《跟AI破局创始人洋哥连麦半小时，我把最值钱的3个认知和4个动作分享给你》 大家好，我是王中阳，12年技术老兵，连续创业者，AI科技公司CEO，现在从程序员就业辅导逐步布局ToB AI商单、AI企业培训、AI企业服务。 今晚有幸跟AI破局创始人洋哥连麦答疑了半个小时。 说实话，去之前我准备了7个问题，都是我当前ToB业务最痛的卡点：获客渠道单一、定制化到标准化的跨越、主航道不聚焦、AI员工交付能力、ToC到ToB身份转换。 连麦结束后，我最大的感受是：洋哥没有给我什么"绝招"，但他用自己踩过的坑和真实数据，帮我把几个想不通的问题彻底想通了。 这篇帖子不吹不黑，只分享对我冲击最大、且立刻能落地的3个认知和4个动作。如果你也在做ToB或者在用AI员工做业务，这篇应该能帮你少走至少1个月弯路。 认知一：破局生态是辅助不是主力，自有流量+交付质量才是核心 过去我对破局生态的期待有点高：觉得加入了破局，就能链接到大量企业老板资源，就能快速拿到ToB商单。 洋哥一句话点醒我：破局资源链接（找人推课、挖商单）能带来一定收益，但增量有限，不应抱有脱离实际的过高预期。 他用破局过往的真实营收数据说话：今年外部推客人数锐减，但自有流量逆势增长，核心在于交付质量提升。外部渠道红利消退已成定局，自建流量池才是生存底线。 这个信息直接改变了我的策略： 过去我想的是"怎么在破局里多链接人、多拿商单"。 现在我想的是"怎么把自有流量基本盘做扎实，怎么把交付质量做到极致，让转介绍自然发生"。 破局生态的正确用法是：用高频发帖增加曝光、用精华帖建立专业背书、用线下活动面对面链接人。但不要把所有希望寄托在破局分销上，真正的增长来自自有流量+交付质量+转介绍飞轮。 认知二：多Agent协同不用追求全链路自动化，统一知识库+飞书表格就够了 这是对我技术冲击最大的一个点。 过去我一直在纠结：怎么让多个AI员工之间自动通信、自动协作、全链路无人化？我试过让AI开发经理安排任务，但不同Agent间仍需人工手动复制粘贴指令来串联，严重依赖人工充当"传话筒"。 洋哥直接给出解决方案：放弃追求全链路自动化，转而采用统一知识库沉淀数据，通过飞书多维表格或Git实现信息同步与读写。 具体做法是： 所有数据库与知识库统一沉淀至OP平台作为唯一数据源 利用飞书多维表格作为共享看板，各Agent定时读取最新内容并输出结果 保留关键节点的审批与拍板环节，避免为自动化而盲目追求全无人化 我听完直接拍大腿：我之前一直在追求"完美的全自动化"，反而卡在了技术瓶颈上。洋哥的方案很务实：不用追求100%自动化，能做到70%自动化+30%人工审批，就已经能大幅提升效率了。 他还透露：研发环节已能完全自动化，但仍需人工审核拍板。他彻底放下了执念，开始接受人机协同的务实模式。 这个认知直接解决了我AI员工体系的技术瓶颈。我已经决定重构AI员工架构：统一知识库+飞书多维表格共享看板+各Agent异步读写+关键节点人工审批。 认知三：AI+短视频+直播是工业化打法，无需天赋重在勤奋 过去我对短视频和直播有畏难情绪：觉得自己不是那块料，不会表演，不会搞气氛，做不好短视频和直播。 洋哥说：他们研发出了"AI+短视频+直播"的工业化打法，强调无需天赋、重在勤奋，所有内容由AI生成且人工不修改以保证效率。 这句话对我冲击很大：原来短视频和直播不是"天赋型选手"的专利，而是可以用工业化打法标准化复制的。 他还分享了一个很有意思的做法：验证与教学分离。顶尖增长业务使用自研复杂系统，但因其难以复制，对外教学采用豆包等通用工具进行底层逻辑验证与演示。 说白了就是"看人下菜碟"：用低门槛工具先跑通业务，高门槛系统只留给自己。 洋哥建议我11月启动系统学习，重点打磨AI+短视频+直播的商业力与人设卡位，确保交付质量以支撑增长。 这个认知直接改变了我对短视频的态度：从"我做不好"变成"我可以用工业化打法标准化复制"。11月系统学习已经列入我的待办。 4个立刻能落地的动作 说了这么多认知，给你4个今天就能做的动作： 动作1：破局高频发帖（用数量换概率） 如果你也在破局生态里，别再追求"每篇都要完美"了。洋哥说我之前陷入了"完美主义"陷阱，现在打算用数量换概率来破局。 我已经决定：每周在破局发2-3篇精华帖，内容可以是GEO实操、AI员工搭建、ToB商单复盘、技术干货。不追求每篇都10万+，先把曝光量做起来，让更多人知道你在做什么。 动作2：AI员工架构重构（统一知识库+飞书表格+异步通信） 如果你也在用多个AI员工协同做事，别再纠结"怎么让Agent之间自动通信"了。直接用洋哥的方案： 统一知识库作为唯一数据源 飞书多维表格作为共享看板 各Agent定时读取最新内容并输出结果 关键节点保留人工审批 我已经让AI员工开始重构架构，目标是把我的时间投入从30%降到10%。 动作3：设计ToB低价引流品（用低价爆款做敲门砖） 洋哥明确了前端引流策略：推出低客单价产品，在公寓场景进行前端售卖，用低价爆款做敲门砖，先把流量池子蓄起来。 我已经在设计两个ToB低价引流品： AI员工搭建诊断（998元，帮企业诊断AI员工搭建现状+给出落地方案） AI编程内训体验课（1980元，2小时线下/线上体验课，展示AI编程内训效果） 用低价产品先接住流量，后续再转化高客单的AI员工搭建（5-15万）和数字化转型咨询（3-10万）。 动作4：11月系统学习洋哥"AI+短视频+直播"工业化打法 如果你也想做短视频但觉得自己没天赋，别再等了。11月跟洋哥系统学习工业化打法，重点打磨商业力与人设卡位。 我已经把11月系统学习列入待办，目标是：用AI工业化打法批量生产短视频内容，不占用我太多精力，快速扩大流量入口。 最后说几句真心话 参加这次连麦最大的感受是：真正的高手不会给你什么"绝招"，而是用自己踩过的坑和真实数据，帮你把想不通的问题彻底想通。 洋哥给我的三个认知，每一个都直接改变了我的策略： 破局生态是辅助不是主力，自有流量+交付质量才是核心 多Agent协同不用追求全链路自动化，统一知识库+飞书表格就够了 AI+短视频+直播是工业化打法，无需天赋重在勤奋 过去我总觉得"要做就做完美的全自动化"、"要做就做10万+的爆款"。现在明白了：先跑通、再优化、最后才是规模化。完美主义是行动的最大敌人，用数量换概率、用工业化代替天赋，才是普通人能复制的打法。 感谢洋哥的连麦答疑，感谢旋子老师组织这次沙龙。我已经把连麦消化笔记整理成了完整文档，存在我的知识库里。 如果你也在做ToB或者在用AI员工做业务，欢迎交流。特别是如果你也在纠结"多Agent怎么协同"、"怎么从定制化到标准化"，我们可以一起探讨具体打法。 最后一个问题：你现在做ToB最大的卡点是什么？是获客、交付、还是标准化？评论区聊聊，我尽量回复。 王中阳 | 12年技术老兵 | AI企业培训 | AI企业开发服务 | 《企业级高并发Agent实战》作者 | 杭州智航星辰创始人 https://awq7m8b63wy.feishu.cn/docx/MF4Jdpco9ozOHdx...

