这套方法跳出了泛泛而谈的提示词技巧，直击AI输出空洞的核心症结——缺乏真实背景与结构化行动路径。它提供可复用的三阶段闭环：先让AI采访你，再基于专家经验生成计划，最后以教练身份每日反馈，真正把知识转化为个人品牌落地动作。
智能速览
专家资源法：用NotebookLM解析顶级专家视频/PDF，自动提炼可操作步骤
成功案例法：输入乔罗根等优质播客链接，AI反向拆解其结构与访谈逻辑
三阶段执行流：背景采集→行动计划→教练式执行，杜绝AI瞎猜
背景采集是关键：AI先提问6大板块（利基、价值观、受众、声音、故事、内容导航），确保所有输出基于真实个体信息
元提示技术将静态指南转化为交互式教练，例如把MattGray七步法转为深度访谈提示词
最终交付物明确：含品牌宣言、9条品牌戒律、受众画像、视觉语调指南及首批30个内容标题
精华内容
当AI不再输出‘正确的废话’，而是成为能追问你核心支柱、校准你不可协商价值观、并每天检查你内容产出质量的教练，提示词才真正完成了从工具到伙伴的跃迁。
专家资源法
第一种获取专家级指令的方式，是直接调用领域内已验证的方法论。例如，将MattGray关于‘打造盈利个人品牌’的YouTube视频链接输入NotebookLM，AI自动提取出‘发现利基市场’‘定义核心价值观’‘定位受众痛苦’等7个落地步骤，并生成结构化指南。实测中，该流程耗时不足5分钟，准确率高于人工速记，且保留了原视频中强调‘Authentic比Perfect更重要’‘创始人自由而非单纯出名’等关键判断。这一步的价值不在于信息搬运，而在于把分散在长视频中的认知结晶，压缩为可嵌入后续工作流的原子化模块。
案例反向拆解
第二种方式聚焦高完成度样本。作者将Joe Rogan第2404期马斯克访谈视频链接交由AI分析，AI识别出其典型结构：前3分钟建立信任锚点、中间42分钟采用‘问题-停顿-追问’三段式推进、结尾10分钟转向轻量共识收束。更关键的是，AI提炼出Rogan的3类高频追问句式（‘你当时最怕什么？’‘如果重来一次，哪一步会改？’‘这个结论怎么影响了你之后的决策？’），并据此生成适用于播客新人的《结构化访谈提示词模板》。对比同类教程，该模板包含17个具体话术变体，覆盖冷启动、观点深化、情绪收尾三类场景，实测使新手首期节目逻辑清晰度提升约40%。
背景采集三原则
第一阶段‘背景采集’决定整个工作流成败。AI不直接输出策略，而是按预设框架发起深度访谈：针对‘利基市场’，询问‘你过去三年反复被谁主动求助？他们没说出口但你本能察觉的痛点是什么？’；针对‘价值观’，要求列出3条‘即使损失10万元也绝不妥协’的原则；针对‘受众’，追问‘他们上周最常搜索的3个问题是什么？’。这套机制强制AI放弃通用答案，转向个体特异性。数据显示，采用此法的用户，其首版品牌宣言被第三方评估为‘具象度达82%，远超行业均值56%’。
教练式执行机制
第三阶段将AI角色从文案生成器升级为执行教练。以内容生产为例，AI不仅给出‘每周发3条短视频’建议，而是拆解为：周一上午9点完成‘30/30法则’（30分钟构思30个点子），周二下午3点提交首批10个标题供审核，周三根据反馈修正语调关键词（如将‘专业’调整为‘带点幽默的务实’），周四生成脚本初稿并标注3处需真人确认的细节。用户每日收到结构化任务卡，完成率较传统方式提升57%，且83%的用户表示‘AI反馈比人类编辑更聚焦可改进点’。
这套工作流的价值，在于它把AI从信息检索终端，重构为认知协作节点。当提示词设计不再围绕‘怎么问得更聪明’，而是聚焦‘如何让AI真正理解你是谁、要解决谁的问题、在什么约束下行动’，人机协作才进入深水区。未来是否会出现更多垂直领域的‘元提示词库’？当不同行业的专家方法论被系统性注入AI训练数据，教练式辅助会不会成为知识工作者的新基建？
关键评论
先让NotebookLM整理主要内容，再把整理后的内容生成提示词，最后丢给大模型去采访自己，这套组合拳确实高效
特别认同‘AI先采访你’这一步，避免了凭空生成，让所有策略都扎根在真实个体基础上
把MattGray七步法转化为可交互的提示词模板，比单纯看视频收获大得多，因为强制你回答每个环节的关键问题
