如何大規模使用 ChatGPT 和 Claude 個人化 LinkedIn 人脈備註

ChatGPT 與 Claude：哪個工具適合哪個工作

對大多數人來說，最容易上手的工具往往是他們已經習慣使用的工具。本指南中的提示和原則在這兩種工具中都同樣適用。許多從業者使用 ChatGPT 進行批量生成，而使用 Claude 來記錄高價值的單一筆記——但它們的工作流程完全相同。

寫筆記之前需要收集哪些訊息

你透過人工智慧產生的 LinkedIn 筆記品質與你輸入給人工智慧的資訊品質直接相關。輸入垃圾訊息，輸出千篇一律。在使用 ChatGPT 或 Claude 之前，你需要收集每個你計劃聯繫的人的個人化資料。

關鍵數據點

至少，你需要知道對方的名字、目前的職位和公司，以及你聯絡他們的一個具體、真實的理由。這個理由是實現個人化溝通的關鍵。

高價值數據點

如果你想要真正個性化而非千篇一律的筆記，那就需要更深入地挖掘。尋找他們最近發表的貼文或文章，並記下引起共鳴的主題或具體觀點。看看你們是否有共同的人脈，如果有，請列出他們的名字。尋找共同的職業經驗－你們是否在同一行業工作過、參加過同一場會議，或經歷過類似的職業轉型？記下任何相關的獎項、里程碑事件或公司新聞，確保這些內容夠新，能夠體現時效性。這些資訊點將成為你的AI提示工具的素材，最終產生一份個人化且相關的筆記。

在哪裡可以找到這些資訊

他們的領英個人資料是你的主要資訊來源。不要只看標題——閱讀他們的“關於我”部分，查看他們最近的活動（帖子和評論），了解他們曾就職的公司，並瀏覽他們的精選內容部分。如果他們的個人資料中包含新聞簡報、播客或已發佈內容的鏈接，即使只是快速瀏覽，你也能獲得幾乎所有其他聯繫他們的人都不會費心去尋找的信息。

整理你的研究

為了擴大此流程的規模，請將您的研究成果保存在一個簡單的電子表格中。表格列應包含：姓名、目前職位、公司、產業、個人化切入點（您將提及的唯一具體資訊）、聯絡原因以及任何其他背景資訊。此電子表格將成為您大規模部署人工智慧提示的輸入。

閱讀更多—> 人工智慧在現代 LinkedIn 網路中的作用

LinkedIn筆記的核心提示框架

結構良好的提示是人工智慧輸出能否立即發送的關鍵所在，而完整的提示則需要使用者提供完整的資訊。 改寫以下是在各種使用情境下都能持續產生最佳 LinkedIn 人脈備註的框架。

高轉換率人工智慧提示的六個要素

1. 角色

告訴人工智慧它代表誰寫作。包括您的姓名、目前職位以及任何與您的職業方向相關的背景資訊。人工智慧需要知道它用誰的口吻寫作。例如：“您代表[您的姓名]寫作，[您的姓名]是一位B2B SaaS行銷顧問，致力於幫助早期創業公司建立其首個成長引擎。”

2. 接收者背景

向人工智慧提供您要聯繫的人的關鍵資訊。包括他們的姓名、職位、公司以及您在研究中確定的具體個人化切入點。例如：“收件人是[名字]，[公司名稱]的產品副總裁。他們最近發布了一篇關於在產品生命週期管理 (PLG) 中協調產品和銷售團隊所面臨挑戰的文章。”

3. 訊息目標

明確說明你希望透過這訊息達成什麼目標。 LinkedIn 人脈資訊有 300 個字元的限制，因此其目標幾乎從來都不是促成交易，而是建立聯繫並展現真正的相關性。在提示中清楚地表明這一點：“目標是透過展現真正的相關性來建立聯繫，而不是推銷產品或服務。”

4. 語氣和語調

明確指定語氣。選項包括：熱情友善的對話式語氣、直接專業的語氣、好奇友善的語氣、熱情而尊重的語氣。語氣要與您的個人品牌以及收件者的偏好相符。新創公司創辦人對郵件的反應與公司副總裁截然不同。

5. 約束

LinkedIn 人脈備註字數限制為 300 個字元。請在備註中明確規定此字數限制。同時，請說明需要避免使用哪些短語或表達方式，例如「不要提及任何服務或產品」、「不要使用『協同效應』一詞」或「避免以『我』開頭」。