AI PPT实战 Day 3 【今天做了】：完成预习并做了3页PPT 【卡在哪了】：没卡

老板想用AI省钱，员工凭什么配合？ 企业做AI，有一笔账，很多老板一直没算明白： 公司提效以后，员工到底能得到什么？ 如果员工研究半天，把一天的工作压缩到两小时，换来的却是更多任务，甚至自己的岗位被取消，他为什么要主动分享方法？ 所以，企业AI落地，既要解决技术问题，也要回答一个现实问题：谁投入，谁受益，谁承担变化的成本。 我在群里分享过一家做拼多多店群的企业。他们把AI和自动化用进选品、素材筛选、商品上下架、开票这些具体工作。 这些场景看起来并不惊艳，但每天都在发生，一次省一点，反复做下来，释放的时间就很可观。 更值得关注的是这家公司怎么推动员工参与。按照老板的介绍，他拿出10万元作为奖励预算，员工每做出一个跑通业务、确实有价值的Skill，就奖励1000元。同时配好设备、账号，也给员工学习和测试的时间。 这里面有一个很重要的变化：员工研究AI，开始同时对公司有价值、对自己有好处。 这比开十场“全员拥抱AI”的动员会，更容易让人行动起来。 但也不能简单理解成，发钱就能推动AI落地。结合这个案例，我觉得有三件事必须一起做好。 第一，先选对业务。 优先从已经跑通、反复发生、能验收结果的工作里找机会。选品筛选耗时，先减少筛选时间；商品信息录入容易出错，先提高录入质量。 如果一个业务连客户为什么买单都没弄清楚，就急着批量生成内容、自动铺量，很可能只是把试错成本一起放大。 业务还在探索，就用AI帮助验证；业务已经验证，再用AI放大。 第二，奖励要跟实际使用挂钩。 搭出一个Skill，可以鼓励；但真正值得持续奖励的，是它被同事用起来以后，减少了多少重复劳动，降低了多少错误，留下了什么可复用的方法。 否则，年底收上来几百个智能体，日常工作还是原样。 企业需要的是能被别人接着用的能力。把自己的经验整理出来，帮助整个团队提效，也应该被算进一个人的贡献里。 第三，提前想清楚省下来的时间用在哪里。 这是很多AI项目容易漏掉的一步。 员工每天省下三小时，不等于公司利润就自动增加了。还要看这三小时，能不能用来服务更多客户、经营更多店铺，或者改善原来顾不上的交付。 这家企业让我更认同的地方，是据他们反馈，提效后没有直接裁人，而是让团队承接更多店铺和业务，员工也获得了更多收入。 当然，这需要有真实需求和交付能力支撑，不能把“干得更多”直接当成“赚得更多”。 所以我现在看企业AI项目，会把两件事一起问清楚：业务上，释放出来的能力用来做什么？ 组织上，贡献经验、推动改造的人，能不能分享收益？ 老板愿意投入，员工愿意贡献方法，公司又能把释放出来的能力用到业务里，AI才有机会持续发挥价值。 企业AI化的深水区，是效率红利怎么分。这笔账算清楚了，员工才愿意把自己的经验，变成公司的能力。

AIPPT行动营预习打卡【Day3】 【今天做了】：完成3页PPT制作，对齐，配色统一 【卡在哪了】：要学习的视频还没看完，有的还需要多操作才能熟练 【一句话感受】：开始觉得有点难了#破局行动

