一个人+AI Agent 月增 2000 客户：Paperclip 营销自动化实战拆解

一个人的"营销部"，月增 2000 客户，MRR 做到 $45K。这不是融了几千万的团队，是一个创始人加一个刚招的 DevRel，外加四个"永不下班"的 AI 员工。

Postiz 创始人 Nevo David 上个月在 X 上发了一篇长文，记录了他怎么用 Paperclip（一个开源 AI Agent 编排平台）接管了整个营销部门。他说体验"像是违法的"。我仔细拆解了他的做法后发现，最值得学的不是他用了什么工具，而是他怎么把这些工具编排成一台自动运转的机器。

这篇文章不是 Paperclip 教程，而是从 Nevo 的案例中提炼出你今天就能用的编排思路——即使你不用 Paperclip，换成任何其他 Agent 平台，核心逻辑都一样。

从"个人助手"到"虚拟团队"：AI 用法正在发生质变

2026 年初，AI 助手赛道爆发。OpenClaw 能连 Telegram、操控电脑，从回邮件到砍健身房会费无所不能。这类工具的核心逻辑是把你的各种服务"挂"到一个 AI 上，让它替你跑日常事务。

但 Nevo 很快撞上了一堵墙：OpenClaw 是一对一的——“我指挥 AI 干活”。可如果他想让 AI 生成 TikTok 视频，然后 DevRel 在上面加评论改进呢？如果他想让多个 AI 之间互相传递任务呢？

这就是"一对一"和"多对多"的本质区别。一对一就像一个老板带着一个全能秘书，秘书很能干但只听你一个人的。多对多则像一个真正的团队——AI 和人之间的任务是双向流动的，甚至 AI 可以反过来给你布置任务：“这条视频数据很好，建议追加同类内容”。

我自己在搭建博客自动化工作流的过程中也有同样的感受。当你只有一个 AI 帮你写文章的时候，它是工具。当你有一个 AI 写文章、一个 AI 生成封面图、一个 AI 做 SEO 分析、一个 AI 分发到各平台，而且它们之间能互相传递上下文和结果——这就不是工具了，这是一支团队。

从 Copilot 到 Agent，AI 的自主权在急剧增长。ChatGPT 时代是"我说一句，你做一步"。现在的 AI Agent 是"我定个目标，你自己安排工作，每天自动跑，遇到问题来问我"。这个转变，是理解 Nevo 整个案例的前提。

Nevo 的三条自动化流水线

Nevo 搭了三条并行的自动化流水线，分别解决拉新、留存和 SEO 三个问题。三条线共享同一个底层逻辑：把重复性的内容生产从人工转移到 AI，人类只负责策略和审核。

第一条线：TikTok 内容工厂

这条线最能体现 AI Agent 编排的威力。他在 Paperclip 里创建了一个 CMO Agent，给了这样一条指令：

查最新健身 TikTok 趋势 → 用 agent-media 生成视频或用 Larry 做轮播 → 通过 Postiz 排期发布 → 每个视频开一个 issue 跟踪

注意最后那句"每个视频开一个 issue"。这不是随便加的。

这里说的 issue，就是 GitHub Issues——你可以把它理解成一个"工单系统"。具体流程是这样的：AI 每生成一个视频，就自动开一个 issue（相当于建一个工单），标题类似"健身视频 #37 - HIIT 入门"。然后 Paperclip 的定时任务每天跑一次，把每个视频的播放数据（播放量、完播率等）自动写到对应 issue 的评论里。Nevo 或他的 DevRel 看到数据后，在 issue 下面加批注——“这个开头太慢了”、“BGM 不对”、“竖屏构图再调调”。AI 下次生成视频时，会读取这些 issue 里的历史评论，学到"上次哪些好、哪些差"，下一批就更好。

通俗打个比方：AI 是个实习生，issue 就是他的工作日志。每做完一件事就记一笔，老板看完在下面批注。实习生下次干活前先翻翻之前的批注，就不会重复犯错。没有这个系统会怎样？AI 跑了 100 个视频，但完全不知道哪些好哪些差——因为它没有记忆。每次都从零开始，永远停在"第一天实习生"的水平。

这里最聪明的设计是什么？是那个 issue 系统形成了人机协作的飞轮：AI 生成 → 数据反馈 → 人工点评 → AI 学习 → 下一轮更好。第一批视频可能很粗糙，但第十批就会像样得多。这和我在博客运营中用的思路完全一样——我给 blog-writer Skill 加了"逐段打磨"机制，AI 写完一段就自检一段，不合格就当场重写，而不是一口气生成全文。

不过 Nevo 也诚实地说了：别指望这些 AI 生成的视频会爆火——“如果这么容易，每个人都能做了。“关键是量。一个人要做一周的内容量，AI 几分钟搞定。省下来的时间，用来做真正需要人类创意的事。轮播图他建议不要直接自动发，而是手动配音乐再发。这说明他很清楚 AI 的天花板在哪里。

