他把有机增长交给AI代理，结果TikTok自己开始“进化”了

一个住在英国小镇的人，用一个叫 Larry 的 OpenClaw 代理，把原本最不确定的有机营销，变成了一台能自我迭代的机器。不是自动发帖那么简单，而是：内容失败—学习—再生成，全流程闭环。这条路，可能比你想的更危险，也更有效。

最反直觉的点：他没有“做内容”，而是“训练一个会失败的机器”

视频一上来，Greg Isenberg 讲了一个听起来很离谱的故事：一个住在英国小镇的人，把 OpenClaw 变成了营销机器。真正反直觉的不是“AI 会发内容”，而是这个前提——失败是被设计进去的。

这个叫 Larry 的 OpenClaw agent，一开始只有一个目标：“自动化我的营销。”没有宏大的 Mission Control，没有复杂的愿景板。Larry 被安装好，坐在创作者身后，只被允许做一件事：不断生成、发布、再学习。

这点很关键。Greg 明确说过他不太相信那套“总控室式”的玩法。Larry 的价值不在于一次性生成完美内容，而在于持续拿结果说话。低播放？不是算法问题，是 hook 不行；高播放？那就拆解为什么能跑出来。

真正的武器不是生成，而是“Larry Loop”

如果你以为这个故事的高潮是“AI 自动帮我做内容”，那就低估了它。

Larry 被允许访问 TikTok 的发布权限和完整的分析数据。他做的第一类内容，是非常“土”的 slideshow——这不是审美选择，而是对这个 niche 的判断：这种形式就是能跑。

然后真正的循环开始了：生成 → 发布 → 看数据 → 调整。

视频里有一段非常真实：连续的 miss，低播放，一次又一次。直到他们意识到一个简单但残酷的结论——如果播放低，90% 的时候是开头钩子烂。

所谓的 "Larry Loop"，本质不是内容工厂，而是一个迭代系统。一次内容 25、76、130 的播放量，看起来很惨；但其中有一条直接冲到 400，000。那一刻，系统学到的东西，比人手动复盘快得多。

当 AI 开始理解“赚钱”，事情变得危险又有趣

更有意思的转折发生在后半段。

他们不再只盯着播放量，而是做了一次完整 brainstorm：什么内容真的在驱动收入？ Larry 不只是知道“什么能火”，而是开始获得更高层的上下文。

Greg 反复强调一件事：你把上下文给 agent，它就真的会“带着理解”去行动。Larry 不需要被重新指挥每一步，它会把这些认知传给子代理。

这也是为什么他把不同工具比作 Ferrari 和 Lamborghini——不是谁更炫，而是你要不要拥有这台机器。关键不在于平台，而在于控制权：数据、逻辑、迭代节奏，都在你手里。

这不是营销技巧升级，而是角色消失

在对话接近尾声时，有一个被很多人忽略的信号。

当被问到 Larry 是否会一直只是“营销助理”，答案其实已经呼之欲出：一旦代理掌握了目标、上下文和反馈闭环，它就不再是助理，而是一个可以独立优化的系统。

Greg 甚至特意澄清：他和这个工具没有任何利益关系。这不是安利，而是一种观察——有机增长这件事，正在从“创作者能力”变成“系统能力”。

总结

这条视频真正值得 AI 从业者反复看的，不是某个工具，而是一个思路转变：不要问“AI 能不能帮我做内容”，而要问“我能不能设计一个会自我纠错的增长系统”。如果你在做产品、做个人品牌、做社区，现在就可以尝试三件事：第一，把失败当成输入而不是意外；第二，让 agent 直接接触真实数据；第三，别追求一次完美生成，而是可持续迭代。真正的问题是：当你的营销系统开始自己学习时，你准备好把控制权交出去了吗？

关键词： OpenClaw， AI代理， 有机增长， 内容自动化， 营销迭代

事实核查备注： 需要核查：视频作者 Greg Isenberg 的原话表述；Larry 是否为 OpenClaw agent 的昵称；TikTok 400，000 播放量的具体案例；视频发布时间是否为 2026-03-09。