核心思路：API First
Cody 的做法不是拿 AI 聊天然后手动复制粘贴，而是把所有服务都通过 API 串起来，让 Claude Code 充当指挥中枢。他先建好一个项目文件夹，放一个 .env 文件存所有工具的 API Key，然后让 Agent 按流程自动调度每一个环节。
这条行销作战链用到的工具各司其职：
- Phantom Buster：LinkedIn 自动化爬虫，能自动抓取某篇贴文所有互动者的个人档案信息——姓名、职称、公司、邮箱，省掉手动一个个点进去抄资料的苦工
- Apollo：B2B 销售情报平台，拥有超过 2.6 亿笔企业联络人数据。当 Phantom Buster 只抓到基本资料时，Apollo 能帮你补上职级、公司规模、产业类别、商务邮箱，把模糊线索变成完整的潜客档案
- Million Verifier：邮箱验证工具，发信前确认邮箱真实有效。这一步不能省——大量寄信到无效邮箱会摧毁你的发件信誉，之后所有邮件都会进垃圾箱
- Instantly：冷开发信发送平台，支持连接无限个发件邮箱自动轮流发送，还内建邮箱「暖机」功能来建立信誉，解决冷开发信量大又不进垃圾邮件的核心难题
- Rephonic：Podcast 搜索数据库，收录超过 300 万个节目的数据，包括听众数量、受众画像、主持人联系方式，让找 Podcast 上节目从大海捞针变成精准检索
- Perplexity API：AI 搜索引擎的 API 版本，用来自动搜索 Reddit、社群媒体上目标客群的真实痛点和讨论，作为广告文案的素材来源
四条自动化工作流
理解了每个工具的角色，再看它们怎么被串成工作流就清楚了。
工作流一：LinkedIn 自动回复。 有人在 LinkedIn 贴文下留言想要某个资源，Agent 自动抓取留言者信息、逐一回复并附上下载链接，完全在后台运行。
工作流二：批量广告生成。 用 Perplexity API 去 Reddit 爬取目标客群的痛点（比如「数据分析师抱怨无法整合多个数据源」），然后根据这些真实痛点批量生成上百个广告文案变体，用 React 组件渲染成 1080x1080 的图片素材。
工作流三：Podcast 冷开发。 用 Rephonic 搜索目标领域 Podcast 主持人的联系邮箱，经 Million Verifier 验证有效后，自动送进 Instantly 发送冷开发信邀约上节目。从「找到目标」到「信寄出去」，全链路自动。
工作流四：LinkedIn 互动者转化。 这条流程最能体现自动化的威力——团队任何人在 Slack 指定频道丢进一个 LinkedIn 贴文链接，Agent 就启动完整链路：Phantom Buster 抓取互动者资料 → Apollo 补充完整商务信息 → Million Verifier 验证邮箱 → 自动加入 Instantly 的冷开发信活动。从「某人在 LinkedIn 按了个赞」到「收到一封个性化冷开发信」，中间零人工介入。
每条工作流都在后台独立运作，Cody 像个指挥官在不同窗口间切换，确认每个 Agent 在正确轨道上，然后继续启动下一个。
广告测试的底层逻辑
Cody 的广告策略值得单独拿出来说。他先用纯代码（React 组件）快速生成大量「丑但精准」的广告变体，测试哪个信息角度最能打动人，找到赢家后再投入资源做精美版本。
背后的行销思维很朴素但有效：用最低成本测试最多变体，确认赢家后再精致化。一个广告变体的生成成本大约一千个 token，几乎等于零，所以他可以一次生成上千个变体全部丢上 Facebook 测试，让数据说话。这比「花两天做三个精美广告然后祈祷」的传统做法高效太多了。
值得关注的点
这套打法的核心不是某个单一工具有多强，而是 Claude Code 作为编排层把所有 API 串成了一条自动化流水线。其中 Apollo 这类数据服务是整条链路的基础设施——即便在 AI 时代，高质量的商务联络人数据库依然很难被纯 AI 替代。
对于想用 AI 搭建自动化工作流的独立开发者来说，这个案例最大的启发可能是：不要只盯着「AI 能生成什么内容」，更要想「AI 能调度哪些现有服务」。当你把 Claude Code 当成一个能写代码、调 API、处理数据的全能助手来用，一个人能覆盖的业务范围会远超想象。