6. 輸出格式

請提供兩到三個版本，以便您有多種選擇。要求每個版本不超過300個字符，並以純文字格式撰寫，不要使用特殊格式或表情符號。

閱讀更多—-> 人工智慧代理能否在不顯得像機器人的情況下處理回應？

主提示模板

這是一個可重複使用的主提示框，包含了所有六個要素。將其複製到 ChatGPT 或 Claude 中，並填寫方括號內的欄位：

您正在代表 [您的姓名] 撰寫 LinkedIn 聯絡人請求備註，[您的角色] [簡要描述您的工作內容和服務對象]。

收件者是[名字]，[職稱]，[公司名稱]。 [一句話具體說明—例如，「他們最近寫了一篇關於X的文章」或「他們在W公司工作了Z年後，剛加入Y公司。」]

我聯絡你的理由：[你的真實理由──共同的興趣、對他們工作的欣賞、潛在的合作機會、同一個社群等等。 ]

語氣：[語氣－例如，熱情友善、直接專業、好奇輕鬆]

限制條件：不超過300個字元。純文字格式。禁止推銷。禁止使用行話。請勿以“我”開頭。請勿使用「協同效應」、「槓桿作用」或「聯繫」等字眼。

寫出三種不同的寫法。

按使用案例分類的即用型提示範例

不同的拓展目標需要不同的提示語。以下是針對最常見的 LinkedIn 人脈拓展場景的完整提示語範例。

用例 1：閱讀內容後主動聯繫

您正在代表中型金融科技公司的使用者體驗研究員 Maya Chen 撰寫 LinkedIn 人脈邀請。收件人是產品設計師 David Park，他最近發表了一篇關於「暗黑模式」如何侵蝕金融應用信任度的文章。 Maya 認為這篇文章很有見地，並希望與 David 在產品和設計領域建立聯繫。語氣：真誠、平等溝通、深入探討。字數不超過 300 個字元。無需推銷。提供三種版本。

用例 2：聯繫潛在客戶

您正在代表自由品牌策略師 James Okafor 撰寫 LinkedIn 人脈邀請。收件者是 Priya Mehta，一家名為 NovaCare 的 A 輪融資醫療科技新創公司的行銷主管。 James 一直關注著 NovaCare 的發展，並欣賞他們在競爭激烈的市場中獨特的定位。他希望建立聯繫，但不想推銷任何服務——只是想打開一扇門。語氣：尊重、專業、輕鬆。字數不超過 300 個字元。請勿提及他的服務。提供三種版本。

用例 3：聯絡潛在雇主或招募經理

您正在代表 Leila Santos 撰寫 LinkedIn 人脈邀請。 Leila Santos 是一位擁有五年電子商務和零售經驗的資料分析師。收件者是 Shopify 的分析總監 Tom Briggs。 Leila 正在積極尋找新的工作機會，並且非常欣賞 Shopify 的商家分析方法。她希望建立真誠的聯繫，而不僅僅是為了求職。語氣：專業、熱情、真誠。字數不超過 300 個字元。不提及求職申請。提供三種版本。

用例 4：與前同事或聯絡人重新建立聯繫

您正在代表銷售總監 Raj Patel 撰寫 LinkedIn 人脈邀請。收件人是 Sarah Kim，她四年前曾與 Raj 在同一家公司共事。他們並非親密同事，但曾在幾個專案上有合作。 Raj 希望與 Sarah 重新建立聯繫，但不想顯得勉強或帶有交易性質。語氣：熱情、輕鬆、無目的。字數不超過 300 個字元。提供三種版本。

使用案例 5：會議或活動後的聯繫

您正在代表新創公司創辦人 Anna Kowalski 撰寫 LinkedIn 人脈邀請。收件人是 Ben Torres，一位創投合夥人，Anna 上週在 SaaStr 大會上與他們有過短暫的交流。他們就垂直產業 SaaS 領域的 AI 進行了簡短的對話。 Anna 希望繼續探討這個主題。語調：熱情、正面、與會議內容相關。字數不超過 300 個字元。不提出任何要求。提供三種版本。

閱讀更多—-> 使用 Konnector.ai 安全地自動化 LinkedIn 外聯

擴展工作流程：從一張筆記到一百張筆記

一旦你驗證了你的提示能夠產生高品質的個人筆記，就該建立工作流程，讓你能夠在不犧牲品質的前提下批量生成個人化筆記。

第一步：建立您的研究電子表格

建立一個電子表格，每行代表你計劃聯絡的人。表格的列應包括：名字、職稱、公司、行業、個人化開場白、聯繫原因、語氣（如果因人而異），以及一列用於記錄生成的留言，另一列用於記錄審核/最終的留言。

