Greg Isenberg · 43:33 · 发布 2025-01-31 · 38万次观看(截至抓取) · 观看原视频
🔥 观众最高回放 05:39 — 演示注册触发的自动调研与邮件外联工作流
主旨
Gumloop 创始人 Max 现场演示如何用可视化节点把数据源与 LLM 步骤连成工作流,零代码复现「初级员工」的重复劳动:线索富集、内容再利用、竞品广告分析、招聘调研。
核心论点
- 自动化的基本单元 = 把数据节点接上 LLM 步骤——过去需要工程师才能造的 AI 工具,现在拖拽连线即可产出。(→ 详解1)
- 一次好 prompt 的价值靠复用放大——子流程、模板、自建节点让辛苦调好的一步被复用上千次,复用才是杠杆。(→ 详解4)
- 把任务拆成小步喂模型,质量远高于单个大 prompt——分步让模型更听话,且上游步骤质量会向下游级联。(→ 详解3)
- Loop 模式把「跑一次」变「批量跑上千次」——平台托管并发与限流,这是从个人技巧走向规模化的关键。(→ 详解5)
- 内容再利用是近乎零成本的获客打法——把一条播客自动转成博客,持续吃 SEO 长尾流量并接变现钩子。(→ 详解6)
- 交付层决定工具能否被非技术者用起来——简化界面、Chrome 扩展、webhook API 让同事「只体验价值、不看流程图」。(→ 详解7)
- 能列成步骤清单的流程就能 100% 自动化——凡是能像给实习生写便签一样列出步骤的活,都是自动化候选。(→ 详解8)
- 让懂问题的人自助解决,消除需求传递的「传话失真」——SDR/增长/运营直接搭工具,不必把需求转手给工程团队再拿回半成品。(→ 详解8)
知识点详解
1. Gumloop 是什么:拖拽节点 + AI 步骤 02:31
一条 Gumloop 工作流就是一串「节点」,把数据从一个节点传到下一个。集成层对标 Zapier / Make:Slack、Airtable、Outlook、Notion、Reddit、Gmail 等数据源都能拉取。
真正的差异在于把这些数据接上 AI 步骤。最基础的是 Ask AI(等价于问一次 ChatGPT,但可插拔任意模型,含自己部署在 Azure 上的模型);更精细的有数据抽取(按 schema 抽金额、日期)、分类、摘要、打分、图像与视频分析。
当 LLM 步骤与你的数据配对,产出的就是过去要工程师才能搭的「AI 驱动的小产品」。这是全片的底层心智模型:AI 自动化 的原子操作,是把数据节点和模型步骤连起来。
2. 线索富集工作流:webhook + 子流程 + 瀑布式富集 06:44
第一个演示复现了 Gumloop 早期的获客动作:有人注册产品,创始人冲到电脑前 Google 这个人、判断是否高价值线索、再发邮件。整条流程被自动化。
触发方式是 工作流即 API:注册事件把用户邮箱经 webhook 塞进工作流,后台自动跑,不用人工复制粘贴。邮箱进入一个 子流程——一段被封装成节点、像函数一样可复用可分享的独立工作流,负责取域名、抓官网、用 Claude 3 Haiku 一句话概括公司在做什么、再抽出公司名。
拿到公司名后接 瀑布式富集:多个 Enrichment 服务依次兜底,补齐行业、营收、国家(可扩展到 LinkedIn URL、月流量、融资、员工数)。结果格式化后推到公司 Slack,并在 Gmail 里存成草稿——注册后 5 秒团队就收到一条可读的线索通报。
3. 拆小步胜过单个大 prompt:YouTube→博客 16:26
第二个工作流吃一个 YouTube 链接,5 秒产出一篇博客发到 Ghost(CMS)。子流程里先用 YouTube 节点取字幕(也可用 Gemini 做语音转文字或直接分析视频画面)。
关键手法是不把字幕塞进单个 prompt 一次成文,而是拆成小步:先用 o1 把口语「digest」成信息密度高的稿子(长播客内容多,o1 擅长长文本批判性思考,值得多花钱换质量),再让模型以「Greg 的口吻、要 tldr、避免行话」写博客,最后一步单独格式化成 HTML 标题分节。
分步的收益有二:模型在小步里更听话、结果质量更高;且质量会级联——若某步用了弱模型,下游再好也只到上游输出的天花板。标题则用「抽取数据」节点直接拿结构化短标题,省去求模型别输出「好的,这是你的标题」这类废话。
4. 复用即杠杆:子流程 / 模板市场 / 自建节点 16:32