第二条线：GitHub Commits 驱动留存

Nevo 说了一句大实话：“如果用户不流失，Postiz 早该赚几百万了。“做过 SaaS 的人都懂——留存永远比拉新重要。

他的做法特别巧：用 GitHub commits 驱动产品更新通知。流程是这样的——

1. 把 Discord、Telegram、Slack、MailChimp 等渠道都连上 Postiz
2. 给 Claude Code 装上 GitHub Skill
3. 创建 Routine：每天检查最新 commits，识别值得公告的功能更新
4. AI 写完公告后先提交给 Nevo 过目（保留了人工审核环节），然后推送到所有渠道

这个场景的精妙之处在于：触发源是研发行为本身。只要工程师在正常写代码、正常提交，营销那边就自动跟上。研发和营销之间的信息差，被 AI Agent 抹平了。我之前做产品的时候，最头疼的就是"新功能做完了但忘了告诉用户”。工程师觉得发布了就完事了，但用户根本不知道你上了什么新东西。

第三条线：SEO 内容自动化

同样的思路做 SEO：GitHub 有新 commits → AI 提取功能更新 → 传给 distribb 生成 SEO 优化文章 → 发布到 WordPress。

Nevo 特别建议用 distribb 这类专业服务而不是直接让 AI 写文章，原因很实在：distribb 会帮你做关键词密度、文章结构、meta tags、内链外链——这些你让通用 AI 做很难做到位。他甚至写了一个 WordPress Skill，用 wp-json API 直接操作 WordPress 后台，连管理界面都不用打开。

这里有一个判断我认为非常正确：AI 擅长的是"从结构化信息生成内容”，而不是"从零创造有灵魂的内容”。把 AI 放对位置，让专业工具干专业的事，这才是高效的做法。我自己的 博客增长实践 也印证了这一点——AI 生成的初稿必须经过人工的判断框架和逐段打磨，否则出来的就是千篇一律的"AI 味"文章。

Nevo 的 6 层工具栈：可组合的乐高架构

把 Nevo 的工具栈拆开看，会发现一个很清晰的分层架构：

这套架构最有意思的特点是可组合性——每一层都可以独立替换。不想用 Postiz 发帖？换 Buffer。不想用 distribb 做 SEO？换自己的方案。底层模型从 Claude 换成 GPT？改个配置就行。像乐高积木一样，每一块可以独立替换，但组合在一起就是一台完整的机器。

而 Paperclip 的 Routine 系统就是把所有积木固定在一起的底板。没有 Routine，每次都要手动触发 Agent；有了 Routine，整个流程就像上了发条一样自动运转。

这让我想到一个更深层的观察：在 AI Agent 领域，线束（Harness）比模型重要。LangChain 不换模型只改 Harness，就从 TerminalBench 第 30 名升到第 5 名。Nevo 的 6 层架构本质上就是一个精心设计的 Harness——Claude Code 只是其中一层，真正决定效果的是外面那 5 层的编排。

Skill 系统：AI 世界的 App Store

Nevo 用了一个很形象的比喻：

Skill 就像黑客帝国里 Neo 学功夫——一个 Markdown 文件喂进去，Agent 瞬间就会了。

安装方式一行命令：npx skills add gitroomhq/postiz-agent。Nevo 装了 Postiz（社媒排期）、agent-media（UGC 图片）、Larry（TikTok 轮播）、Virlo（趋势监测）、GStack（去 AI 味）这几个核心 Skill。

这里有一个趋势值得关注：Skill 正在变成 AI Agent 世界的 App Store。Nevo 在文末呼吁大家在评论区提交自己的 SaaS Skill，他会测试后加到 Paperclip 里。这种社区驱动的 Skill 生态，和十年前手机 App 生态的早期一模一样。

我自己的博客运营也深度依赖 Skill 系统——blog-writer、blog-cover-image、blog-illustrator、blog-growth 这些 Skill 串联起来，就是一条从选题到发布的完整流水线。Skill 本质上是给 AI 喂一份"操作手册”，你喂得越细，AI 干活越靠谱。

不过 Nevo 也提到了一个小痛点：Paperclip 的 Skill 需要给每个 Agent 单独安装，没有"全局 Skill"的概念。他的解决方案是直接把 Skill 装在 Claude Code 上，这样所有 Agent 都能自动继承。这个 workaround 很实用，说明平台还在成熟中。

他还提到 MCP（Model Context Protocol）作为 Skill 的替代方案。如果某个服务没有现成的 Skill，可以通过 MCP 连接。两种方式各有优势：Skill 更轻量、更容易分享；MCP 更标准化、连接更多外部服务。

全自动化的三个坑

分析完 Nevo 的成功经验，我也要诚实地指出全自动化的几个陷阱——这些不是理论推测，是真实发生过的问题。

坑一：没有反馈循环的 AI 会重复犯错

Nevo 的 issue 系统是整个架构的命脉。如果没有这个环节——AI 跑了一百个视频，根本不知道哪些好哪些差，只会重复犯同样的错误。我见过太多人搭了 AI 自动化流程，但不建反馈机制，结果 AI 产出的内容质量永远停在第一天的水平。

