读书有两个常见结局：合上书就忘，是第一个；记得住却用不上，是第二个。第二个更隐蔽，也更伤人——笔记做了一堆，框架画了一墙，行为没有任何变化。做视频的 Vicky Zhao 把这两个结局各立了一块牌子，然后给出一条完整的解法：不 extract 框架，而是把整本书变成一个 AI 技能，让智能体在真实工作里持续盯着你用不用、用得对不对。

这条解法拆开是可拿走的三样东西：一条能把书装进技能的提示词，一张把方法落成检查项的九宫格，一组让技能替你收紧范围的决策问题。本文照着这期二十八分钟的视频逐段核过一遍，提示词原文、九格审计结论、技能升级条款都以画面为准，也顺手订正了几处转写走样的地方。

讲的人是 Vicky Zhao，场合是她自己的 YouTube 频道，演示全程在 OpenAI 的 Codex 里完成。她做这件事的起点很具体：创业时把《The 1-Page Marketing Plan》奉为营销圣经，读得很熟，营销却做得一团糟。

01 读完就忘与用不上，是两个问题

视频开场立的第一块牌子上写着：问题一，你读了就忘。

第二块牌子紧跟着：问题二，你读了却不去用。

她的判断是：第一个问题其实好办，做笔记就能缓解，她自己也靠 Obsidian 解决了大半。真正卡人的是第二个。学习的定义是行为发生改变；行为不变，读再多也只是对着一个更美好世界的空想。

顺着这个定义，多数人以为的"把书用起来"——提炼框架、画思维导图、写读书笔记——在她看来都只是准备动作，连第一步都算不上。框架拿到手之后怎么落到具体行动，才是难点。而这一步恰好是 AI 擅长接手的：让智能体记住书里的方法，在你做真实工作的时候对照、提醒、检查、记录结果。

02 喂摘要生成技能，为什么是死路

动手之前先排掉一条看起来最快的路。常见做法是：把书的 PDF 传上去，或者更省事——书是名著，模型多少知道一点，再不然网上下一份摘要喂进去——然后说"帮我把它变成一个能用的技能"。技术上完全可行，产出的技能基本没用。

她在视频里给这个现象起了个名字，写在一张大白卡上：The Abstraction Problem，抽象问题。

拆开看这个层层失活的过程。一本书本身已经是第一层抽象：作者从亲身经历里提炼专业经验，再压成几百页纸。摘要服务把几百页压成一页，细微差别和具体案例先被剥掉一层——市面上这类服务一抓一把，画面里闪过的就是一本《思考，快与慢》的摘要页，按钮上写着 Read Full Summary。

再让模型从摘要里提炼技能，就是抽象的抽象。四五层下来，结果只剩平庸和模糊：每句话都对，但不再对应任何具体情境。内容在每一层压缩里被剥掉的细微差别，恰恰是"什么时候用、对谁用、怎么变"这些让方法生效的东西。

这里有一个反直觉的转折：这一切不是为了迁就 AI。模型消化长文本的能力恰恰是它的强项，人不需要替它把信息磨碎。该给的不是磨碎的结论，是完整的原文加正确的上下文。摘要喂 AI 这条路错在喂法，不在 AI。

03 技能三件事：何时用、怎么变、结果如何

一个能用的技能，她在画面上写明必须包含三件事。

第一，知道何时使用。是想改变某件具体事情的做事方式，还是想改变思维方式？动手前先问自己三个问题：当初为什么拿起这本书？想改变的具体行为是什么？这个行为在什么情境下发生？答不上来，技能就没有挂靠点。

第二，知道如何促成改变。学习以行为改变为标志，所以技能的重点不是复述方法，而是把方法接到行动上——书里的方法具体怎么让那个行为变好，落地方式由方法本身决定。

第三，记录并复盘结果。实施之后实际发生了什么？变好了还是变差了？有没有意料之外的状况？

这三件事串起来是一条反馈回路，她文档里的原话是：情境 → 方法 → 行动 → 结果 → 反馈。回路里产出的证据用来回答什么有效、什么无效、该调整还是坚持。她的另一个观察是，过去人建立反馈回路又慢又懒，而 AI 擅长追踪、记忆、按时提醒，现在是有条件认真建回路的时代。

还有一层她反复强调：AI 提供的是没有情绪的支撑。学习是高情绪活动——不确定、未知、自尊被撞，都会让人中途放弃。智能体没有情绪，可以让它引导整个学习过程，而不是全靠自律硬扛。

04 守破离：先当照做的学生

方法怎么练？她借用日本武术和茶道的守破离（Shu-Ha-Ri）分三步，她的笔记里就存着一份标题为"SHUHARI 守破離 - How to master a skill"的技能文档。

守（Shu），服从：老师给什么框架就照做，先学会这门手艺本身。破（Ha），突破：掌握基本运作后开始探索框架边界，对比其他老师的做法，看哪些重叠、哪些是新东西。离（Ri），离开：融合自己的经验、专长、优劣势，长出自己的框架和风格。