步驟 2：按細分市場批量處理提示訊息

不要為每個人都單獨編寫提示語。相反，將你的名單分成幾個部分——例如，潛在客戶、潛在合作夥伴、受人尊敬的思想領袖和前同事。為每個部分編寫一個主提示語範本。然後，為該部分中的每個人填寫個人化變數。這種方法可以讓你獲得個人化的輸出，而無需每次都從頭開始重新編寫提示語。

步驟 3：分批生成

對於中等數量的筆記（十到三十條），您可以手動操作，將填寫好的提示逐條貼到 ChatGPT 或 Claude 中。對於數量較多的筆記，可以使用 API（ChatGPT 的 OpenAI API 或 Claude 的 Anthropic API），並結合使用帶有 AI 插件的電子表格工具（例如 Google Sheets）或無需編寫程式碼的自動化工具（例如 Clay、Make 或 Zapier）。這些平台允許您將電子表格中的每一行作為提示傳遞，並自動將生成的筆記新增至新列。

第四步：審核、編輯與批准

所有人工智慧產生的筆記在發送前都必須經過手動審核。這不是可選項——下一節會詳細說明原因。發送前，請將每個筆記標記為「已批准」、「需要編輯」或「需要重新產生」。

第五步：帶著意圖發送

LinkedIn 沒有大量發送人脈邀請的功能——每個邀請都必須單獨發送。這其實是一項功能，而非漏洞：它能確保你以自然節奏發送邀請，避免觸發 LinkedIn 的垃圾郵件過濾器。每天手動發送 20 到 50 個邀請比較合理。最好將它們分散在一天中發送，而不是一次性全部發送。

您無法跳過的人工審核環節

人工智慧產生的LinkedIn備註只是初稿，並非最終版本。將其視為最終成品是人們在嘗試大規模個人化LinkedIn人脈備註時最常犯也是代價最高的錯誤。

每張紙條都要檢查什麼

準確性

人工智慧模型可能會產生幻覺或誤解你提供的上下文。如果你告訴人工智慧有人“最近發布了一篇關於遠端團隊管理的文章”，請務必核實筆記中對該文章的引用是否準確具體，而不是泛泛而談，可以適用於任何人。細節出錯的筆記比泛泛而談的筆記更糟糕，因為它表明你粗心大意，而不是真正關心此事。

字符數

LinkedIn 的 300 個字元限制非常嚴格。發送前務必將每個訊息貼到字元計數器中。即使您在提示中指定了字數限制，AI 偶爾會超出限制。訊息被截斷既尷尬又無效。

色調適

大聲朗讀每一則留言。聽起來像你自己的風格嗎？符合收信人可能的溝通風格嗎？如果收信者平常在領英上發文風格輕鬆幽默，那麼用非常正式的語氣寫的留言就會顯得很不合適。審閱過程中，依需求調整語氣。

「這令人毛骨悚然嗎？」測試

深入調查和令人不安的監視只有一線之隔。如果你的留言提及一些非常冷門的內容——例如，他們兩年前在別人貼文下留下的評論——這可能會讓人覺得是在侵犯隱私，而不是出於個人考慮。請堅持使用公開可見、近期且與工作相關的內容。

語法與流暢性

人工智慧輸出的內容通常語法正確，但並非總是如此。閱讀時不僅要注意文法正確性，也要注意行文流暢性。簡短精煉的句子最適合用於領英筆記。任何需要重複閱讀才能理解的內容都需要簡化。

應該做什麼和不應該做什麼：那些讓AI筆記感覺像垃圾郵件的錯誤

大規模使用人工智慧個人化LinkedIn人脈備註的目標是建立聯繫，而不是自動化群發訊息。有幾種模式會立即暴露出人工智慧產生的備註並非真實——請避免所有這些模式。

LinkedIn 人脈備註：該做什麼與應該避免什麼

他們接受之後會發生什麼事：人工智慧輔助後續行動

聯絡資訊是敲開客戶大門的第一步。後續資訊才是真正促成轉換的關鍵。人工智慧也能幫助你個性化這個步驟，其原理與聯絡資訊基本上相同，但也存在一些重要的差異。

第一條後續訊息

在對方接受邀請後的24到48小時內發送後續訊息，趁對方對你印象還不錯。這則訊息應該比之前的聯絡資訊稍長一些——兩到四句話——但仍然要保持輕鬆隨意的風格，避免事務性的內容。感謝對方的聯繫，強調這次聯繫的意義，並以真誠的問題或想法開啟對話。

