Skills AI 內容系統。呢個系統唔只係生成內容，而係可以研究受眾、分析自己最好嘅內容、起草多平台文章，仲可以每個月自我改善。系統思維（systems thinking）係呢條片嘅核心理念。
核心重點：
-
整個系統架構（11 個 Skills，5 層）
- Orchestrator Skill：統籌所有 skill，用戶只需要同 orchestrator 對話，佢會自動調用其他 skill
- Content Audience Profile：研究受眾，建立詳細 persona（痛點、vocabulary、emotional register、validation hooks）
- Writing Style：爬網抓取創作者內容，建立 writing style 檔案；建議每個平台各建一個（Substack 一個、LinkedIn 一個）
- Talking Point Extractor：掃 Reddit、X、Perplexity，或分析你給佢嘅內容，生成 viral talking points（分類：educational、spicy take、data nugget、story spark）
- Lookalike Content Skill（免費送出）：上傳自己嘅文章 data dump，分析 top 30% 表現最好嘅帖子，提取「winning patterns」，然後生成大量新 idea
- Post Enricher：將一個 draft 用 case study、data points、故事、quote 豐富，例如主動搵 Amazon Jeff Bezos 2002 年備忘錄做呼應
- Content Creation Skills：LinkedIn、Newsletter、X 文章、YouTube transcript 各自的 draft skill
- Feedback Loop Skill：最重要嘅一層，每月輸入帖子表現數據，自動更新改善所有其他 skills
-
Lookalike Skill 實際示範 輸入 51 篇 Substack 文章，系統分析後識別出：最成功內容嘅結構 DNA（每段長度、有冇 embedded prompts）、hook formula、emotional playbook、哪些格式唔 work。然後自動生成一大堆新 idea，例如「The AI Never Reviewed Its Own Work」、「Pod Models Replacing Teams」、「The 6x Gap: Why Some Marketers Get Insane AI Results」——主講人話連佢自己都覺得 AI 比佢諗得好。
-
API 依賴 系統用到：X API、Perplexity、Firecrawl、OpenAI API（主要用於 research）；Claude Code 負責主要執行。
-
Feedback Loop 係點運作？ 主講人建咗個 web app，收集所有 Claude 生成嘅內容 + 表現數據（現時需人手輸入，計劃接 LinkedIn API）。每月跑一次 review skill，佢會分析哪些內容表現好/差，然後直接修改所有其他 skills 嘅 prompt，令下次生成更準確。呢個係系統思維嘅精髓：「大多數人做到 content generation 就停，我多加咗個 feedback loop。」
-
Agentic 模式（建設中） 主講人話緊緊係建一個完全 autonomous 嘅 agent team，每朝自動完成全部步驟（research → ideas → drafts），唔需要自己操作，訂閱就可以第一時間知道。
💡 金句： “Most people stop at content generation. Systems thinkers build feedback loops — skills that improve other skills.”