Max 反复强调:好 prompt 调一次,能被复用上千次。三种复用封装贯穿全片。
一是 子流程,把一段工作流当节点复用,可导出给同事直接 import。二是模板目录与即将上线的市场,别人辛苦做的富集流程,花几美元克隆进自己工作区;但 Max 认为模板本质是「产品早期太难用」的创可贴,若 UX 做到位、五分钟捣鼓就能出成果,就不需要模板。
三是 自建节点:把第三方 API 文档粘进 Custom Node Builder,AI 现场生成一个平台集成节点(演示了 builtwith)。半技术的人靠它搭出 Twitter/Bluesky 爬虫、对接自家内部端点,不必是工程师。未来方向是画布上按 Command-K 描述需求,自动命名、取图标、写代码、测试、生成节点。
5. Loop 模式:一次并发跑上千次 13:28
同一条「一个 YouTube 链接→一篇博客」的工作流,只要当子流程接上一张 Google Sheet、开 Loop 模式,就能对一千个链接跑一千次。
Loop 模式相当于给工作流套一个 for 循环:喂它一千个输入,平台托管所有并发调度与各家 API 的限流,你去喝杯咖啡回来内容就生成好了。这是大公司规模化运行自动化的方式——既能手动一次性跑,也能事件/webhook 触发,还能一把 kick off 上千次。
竞品广告分析工作流同样靠它:抓竞品在 Facebook/Instagram 投放的活跃广告,逐条喂给 Gemini 分析画面与意图(外层包一层 error shield,某条广告出错就跳过),再把 50 条分析一次性丢进一个大 o1 prompt 汇总出整体广告策略。
6. 内容再利用做 SEO 引流与变现 19:29
Greg 把 YouTube→博客这类工作流定性为 内容再利用:不是凭空造内容,而是把已经做过的硬功夫(一期播客)重新打包,自动化地吃 SEO 长尾流量。
变现钩子接在内容尾部:卖产品的可以写「喜欢这期就买我的产品/服务」,一定比例会转化;或放 Lead Magnet——「喜欢这期就来拿我们的 2025 报告」,换到邮箱后再做 remarketing。这是「设好自动驾驶、让它复利」的路子:免费访问、免费注册、免费线索。
输出目的地完全可换:想发到 Shopify、Webflow、Google Doc、Notion,只需换掉最后一个节点,自动重连,不用自己搭 OAuth 集成。
7. 三种交付方式:界面 / Chrome 扩展 / API 34:31
核心命题:别人用你搭的强工具时,不该被逼着看懂那张「疯狂流程图」,只该体验价值——就像你用喜欢的 SaaS 不会去看它背后的代码。
一是 Interface:在工作流上叠一个拖拽生成的简单 UI,同事只看到一个填框、点一下就跑的「傻瓜版 App」,想看流程可点 view workflow。二是 Chrome 扩展:演示了 LinkedIn 候选人调研——在候选人主页点 play,扩展抓取整页内容喂进工作流,抽姓名/职位/公司、总结背景、Google 出其 Twitter/GitHub、写进 Google Sheet、Slack 通知团队、用 Apollo 找邮箱、在创始人邮箱里备好草稿。
三是 webhook/API:任何工作流都能当 API 触发,把动态字段从自家网站表单传进来,可用于真做一个 SaaS 前端、后端全由 Gumloop 跑;并能设告警,出错就发邮件。
8. 什么该自动化 + 经济账 39:27
判据很朴素:凡是能像给实习生写便签一样列成「你按顺序做这 15 件事」的流程,就能 100% 自动化。见 步骤清单可自动化判据。Greg 建议的练习是写下自己手动在做的事,逐一问「这能不能自动化」——每个公司里都有成千上万条这样的流程。
更深一层的价值是消除「传话失真」:SDR、营销、增长最懂问题本身,过去要把需求拆给工程团队、抢 headcount 和预算,拿回来常是走样的半成品。把工具直接给懂问题的人,产出就是他们想要的。Max 的口号是「理解问题应当是解决它的唯一前提」,不该需要工程学位才能懂怎么用自动化提升销售。
经济账:一封数据富集的竞品分析邮件约 500 credits(¥当前定价 30,000 credits ≈ $97,折约 $1.62/封),对比旧金山一个初级广告岗至少 $80k/年;若填自己的 API key,单次成本可降到近乎为零。Gumloop 自己就靠 dogfooding 把公司业务流程几乎全自动化,长期只有 2 人 + 2 实习生。