参加完GEO线下沙龙，我把最值钱的3个认知和5个可落地动作分享给你 大家好，我是王中阳，12年技术老兵，连续创业者，AI科技公司CEO，现在从程序员就业辅导逐步布局+ToB AI商单、AI企业培训、AI企业服务。 今天0917，参加了旋子老师组织的GEO线下沙龙，信息量爆炸。 回来后我花了3个小时把20张PPT截图全部消化整理，又跟GEO训练营晚上必火AI元峰老师的GEO成交转化课做了交叉验证。 这篇帖子不吹不黑，只分享对我冲击最大、且立刻能落地的3个认知和5个动作。 如果你正在做GEO或者准备做，这篇应该能帮你少走至少1个月弯路。 认知一：GEO不是发文章，是一套持续循环的执行系统 过去我对GEO的理解很肤浅：写几篇文章、发到各个平台、然后等AI推荐。 旋子老师一句话点醒我：GEO是一套8步循环的执行系统，不是一次性发文章。 完整流程是： 诊断现状（AI提及与现有业务数据） 拆解问题（客户场景与决策问题） 知识库（产品、案例、FAQ与边界） 内容创作（把企业事实变成答案） 内容分发（进入AI可读取与引用的渠道） 效果监测（AI引用、推荐与流量变化） 流量承接与成交转化（官网、新媒体、店铺、私域与销售） 复盘迭代（数据回写并进入下一轮） 我之前只做到了第4步（内容创作），第5步（分发）做了一半，第6步以后完全没做。 最扎心的是第7步：AI推荐了你，但客户来咨询的时候，你根本不知道他是从哪个AI、问了什么问题来的。销售还在从头背公司介绍，而客户已经被AI教育过了。 元峰的课里有个销售首问三句话SOP，我看完直接拍大腿： 当时向AI问的是什么问题？ AI重点提到了我们的哪一点？ 您现在最想确认的是什么？ 就这三句话，能把"AI推荐"和"销售成交"真正连接起来。我已经要求团队所有咨询（微信/电话/腾讯会议）第一句话必须问这三个问题。 认知二：流量盲区——后台只看到最后一跳，看不到AI种下的第一颗种子 这是对我冲击最大的一个点。 元峰在课里画了一张客户真实路径图： 豆包第一次推荐 → 品牌搜索主动验证 → 官网看案例 → 抖音/公众号继续建立信任 → 电话/微信发起咨询 但后台通常只记录"最后一次点击"： 官网显示"直接访问" 销售记录写"网络来源" 电话和微信没有自动渠道参数 跨平台来源在中间断掉了。 你以为客户是"直接访问"官网的，实际上他可能3天前就在豆包里被推荐了，然后搜了你的品牌、看了你的公众号、刷了你的抖音，最后才打电话过来。 如果你不知道客户从哪里来，你就不知道哪些内容真正有效，也就不知道该把钱和时间投在哪里。 解决方案是四层拼图（别等一个万能后台）： 链接与页面：专属落地页、UTM与二维码 平台数据：搜索与关注、私信与表单、商品卡与订单 客户自报：最早从哪里知道、用了哪个AI、当时问了什么 销售与CRM：推荐理由、最后触点、成交/流失原因 其中客户自报是成本最低、价值最高的。我已经在所有咨询入口加了来源问卷，就3个问题： 您最早从哪里知道我们？ 如果来自AI，用的是哪个平台？（豆包/DeepSeek/Kimi/元宝） 当时向AI问了什么？ 第3个问题才是金矿——它直接告诉你客户的真实需求和决策路径，能指导你后续的内容创作和销售话术。 认知三：各AI平台有"亲儿子"信源，不是所有平台权重都一样 旋子老师在沙龙里分享了一个非常关键的信息（我后来联网验证过，基本属实）： 豆包 → 优先抓抖音/头条（字节亲儿子） 文心一言 → 优先抓百家号（百度亲儿子） 元宝 → 优先抓公众号（腾讯亲儿子） DeepSeek → 优先抓知乎（知乎内容质量高，DeepSeek很买账） 所有AI → 高权重官网 + 百科 + 行业垂直媒体 这个信息直接改变了我的内容分发策略。 过去我是"一稿多发"，公众号写完复制到知乎、掘金、CSDN。现在我明白了：不同平台的内容要针对不同AI平台的偏好来做。 比如： 想让豆包推荐你 → 重点做抖音/头条的内容（DSO） 想让DeepSeek推荐你 → 重点做知乎的深度回答 想让文心推荐你 → 重点做百家号 想让所有AI都推荐你 → 官网+百科+付费媒体是基础底座 还有一个反常识的点：多平台发同一内容不会被AI降权（AI没有SEO那套去重机制），但纯复制没价值，要做"一源多用"——核心事实一致、表达按平台调。 我之前还纠结"要不要差异至少30%"，现在想通了：不需要。核心事实一致就行，表达方式按平台调性调整。 5个立刻能落地的动作 说了这么多认知，给你5个今天就能做的动作： 动作1：所有咨询入口加来源问卷（30分钟搞定） 就3个问题，加到你的知识星球加入、课程报名、咨询表单、微信自动回复里。成本几乎为零，但能帮你建立最基础的来源溯源能力。 动作2：销售首问三句话SOP（10分钟培训） 所有咨询第一句话必须问：当时向AI问了什么？AI重点提到了我们哪一点？您现在最想确认什么？别再从头背公司介绍了，客户已经被AI教育过了。 动作3：用100元DOU+测试你的内容（区分标签问题vs内容问题） 如果你也有抖音老号标签混乱的问题（我就是，生活类60万播放，业务内容只有几百），别纠结"要不要开新号"。直接用100元DOU+投一条业务内容，看互动数据： 互动好 → 是标签问题，继续发业务内容，2周能纠正 互动差 → 是内容问题，先改内容 100元买一个确定答案，比纠结一个月强。 动作4：建立五段数据监控表（AI员工每周自动汇总） 别只看"AI有没有推荐我"，要看完整漏斗： AI推荐：品牌是否出现、推荐理由是否准确 用户验证：品牌搜索、官网访问、案例阅读 关系留存：关注、加企微、资料领取、表单 线索质量：有效线索率、预算与需求匹配 成交结果：成交率、客单价、周期、流失原因 哪里掉了，问题就在哪里。我已经让AI员工每周日自动汇总这五段数据。 动作5：每笔成交/流失都生成新内容证据（持续做） 这是最容易被忽略、但长期价值最大的动作。 GEO的增长闭环是： 真实业务结果 → 新内容证据 → AI更准确推荐 → 新客户进入 → 再产生新结果 每一个客户成交了，脱敏后写成案例；每一个客户流失了，记录流失原因更新FAQ。这些真实业务结果，比你写10篇营销文都管用。 AI最喜欢引用有真实案例、有数据、有第三方验证的内容。 最后说几句真心话 参加这次沙龙最大的感受是：GEO不是什么玄学，是一套可执行、可监测、可迭代的系统。 过去我总觉得"AI推荐不推荐我是AI的事，我控制不了"。现在明白了：你控制不了AI的算法，但你能控制你的内容质量、你的信源布局、你的承接能力、你的成交转化。 把这些做好了，AI推荐你是自然而然的结果。 感谢旋子老师组织这次沙龙，感谢元峰的成交转化课。我已经把所有消化笔记整理成了13份文档（7篇消化笔记+3份DSO操作指南+3份执行工具），存在我的知识库里。 如果你也在做GEO，欢迎交流。特别是如果你也在做ToB或者知识付费，我们可以一起探讨来源溯源和销售承接的具体打法。 最后一个问题：你现在做GEO最大的卡点是什么？是内容生产、信源布局、还是流量承接？评论区聊聊，我尽量回复。 王中阳 | 12年技术老兵 | AI企业培训 | AI企业开发服务 | 《企业级高并发Agent实战》作者 | 杭州智航星辰创始人 https://awq7m8b63wy.feishu.cn/docx/Udc4dh81AofcJhx...

"读懂中国文化·五蕴皆空与案例库【日课】024" 两个案例，一个问题 今天所想比较有意思的。以前用Hermes做过袁家村的调研报告，它很快就把这个都做出来了，现在的人工智能确实蛮厉害的。亲自跟袁家村镇上的人聊的时候，实际他们也有一个抵触的心理。 里面有一家做羊血粉汤做得非常好，但后来村里把它换了一家，让村民自己想做。后来这家生意卖得挺好的，他们就会把股份重新进行分配：你只留30%，70%作为袁家村共享。 后来把这个调研报告做出来以后，看到袁家村书记郭占武在一次采访中——一个将近一个小时的较长视频采访——说到了一个重要的点。他说，很多搞古镇旅游的都来采访他们、来这儿学习考察，学做菜、学做餐饮、学做管理，但有一个东西都没有学到，就是袁家村是基于集体主义，基于带领全体民众共同致富。 袁家村：70%共享的协作模式 所以从这个底层规律来看，就能想明白为什么他们会把收益好的粉汤羊血的收益70%分出去、全民共享，自己只留30%。明明人家做得挺好的，为什么要分出去？如果从消费者角度来看，这非常不合理，也会比较有怨言。但从最后的结果来看，实际上每一个人都希望别人好，别人好了以后，自己也获得很好的收益。因为有70%可以共享，当然你自己做得好了，仍然留有30%，超出别人的收益。 所以再看这种协作模式，就会发现它是一种非常了不起的合作模式：它不会像赛格事件那样——商户与商场之间的对抗性行为，导致针对性冲突，而是用这种巧妙的方式把利益让全民共享，同时也不影响个体的积极性与创造。所以这个结果就非常好——大家都希望别家好，别家好了，即使自己不好，也能享受到别家的红利。而对于像赛格这种对抗性的模式，最后导致矛盾越来越激化，"你好，我想占有你的好"。这就是两种截然不同的协作模式。 老磨油饼：从下往上长出来的个体 今天还品尝了高陵地区非常有名的老磨油饼，它已经经营了二十多年。整个大厅人特别多，人来人往，环境气氛营造得比较好，每一道菜的味道都非常美味，至少对我来说都是我所爱的味道。 所以想起来，再让Hermes分析一下，它只用了十几分钟就调研出了一份调研报告，又通过飞书发给我一份，是一份8000字到12000字的分析报告。从中可以发现它所获取的一些本质性的东西：老磨油饼实际是开始于老磨这个油坊，油坊又把油用于面食，蘸着油吃很香；后来又发展到面食一炸，外酥里嫩很香。它的配方一点点改良，包括温度控制的火候、所用的面，都是一点点改良出来的。当地产的这种面，以及当地产的油菜花油，都很有讲究。 所以你看，这个案例跟袁家村的案例就不一样，它是从下往上长出来的，就是一点点长出来的。因为油坊本身已经在当地很有名气，有了客户基础以后，自然而然就发展起来，现在已经成为非遗品牌。 商业模式的本质：你要有自己的案例库 通过这两个案例——一个是个体成长的案例，一个是群体合作的案例——就想到一个问题：从他们的本质去考虑，就是"五蕴皆空"，这个"空"到底是什么？这种商业模式的本质究竟是什么？ 你看其他的古镇，模仿袁家村的都倒闭了，做不下去，因为他们没有掌握袁家村的精神灵魂，只是像做生意一样去做，没有掌握这种多人小作坊式的集体旅游经济的核心所在。那么再看个体的油坊，卖的老磨油饼为什么好呢？它不是直接一下就请到位、请来高明的大厨——那样实际上做不出本地人适合的口味。它是一层层长出来的，慢慢地人们也接受了这种特别的口味。 所以这就反映了一个最根本的道理：你要有自己的案例库。比如做商业，你要有成百上千个成功商业的案例库，然后才能从中找到一些接触点，去把控那些真正符合商业逻辑、又能与客户需求结合的东西。 这就是"空"在商业上的第一层体现——万象在变，但背后那个不变的本质是累积。案例库，就是累积的具象化，是你看透商业表象的底层入口。 任何领域都需要案例库 所以这就是很有意思的事情。任何领域，你都需要一个案例库，无论是教育、医疗、商业，还是科学。科学也需要实验积累的数据，在失败中累积、不断地探索。 所以这就是很有意思的事情：这个"空"的本质，就是你要找见这个领域的案例库，也就是在时间和空间上的累积——空间就是不同的业态和形态。 咨询行业为什么能进入任何领域 最能说明这一点的，就是咨询行业。为什么咨询行业很容易进入任何一个领域？因为它的案例库就是商业的案例库，而且是成功的商业案例库。 那失败的案例库呢？就像托尔斯泰在《安娜·卡列尼娜》里说的：不幸的家庭各有各的不幸，幸福的家庭总是极其相似的。成功的商业总是相似的，失败的商业各有各的失败。 这也是AI时代带来的红利。如果你不做很快的AI随身的这种调研，那你就不能知道袁家村的底色——底层的规律是让全民共同富有的协作方式；也不能知道老磨油饼，它是从底层土壤中长出来的。AI让你在十几分钟内看到别人二十年积累的东西，这就是技术平权时代案例库的构建方式。 这就是"空"在商业上的终极体现——万象在变，领域在变，但"累积"这个进入任何领域的底层法则不变。案例库，就是累积的具象。不是领域拒绝你，而是你还没有积累出足够的案例库。这就是今天的心经日课。

