你有没有这样的体验?
做一件事,努力了半天,感觉已经做得不错了——但就是停在那个"还行"的位置,再也上不去。
写文案,改了七八遍,感觉比最初好了很多,但读起来总差点意思。
做产品页面,自己看着挺满意,但转化率就是提不上来。
学一项技能,入门之后就进入了平台期,不知道下一步该往哪走。
我把这个状态叫做"60 分陷阱"——你付出了大量努力,却只能停在及格线附近。
最近我找到了一把可能突破这个陷阱的钥匙。它叫 Karpathy Loop。
一、那个让 AI 越来越强的秘密
Andrej Karpathy,前 Tesla AI 负责人,OpenAI 联合创始人。他提出了一个看似简单、却无比深刻的迭代框架:
假设 → 实施 → 打分 → 保留或回滚 → 下一轮
具体来说:
-
- 先提出一个改进假设,然后去实施
-
- 对实际结果打分,量化好坏
-
- 如果比之前更好,就保留;如果更差,就回滚
-
- 进入下一轮循环
听起来很平常?这不就是我们平时试错的过程吗?
对。但有一个关键区别:这个循环,可以由 AI 自动运行。
人工迭代,一天能跑几轮?
| 人工改稿 | AI 自动迭代 | |
|---|---|---|
| 速度 | 一天 5 轮 | 一小时 50 轮 |
| 是否会妥协 | "改了这么多遍了,就这样吧" | 只认分数,不知疲倦 |
| 方向是否可追溯 | 凭感觉,难复盘 | 每轮记录,失败自动回滚 |
速度是人工的 10 倍以上,而且它不会累,不会妥协,不会因为"差不多了"就停下来。
这就是它的核心魔力:把人类最难坚持的事情——持续迭代、永不放弃——变成了机器的本能。
人工改稿拼的是耐力,AI 迭代拼的是标准。有了标准,耐力不再是瓶颈。
二、光说不练假把式
理解一个概念最好的方式,是亲手用它解决一个真实问题。
我选的例子是:亚马逊 Listing 优化。具体说,是产品标题(Title)和五点描述(Bullets)。
这是个典型的"60 分陷阱"场景:
- • 随便写,可能只有 30 分
- • 认真优化一遍,也许到了 60 分
- • 但从 60 分到 90 分,靠人工一遍遍改,极其耗时,而且你根本不知道自己改的方向对不对
那,怎么做?
三、第一步:建标准——没有标准,优化是瞎忙
想优化,先得有标准。没有标准的优化,叫瞎改。
亚马逊 Listing 优化涉及大量行业知识:Amazon 官方合规规则、SEO 关键词策略、移动端展示逻辑、买家心理、竞品分析……这些知识分散在无数文章、指南、研究报告里。
我用的工具是 Notebook LM。
把所有权威资料——Amazon 官方文档、顶级卖家指南、SEO 研究报告——全部导入 Notebook LM,构建成这个领域的专属知识库。
知识库建好之后,我用 Claude Code 生成了一系列专业问题,然后让它去连接 Notebook LM 逐一提问。问题涵盖:
- • 亚马逊标题有哪些硬性合规规则?
- • 移动端截断后,前 80 个字符应该包含什么信息?
- • 五点…