可执行步骤
- 列一张「我手动重复在做」的清单,标出凡能写成实习生便签步骤的条目——这些就是自动化候选。
- 挑一条最烦的流程,先拆成 3-5 个小步(取数据→AI 处理→再处理→输出),而非指望一个大 prompt 搞定。
- 对长文本处理步骤,优先用擅长长文批判性思考的模型(视频里用 o1),别在关键 digest 步省模型。
- 把「一次输入→一次输出」的流程封装成子流程,再接一张表格用批量/循环模式跑,验证能否规模化。
- 给内容型工作流(如 YouTube→博客)接上变现钩子:文末放产品链接或 lead magnet 换邮箱。
- 要给同事用时,叠一个简化界面或做成浏览器插件,让对方「只填一个框」,而不是看流程图。
关联
- 印证:内容变现三阶段打法 的 三阶段变现模型(联盟→邮件列表→自有课程)。本片从自动化侧给了同一逻辑的落地手段——用 内容再利用 批量产 SEO 内容,尾部挂 Lead Magnet 换邮箱做 remarketing,正是「邮件列表」阶段的引擎。
- 我用AI做SEO的5个真实案例 · 内容再利用:印证——本片’一个趋势改写成博客+newsletter+社媒’与该概念定义一致
- 冲突/更新(派别分流):2026-06-19-2026年最佳AI自动化技术栈学习指南 给出明确的”工具派 vs 工程派”分流——本片站工具派(零代码、子流程、Loop 规模化),该片站工程派(写代码、不要 Gumloop/n8n 这类新封装、几十年工程栈够用)。两片不互否,关键变量是”项目生命周期 + 合规要求”:本片路径适合”快速搭、运营/营销自动化、合规低”,该片路径适合”接生产、接企业、长期维护”;Leo 选型应按场景分流,不把任一边当通用答案。
术语
- Gumloop:可视化拖拽的 no-code AI 自动化平台,YC 出身,本片被演示的主角工具。
- Node(节点):工作流的基本积木,一个数据源或一步 AI 处理。
- Ask AI / Extract Data:最基础的两类 AI 节点,前者等于问一次模型,后者按 schema 输出结构化字段。
- Credits:Gumloop 的计费单位,可用自带 API key 大幅压低消耗。
- Enrichment(数据富集):用第三方服务给一条线索补齐公司行业、营收、规模等外部数据。
金句
“understanding a problem should be the only prerequisite to solving it” → 理解问题应是解决它的唯一前提——把「会不会编程」从解决问题的门槛里剔除,是这类工具的价值主张核心。
“if you can list it as a a list of steps like for an intern… then you can 100% automate it” → 能写成实习生便签的流程就能全自动化——一个即拿即用的自动化选题判据。
立场与利益
被访者 Max 是 Gumloop 联合创始人兼 CEO,全片本质是其产品 demo,且刚融资 900 万美元,存在明显利益绑定。主持人 Greg 开场明确声明与 Gumloop 无任何利益关系,但顺带推销了自己的付费社群 startup Empire(片中插播)。
需要区分:「拆小步提升模型质量」「能列步骤就能自动化」「让懂问题的人自助」「内容再利用吃 SEO」属通用共识,不依赖 Gumloop;而「子流程/模板市场/自建节点/Loop 模式/Interface」等具体形态是平台卖点,换 n8n、Make、Zapier 等工具实现细节会不同。credit 定价、「2 人 + 2 实习生」等数据均出自被访者单方陈述,未经独立核实。
价值定位
- 适合谁:已知道自己有一堆重复流程、想用 no-code 工具把它们自动化的独立开发者、solopreneur 与小团队运营;尤其对「想搭自动化但不会写代码」的人是很好的能力扫盲。
- 解决什么:给出可迁移的自动化方法论——拆小步、复用封装、批量循环、内容再利用引流——落到线索富集/内容/竞品分析/招聘四个具体场景。
- 认知 vs 实操:偏「理解格局 + 选题判据」的认知层,加少量可迁移手法;因是单一产品 demo,真要照做仍需自己进工具动手,不是分步教程。
- 与 内容变现三阶段打法 重叠于「内容再利用 + lead magnet」的变现逻辑,但本片独有的是「把这套逻辑做成可批量循环的自动化工作流」的工程视角。