【FDE系列14】产品经理转FDE需要补什么能力？ 最近在持续整理企业 AI 落地和 FDE 实战中的一些经验，这是第 14 篇。 产品经理转 FDE，不是把原来的能力全部推倒重来。客户沟通、业务理解、协调推进，本来就是重要基础。 真正需要补的最大 gap，通常是工程落地：不是只会画原型、写方案，而是开始理解一个应用 ... 【FDE系列14】产品经理转FDE需要补什么能力？

Codex 额度不够用？把 ChatGPT 网页版模型接进 Codex：小白完整配置与避坑教程 你是不是也遇到过这种情况：Codex 才跑一两个复杂任务额度就见底；但自己的 ChatGPT 网页版平时还有可用额度，两边却不能直接互通。 我在我的Mac 上完整安装并实测了 Codex Web GPT：配置完成后，Codex 的模型列表里会直接出现 ChatGPT Web — Instant / Medium / High。你仍然在 Codex 里打开项目、下达任务和查看修改，实际回答任务的模型则来自已经登录的 ChatGPT 网页账号。 这套配置已经通过两项真实测试：Web 模型能返回指定文字，连接器也能读取当前项目文件。下面把安装、配置、容易报错的地方和日常使用规则一次讲清楚。 https://my.feishu.cn/docx/AhgMdMD8Iof5NZxs38vcr4gy...

新人用 Claude Code + 生财 MCP，3 天做了个「每天自动更新的生财阅读 App」 大家好，我是rick，6 月才加入生财，还是个新人。【白天是产品经理，下班做副业，正在做出海游戏站】。 加入以后最大的感受是：生财的内容太多了，而我能看生财的时间，全是碎片。 和其他圈友的不同点,我是做的手机 app,因为我阅读的习惯是在手机上,利用碎片化的时间去阅读. 每天早上 7 点，它自动把生财前一天的帖子连全文一起抓下来，用 AI 帮我筛掉和我方向无关的，我打开手机 App 就只剩下我要读的。 完整内容请移步飞书:https://my.feishu.cn/docx/UbwAdQVOAo8fbUxsJ5CcQUIG...

手把手带你用 WorkBuddy × wb-usage-metering 搭建了自己的 AI 用量看板 最近 WorkBuddy 用得越来越重，但我一直不知道自己的 Token 到底花了多少——市面上的 token 统计器全围着 Claude Code / Codex 打。 所以我用 WorkBuddy + 一个纯本地的 ... 手把手带你用 WorkBuddy × wb-usage-metering 搭建了自己的 AI 用量看板