她点名的常见错误是跳过守直接创新。她转述一位 YouTube 创作者朋友的观察：成功者与失败者的区别在于，成功者愿意先照做、再判断，不是认定专家每句话都对，而是先按步骤一到五做完，用新拿到的数据和经验决定下一步，通常还要重复若干次，证据才够可信。三步不要同时走。

她自己交过学费。创业初期照《The 1-Page Marketing Plan》做营销，因为毫无经验，把三个阶段混着来：一到不舒适就找借口推迟某些步骤，还拿苹果公司的做法打类比，觉得人家跟书里写得不一样，试图模仿。结果原地打转，什么也没推进。她的复盘很干脆：一旦开始定制，方向就无穷无尽——苹果不同于耐克，耐克不同于巴塔哥尼亚，没有任何数据之前就自定义，只会在无数选择里迷失。

正确姿势回到守：坐下来，老老实实按书里的步骤做，哪怕觉得自己有更好的办法，也先放下，严格跟随原方法，重复几次，亲眼看到结果。她给的理由和科学实验同构：不能一次改所有变量，先按原样跑通一遍建立基线，等反馈回路攒够了证据再谈破和离。

05 动手：一条提示词，把书装进技能

演示有两条路线，取决于你有没有自己的笔记系统。先说没有笔记的版本：直接把需求讲给你的智能体。她用的是 Codex，并特意说明 Claude Code 等其他智能体同样适用。

提示词是她现场即兴写的，原文如下：

「我想基于《The 1-Page Marketing Plan》这本书建一个技能。情境是：每当我在业务里做任何营销动作，我都想回头对照九宫格的一页纸营销计划，这样能确保我锁定正确的目标人群、持续追踪和培育他们、并给到世界级的交付。方法来源：这是一本知名的书，你在网上就能找到。另外帮我跟踪两件事：一，我做营销物料时有没有遵循 Allan Dib 讲的方法；二，最终结果如何。我们就先从这几点开始。」

不需要雕琢措辞。她的原话是，用智能体而不是聊天界面时，起作用的是上下文，不是提示词修辞，一条把情境、方法来源、要跟踪什么讲清楚的话就够了。

发出去之后，Codex 干了两分三十五秒的活，把技能装了出来：名字叫 one-page-marketing-plan，描述写明用 Allan Dib 的一页纸营销计划来规划、创建或审查营销活动与文档，适用范围一路列到邮件、内容、落地页、获客磁铁、销售流程、入职、留存、客户体验和加购。值得注意的三个内置条款：先定义测量合同再上线，主指标、护栏指标、基线、目标、时间窗口都事先写死；结果按确认、未验证、受阻三种状态记录；学习留在项目内的营销记录里，不另建全局重复追踪。

06 九宫格：把方法落成可核对的检查项

它不是凭记忆写的。从画面能看到，它先去 Allan Dib 官方的 Lean Marketing 站点把九步框架和一份访谈拆解核对了一遍，然后落成技能文件：主文件 SKILL.md，外加一份 references 里的 method-and-tracking.md。技能每次调用的启动参数也被写成了三行字：从源头真相开始，选择工作模式，明确所需输出。

这份方法文档里把九宫格拆成三阶段九格，每格一条要做的决策加一份营销记录里的最小证据：

文档里还有一句设计说明值得抄走：画布遵循三个客户阶段，保持这个顺序，因为每个阶段都在改变客户的状态。她随后补了一句对工具选择的强建议：如果你现在用的是聊天版——Claude 而不是 Claude Code，ChatGPT 而不是 Codex——换到智能体版本。同样的练习，聊天版出不来这种聚焦到具体决策的文档。整个过程不涉及编程，非技术背景照样能跟。

07 拿真实工作检验：九格审计与一次人机互相纠错

技能建好只是上半场，她马上拿真实工作试刀：把自己一门在售课程的销售页链接丢给智能体，让它按技能审计。按她的说法，没附任何额外指令，对方就理解了这是一次测试并开始检查。

九个格子逐格出结论：目标市场、信息两格清晰；媒体格子部分达标——投放存在，但来源归因和 UTM 参数的持续性未验证，这一条确实是她漏的；潜客捕获部分达标——方案里规划了候补名单和结账，但页面上没有给"感兴趣但没买的人"的后续路径，她此前确实没考虑周全；潜客培育清晰，发布前后的邮件序列是存在的；客户体验部分达标——承诺能对上，但交付流程没法验证，按她的解释是智能体没有她课程后台的权限，只能核对前端呈现；终身价值部分达标——有加购计划，触发条件、客户收益和结果都还没验证；推荐一格直接缺失，当前方案里看不到任何刻意的推荐机制。

最有价值的是第六格销售转化的一段风波，转写版本把它讲成了"机器抓取出错、她让它重查一遍"，画面上的过程其实更有意思。智能体最初的报告说：页面上五个行动按钮都指向同一个结账地址，结账页显示总价为零、写着买家不会被扣款；另外，八月物料文档里的备用结账链接打不开。她看到后直接在输入框里敲了四个词：not true, double check。