自检问题
- 为什么 Max 主张把一条长任务拆成多个小步喂模型,而不是写一个大 prompt? 答案:分步让模型更听话、结果质量更高,且质量会向下游级联——上游步骤若用弱模型,下游再好也只到上游输出的上限。见详解3。16:26
- Loop 模式解决的是什么问题?它和「跑一次」的区别在哪? 答案:把「一个输入跑一次」变成「上千个输入并发跑上千次」,平台托管并发调度与各家 API 限流,是从个人技巧走向规模化的关键。见详解5。13:28
- Max 判断「一件事该不该自动化」的经验法则是什么? 答案:凡是能像给实习生写便签一样列成有序步骤清单(「你按顺序做这 15 件事」)的流程,就能 100% 自动化。见详解8。39:27
- 本片给出的「内容再利用」如何转化为获客与收入? 答案:把已产出的播客自动转成博客吃 SEO 长尾流量,文末挂产品链接或 lead magnet 换邮箱,再对邮箱做 remarketing,实现免费访问→免费线索→复利。见详解6。19:29
- 为什么要给工作流做 Interface 或 Chrome 扩展,而不是直接把流程图丢给同事? 答案:核心命题是别人只该体验价值、不该被逼看懂流程图(如同用 SaaS 不看其代码);简化界面/浏览器插件让非技术同事「只填一个框、点一下就跑」。见详解7。34:31
💬 热门评论 top-14 主 + 6 回(抓取 2026-07-07)
[2] @AlexAlcyone:看起来非常棒，但你显然是在瞄准更大的客户。我每个月已经被大约40个订阅搞得焦头烂额，每月再加97美元有点负担不起——而且积分系统很复杂，很难预测我的实际使用需求。 👍 22 [4] @yazin60:“理解问题应该是解决问题的唯一前提。”这是对我通过使用不同AI工具所能做到的事情的最好描述。以前我会想“我希望我能做这个那个”，但那远远超出我的技能范围。现在，我可以自己解决那个问题了。 👍 26 [8] @Steve_Solomon:这太疯狂了，我一直在为我的业务构建AI代理来处理任务，但这简直太棒了！UI设计太美了，功能也是世界级的。价格看起来合理。 👍 7 [10] @the-rob-hoffman:很快我们就需要像你之前做的AI编程软件对比视频那样，来一个Gumloop、Lindy、Make、n8n的对比视频了！🙌 👍 30 ↪ @GregIsenberg(UP):确实！ 👍 11 [13] @Alf-Dee:太棒了！但真正的问题是：OpenAI Operator能被提示使用我的Gumloop账户创建自动化并测试直到它们工作吗？😆 👍 6 [14] @annastasia-j8d:哇，Gumloop看起来确实是我一直在等待的无代码AI自动化工具！可视化界面让构建强大的工作流看起来真的可行。 👍 2 ——其他 6 条:感谢/夸赞([3]@jcwfh、[5]@toheedmahar-1、[6]@nourinahmedeka9518、[9]@abdulwarisgoodgrounds5103、[11]@SHAFIWU-y5t、[12]@vishnuakhil1493);2 条 spam 已略
英文原文
[1] @GregIsenberg(UP):new character unlocked fellow montrealer Max Brodeur-Urbas aka automation ai goat. like/comment/subscribe for more of this in your feed 👍 54
↪ @RyanStephenAlldridge:Get Gumloop to automate it 😏 👍 1
↪ @richlaurie9535:Always great to see and learn from other Montrealers! Go Habs! I miss the bagels so much we now have dozens at a time shipped from St. Viateur to us here in California. The bagels they sell locally are basically round loaves of bread with a hole in the middle - horrible!
