創業成功的關鍵不是技術,而是「時機」——我的 NotebookLM 編輯器實戰心得

創業成功的關鍵不是技術,而是時機。從 NotebookLM 編輯器的實戰經驗中,我學到了流量分發的重要性,以及如何在對的時間點交付對的產品。

創業成功的關鍵不是技術,而是「時機」——我的 NotebookLM 編輯器實戰心得
創業成功的關鍵不是技術,而是「時機」

在聽完 Manus 的訪談,加上這次實作 NotebookLM 編輯器之後,我更加確定一件事:創業成功的關鍵,真的就是「時機」。

這聽起來很老套,但讓我把它拆解得更清楚一點。

什麼叫做時機?

所謂的時機,就是剛好在大家對這個產品、這個需求最感興趣的時刻,同時你又能最快速、最穩定地交付出他們要的東西。

聽起來很簡單對吧?

但問題來了:為什麼我們不是那種有豐富經驗、充足資金、能快速交付產品的人呢?

以這次我用 Vibe Coding 做出 NotebookLM 簡報器為例,說實話,我並沒有砸太多資金、花太多時間,也沒有額外的曝光資源。

整個串接的技術和系統穩定度,都達到了超過及格的標準。

我甚至開始懷疑,過去這幾年做產品的經驗到底有沒有幫助,還是我只是剛好被演算法眷顧的幸運兒?

沒有流量,就沒有產品

所以在過去一年裡,除了累積產品經驗以外,我更專注的是「流量分發」這件事。

也就是說:要怎麼寫出一篇爆文?怎麼寫出大家真正有需求的文章?

如果一篇有需求的文章已經有很多人轉發了,我那時候再去發,結果會是什麼?

我想要徹底搞懂演算法的邏輯是什麼。

因為沒有流量,基本上就沒有整個產品的曝光機會。

在這個摸索的過程中,我意外收穫了一些粉絲,也大概抓到演算法變化的規律。

一百萬的廣告費,我五天就賺回來了

舉個具體的例子。

如果你想要透過廣告讓一個人點進你的網站,成本大概要接近 100 元。

而這次,我在不到五天的時間,就有將近一萬人來訪。

換算成廣告費,這大概要花 100 萬!

當然你也可以找業配,或者找知名的 Influencer 來買流量。

但你會發現,即便花錢買流量,還得看流量的品質,以及到站之後的轉換意願高不高。

這次的品質非常高,因為平常關注這個主題的人,本來就有強烈的需求。

這時候只需要一個很明確、能解決痛點、使用起來順手的產品,出現在他們面前就夠了。

如果有人做了,我馬上跟進,能不能贏?

我也在思考另一個問題:如果有人做出一個產品之後,我立刻做出類似的,但價格更低,有沒有機會突圍?

我的答案是:不一定。

基本上你可以先從流量來看,流量有沒有引爆,才是最後的關鍵。

像這次,我看到 Typeless 很迅速地在各個平台被大家推薦。

但也看到一些產品,即便有很多人投入,流量還是比較低。

那成功的關鍵到底是什麼?

簡單講,我們可以觀察社群的風向,分析曝光的點擊率夠不夠高。

同時也要深入探究,這些現象背後隱藏的痛點,是不是有一個對應的產品可以解決。

這就是我最後的收穫跟答案。

Read more

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

很多人問我,在 Claude 裡面,Project、Skill、Connector 這三個東西到底差在哪裡? 什麼時候該用哪一個? 老實說,我一開始也搞得很混亂。 但實際用了一段時間之後,我發現其實邏輯很簡單。 先從最基本的開始:Connector 是對外的資料來源 如果你需要從外部拿資料,比如說接 Google Calendar、接 Notion、接你自己的資料庫,你就需要 Connector。 它就是一個 MCP 的連結,讓 Claude 可以去外面抓資料回來。 沒有 Connector,Claude 就只能用它自己知道的東西,沒辦法碰到你的資料。 Skill 則是內部的運算邏輯 Skill 沒有辦法對外連接。 它只能在內部用 Python 或程式碼執行。 你可以把它想成是一個 Controller,專門負責處理運算的部分。 比如說,你想讓 Claude 用特定的格式改寫文章、

By Andy Lin
讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need 最近我在 Claude 上快速搭建了七大 Agent。 原因很簡單:你的助理應該是越使用越懂你。 而 Claude Project 有個關鍵功能叫 Memory,它會根據你不斷詢問的過程,主動提取記憶。 這就是我認為 AI 助手真正強大的地方。 GA 分析助手:從進階到客製化 自從我串接 GA MCP 後,這位助手已經變得非常厲害。 漏斗分析、訪客來源、異常事件追蹤、站上任何問題都難不倒它。 但我想要的不只是這些。 我希望它隨著時間,能夠對齊我的知識,知道我要什麼。 你不用想太多,不用一次設定好整個 instructions。 試著使用一週,再回頭看看 memory,你會發現它已經根據你的行為開始學習客製化了。 許多助手不需要懂老闆要什麼,但網站分析不一樣。 因為我沒有那麼多美國時間,

By Andy Lin
AGI 來臨:兩大 AI 巨頭的預測與警示

AGI 來臨:兩大 AI 巨頭的預測與警示

在近期的達沃斯論壇上,Anthropic 執行長 Dario Amodei 與 Google DeepMind 執行長 Demis Hassabis 進行了一場關於「AGI 之後的世界」的深度對談,揭示了 AI 發展的最新進展與未來展望。 AGI 時間線預測 Dario 重申了他去年的預測:在 2026-2027 年,AI 模型將能夠在諸多領域達到諾貝爾獎得主的水準。他表示目前 Anthropic 的工程師已經不再親自寫程式碼,而是讓模型來完成編寫工作,人類只負責編輯和周邊任務。他預估在 6-12 個月內,模型將能端到端完成大部分工程師的工作。 Demis 則持稍微保守的態度,認為在十年內有 50% 的機會實現 AGI。他指出編程和數學領域較容易自動化,因為結果可驗證;但自然科學領域則更具挑戰性,需要實驗驗證,且目前模型在「提出問題」和「建立理論」

By Andy Lin
讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

最近我嘗試做了一個 Agent,專門用來分析我的身體健康狀況。 這不是什麼有商業潛力的專案,純粹是出於好奇。 我想知道現在的 AI 到底能幫我們把健康分析做到什麼程度。 資料從哪來? 要讓 AI 分析任何東西,首先得有資料。 我第一個想到的就是 Apple Health。 因為我每天戴著 Apple Watch,它本來就會自動記錄睡眠、運動、心跳這些數據。 除此之外,我也在嘗試另一個經絡檢測的儀器,有點像中醫把脈的概念,只是還沒整合進來。 我覺得如果未來能把更多資料源串在一起,應該可以做出更有意思的應用。 技術架構其實不難 我用了一個叫「Apple Health Auto Export」的 App。 這個 App 可以把健康資料透過 REST API 自動傳送到你指定的伺服器。 資料打到伺服器後,我再處理並存到 Database 裡。 接著寫一個 MCP Server,然後在

By Andy Lin