别让 Bot 批量注册账号：把 Claude 问答自动存成 Markdown 的合规方案

很多人折腾 AI 自动化时，都会掉进一个坑：

让 Bot 去注册一堆账号，再用虚拟机、中转服务、邮箱 App 串起来。

听着很酷，实际往往是“给自己挖了一个验证码地狱”。

账号卡住、邮箱被限制、平台触发风控、上下文散落一地。忙活两小时，真正的研究一行没写。更麻烦的是，批量注册、绕过手机号验证、规避平台限制，通常会违反服务条款，还可能导致账号和数据一起没掉。

咱们把目标换一下：不折腾账号，专注把 AI 对话稳定地保存成 Markdown。

这样做更稳，也更适合长期使用。你每天问 Claude 的方案、代码、会议整理、文案草稿，都能自动落到本地文件夹。哪天想翻三个月前的一段答案，不用在网页历史里考古。

你真正需要的工作流

一个够用的 AI 问答归档流程，其实只有四步：

1. 用自己的合规账号完成提问。
2. 给每次提问加上项目名和主题。
3. 把回答保存为 .md 文件。
4. 用本地目录或知识库工具检索。

文件结构可以长这样：

AI-Notebook/
├── 2025-项目策划/
│   ├── 2025-03-10-用户访谈提纲.md
│   ├── 2025-03-11-竞品分析框架.md
│   └── 2025-03-12-落地页文案.md
├── 2025-代码问题/
│   ├── 2025-03-10-Python-批量重命名.md
│   └── 2025-03-12-SQL-查询优化.md
└── README.md

别小看这个目录。持续积累几个月，它就是你的个人工作手册。

方案一：手动保存，适合刚起步的人

如果你每天和 AI 聊十几次以内，手动保存已经够用了。

建议固定一个 Markdown 模板

每次新建文件，直接复制下面这段：

---
title: "用户访谈问题清单"
date: 2025-03-12
tool: Claude
project: 增长实验
status: 已整理
---

# 用户访谈问题清单

## 我的需求

我在做一款面向自由职业者的记账工具。请设计一份 30 分钟用户访谈提纲，重点了解他们记账失败的原因。

## AI 回答

> 把完整回答粘贴到这里。

## 我的结论

- 用户真正讨厌的不是记账，而是分类太麻烦。
- 首页要优先展示“快速记一笔”。
- 下次继续追问：自动分类的容错范围。

## 待办

- [ ] 整理 10 个访谈问题
- [ ] 找 3 位目标用户预约访谈

这里最值钱的部分，不是 AI 的原始回答，而是 “我的结论”。

AI 会重复生成类似内容。你自己的判断、取舍、下一步动作，才是以后翻出来还能直接用的东西。

文件命名别随意

推荐这个格式：

日期-主题-关键词.md

例如：

2025-03-12-内容选题-小红书标题.md
2025-03-12-代码调试-Nextjs登录问题.md

以后搜索 登录问题、小红书标题，一秒定位。别再用“新建文本文档（37）”了，求你了。😅

方案二：用 API 自动写入 Markdown

如果你每天要处理几十条问答，比如做资料分析、客服质检、批量生成内容初稿，可以用 API 建立自动归档。

核心原则很简单：

• 通过官方 API 调用模型。
• 密钥放在环境变量里。
• 每次请求生成一个 Markdown 文件。
• 文件名带时间和主题。
• 不把个人隐私、客户机密直接丢给第三方模型。

Python 示例：把一次问答保存为 .md

下面是一个通用思路。模型调用部分请按你实际使用的平台 SDK 或 API 文档替换。

from pathlib import Path
from datetime import datetime
import re


def safe_filename(text: str) -> str:
    """清理不适合放进文件名的字符。"""
    text = re.sub(r'[\\/:*?"<>|]', '-', text)
    return text.strip()[:40]


def save_to_markdown(question: str, answer: str, topic: str):
    now = datetime.now()
    date_str = now.strftime('%Y-%m-%d')
    time_str = now.strftime('%H:%M')

    folder = Path('AI-Notebook') / now.strftime('%Y-%m')
    folder.mkdir(parents=True, exist_ok=True)

    filename = f'{date_str}-{safe_filename(topic)}.md'
    filepath = folder / filename

    content = f'''---
title: "{topic}"
date: {date_str}
time: {time_str}
tool: Claude
---

# {topic}

## 提问

{question}

## 回答

{answer}

## 我的备注

- 

## 下一步

- [ ] 
'''

    filepath.write_text(content, encoding='utf-8')
    print(f'已保存：{filepath}')


question = '请帮我列出一份 SaaS 产品冷启动的 7 天执行计划。'
answer = '这里填入模型 API 返回的回答。'
topic = 'SaaS 产品冷启动计划'

save_to_markdown(question, answer, topic)

跑完后，你会得到类似文件：

AI-Notebook/2025-03/2025-03-12-SaaS 产品冷启动计划.md

一个实战小技巧：保存“原始回答”和“整理版”