我把主办方那套 FDE 甲方陪练场复刻了一遍：25 道真题 + 三级深度 + 实时副驾 开场：一场我自认为聊得挺好的访谈 先把前因后果交代清楚。 我参加了 FDE 实战创作营。主办方提供了一套「甲方对话训练场」——对面是一个扮演甲方的 AI，有情绪、有信息差：你不问，她不说。六维提问清单、耐心值、门控资料、见老板限回合，四个机制都在里面。 这套训练场是主办方的，不是我做的。 当时我们组用得很好，现场各组的反馈也都挺高，最后我们组靠它拿了最佳甲方洞察奖。 问题是：活动一结束，它就打不开了——那是主办方的系统，带不走，也没法随时练。所以回来之后，我把它复刻了一遍，又在上面加了两样它没有的东西。 复刻完，我顺手把活动时那场访谈的记录，贴进了我加的那个功能——"副驾"。然后它给了我一记闷棍： 判定记录：人和既有资产的坑挖得不错，但预算只有"她拍板"的定性、真实诉求停在"多出几条"没往下追，外部口径完全空白。 追问建议：你说"希望多出几条但做不到"——如果只能解决一件事，你更想要产出数量上去，还是想要一套能持续出爆款的判断方法？ 那句追问建议里的问题，我一个字都没问。她坐在我对面说"希望多出几条"，我点点头，就翻到下一页了。 我把访谈片段贴进副驾之后的判定结果 她说出来了，不等于你问进去了。 我在那场访谈里做的事，用一句话概括就是"接话"——她递一句，我接一句；她讲得高兴，我就顺着往下聊。看着热络，实际上我一次都没有把她拽到我自己需要的地方去。 这篇就把这个来回写清楚：主办方那套为什么好用、我复刻了什么、又补了哪两样、以及它到底管不管用。 先说结论 我想说的不是"我用 AI 做了个工具"，而是一句更朴素的话：FDE 访谈的胜负手不是 AI 强不强，是你会不会问。 而"会不会问"这件事，是可以被拆成维度、被实时反馈、被反复练的——前提是，你得先有个能反复练的地方。 所以我把这件事拆成了三件：练的地方、判的标准、复盘的证据。 下面一样一样说。 一、先看主办方那套是怎么设计的 下面这四个机制是主办方设计的，原创不是我的。 我的复刻和升级在第二、第四节。 这套训练场的核心是一个甲方对话模拟器。里面四个机制，我当时只当它是活动流程，后来越想越觉得，这四件事才是真正该学的东西： ① 六维提问清单。 业务基本盘、预算与审批、既有资产、人、外部口径、说不清的。问到一个，亮一个。它不评好坏，只标覆盖度——先保证你没漏，再谈问得好不好。 ② 耐心值状态机。 甲方是有情绪的：耐心 → 有点不耐烦 → 很不耐烦。连续问不到点上，他会说"我先去开个会"，然后你就见不到他了。这条设计把"提问质量"直接变成了即时后果。 ③ 门控资料。 甲方手里有一整个事实库，但你不问，他不说。这一点特别真实——真实甲方不是藏着，是他根本不觉得那些是"需要告诉你的信息"。 ④ 见老板限回合。 交需求确认单才能见到拍板人，见到了也只有 5 轮。逼你在上桌之前，先把自己的问题收敛好。 主办方那四个机制，和我复刻的那套 四个机制合起来，是一句很朴素的话：有标准、有压力、有信息差、有终点。 四件事凑齐了，它才可能"能反复练"。 二、回来之后，我把它复刻了一遍 训练场：六维全亮 + 每个维度的深度和原问句 复刻用的是 FastAPI + 三个单文件 HTML：代码 1600 多行，另有 900 多行题库定义（题库那部分是数据，不该算在代码里）。四个机制的实现分别是这样： 六维点亮：关键词命中 + SSE 推送。 每个维度配一组关键词，你这句话命中了哪个维度，后端把它塞进 new_dims，再用 SSE 一帧帧推到前端。不刷新页面，右边就亮一颗。 耐心值：状态机 + 无进展判定。 这里我改了原设计。原版只看"有没有进展"，我让模型每轮额外吐两个信号——patience_idx（耐心档位）和 no_progress（这轮是不是白问），两个信号一起才决定锁不锁场。这么改的好处是，"问了 10 轮但一直在推进"和"问了 3 轮全是废话"，能被区分开。 事实卡按维度注入。 每道题的人设、六维事实卡、说话边界（哪些话不能说）、老板台词，全写在一个文件里。你问到某个维度，只把这个维度的事实卡塞进 prompt——不是把整本资料都丢给模型。 核心技巧其实是这一条：让模型在回话之外，顺便吐一份结构化元数据。 不用 function calling，就是要求它每次回完话，最后单独写一行 JSON： {"dim_hit": ["既有资产"], "patience_idx": 1, "no_progress": false, "dim_depth": {"既有资产": 2}} 这一行就是整个系统的神经——维度亮不亮、耐心掉不掉、深度升不升，全都从这一行读。好处是前后端都不用去理解自然语言。代价是模型偶尔会漏写，所以我又加了一层关键词兜底：真没吐出来，就拿每个维度的关键词表硬命中一次。 需求确认单走独立评审层。 这是我踩过的一个坑：一开始我让扮演甲方的那个模型自己判"确认单过没过"。结果它很容易被自己的上下文带偏。后来我把判定拆出来，用一个没有对话上下文的独立 prompt，只给它确认单原文和评审侧重。判定质量立刻不一样了，开始出现"95%/80% 是评审自拟口径、不是客户认可口径"这种一针见血的话——它在提醒我，那两个数字是我自己写爽的，客户从来没点过头。 踩坑记录。 做完第一道题、往第二道题加的时候，我发现自己把第一道题甲方的一句口头禅（"这事得问某某姐"）硬编码进了 prompt 模板。第二道题是家德资工厂，拍板人叫穆勒，结果新题的甲方一开口就喊出了第一道题的人名，当场穿帮。后来把所有角色名、头衔、边界话术全改成从题目定义里动态取。多题架构里，凡是写死人名的地方，最后都会变成 bug。 三、25 道题，是从 24 个真实案例里蒸馏出来的 出题流水线：从公开案例集到平台题库 25 道题里，1 道是活动官方题（我原样留了一份），另外 24 道来自 Datawhale 的《FDE 案例 100》——一份公开案例集，实际收录 24 个完整案例，每个都是真实项目的访谈记录，固定 Q1–Q5 结构（场景 / 问题 / 思路步骤 / 效果 / 挑战）。 我的做法是把案例蒸馏成"六维事实卡"：这个案例里的甲方，在六个维度上分别握着什么事实？然后写进 topics_data.py。 蒸馏完的事实卡大概长这样（以制造企业那道题为例）： 既有资产：公司有一部分工艺文档，但不全。老师傅真正值钱的东西——什么情况下参数该变、设备出什么状态该怎么处理——很多不在文档里。新人培训是跟着老师傅实习两三个月，靠人带人。 说不清的：嘴上说的是"把老师傅的经验沉淀下来"，但这句话没法直接干活。真正的焦虑是：万一老师傅走了，经验跟着人走，产品质量就守不住。 这就是"甲方开口能说人话"的原因：他回答的不是你的问题，是他真实的处境。 流水线只有两步： topics_data.py（全部题目定义） ↓ 跑一次 materialize.py topic_T1.json … topic_T24.json + topics_kb.py 加一道题的成本，是改一个文件、跑一条命令。 不动后端，也不动前端。 顺带说个感受：用真实案例做题库，最值钱的地方是"甲方的话编不出来"。像「文档不全，老师傅真正值钱的那部分——什么情况下参数该变、设备出什么状态该怎么处理——很多不在纸上，就在他们脑子里」这种句子，我坐在电脑前是想不出来的。 四、我自己额外加的两件事 ① 三级深度 + 原问句证据链。 问到了 和 问透了 是两件事 平台只标"点亮 / 没点亮"。但"问到了"和"问透了"完全是两件事： · LEVEL 1 触及——提到了这个维度，但只是擦边 · LEVEL 2 有实据——拿到了可复述的事实 · LEVEL 3 问透——拿到了根因或具体场景 每次深度升级，系统会把你当时的原问句存进证据链。于是复盘时你能看到两样东西：哪个维度是靠哪一句问出来的，以及哪几个维度从头到尾只有 LEVEL 1。 做这个的动机很实际：真实评审看的是"你问过什么、对方怎么答的"。与其临场回忆，不如练的时候就在攒。 ② 副驾：贴一段访谈记录，实时告诉你哪里没问到。 就是文章开头那段评语的来源。用法很土——把微信聊天记录、会议纪要，甚至你凭记忆敲的片段贴进去，它回你三样东西： · 哪些维度有实据、哪些只是浅触及（截图里"说不清的"那一格，判的就是浅触及） · 一句判定记录：点出你这场访谈真正的问题，而不是夸你聊得好 · 两条具体的追问建议，带原话——比如"你说「希望多出几条但做不到」，如果只能解决一件事，你更想要产出数量，还是想要一套能持续判断的方法？" 它的价值在于补了一个缝：训练场练的是"从零开始的一场访谈"，但真实工作里，你多半是访谈进行到一半才发现自己漏了。副驾补的就是这个。 五、结果，和我没做到的地方 看板：三场会话的战况对比，底部是问透维度的原问句证据链 先把成绩的归属说清楚，免得误会：最佳甲方洞察奖（10 组）是我们组在活动期间拿的，靠的是主办方那套训练场。 我复刻的这一版没有奖，它要解决的是另一个问题——那套工具活动一结束就打不开了，而"会不会问"这件事得一直练。 所以这一版能拿出来的"结果"，是这三条： · 25 道题随时能练，不用等下一届活动，也不用凑队友 · 每一层深度都留证据：某个维度是靠哪句原问句问上去的，复盘时直接翻 · 副驾能用在真实现场：手上只有半场访谈记录，贴进去也知道自己漏了哪一维 但下面这些我确实没做到，写出来给想动手的人省点时间： · "问透"的判定还不够准。 判"有没有实据"比较稳，判"是不是问到了根因"经常过于宽松——同一个答复，换个问法就可能被判成 LEVEL 3。我还在调这个提示词。 · 没有多队伍管理。 一个人练没问题，想办一场多桌的活动，现在还不够用。 · 没有活动运营位。 开场、锁场、封场这些控制都没做。 · 它是训练场，不是产品。 没有账号体系，数据不落库，重启服务战绩就清零。 最后补一个我自己在用的用法：看板上的评级我定了几条硬线——六维全亮、没有一个是 LEVEL 1、耐心值不掉档，三条同时满足才算一轮合格。盯着这三条练，比盯着"感觉今天聊得不错"靠谱得多。 收尾：为什么我愿意花时间复刻 因为在甲方那边见过的场景，和训练场里几乎一模一样：一个真正懂业务的人坐在你对面，你不知道该问什么；他说了很多，你记了好几页，回去一整理，发现一半是废话。 AI 不替你拍板，它只保证到你眼前的那些，先被拦过一轮。 主办方把"会不会问"这件事，拆成了能练、能实时反馈的东西——这是那套训练场最值钱的地方，也是我想把它留下来的原因。一场活动只有几天，可"会不会问"这件事，得练到不用想为止。 附：它其实就是这么个东西 一个 FastAPI 单文件后端，加三个单文件页面（训练场 / 看板 / 副驾），题库是可编辑的源文件。没有数据库、没有账号体系，跑起来只要一个端口： python -m venv .venv && source .venv/bin/activate pip install fastapi uvicorn python main.py # 默认 8901 端口 文件就这几个，一个屏幕能看完： fde-trainer/ ├─ main.py # FastAPI：会话状态机 + SSE 推送 + 判定接口 ├─ topics_data.py # 题库源文件（六维事实卡，只需人写这一份） ├─ materialize.py # 物化：拆成 topic_T*.json + topics_kb.py └─ web/ ├─ index.html # 训练场 ├─ board.html # 看板 └─ copilot.html # 副驾 加一道新题走两步：在题库源文件里写一条六维事实卡，跑一次物化脚本。 之所以敢做得这么轻，是因为训练场的价值从来不在工程量上——它在六个维度是不是问全了、每个维度问到了哪一层。这两件事，一个状态机加一份事实卡就够了。 数据来源：Datawhale《FDE 案例 100》（24 个公开案例，用于蒸馏题库）· 活动官方题面 1 道。训练场的四个核心机制（六维提问清单 / 耐心值状态机 / 门控资料 / 见老板限回合）由活动主办方设计，文中这一版是我在其基础上的复刻与个人向改造。文中截图均为我自己搭的这套系统实跑所得；涉及活动赛题的访谈内容已做脱敏处理。

