文章指出，AI 让 UGC 广告制作成本趋近于零，但说服力（文案）的成本并未下降，这才是广告不转化的核心原因。作者提出学习文案的高效方法：每天阅读并拆解广告文案、通过 TikTok 创意中心、Meta 广告库和竞品评论进行调研挖掘用户痛点和异议。文章介绍了 PASTOR 脚本结构框架（问题、放大、故事、转变、报价、行动）和 NESB 单句检查标准（新鲜、简单、安全、重大），并通过三个花费五位数投放的 ED 处方药广告逐一拆解，展示如何将调研中的用户异议转化为广告文案。AI 负责生成视频，文案才负责赚钱。
本文梳理了 LLM API 格式的演进史。从早期 Chat Completions 的无状态聊天映射，到各厂商接口分叉，再到 Agent 时代为解决状态管理和缓存问题诞生的 Responses API。新 API 引入了服务端状态、检查点分支及内置云端工具，模糊了模型与 Agent 的边界。随着 DeepSeek 宣布原生兼容该接口，预示着 Responses API 正取代旧标准，成为 AI 行业的新共识。
文章通过 Databricks 的基准测试发现，精简的 Harness Pi 在任务完成率上与 Claude Code 持平，但上下文消耗仅为其 1/3。作者对比了信息最大化与信息精简两种设计哲学，指出精简的上下文、结构化摘要和信任模型能力的策略，能有效减少注意力分散，提升模型表现。
