最近粉丝问鸟哥要学习资料，由于数量太多太杂，于是我用ima把多年沉淀的高价值内容，变成了一个人人可直接提问的AI 知识库。

你只需在ima 的「发现」广场，搜索 鸟哥笔记 订阅知识库，打开对话框，问问ima，就能让它通过DeepSeek调取知识库里海量高价值内容，并提供灵感或辅助创作：

这件事让我想到一个问题。

今天，AI 已经能快速找到答案，但营销真正重要的能力始终是判断——面对同一个热点，有人看到短期流量，有人看到消费趋势；同一份数据，不同的人会做出不同的策略。

如果判断才是核心能力，那如何真正地用好 AI ？

过去一年，越来越多程序员开始使用WorkBuddy 等 Agent，把编程、调试、测试交给 AI 协同完成。如果软件开发可以拥有自己的 Agent，那么营销、品牌、内容等同样依赖知识和判断的工作，也应该拥有一个真正理解自己的AI知识管家。

因此，我们开始尝试用 ima，搭建属于营销人的AI知识库+知识Agent。

让热点+懂你的Agent驱动增长

最近，不少游戏投流素材开始尝试一种新风格——Dreamcore（梦核）。他们会用 AI 生成一段充满怀旧感的画面：空荡的校园走廊、老式居民楼、褪色的蓝天、录像带般的颗粒感，再在几秒钟后切换到游戏玩法，希望吸引喜爱这类风格的玩家。

即使游戏本身没有梦核要素也不要紧，投流素材嘛，“货不对板”是常态了。

既然流行，那就要抓住流量。

但如果直接问 AI：「什么是 Dreamcore？怎么跟我的游戏结合呢？」得到的大多是对这种风格的介绍：它起源于互联网文化，带有怀旧、陌生、梦境般的氛围云云……

这些信息正确但没什么用，更不能结合我过往的积累，辅助我判断。

于是，我们做了两件事：

1、搭建鸟哥笔记AI知识库。

把过去「鸟哥笔记」里头的历年行业资料、营销报告都放在 ima 上，建立了一个知识库。这个知识库是开源的，任何人都可以在ima上搜索并提问，所有资料都可以直接打开、下载。

点击下载后，在广场上搜索打开该知识库

在 ima 上搜索鸟哥笔记，并可基于知识库提问AI（右侧）

2、第二件事，知识Agent+Skills。

你只需和ima copilot说，安装一个名为「marketing-research-lab」的skills——解释起来很复杂，总之它会综合不同来源信息，并基于营销学、叙事经济学的逻辑进行输出。

然后，在 ima copilot 开始对话（copilot可以理解任务，自行规划步骤，执行繁杂工作）。

于是，ima copilot 会先搜索「梦核」最新的信息，同时查阅鸟哥笔记知识库，找到过去关于情绪营销、内容趋势、视觉创意的研究，一起进入这次分析。

既有一方数据，即对用户自身信息的记忆和知识管理；

也有二方数据，比如你订阅的 鸟哥笔记知识库或其他专业领域知识库；

加上AI本身能联网搜索三方数据， 三重信息让充分了解你的背景和判断视角的copilot 能输出适合你、可执行的营销方案，而不是泛泛而谈的内容——

当 Agent有了正确的思路，后面的事情反而变得简单了。无论是写脚本、拆分分镜，还是生成视频提示词，都可以继续交给 AI 完成。其实真正决定一条素材质量的，往往不是生成能力，而是内容选题、方向判断是否准确。

根据上述分析结果，AI进一步提供提示词，生成的游戏素材分镜

很多投流团队遇到的问题，其实也不在效率。一个团队一个月可能产出上千条素材，看起来数量不少，但如果回头分析，会发现大量素材只是围绕少数几种思路反复变化：今天发红包，明天送福利；今天强调限时活动，明天强调免费领取。

画面、文案、演员都在变，但底层表达几乎没有变化，最终吸引到的还是同一批用户，人群越来越窄，素材之间彼此竞争，ROI 也越来越难提升。

真正需要扩展的，不是素材数量，而是创意方向。一次对消费心理、内容趋势或视觉风格的深入研究，配合一个能长期理解你记住你的知识Agent，往往能够打开几个全新的创意方向，每个方向又可以继续生成几十甚至上百条不同的素材。

只有当研究和判断发生改变，后面的创作才能真正产生新的可能。

为什么 ima 能形成判断？

研究梦核的时候，我慢慢意识到一个问题。

普通AI 很容易回答「什么是梦核」，却很难回答「梦核为什么适合我的品牌」。

原因并不是 AI 不够聪明，而是它无法记住你。

它知道互联网正在发生什么，却不知道你的产品定位、目标用户，也不知道过去做过哪些尝试、哪些方法已经验证有效。这些公开资料之外的内容，才是做出精准判断的核心依据，也是普通AI无法留存的内容。

所以，我们后来把鸟哥笔记这些年积累的文章、案例和报告放进了 ima 的知识库。一方面，它可以帮助 AI 理解过去关于品牌、内容、消费趋势的讨论；另一方面，我们也会把自己的研究不断沉淀进去。

这样，当 AI 再研究一个热点时，它面对的就不只是互联网，而是互联网、行业知识和自己拥有的经验。

更重要的是，这些知识不会随着一次聊天结束而消失，所有沉淀的资料、分析结论不会随着单次AI对话后清零。

梦核的研究记录将永久留存；下一次研究新的热点，它会再次参与分析；再下一次，又会和新的研究建立联系。

一次次研究下来，变化的不只是知识越来越多，更是判断越来越完整，Agent越用越懂你。我越来越觉得，营销真正积累的，不应该是一篇篇报告，而是一套不断修正、不断生长的专属判断体系。

总结：Prompt 会过时，但判断力不会

回头看这几年 AI 的发展，会发现一件很有意思的事。

模型在不断更新，Prompt 在不断变化。今天大家讨论的技巧，过一段时间可能就已经被新的能力取代。

但营销工作的本质并没有改变。

我们依然要理解消费者，判断趋势，寻找机会，再把这些判断变成产品、内容和创意。

AI 会越来越擅长完成具体工作，但它最终服务的，仍然是人的判断。

因此，比起收藏越来越多的 Prompt，我更愿意花时间整理自己的研究、记录自己的思考、修正自己的判断。因为这些不会随着模型迭代而失效，反而会在一次次实践中不断丰富。

这也是为什么，我更愿意把 ima 理解为一个长期陪伴工作的AI知识管家，而不是一个聊天工具。

它保存的不只是答案，更是一个人如何形成答案。

对于营销人来说，这或许才是真正值得积累的东西。