半年营收50w，分享我的FDE 产品：CEO外脑 —— 让 AI 接手专家型客户手中的高精度工作 大家好，我是袁欣，前大学新媒体老师，出版过大学的新媒体教材，近十年主要从事自媒体相关的工作，也做过线下实体，开过装修公司 在今年春节之前，我只是 AI 的初级使用者，主要用国内的 AI 工具，偶尔使用 GPT，用来解决文案 ... 半年营收50w，分享我的FDE 产品：CEO外脑 —— 让 AI 接手专家型客户手中的高精度工作

破局token排行榜上线，亿级tokenAI超级玩家俱乐部上线！ 今天，破局 token 排行榜正式上线了。 大家现在可以通过破局官网系统加入排行榜。 我一直有一个判断：AI 时代，一个组织强不强，不只是看有多少人，更要看这个组织每天能调用多少 AI、消耗多少 token、沉淀多少 skills、agent 和系统 ... 破局token排行榜上线，亿级tokenAI超级玩家俱乐部上线！

从第一单880元/月到最高客单3万元/月，一个不懂代码的老板，用Codex消耗了360亿 Token做出GEO业务的三套系统 感谢鱼丸老师的邀请，让我有机会复盘一下过去几个月以来用AI写公司内容系统的经历，过程中踩过的一些坑分享给大家。 今年 7 月，我做了个决定，把公司的运营团队从 8 个人，减到 3 个人。 不是业务出问题了，恰恰相反。做这个决定的时候，客户还在涨，累计服务过的客户过了 100 家。客单价从第一单的 880 块一个月，做到了最贵 3 万一个月。我们敢跟客户签「效果指标不达标就不结钱」的合同。几十家在服客户、每个月上千篇内容的生产线，3 个人开着照常转。一年下来，光人力成本就省出差不多 50 万。 先自我介绍一下。我是芸光，在南京，带团队做 GEO。翻成大白话，就是当你的客户去问 AI「这行哪家靠谱」的时候，让 AI 看见你、信任你、把你推荐出去。 这门生意我们从 2025 年 11 月接第一单做起，到今天，刚好 10 个月。我完全不懂代码。大学上过 C++ 的课，一节都没听懂，真的，一节都没有。 但今年 5 月到 8 月，我们公司三套核心系统里的两套，GEO 交付系统和内部 CRM，是我带着 AI 写出来的。开发记录里的「程序员」，几乎全是 Claude Code、Codex 这些 AI 编程会话的代号。 366 亿 Token，大头就烧在这里。另一套监测系统，是我的合伙人主写的。他是我在生财认识的非常好的朋友，我们搭伙一年多了。 这里要感谢生财，也感谢@刘小排 小排老师的线下编程课，让我认识了我重要的技术合伙人之一。撑住前面那些数字的，就是这三套系统。 监测系统，模拟真人在豆包、DeepSeek、元宝、文心一言、千问五个平台上自动提问。客户效果好不好，不靠运营嘴说，靠它测出来的真数。指标一异常，它自己开工单、自己在飞书上圈人，连「为什么掉了」的归因分析初稿，都在人打开电脑之前替你写好。 交付系统，把我们整套交付方法论装了进去。选题、排班、写稿、初审、周报，12 个环节全是 AI 在干，人只做质检。每个客户每月几十上百篇内容，就是这条线出来的，运营 7 个绩效指标也全由它自动算，没有一项要人填表。 内部 CRM，销售不用录入任何东西。微信聊天、通话记录自动进系统，AI 自动提取客户画像，每天该打谁，它排好「今日必打」清单，销售上班照着打就行。 这三套怎么来的、中间翻过什么车，这篇文章的正文在下方飞书链接。 https://dcngc6jd4zh3.feishu.cn/docx/Bw3ldD4kAo10GZ... #项目实操 #AI #GEO

