一行代码没写，他却现场搭出赚钱机器：Claude Code 的营销真相

这不是一场“教你写代码”的视频，而是一堂赤裸裸的赚钱示范课。Greg Isenberg 用 AI Agent、MCP 和一堆现成工具，当场拼出一个能跑广告、能追踪、能优化的营销系统。最狠的地方在于：技术不是主角，GTM 才是。

反直觉的开场：真正值钱的不是模型，而是“上线速度”

视频一开始就把很多 AI 从业者的认知掀翻了。Greg 抛出的核心问题不是“这个 Agent 有多聪明”，而是：你能不能在今天把它变成一个能赚钱的东西？

整场 masterclass 的隐含前提只有一个——AI 已经足够强了，真正的瓶颈在 GTM（Go-To-Market）。他直接点名“GTM engineering”：不是做产品后再想营销，而是在构建 Agent 的第一天，就把分发、获客、变现一起设计进去。

这也是为什么他没有从模型结构、prompt 技巧讲起，而是从“如果你现在在看，我会先做什么”开始。这句话背后的潜台词是：AI 时代，技术门槛正在快速下沉，但把东西推向市场的能力正在变成稀缺资源。

现场演示的真正重点：不是写功能，而是堆“赚钱模块”

视频中段，Greg 开始实际搭建东西：一个批量生成 Facebook 广告创意的系统。表面看是“广告生成器”，但仔细拆解，你会发现他关注的从来不是单个功能，而是一整条链路。

他做了几件非常有代表性的事：
- 先让系统在后台跑生成，而不是等结果
- 把生成器直接接到 Notion，当成一个可运营的内容库
- 同时考虑后续的数据抓取、追踪和分析

这里有一句非常容易被忽略的话：“All right， so now that's working on that in the background.” 这句话的真正价值在于：AI Agent 不需要‘完美’，它只需要‘持续工作’。

你会发现，他不断在不同任务之间切换：一边生成广告，一边准备下一个示例，一边思考 tracking dashboard。对传统工程师来说这像是‘不专注’，但对一个做生意的人来说，这是在同时推进多个杠杆。

AI Agent 的正确用法：把“杂活”自动化，而不是幻想全自动赚钱

在 Q&A 和演示穿插的过程中，Greg 其实不断在给 AI Agent 降温。他没有说“Agent 会帮你把公司跑起来”，而是反复展示它能做的具体事情：

• 批量生成内容
• 抓取外部数据
• 形成基础分析和仪表盘

这些事情有一个共同点：它们以前不值得请人做，但又确实影响结果。

这也是为什么他会强调 scraping、tracking、dashboard 这些“看起来不性感”的模块。因为在营销里，真正拉开差距的往往不是创意，而是反馈速度。

换句话说，这套系统的目标不是“替代人类决策”，而是让你每天都能看到：什么在起作用，什么没有。AI Agent 在这里扮演的是一个永不疲倦的运营助理，而不是 CEO。

那些让他“睡不着觉”的事：AI 创业真正的风险点

视频后段，Greg 提到一句很私人、但非常重要的话：“这些是我现在睡不着觉在想的事情。”

他担忧的并不是模型能力，而是：
- 太多人用同样的工具，导致同质化
- 分发渠道的成本和不确定性
- 一旦 GTM 失效，再强的 Agent 也只是 demo

这其实是在给所有 AI 从业者敲警钟：当生成能力变成标配，真正的护城河要么来自数据，要么来自分发，要么来自你对某个细分场景的理解。

也正因为如此，他在视频中不断“throwing that out there”——不是给标准答案，而是展示一种思考方式：永远先想怎么卖，再想怎么做得更复杂。

总结

这场 Claude Code 的营销 masterclass，本质上不是在教你某个具体工具，而是在重塑一个顺序：先商业，后技术；先分发，后优化。对 AI 从业者来说，最大的 takeaway 是：不要再把 Agent 当成作品，而要把它当成一条正在运转的生产线。你的下一个问题不该是“还能加什么功能”，而是“我今天能不能让它多接触 100 个潜在用户”。如果你真的想在朋友面前显得懂行，就记住这句话：AI 时代，赢家不是最会写 prompt 的人，而是最快把 AI 接进现金流的人。

关键词： AI Agent， GTM Engineering， 营销自动化， 广告生成， AI 创业

事实核查备注： 需要核查：1）视频的完整时长；2）Greg Isenberg 在视频中对“GTM engineering”的原始表述；3）是否明确提到 MCP 的具体定义或实现；4）Facebook 广告生成器是否为演示用途而非实际产品。