作者拿到的成绩
这篇值得看在哪里
纪钟用生财 MCP 搭建了一个懂个人阶段和偏好的 AI 主页。两周内接入人数达到 9000。实际使用后，他发现关键不只是接入，而是持续提供上下文、反馈和任务方法。项目更适合已经有持续内容、项目记录或明确判断标准，希望把生财资料变成个人工作流的人；如果只是想安装一个工具后自动赚钱，作者给出的边界并不支持这种期待。
主页解决的是信息筛选断层
作者的起点不是抽象讨论 AI，而是生财用户接入 MCP 后仍然不会用。过去找新人内容或研究小红书虚拟资料，需要自己想关键词、逐篇搜索和判断，收藏多了还可能再次找不到。接入后，AI 可以在生财内容中搜索、阅读和筛选，再结合个人阶段提供建议。作者还观察到，有人只拿 MCP 聊天和搜帖子，花了不少 Token 却没有得到想要的结果，也有人平时完全想不起自己已经接入。因此，这个项目真正要解决的不是把内容搬进 AI，而是把分散的信息变成一个会主动工作的个人入口。
同一提示词为何会产生两种答案
作者用自己和同事处理同一个新手问题的结果做了对照：提示词相似，但作者的 AI 因为掌握了他的表达习惯、判断标准和任务要求，输出了围绕其视角的深入分析；同事的 AI 则更关注完成“回复”这件事，结果偏简短和口语化。这个对照说明，模型能力并不是唯一变量，输入的个人上下文会直接改变任务理解。作者进一步把上下文拆成 AI 对话、日常沟通、内容、行为和反馈五类，并用事实了解度 82 分、行为预测度 61 分、深层动机了解度 48 分的测试展示当前画像仍有明显缺口。对读者而言，值得迁移的经验是：不要把一次自我介绍当成完整画像，要让 AI 区分看过、收藏过和真正执行过的记录，并在证据重复出现时再形成判断。
从记忆库到可执行主页
作者的实现路径包含三层。第一层是信息沉淀：长期对话、真实沟通、生财内容与行为记录被整理成上下文和知识库，HindSight 用关联、频率和时间构建记忆，Obsidian 则保留原始材料和整理后的档案。第二层是能力封装：把稳定的方法、流程、边界和检查标准写进 Skill，由 Agent 完成画像梳理、内容筛选和主页生成。第三层是自动触发：主页可以按计划同步内容，并通过飞书或微信把精选结果推送到用户面前。作者自己的主页会先生成画像草案，再让本人确认，之后才拉取内容；每篇内容还能标记已读、收藏或不感兴趣，反馈会继续影响推荐。作者明确说明，主页能减少资料整理、方法提炼和重复执行，却不会替用户完成最终业务判断，也不会自动带来收入。
实际投入与适配边界
作者披露的实际成果主要是产品使用和内容积累：MCP 接入人数两周达到 9000，他本人过去一年阅读了 2600+ 帖子，平均一天约 7 篇。文章没有披露该主页带来的利润、客户数或长期变现数据，因此不能把阅读量或接入量直接当成商业收益。项目更适合已经有持续内容、项目记录或明确判断标准，希望把生财资料变成个人工作流的人；如果只是想安装一个工具后自动赚钱，作者给出的边界并不支持这种期待。它的价值在于让 AI 先理解你，再按你确认的方法筛选和推进任务，最终仍需人对选择和发布负责。
根据作者原帖及所附飞书文档整理。完整实操与材料见原文。
原文还会展开这些问题
- 为什么相同提示词在不同个人上下文下会产生完全不同的答案？
- 如何区分 AI 记住了事实，还是已经理解了你的行为动机？
- 为什么保存了大量聊天记录，AI 仍可能无法准确调用关键信息？
- 生财 MCP 的内容和行为数据如何共同形成个人画像？
- Skill 与触发机制分别解决了 AI 工作流中的什么问题？
- 个人确认和持续反馈为什么是推荐主页长期有效的前提？
原作者原话
其实第一关大家遇到的就是如何给 AI 高质量的上下文
但我这两周和一些已经接入、后来没怎么用的圈友聊完，发现新的问题来了
以上为原帖简短摘引。作者：纪钟。完整内容及访问条件以生财有术原帖为准。