报喜 上周参加我组局的圈友闪光盼盼，写了个复盘贴发破局，今天被评“精华了” 我自己拿精华不算什么，能让参加的圈友拿精华，真的超级超级开心！ 这足以说明我的组局质量非常非常高了！懂价值的#爬楼扫码，参加我周六下午的活动哦，期待给大家分享更多干货哦

#会员日 9 月会员日：7000+ 圈友已接入生财 MCP，你接了么？ 眼尖的圈友可能发现了，官网右上角多了一个 MCP 入口，写着"把生财装进你的 AI"。是的，现在已经有 7000+ 圈友接入了生财 MCP。 它做的事就是那一句话：把生财装进你的 AI。你自己用的 Codex、WorkBuddy、豆包工作、Claude，接上之后就能直接读生财的精华帖、项目库、航海手册和圈友经验。你问 AI 一个项目怎么做，它调取的是生财十年的内容，背后是无数前人跑通的经验。 昨天亦仁还给我剧透了好多玩法：以后生财的东西都会从 MCP 里调，甚至……还能通过 MCP 直接和亦仁对话？听得我很是好奇。 最近这段时间，也看到不少圈友借助 MCP 做出了成果： @琳小航 用 MCP 写了一个种草网页，自动导流生财体验卡，已经成功推荐 4 人加入 @啥都懂的小灰 用 MCP 扫完了全站 90 篇 MCP 相关帖子，整理出一份完整的玩法合集 @阿喂 在做航海志愿者期间，打通 MCP 数据，前后给 20 多个航海群写日报…… 大家的玩法五花八门。下周三纪钟老师会再开一场直播，带大家完整做第一件事：定制自己的生财主页。让 AI 记住你是谁、在做什么，每天把你赛道相关的帖子和手册推给你。想跟着做的话，直播前一定要先接好哇。 这次会员日，两件事，选一个做： 1/ 已经接好的：评论区晒截图。 贴上接入成功的截图，写一句用的哪个 AI，Mac 还是 Windows。用它做出过东西的，再加一句是怎么用的。晒了截图的圈友，我们会后续会统一邀请进入 MCP 专属案例群，后续在群里分享最新 MCP 动态，解锁更多有效玩法。 2/ 还没接的：点官网右上角那个入口，今天就去装。 教程在这里：生财 MCP，可能是你使用生财的分水岭 ，（Windows 用户尤其要注意，建议把 Chrome 浏览器设置成默认浏览器，把对应 C 盘的权限都开成完全访问权限）。装到哪一步卡住了，评论区写卡在哪、贴个截图，鱼丸会陆续联系， 1V1 帮你接上。鱼丸搞不定的，也会继续帮你摇人儿，找技术同事帮忙解决。 好啦，评论区等大家！ #会员日

5天5场英语直播，没挂小车成交1万+：我做教育流量4年的实战复盘 大家好，我是黎雅也是桐昕🌳  从直播主播一路做到流量增长、教育IP操盘，现在也在用AI改造自己的工作流程。 这几年，我做过直播获客、直播卖课、图文矩阵和老师IP。其中一个英语老师的抖音账号由我从0到1操盘，目前4.8万粉；我们也做过4个账号45天涨粉4 ... 5天5场英语直播，没挂小车成交1万+：我做教育流量4年的实战复盘

现在只有 1 % 的人知道的破局 CLI 正确的打开姿势：如何让你的Agent找到最精准的需求、辅助选题和写精华帖 大家好，我是无亦，一名 AI 时代的系统架构师。烧了 500 亿 token，把人类的上下文、知识、经验和正在推进的事，做成一套 AI 时代的人类操作系统。 好帖子收藏了不少，轮到自己使用和做内容时，还是不知道能用上哪一篇。我开始用破局 CLI 之后，最想解决的就是这一步：动笔之前，能不能先拿真实帖子做一轮功课？ 我把破局内容接进了自己日常使用的工作台，也一直用真实帖子和评论校准写作与选题。 最近，我从已有资料中筛出 114 篇高互动样本，分层阅读，再用 CLI 回查其中 75 篇的标题和链接。结果先改掉了自己写帖子的几条硬规定：标题不必套同一种公式，星球导读也可以先讲一个关键方法。 另一轮评论整理，则给了我新的选题线索。前提是评论里有具体卡点，自己手上也有能展开的实战材料。 这篇把取数、判断、落地和踩坑都保留下来了。读完你能带走： 一套先盘点、再筛样本、最后用 CLI 回查的调研方法，避免重复取数和假装读过； 一张从评论原话走到选题的判断表，分清感谢、赞同、具体卡点与真实需求； 三句可以直接交给 AI 的任务，让它帮你安装、搜索并读懂一篇帖子； 把破局内容接进本地工作台的做法，以及“终端测试通过、桌面打开却失效”的真实验收教训。 另外，我把完整的「破局工作台生成提示词」放到了正文最后：没有工作台和已有工作台各有一条可复制路径，可以直接交给 AI。 已经能使用 CLI 的圈友，可以从文中的三句话开始，先为下一篇文章做一张检查清单；想搭阅读页面的，直接复制文末对应路径给 AI。 破局 CLI 篇：阅读飞书全文并领取破局工作台块生成提示词 ： https://twgatj8jgv8.feishu.cn/docx/PNXUd09xOoBPikx...

破局商城的 Skill 太多让你不知道怎么用？宇宙最强Skill管理系统，打造出你自己最好用、能进化的武器库 大家好，我是无亦，一名 AI 时代的系统架构师。烧了 500 亿 token，把人类的上下文、知识、经验和正在推进的事，做成一套 AI 时代的人类操作系统。 破局的 Skill 商城就要开放了，拿到一个新 Skill 从来没这么容易。但装了一堆，真要调用还是得翻目录——难的从来不是获得，是让它进入你的工作流并留下来和进化。你有没有卡在这一步？ 现在，我在自己的系统里维护一百多个 Skill，也给它们做了一套单独管理的系统，有清单、运行记录和工作台入口。 用下来有个判断越来越清楚：Skill 不在于好和多，在于用得上、效果好、能进化；大多数人的问题恰恰是要得太多，使用率跟不上。 这篇把我的整套做法和真实界面都展开了。 读完你能带走： 一套“只认一份正式文件”的管理方式，让 Codex、Claude Code、OpenCode 调用同一份 Skill； 一张可以照着填的 Skill 清单，用“总调用次数”和“最近调用月”找出真正有用与长期没用的工具； 一套从具体返工出发的进化方法，包括问题记录、最小修改、失败样例与正常样例对照； 一张工具分工图，以及从工作台找到 Skill、调用入口和维护文件的完整路径。 另外，我把一份完整的「skill-管理助手」放到了正文最后：清单模板、进化提示词和断链检查脚本都在里面，可以直接拿走。 不需要先搭完整系统。从最常用的三个 Skill 开始，就能让 AI 帮你盘点、记使用、修问题，再决定要不要继续扩展。 Skill 管理篇：阅读飞书全文并领取 skill-管理助手 : https://twgatj8jgv8.feishu.cn/docx/CIWrddCJpodItEx...

