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）。 

←左右滑动查看更多→

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。