模型第一次回答，往往信息很多，结构未必好用。

可以让工作流分两步：

1. 模型回答原始问题。
2. 再让模型把答案压缩成行动清单、风险点和待办项。

Markdown 里这样存：

## 原始回答

保留完整内容，方便回看上下文。

## 行动版摘要

- 今天：确定目标用户画像。
- 明天：写出访谈提纲。
- 本周：完成 5 次访谈。

## 风险点

- 不要一上来做完整功能。
- 访谈对象别只找朋友。

这样你打开文件，不需要读 3000 字废话，30 秒就知道该干什么。

方案三：浏览器自动化，只做“自己的内容归档”

有些人不想碰 API，只在网页端使用 Claude、ChatGPT 或其他 AI 工具。也可以做轻量自动化。

适合的动作包括：

• 把当前对话复制到剪贴板。
• 自动生成 Markdown 标题。
• 保存到指定本地目录。
• 按项目归类。

注意边界：自动化用于管理你自己的已登录会话和本地文件，不要拿它批量注册账号、绕过验证或模拟异常访问。

一个低门槛组合

你可以这样搭：

• 浏览器：正常使用 AI 网页端
• 剪贴板工具：Raycast、uTools、PowerToys 或 Alfred
• 笔记库：Obsidian
• 自动化工具：Keyboard Maestro、AutoHotkey、快捷指令

实际操作很朴素：

1. 在网页里复制一段满意的问答。
2. 按一个快捷键。
3. 脚本把剪贴板内容包进 Markdown 模板。
4. 自动写入 Obsidian 的指定文件夹。

这套流程没什么炫技成分，却能让你每天早下班半小时。因为你不用再整理散落在聊天记录、备忘录、桌面文件里的内容。

给 AI 的提问格式：让保存下来的内容更值钱

很多人的归档文件没法复用，问题不在保存工具，而在提问太散。

别只问：

帮我写个活动方案。

换成这种：

你是有 5 年经验的社群运营负责人。

背景：我在运营一个 300 人的摄影学习社群。
目标：7 天内让 80 位沉默成员完成一次作品发布。
限制：没有抽奖预算，每天运营时间不超过 40 分钟。

请输出：
1. 每天的具体动作；
2. 每条群公告的文案；
3. 可能翻车的地方；
4. 用 Markdown 格式回答。

你保存下来的文件会直接变成执行方案，而不是一团“看着有道理，干起来没法用”的文字。

推荐加入这三个字段

每次提问都补上：

• 背景：项目处于什么阶段。
• 限制：预算、时间、人员、工具限制。
• 输出格式：表格、清单、代码、JSON 还是 Markdown。

模型不知道你的约束，就会默认你有无限预算、无限时间和一整个团队。现实里谁有啊？

避坑清单：这些操作真没必要碰 ⚠️

1. 别把多账号当成生产力

账号越多，维护成本越高。

登录状态、验证邮件、密码、风控、对话记录同步，全是隐形账单。一个稳定账号加一套归档机制，通常比十个临时账号有用得多。

2. 不要尝试绕过手机号或邮箱验证

验证机制是平台的安全边界。绕过去的代价，常常是账号被封、数据丢失，甚至连正常账号也受影响。

需要团队协作时，优先看官方团队版、企业版或 API 的权限管理能力。

3. 虚拟机不是“万能隐身斗篷”

虚拟机适合隔离开发环境、测试脚本、保护本地工作区。

它解决不了平台规则问题，也不会自动让异常行为变正常。别把精力花在这种错位的技术对抗上。

4. API Key 别写进代码仓库

别这样：

API_KEY = "sk-xxxxxxxx"

尤其别直接提交到 GitHub。

更稳的做法是放进 .env 文件，并把它加入 .gitignore：

# .gitignore
.env

5. 敏感信息要脱敏

客户姓名、手机号、合同金额、身份证信息、内部账号密码，不要原样发送给模型。

可以把：

客户张三，手机号 138xxxxxx，合同金额 18 万。

改成：

客户 A，某联系方式，合同金额约 20 万。

模型需要的是任务背景，不是你全部的私密数据。

一个能直接照抄的日常流程

如果你今天就想开始，按这个做：

1. 在电脑里新建 AI-Notebook 文件夹。
2. 安装 Obsidian，直接把这个文件夹作为仓库打开。
3. 建一个 模板.md，复制本文的 Markdown 模板。
4. 每次得到满意答案，保存一份到对应项目目录。
5. 每天下班前花 5 分钟，在文件底部写“我的结论”和“下一步”。
6. 每周挑 10 篇有价值的内容，合并成一篇项目周报或操作手册。

坚持一个月，你会发现 AI 不再只是聊天窗口里的临时灵感。

它会变成一个持续生长的资料库：你做过什么、踩过什么坑、哪些提示词有效、哪个方案被验证过，全都留得住。这个东西，才是真的长期资产。