智能体的回应是承认有理，宣布开一个全新浏览器会话重新核实，几十秒后公开撤回：五个按钮的指向没错，但结账页实际显示的是 549 美元，零元的说法收回；物料里那个备用链接打不开则属实。结论随之更新为：漏斗缺陷确认，业务表现待验证，结账正常，记录修正。

这一来一回正是这套方法的卖点。审计不是单向的机器输出，机器会看走眼，人负责质疑，机器负责复核并当众改口。质疑、复核、撤回、更新记录，四步都在画面上留了痕。它也解释了这种技能和普通清单的区别：它不问"你的目标市场清晰吗"这种泛泛的问题，而是对着你正在做的每一项决策，逐格核对具体检查项。

08 把笔记库喂进去，找出你的盲区

第二条路线给有笔记系统的人，也是整期视频里信息密度最高的一段。她的第二步指令大意是：看一看我的 Zettelkasten，基于我的笔记和我想重点突破的方向，找出我的强项和知识盲区，让这份营销计划对我更具体，带我一步步把它做得更有效。

智能体的做法是拿一页纸营销计划当审计框架，检索她联邦化的 Zettelkasten 索引和原始笔记，圈定 Allan Dib、这本书及相邻概念相关的部分，再分析规律。它读出的结论是：你的笔记里反复出现强原则，聚焦、杠杆、直复营销、客户培育，还有九宫格本身——反复划线的主题，就是知识盲区所在。

接着是整段演示的落点。它给出的最大整体缺口，正是从学习到应用的那道桥：你的笔记描述了什么是好营销，却很少记录五样东西——你做过的具体业务决策、应用方法的那个战役或物料、事先选定的指标、实际结果、以及结果教会你什么。它还顺手挑出三个笔记系统的毛病：这本书的枢纽笔记是空的；一篇后续笔记只贴了张打不开的图，没有文字综述；笔记里引用了 Allan Dib 的“狩猎对农耕”对比，一直没展开。

09 升级后的技能：五个问题、三层评估、两条守卫

技能随之升级，画面上白纸黑字列了三组新条款。

产出任何营销物料前，先强迫回答五个决策问题：

1. 当前的约束是什么：获客、销售，还是交付与留存？
2. 是哪一个格子在拖后腿？
3. 应该发生的确切的客户转变是什么？
4. 这一轮聚焦哪个受众、报价、渠道和行动号召？
5. 现阶段刻意不解决什么？

每个格子按三个层级评估：理解——你知道这条原则吗；业务决策——你做出具体、可执行的选择了吗；衡量证据——你能判断它起没作用吗。测量窗口结束后按固定协议记录：先记录实际结果和来源，只陈述发生了什么不加解释，再给出最可能的解释和至少一个备选解释，然后决定保留、修改、停止还是下一步测试什么，最后生成一条学习候选，格式是"当某条件出现时，某个具体动作或选择看起来产生了某个观察到的结果，依据是某证据，置信度为低中高，下一个测试是什么"。

它还把她的个人约束写了进去：受众是主角；人的判断与能力保持核心；她本人负责愿景与分发，可复用的跟进、打标、记账归智能体，且计划不把她推回手工的日常营销执行——并另立两条守卫：永远不改动原始笔记；学习先留在项目记录里，只有足够耐久、且她想更新知识库时，才进 Zettelkasten。笔记反哺的产物也落成了文件，挂在技能的 references 目录下。

回头看这条路线的本质分工：检索、分析、流程设计全部交给智能体，人只保留判断、筛选和记录。她说自己再也不会一条条翻笔记去罗列要点——那是机器的活。

10 跑起来：从今晚的一本书开始

她的下一步已经排好：课程发布后拿到真实转化数据，回到技能里回填结果，让它把上一轮指出的缺口——补 UTM、给未购买者设计路径、修掉打不开的链接——逐条对账，下一轮发布就能拿到一份清晰的对照：改了什么，数据动没动。长期看，方法本身的有效性、每一格的强弱、配合个人专长走完守破离，都靠这个回路慢慢攒出来。

照她的路数，启动动作可以很小。今晚挑一本你真想用起来的书，回答那三个问题——为什么读它、想改变什么行为、这个行为何时发生；然后把一条说清情境、方法来源和跟踪项的提示词发给你的智能体；建好技能后，丢一个你手头真实的工件进去跑第一次审计。跑通的标志不是它夸你，而是它给出的第一条具体缺口——以及你反驳它之后，它肯不肯认真复核。

几个边界先说清，免得期望错位。智能体抓取真实页面会出错，零元结账那场风波就是现场证据，人得留在质疑的位置上；这套路数要智能体版本才成立，聊天窗口做不出同样的东西；二十五本书各建一个技能之后怎么维护，评论区已经有人问过，规模化更新机制她自己也还没答案，是这条路的未解部分；至于"无情绪支撑让学习更容易"，那是她的实践经验，不是被验证的定律。

最后一个提醒来自她给视频起的英文标题本身——Turn Any Book Into an AI Skill You'll Actually Use。真正的主语从来不是书，也不是 AI，是那个终于被用起来的你。