Matteo Sanzone 用 Claude Code 示範一人 AI 行銷代理商怎麼運作

畫面中的 command center 會開出多個沒有獨立視窗的終端工作階段，Sanzone 依客戶命名，再從手機連回家中運作中的電腦。他示範的 prompt engineer skill 會先從 Obsidian 補齊客戶、廣告帳號與關注指標，再把「查某位客戶的 Meta 廣告表現」重寫成完整的工作指令。這裡的效率不是來自一句萬用提示詞，而是任務在執行前已經拿到可搜尋的背景與固定格式。

Anthropic 目前也提供 Claude Code Remote Control，讓手機或瀏覽器接續本機工作階段；Sanzone 自製介面的主要差別，是把 Claude Code、Codex 等不同工具放進同一個入口。他同時指出直接風險：如果未授權的人進入這個介面，就可能控制整台電腦。他的做法是加上密碼並限制可連線的 IP，但影片未展示權限分層、操作稽核或不同客戶之間的隔離。

Playwriter 接手已登入的瀏覽器

要把指令變成網站操作，他主要使用 Playwriter，而不是只靠 Microsoft 的 Playwright MCP。Playwriter 官方把產品定位為 Chrome 擴充功能與 CLI，讓 Agent 操作使用者已經登入、保留 cookies 與既有擴充功能的真實瀏覽器。Microsoft 的 Playwright MCP 預設可另開瀏覽器，也支援透過擴充功能連接現有的 Chrome 或 Edge，因此兩者不能只用「是否沿用登入狀態」區分。直接接手既有瀏覽器能減少 Meta Ads 等網站反覆登入，但也把登入狀態和可操作權限交給 Agent。

Sanzone 舉的案例包括建立 Meta 廣告活動、替舊網站把 150 多項商品搬到 Shopify，以及從手機下指令後讓系統自行回報結果。這些時間與完成度也是他的自述；畫面能確認瀏覽器控制、終端與任務資訊已接在一起，卻不足以證明每種網站都能長時間無人看管地可靠執行。

廣告產生與競品研究共用同一條資料路徑

Meta Ads Creative Engine 會讀取客戶網站、品牌資產與文案語氣，一次產生動畫、程式動畫與靜態素材；畫面示範單次產生九款廣告，再把選定素材交給 Playwriter 建立 campaign。另一個 competitive research Agent 則進入 Meta Ads Library，下載公開廣告、轉錄影片與整理文案，再把結果存回 Obsidian。Meta 將 Ads Library 定位為廣告透明度資料庫；影片也明確說明，一般公開頁不會提供競品的轉換數據，看到對方投放哪些素材，不等於知道它實際賣得好不好。

Sanzone 另稱，一支 AI 製作的東京房地產廣告帶來約 35 筆名單，其中約一半有實際找房需求，最後成交三至四人。這組結果沒有獨立報表，應視為案例陳述，而不是這套 Agent 的普遍成效。訪談最後也回到比較不吸睛、卻更關鍵的前提：不要下載一份「專家 Agent」就直接替客戶做行銷，至少要先理解漏斗、廣告與測量方式。影片同時導向 Sanzone 的 Murasaki AI 免費 Agent 與付費社群，因此它既是系統示範，也是產品入口；四小時工作週真正壓縮的是執行時間，前面十二年的經驗、資料整理與權限設計並沒有一起消失。