这不是 GPT wrapper 的又一个故事。这是一个完整的、自主运行的 Agent 工作流——从内容生产、数据分析到产品迭代，几乎覆盖了一人公司的全部运营链条。
Agent 自动化营销：不是辅助，是自主执行
Larry 每天自动执行的工作流：
- 内容生成：用 AI 生成 TikTok 轮播图片，撰写 hook 文案，添加文字覆盖层，上传为草稿
- 数据追踪：监控每条内容的播放量和付费转化率
- 策略自迭代：表现差的 hook 自动淘汰，表现好的 hook 被提炼为公式，第二天生成变体
- 支持监控：监控 X 上的用户提及，生成每日支持报告
- 产品诊断：追踪应用收入数据，主动发现付费墙问题、onboarding 摩擦和转化瓶颈
创作者本人每天的参与仅限于：给草稿配音乐、点发布，大约 60 秒。
这个思路很实用——Agent 的核心价值不在于单次执行某个任务，而在于持续运行 + 自我优化的复合效应。Larry 的 TikTok 技能文件从最初 50 行规则膨胀到 500+ 行，每一条规则背后都是一次具体的失败修正：图片尺寸不对、文字不可读、某个 hook 只拿到 800 播放而前一个拿了 20 万——逐一分析差异，写成规则。工具是静态的，Agent 会进化。
从爆款文章到技能市场：LarryBrain 的诞生
团队把 Larry 的完整工作流——每条规则、每个 prompt 模板、每次失败的教训——写成了一篇公开文章，详细分享了整个系统。这篇文章在 X 上获得了超过 700 万阅读。
但真正有意思的是之后发生的事：大量用户不只想看文章，他们想直接用这套系统。于是团队把这个工作流打包成一个叫 Larry Marketing 的技能包——安装后指向你自己的产品，Agent 就能用同一套系统开始生成内容。
需求的涌现催生了 LarryBrain，一个面向 AI Agent 的付费技能市场。核心机制：
- 每个技能经过自动恶意软件扫描 + 人工审核
- 每个发布者通过 GitHub 身份验证
- 所有技能文件可读、可编辑、存储在本地——没有二进制文件，没有编译代码
- 如果某个技能突然开始调用可疑域名，Agent 会自动标记
- 创作者获得 50% 的收入分成
四周内的增长数据：246 付费订阅用户，600+ 注册账号，69 个已审核技能。技能覆盖领域包括 X 增长、客户支持监控、应用开发蓝图、服务器管理、安全审计、邮件自动化、数据分析看板等。
技术底层：OpenClaw 如何把聊天机器人变成自主 Agent
LarryBrain 构建在开源平台 OpenClaw 之上。OpenClaw 的作用是把 Claude 从一个问答式聊天机器人变成一个驻留在你机器上的自主 Agent：
- 身份与记忆：Agent 拥有自己的身份、持久记忆和个性设定
- 系统权限：可以访问文件系统、开发工具和账号
- 定时任务：通过 cron job 按计划执行任务
- 经验积累：从错误中学习并写下笔记，每次启动时读取自己的记录，从上次中断处继续
技能（Skill）的形态很简洁：一个文件夹，包含纯文本文件——Markdown 指令、脚本、参考文档。没有黑盒。
非技术人群的爆发：八个案例
文章作者提到，四周内有八个非开发者朋友主动展示了他们用 Claude 构建的东西：
| 身份 | 构建内容 |
|---|---|
| 汽车销售 | 个性化跟进系统，根据客户在车场看过的车型自动生成定制方案 |
| 清洁工 | 完整的商业网站 + 在线预约系统 |
| 房产经纪 | 从几张照片和要点自动生成房源详情 |
| 私人教练 | 膳食计划 App |
| 招聘顾问 | 辞职后在一个周末搭建了完整的招聘平台，直接与前东家竞争 |
这些人没有写过一行代码。他们不是在玩玩具——他们在收费、在上线、在变成各自行业里的真实竞争者。
给一人公司的实操建议
第一步：搭建你的 Agent 环境
不需要高配机器。一台能跑 Ubuntu 的旧电脑就够。安装 OpenClaw，给 Agent 配置文件访问权限和必要的账号授权。
第二步：从一个具体场景切入
不要试图一步到位。选一个你每天重复做的营销动作——比如社交媒体内容生成、客户跟进邮件、数据报表——让 Agent 先接管这一件事。
第三步：建立规则积累机制
Larry 的核心竞争力不是初始 prompt，而是 500+ 行从失败中积累的规则。每次 Agent 犯错，把修正写成规则。这是复利。
第四步：考虑技能市场的生态位
如果你在某个垂直领域摸索出了有效的 Agent 工作流，打包成技能包发布到 LarryBrain 这类市场。50% 的收入分成意味着你的经验本身可以变成一个被动收入来源。早期发布者在用户涌入时会占据先发优势。
第五步：保持对安全边界的警觉
给 Agent 开放系统权限意味着你必须认真对待安全问题。只安装经过审核的技能包，关注 Agent 的网络请求行为，定期检查权限范围。作者自己也承认，让零编程经验的人发布线上应用带来的安全隐患，本身就值得单独写一篇文章。
当前阶段的 AI Agent 营销自动化，大致相当于 1983 年用个人电脑做文字处理——已经很实用，但远没到天花板。真正有意思的应用场景，可能还没人想到。窗口期不会永远存在，但现在确实还在。