提示人工智慧發送後續訊息

使用相同的主提示框架，但更新目標。目標不再是“建立聯繫”，而是“開啟一段真誠的對話”。向人工智慧提供他們接受邀請的背景資訊（如果你知道的話）、你在聯絡備註中提出的最初切入點，以及一個你真心希望得到解答的對話問題。請他們回覆一個以簡單易回答的問題結尾的訊息。問題過多會降低迴覆率——一個問題總是恰到好處。

長遠策略

並非所有與你建立聯繫的人都會立即轉換為客戶、雇主、合作夥伴或商機。最有價值的人脈往往需要數月時間，透過持續的、有價值的互動才能建立起來——例如評論他們的貼文、分享他們的作品、回覆他們的內容。人工智慧還可以幫助你大規模地撰寫有見地的評論。把你的LinkedIn人脈網路當作花園，而不是自動販賣機。

實現流程自動化的工具和集成

如果您想大規模地個人化 LinkedIn 聯絡人備註，而手動複製貼上無法實現，這些工具和平台可以幫助您建立整合流程。

粘土

Clay 是一個資料增強和外部自動化平台，可直接與 AI API 整合。您可以提取 LinkedIn 個人資料數據，利用網路上的其他上下文資訊對其進行豐富，並運行 AI 提示以產生個人化備註——所有操作均可在單一工作流程中完成。它是專為此類用例打造的工具之一，被銷售團隊和招募人員廣泛用於大規模的 AI 個人化外展。

Make（原名 Integromat）和 Zapier

這兩個平台都允許您將 Google Sheets（您的研究資料所在位置）連接到 OpenAI 或 Anthropic API。您可以建立一個工作流程，當向電子表格新增一行時，系統會自動觸發提示、產生註釋並將其寫回表格。基本工作流程無需編寫任何程式碼。

幻影剋星和杜克斯湯

這些 LinkedIn 自動化工具可以幫助您大規模收集個人資料數據，並將其匯入您的 AI 提示工作流程。請謹慎使用這些工具，並遵守 LinkedIn 的服務條款——過度自動化可能會導致帳戶受限。

Google Sheets 與 GPT 或 Claude 插件

多款 Google Workspace 外掛程式可將 AI 直接整合到 Google Sheets 中，您只需在儲存格中編寫公式，即可根據同一行其他儲存格的資料產生輸出。對於希望自動產生大量資料而無需建立完整整合的非技術用戶而言，這是最便捷的入口。

關於LinkedIn服務條款的說明

LinkedIn限制違反其規定的自動或大量訊息發送和連接請求。 使用者協議使用人工智慧撰寫筆記並不違規——內容仍然會經過人工審核並手動發送。但是，使用機器人大量自動發送好友請求違反了平台規則，並可能導致帳號受限。最穩健的做法始終是人工智慧輔助撰寫筆記與手動發送相結合。

快速入門清單：大規模個人化 LinkedIn 人脈備註

使用此清單從零開始啟動您的第一個 AI 個人化推廣活動。

研究與準備

建立研究電子表格，包含姓名、職稱、公司、個人化切入點、聯絡原因和語氣等欄位。為每個人至少確定一個真實、具體的個人化切入點。將名單分成兩到三個具有共同拓展目標的群體。

快速建造

使用六要素框架，為每個片段編寫一個主提示範本。模板應包含300個字元的限制、禁用字詞列表和語氣規範。在進行大量測試之前，先用三到五個人測試每個模板。審查測試結果並不斷改進提示，直到效果始終良好。

批量生成

按細分市場分批產生筆記。如果每日產生量超過 30 條，請使用 AI API 整合到您的電子表格中。將所有產生的筆記儲存回電子表格的專用列中。

人工審核

發送前請仔細閱讀每一則訊息。核實準確性，檢查字數，評估語氣是否恰當，並進行“這是否令人毛骨悚然？”的測試。將每個資訊標記為已批准、需要編輯或重新產生。

發送和跟進

每天手動發送 20 到 50 個請求，分散在一天中進行。請求被接受後 24 到 48 小時內，發送一條簡短的對話式訊息進行跟進，訊息結尾以一個問題結尾。按使用者群組追蹤接受率和回覆率，以便隨著時間的推移不斷優化您的策略。