反馈循环不需要很复杂。最简单的方式：每个 AI 产出物对应一个跟踪记录（issue、Notion 页面、甚至 Google Sheet 一行），人工定期打分+评论。AI 下次执行时读取这些反馈。这就够了。

坑二：AI 内容直接发布的信任惩罚

University of Florida 2026 年 3 月的研究显示：消费者知道内容是 AI 生成后，不仅信任度下降，还会产生"道德厌恶"（moral disgust）。多个大品牌的 AI 广告被用户嘲讽为"AI slop"，评论区充满抵制声音。

在一项大规模研究中，AI 生成的内容在 109 万次展示中仅获得 1,381 次点击——CTR 只有 0.13%。这比我博客优化前 0.33% 的 CTR 还低一倍多。

Nevo 其实做对了一件事：他给关键环节保留了审批（留存通知先过目再发），轮播图建议手动配音乐。这不是多余的步骤，而是质量的生命线。AI 负责量产，人类负责品控——这才是正确的人机协作方式。

坑三：多 Agent 失控

Paperclip 的一个已知问题是：当多个 Agent 同时运行且没有良好的任务隔离时，可能出现两个 Agent 做同一件事、或者 Agent 陷入递归循环疯狂烧 API 的情况。据报告，曾有案例在 4 小时内产生了 40,000 次 API 调用。

Paperclip 通过原子化的 task checkout 和预算控制来缓解这个问题，但这也意味着你需要花时间做好 Agent 的职责划分和预算上限设置。这不是装上就能跑的工具，需要持续调优。

你今天就能开始的 3 步

不需要等到搭好 Paperclip 的完整架构。从最小可行的自动化开始：

第一步：选一个场景自动化

我推荐从"GitHub commits → 产品更新推送"开始。原因：触发源明确（commit 就是触发器）、输出格式标准（一段公告文字）、风险最低（加个审核环节就行）。

如果你没有产品，从"每周自动生成行业趋势摘要发到社交媒体"开始也可以。关键是只选一个场景，不要一上来就全自动化。

第二步：建反馈循环

给你的 AI 产出物建一个跟踪系统。可以简单到一个 Google Sheet：日期、内容标题、AI 产出质量评分（1-5 分）、改进建议。AI 下次执行时带上这些历史数据。

Nevo 用 issue 系统做这件事，你也可以用 Notion、Linear、甚至 GitHub Issues。形式不重要，关键是形成人审 → AI 学 → 下次更好的闭环。

第三步：逐步扩展

第一条自动化线跑稳了（至少 2 周），再加第二条。三条线都稳定了，再考虑用 Paperclip 这类编排平台统一管理。

从简单到复杂的路径：单个 AI 脚本 → n8n/Zapier 工作流 → Claude Code + Skill → Paperclip 编排平台。每一步都比上一步复杂一个数量级，确保你在每一层都站稳了再往上走。

什么不该交给 AI

最后说说边界。以下这些事情，2026 年的 AI 做不好，强行自动化会出大问题：

• 品牌定位和战略——AI 能执行你的策略，但不能替你想策略。“我们是什么品牌"这个问题只有人能回答
• 危机公关——需要情商、判断力和对人性的理解，AI 在这方面是负分
• 需要真实情感的内容——用户能分辨出"真人分享的故事"和"AI 编的故事”，后者会触发信任惩罚
• 法律和合规相关——AI 幻觉在这个领域的代价是灾难级的

Nevo 的聪明之处在于，他很清楚地画了这条线：AI 做 80% 的苦力活（内容量产、排期、监测），人做 20% 真正需要灵感的事。这个比例对大多数创始人来说是合理的。

2026 年的营销部，只有两种形态

一种是 10 个人的传统团队，一种是 1 个人 + AI Agent 团队。

但请注意——后者不是"不需要人"，而是"人的角色变了"。你不再写帖子、剪视频、排日程。你审核 AI 写的帖子、给 AI 剪的视频打分、调整 AI 排的日程。从"执行者"变成"品控者"，这不是偷懒，这是效率。

而真正稀缺的能力，不是会用哪个 AI 工具，而是编排能力——知道把哪些 AI 组合成什么流程、在哪里保留人工、怎么设计反馈循环。Nevo 的优势不在于他写了多好的代码，而在于他知道怎么把 Paperclip + Postiz + 一堆 Skill 组合成一台自动运转的营销机器。

这种编排能力，会成为未来创始人的核心竞争力。

延伸阅读

• Harness Engineering：Agent 外围系统比模型更重要
• MCP vs Skills：Claude Code 两种扩展方式怎么选
• OpenClaw 使用教程
• Claude Code Skill 开发指南
• 5 款 AI 编程工具实测对比

相关资源：

• Paperclip 官方网站
• Paperclip GitHub 仓库
• Postiz 社交媒体平台
• Nevo David 原文（X）