↪ @birendarrajbhar3199:Please add hindi audio track in your all videos
↪ @birendarrajbhar3199:Please add hindi audio track in your all videos
↪ @birendarrajbhar3199:Please add hindi audio track in your all videos
[2] @AlexAlcyone:Looks super amazing but you are clearly going after bigger clients. I'm getting killed by about 40 monthly subscriptions already and another $97/mo is somewhat prohibitive rn - also the credit system is complex, making it very difficult to predict my actual usage requirements. 👍 22
[3] @jcwfh:I’m really impressed how industry-mature this young man is. All the things he mentioned is music to my ears. From functions, error handling, SaaS, UI-forward, customer analysis. SDR. A founder with this breadth of context and maturity just bodes well for this startup. Well done, Max. 👍 21
[4] @yazin60:"Understanding the problem should be the only pre-requisite to solving it." That is the best description of how I feel about what I have been able to do by using different AI tools. Before it would be "I wish I could do blah blah blah" and then it would be too far out of reach for my skills. Now, I can just solve that problem on my own. 👍 26
[5] @toheedmahar-1:that lead automation example was 🔥 👍 1
[6] @nourinahmedeka9518:You are uploading every day Greg! How are we supposed to keep up!? Exciting time!! 👍 37
[7] @SplendidHUNZA:Max's demo on streamlining processes brings back how Pneumatic Workflow helped us with compliance using its conditional logic and metrics. It's a lifesaver!
[8] @Steve_Solomon:This is insane, I have been building ai agents for my business for task but this is just wow! What a beautiful UI design and the functions are just out of this world. Pricing seems reasonable. 👍 7
[9] @abdulwarisgoodgrounds5103:It's Startup Ideas Podcast!!! It's Sipping Time Baby !!! 😁 🐥 🍼😂😂❤ Greg, I appreciate this things you're doing for us. Thank you on behalf of we the Future Builders. 😊 🙏 👍 3
[10] @the-rob-hoffman:Pretty soon we’ll need a gumloop, Lindy, make, n8n comparison video just like the one you did with AI coding softwares! 🙌 👍 30
↪ @GregIsenberg(UP):true! 👍 11
[11] @SHAFIWU-y5t:this makes automation sound so easy lol 👍 1
[12] @vishnuakhil1493:Thank you Greg for getting Max. Will try this out. The video title, "I built an AI Agent in 43 min to automate my workflows (Zero Coding)", but you didn't lol. 👍 3
[13] @Alf-Dee:This is amazing! But the real question is: Can Openai Operator be prompted to use my Gumloop account to create automations and test them until they work? 😆 👍 6
[14] @annastasia-j8d:Wow, Gumloop really does look like the no-code AI automation tool I've been waiting for! The visual interface makes it seem genuinely achievable to build some powerful workflows. 👍 2