本文介绍如何使用 AI 智能体（特别是 Claude Code 与 Opus 5.5）自动化 SEO 与 AEO（AI 答案优化）工作流。作者强调转换率优先于搜索排名数据，随后提供三条路径：使用 AI 员工 Viktor 在 Slack 中自动化整个流程；从零开始用最简单的两页网站起步；以及在 Claude Code 中手动搭建完整系统，包括业务简报、状态文件、运行日志三个核心文件，并接入 Google Search Console、DataForSEO、Ahrefs、Firecrawl、PostHog 等工具，最终形成每周迭代优化页面排名与转化的循环机制。
文章探讨了将软件工程中的“循环”概念应用于商业营销的趋势。相比传统的构建代码，Ellie 提出将 SEO、广告投放和产品反馈等业务环节自动化。利用 AI Agent 执行“构建-验证-循环”流程，通过客观数据（如搜索排名）自我迭代优化，从而实现低成本、全天候的业务增长。
文章介绍了一个开源的AI Agent营销知识库，包含139种增长策略、SEO框架和CRO方法论，旨在替代昂贵的营销代理服务。核心在于通过'产品营销上下文'文档让AI理解客户语言，并利用切换力量框架解决用户痛点。内容涵盖文案写作、转化率优化、A/B测试及定价策略，强调利用AI自动化实现高效率营销输出。
作者分享了如何用 Claude Code 配合 Opus 5.5 将整个 SEO 部门自动化运营的实践经验。通过 ChatSEO MCP 提供数据智能层（Search Console、关键词量、实时 SERP、竞品分析），Claude Code 充当 SEO 总监负责规划与执行，人工只审批涉及线上页面的改动。文章给出了 6 个可直接安装的 Skill 文件，涵盖：聚焦商业意图的关键词模式挖掘、一关键词一页面避免自相蚕食、对标 SERP 前三名构建页面等内容，并强调了防止 AI 编造数据等实操细节。
作者高强度实测 Grok Bot 两周后的经验分享。Grok Bot 自带 24 小时云端主机，持久化硬盘、多 Bot 共享同一台电脑，还可远程桌面操作。文章介绍了 Connect Apps 连接 GitHub、X、Gmail、Notion 等生态的用法，以及信息雷达、仓库盯梢、邮件分拣等自动化场景。重点分享了群聊多 Bot 协作的踩坑经验：上下文易乱、需要反复协调，核心是必须设立统一的协调者角色。作者据此搭建了'研发小队 Build Lab'（产品、设计、开发、测试、项目经理、增长六个角色）和'视频工作室 Video Studio'（导演、编剧、素材、配音四个角色）两套协同流水线，并公开了配置模版和社区资源链接。
作者分享了用 Grok Bot 自动化完成外链提交的完整实践：Agent 从 4000 多个候选站中筛出 282 个可免费提交的站点，按难度分脚本提交、浏览器批量、邮件自动验证三条线自动执行，并往 22 个 GitHub awesome 列表开 PR。作者只需定规则、批例外、点少量验证邮件，当天确认上线 9 个站、10 个排期、约 120 个待审。文章详细介绍了规则编写、资产包准备、双邮箱策略、站点筛选流程，并总结了付费、交换外链、挂徽章等六个可调旋钮以获取更多外链。
文章介绍了开源项目agency-agents-zh（GitHub 15.8k Stars），它为AI装上266个专业角色人格，覆盖工程、设计、市场、法务等20个部门。每个Agent以YAML文件定义身份、职责、风格和可用工具，适配Claude Code、Cursor、Copilot等18种AI工具。项目还提供orchestrator多智能体协调器，可将任务自动拆分并分配给对应Agent并行协作，输出完整方案。文章还展示了安装、自定义创建Agent及实际调用的代码示例。
文章介绍了如何构建一个可复利的 AI Agent 系统（Opus 5.5 Flywheel）。作者指出大多数人把 AI 当作'健忘的聪明员工'，每次会话结束后纠错和经验都随之消失。正确的做法是让每次运行留下四类产物：结果、状态、经验教训和系统升级。具体方法包括：将重复流程固化为 Claude Code Skills、把人工纠错转化为规则和自动验证、用 progress.md 保存决策与待办、建立失败样本库作为回归测试基准，让系统随每次运行不断变强，实现智能的复利积累。
作者基于与多家顶级 AI 公司合作的观察，分享了用 AI Agent 提速营销团队工作的实战方法论。核心流程：1）从客户已有的真实问题出发（销售通话、支持消息等）寻找内容选题；2）为写作 Agent 配置产品文档、客户问题和团队偏好，并创建自定义 Skill 将用例转为演示脚本、问题解答文章等，每天通过 Slack 给每个成员推送相关选题；3）将 Devin 接入 Slack 营销频道，自动起草初版并汇报进度，衡量标准是好想法变成已批准工作的速度；4）用 Remotion、InVideo 等工具将一个好的演示制作成多个视频。
作者取消了自己每月 250 美元的 SEO 订阅工具，改用 AI Agent（如 Claude Code）配合 Treg MCP 服务，以每次约 8 美分的价格完成 SEO 研究。文章介绍了 SEO 与 AI 搜索可见性（GEO/AEO）的区别，并给出一个五步研究流程：挑选真实用户问题、检查自己网站已有页面、分析 Google 前 10 结果、检查 AI 助手引用来源、生成一页简报并决定改进、新建或跳过。作者分享了首次实战案例和页面优化决策规则，强调代理负责低成本收集证据，而判断与写作决策仍由人来掌控。
本期 Indigo Talk 邀请 HashMatrix 合伙人大罗，从 SEO 老兵视角拆解 AI 时代的营销与增长。讨论涵盖 AI 在营销中的真正提效场景（多平台内容分发从两三周缩短到十分钟）、AI 难以胜任的无中生有式创意、第四种流量入口——AI 推荐（答案仅有三到五个位置）、AI 推荐机制（训练数据与 RAG，一个问题被拆成十几个 Query）、GEO 与投毒的现状，以及 AI Slop 时代个人声音的稀有度价值。最后得出反直觉结论：Agent 时代最被低估的增长杠杆是活人社群和线下连接，建议新人'做回人'。
本文整理了 Paul 在播客中分享的 SEO 与 GEO 实战方法论：只锁定有付费意图的交易词，写内容前挖掘二级词池，Title 标签决定页面半壁江山；通过 Search Console 判断该新建页面还是优化旧页，避免关键词自相残杀；像素级对标排名前三的内容再补齐缺失；内链每页至少 5 条并使用精准锚文本；外链首选主题相关且自身排名靠前的页面；任何改动需耐心等待 2 个月再评判。GEO 本质仍是 SEO，唯一有效打法是在标题加入'Best + 年份'做榜单页拿下 Google 排名，AI 检索时会自动引用。
本文是使用Raft平台搭建多Agent协作团队的完整课程。作者指出多数人运行的只是'五个聊天窗口加一个人肉中转'，真正的瓶颈在于Agent之间无法共享上下文。文章分8步讲解：创建统一的服务器工作区、连接本地计算机运行时（如Claude Code、Codex CLI、OpenCode等）、将Agent作为持久身份的角色而非一次性提示来创建、通过共享任务看板进行工作交接与认领，以及跨公司Agent协作等内容。Raft让Agent像Slack成员一样拥有记忆、状态和专长，可并行工作、互相交接和审查输出，且运行在用户自己的硬件上复用已有的AI订阅。
