他把 Claude 变成“AI 员工”：不是玩具，而是真正能交付工作的智能体

大多数 AI Agent 都停留在“能聊天”，而 Riley Brown 直接把 Claude Code 训练成了一个能长期记忆、自动归档、反复协作的“AI 员工”。更反直觉的是：核心不是模型多强，而是一个被严重低估的 README 工作流。

真正的爆点：这不是更强的模型，而是“可持续协作”的 AI

视频一开场，Riley Brown 就抛出一个很“嚣张”的判断：Claude Opus 4.5 是“世界上最强的通用智能体”。但往下看你会发现，他真正想证明的并不是模型参数有多夸张，而是——AI 终于可以像员工一样，被长期使用、反复指挥、持续产出。

过去我们用大模型，更像是一次性外包：问完就走，所有上下文随风而去。而 Riley 做的事情，是把 Claude Code 放进一个它“能理解全部历史”的工作环境里。关键点在于：Claude 并不是每次从零开始，而是在一个稳定的、可被它完全感知的“工作空间”里持续工作。这让 AI 从“聪明的聊天对象”，第一次变成了“真正可交付的执行者”。

README 才是灵魂：90% 的人忽略了 AI Agent 的操作系统

整个方案最反直觉、也最有价值的设计，是一个看似普通的 README.md 文件。Riley 明确说：这是整个 workspace 里“最重要的文件”，没有之一。

原因很简单：Claude Code 每次执行任务，都会先读 README。它不是说明文档，而是 AI 的“岗位说明书”。你在这里定义它是谁（比如 CMO）、负责什么（广告、内容、竞品分析）、文件如何组织、输出要遵循什么格式。

一旦这个 README 写清楚，后面的变化就非常惊人：不管 workspace 里有 10 个文件还是 1000 个文件，Claude 都能准确知道‘该往哪找’、‘该把结果放哪’。这本质上是在给 AI 一个最小但稳定的操作系统，而不是一堆零散 prompt。

Obsidian + Claude Code：为什么这个组合如此危险

工具组合也很讲究：Obsidian 负责“长期记忆”，Claude Code 负责“执行智能”。

Obsidian 的优势在于：所有内容本地化、结构清晰、Markdown 原生支持，非常适合被当作‘知识与任务的仓库’。而 Claude Code 的优势，是它对整个代码库（在这里其实是 Markdown 文件库）有完整上下文感知能力。

这带来一个质变：你不是在跟 AI 解释‘之前我说过什么’，而是默认它已经知道。删除文件、创建目录、清洗广告脚本、按日期自动拆分归档——这些操作不再需要你亲自动手，而是可以直接“像对员工一样下命令”。

从广告脚本到长视频内容：AI 员工已经开始复利工作

当基础设施搭好之后，Riley 展示的应用场景开始变得恐怖。

他把竞品广告脚本批量丢进 workspace，让 Claude 先清洗、再分类、再总结广告角度，最后一次性扩展成 15 条新广告脚本，并且严格输出到指定目录和格式中。更关键的是，这些‘产出’会永久留在 workspace，成为下一次创作的素材库。

在长内容场景里也是同样逻辑：给 Claude 一个参考创作者（比如 Andre Jick），让它学习风格、结构，再生成同风格的长视频脚本。这已经不是‘生成一次内容’，而是在培养一个越来越懂你品牌和审美的内容合伙人。

总结

这条视频真正值得 AI 从业者反复看的，并不是某个模型有多强，而是一个清晰的信号：AI 的竞争，正在从“谁更聪明”，转向“谁更像员工”。

如果你还在用零散 prompt 驱动大模型，那你得到的只会是零散结果；但如果你愿意花 30 分钟搭一个 README + Workspace 的最小系统，你就有机会获得一个会‘越用越值钱’的 AI。同样的模型，不同的工作方式，差距会大到一个是玩具，一个是生产力。

真正的问题已经不是“AI 能不能帮我”，而是：你有没有把它当成一个值得长期培养的员工？

关键词： AI Agent， Claude Code， Obsidian， 生成式AI， 智能体工作流

事实核查备注： 需要核查：1）视频中提到的模型名称是否为 Claude Opus 4.5，还是 Claude 3 Opus；2）Claude Code 是否官方支持 Cursor 与 VS Code 的完全一致流程；3）视频发布时间标注为 2025-12-10 是否准确。