关于我

你好，我是 huanle，一名有 8 年信息流广告经验的增长投放操盘手。

我的主战场是小红书聚光和巨量引擎。工作重点不是单独操作某个投放后台， 而是把业务目标、指标口径、内容、人群、搜索承接和复盘动作连接成一套能持续迭代的增长系统。

近两年，我进一步把这些高频交付沉淀为 AI 工作流、本地知识库和 Agent： 让事实有来源、判断可复用、动作能验收，同时保留必要的人工审核。

我的工作方法

1. 数据：先锁事实源、时间窗口和指标口径，不用旧快照替代当前状态。
2. 洞察：把总体波动拆到渠道、内容、人群、关键词和承接环节，区分事实、推断与待确认项。
3. 行动：一次只改变少数关键变量，为每个动作写清负责人、观察周期和停止条件。
4. 结果：回读数据和真实交付状态，把有效判断沉淀为 SOP、Skill、模板或产品能力。

我相信什么

反对纯人肉交付。 每一次诊断、复盘和交付都应该留下可复用资产。真正可持续的价值， 是让账户、内容和团队决策变得可复盘、可复制。

反对把 AI 当魔法。 AI 不是替代业务判断的工具，而是放大结构化思考和机械执行的杠杆。 先定义事实边界、输入输出与验收标准，再让模型、脚本或自动化去跑。

反对脱离数据的方法论。 写在 方法论库 里的内容都会尽量标明使用前提、判断标准和风险边界；外部案例与亲自验证的经验明确分开。

能力地图

• 互联网营销与广告投放：账户诊断、KFS/BKFS、搜索与信息流、达人与内容、A3/5A 人群经营，以及 GEO 基线、内容与验收。
• 数据分析与管理：数据清洗、指标树、日报/周报、异常定位、实验与复盘、管理动作回流。
• AI 与自动化：任务拆解、Skills/Agent、人工闸门、回归测试，以及 n8n 等编排工具的边界设计。
• 知识库与 RAG：Obsidian 事实源、分层摄入、检索与引用、记忆仲裁、发布前脱敏。
• 本地 LLM：围绕隐私、成本、延迟与任务难度做模型路由，用抽样和对照集验收输出。
• 独立产品：ChatOCR、AI 视频工具和垂直工作流产品化等小步验证。

本站只公开经过脱敏的结构、方法和复盘结论，不公开客户身份、原始数据、账号权限、内部路径和个人隐私。

聊聊

如果你是品牌方 / 代理团队 / 同行，需要：

• 账户诊断 / 投放陪跑 / 竞标方案共创
• AI 工作流定制（竞品分析、类目洞察、话术拆解）
• 个人知识库 / AIOS 落地咨询

欢迎邮件 me@huanworks.com，或 GitHub @li-huanle。