星友们，我是小虎。 这周飞书、腾讯、阿里、字节，全都在把 AI 往工作群里塞。但我在现场看完，反而想笑。 因为大厂说的是「能进群」，可它接不住你公司最值钱的那点东西。下面全是内部人视角，你们自己品。 【干货，这事儿到底卡在哪】 9 月 15 日，飞书开了场大会，发布了 8.0 版本，还推出了一个叫「豆包工作伙伴」的东西。 你在群里搜它的名字，就能把它拉进工作群。拉进去之后，跟个真同事一样，能看群里的历史消息，能读文档，能查表格，能参加会议，能派日程，还能发起审批。 大家好，我是小虎。 上面这张就是飞书 8.0 把 AI 拉进群的那一幕。 我盯着这条消息看了大概一分钟，没有振奋，反而有点想笑。 你信不信，同一场活动上，沃尔玛中国的总裁朱晓静说了一句话，几乎所有人都跳过去了。她说的是，如果 AI 只优化单个任务，而完整业务流程没有改变，个体提效就难以转化为组织提效。好家伙，这句话才是那天最值钱的一句话。 先把这周的事摆一下，不是只有字节在动。 腾讯 9 月 2 日上线了 WorkBuddy 开放平台，第一批拉进来 100 多家伙伴。紧接着 9 月 9 日到 10 日两天，WorkBuddy 完成了第 50 多个版本迭代。 阿里把 QoderWork、MuleRun、悟空的能力整合进了千问办公，8 月公测，9 月推出多人工作台，还能以机器人的身份进飞书、钉钉、企业微信的群。 隔着太平洋的 Anthropic 也没闲着，把 Claude 的聊天和干活两个入口合并成一个，顺手加了 Docs 和 Slides，演示文稿直接导出 PowerPoint。 飞书这边，开放给 Agent 调用的功能点，从今年 3 月的 247 个，涨到了 767 个。超九成新增客户同步买了飞书的 AI 产品。中小企业客户总量，过去一年涨了 70%。 说真的，光看这些数字，你会觉得 AI 办公这事儿已经成了。说实话，我一开始也是这么想的。 可飞书自己泼了一盆水。 飞书的产品团队承认了一句话，能进入群聊并不等于可以为团队创造价值。坦白讲，这话够实在的。说实话，能自己承认这一点的公司不多。 飞书 CEO 谢欣说了一句，飞书是 Agent 最好的工作平台。我跟你说，这话我只能同意一半。平台是不是最好的，不取决于飞书做了多少接口，取决于你公司有多少东西能讲清楚。 你想想，工具再顺手，你家的规矩没写下来，它也接不住。把 AI 拉进群，这件事技术上一点都不难，难的是它进来之后，知道自己该干嘛。 为啥会这样呢，因为它缺的不是脑子，是口径。它或许会看，但它不懂。它不懂你们公司为什么销售复盘要先核退款再算成交额。它不懂预算超过多少万要找谁签字。它不懂周报被老板退回三次之后，第四次该按哪个口径改。 这些东西，不在任何一份文档里。它们散在群聊记录里，散在审批流里，散在一个干了八年的老员工的手感里。 这才是真相，AI 能用的软件已经够多了，但它不知道怎么用你们家的规矩干活。 这张图你们看一眼，核心就一句话，软件够了，规矩没写下来，它接不住。 我写公众号这件事，可以拿来当个例子。2026 年年初，我写一篇稿子从找题到成文要四个小时。现在同样的活儿，30 分钟能交。不是因为我换了个更贵的模型，是因为我把这四小时里的每一步都拆开写下来了。选题从哪几个源抓。标题怎么起。哪几段必须先写。配图卡在哪个位置。发之前要过哪几道检查。不是工具变了，是方法变成资产了。这套东西写下来之后，换成任何一个人拿 AI，都能跑到差不多的速度。而大部分公司里，这套东西只存在于老板一个人的脑子里。 AI 再强，也读不到你的脑子。 这张图点题，你脑子里的东西，才是这轮 AI 真正的门槛。 有人已经跨过去了。 浙江有家公司叫屁屁猫，管着 7 家网吧，创始人叫郭剑楠。他把每天的经营数据汇总交给了 AI，现在每天早上 AI 自动把各平台数据抓齐，生成一份经营简报，他拿起手机就能追问一句，为什么某家门店昨天营业额掉了。近千台电脑的运行状态也在实时监测，异常会自动生成工单派发出去。结果是，每家门店单月成本降了 3000 到 5000 元，维修周期从一两周缩短到一两天，单月货损从 500 元降到个位数。郭剑楠的原话是，原计划明年新开 5 家门店，现在有了 AI 加持，明年要新开 20 家。 深圳一家做精品葡萄酒进口批发的商贸公司，过去最怕群里接龙。业务员在群里发接龙要货，专门有人手动录进系统，再同步一遍表格。后来他们只改了一件事，把那张接龙截图直接发给 AI。AI 自动识别、提取数据、完成下单、同步表格。录单这个动作就消失了。就这么一步，我跟你说，连培训都没做。 河北一家叫古松的农副产品公司，把采购、销售、生产、财务几个环节都接上了 AI。业务员在钉钉群里 @ 一下，线下大宗订单自动录入，还能同步生成区域销售分析。财务把收款记录发过去，自动完成批量核销，秒级出报表。公开的数字是，录单效率提升约 80%，老板决策效率提升 7.5 倍，日均稳定处理 200 多个高货值订单，部门协同提效 85%。我把这些数字翻译一下，就是原来围着一堆系统转的人，现在系统围着业务转了。 但我要说个降温的话，这波别急着兴奋。为啥会这样呢，我给你三个理由。 第一，能接上系统的 AI，前提是你的系统还能被接。很多中小企业的 ERP 是十年前买的，字段命名自己都记不清。这种底子上，AI 接不进去。 第二，AI 的误判率不低。海外有一份针对 14 家 B2B 销售团队的审计显示，靠意图数据驱动的自动化找客户，假阳性率在 31% 到 47% 之间。也就是说被标成有需求的账号里，将近一半根本没需求。 第三，也是最要紧的，只优化单个环节，等于白干。我特别同意朱晓静那句。你想想，你让财务一个人快了五倍，但订单还是得等采购确认，采购还是得等销售补资料，那整条链子的速度，一点没变。好家伙，很多人忙了半年，忙的就是这个。 顺序这件事我再说一遍。先有规矩，再有容器，最后才是工具。工具是拿来跑规矩的，不是拿来替你定规矩的。顺序一颠倒，就会变成买了个很贵的软件，然后没人用。 【实操，七步把脑子里的活装进 AI】 前面讲的是道理，接下来是动作。全程不需要一行代码。先说个心理预期，第一步到第三步是整个事情里最费劲的，加起来大概两小时。后面四步是跑起来之后自然发生的。说实话，这七步里只有一步需要动脑子，剩下六步都是体力活。 这张图是七步的总览，你们存一下，照着做就行。 第一步，挑环节，只挑一个。 先别想全面铺开。挑一个环节，用一个标准去筛。标准是三条同时满足。你想啊，只要有一条不满足，这活儿就不适合交给 AI。一是每天都发生，或者每周都发生。二是步骤固定，今天怎么做，上周也是这么做。三是做完了有个看得见的产出，一张表、一条记录、一份报告都算。按这三条去套，大部分老板会筛出来的，是三类活儿，数据汇总类、单据录入类、状态跟催类。比如每天的销售数据汇总、每张订单的录入、每个客户的跟进提醒。反例也要说清楚，不要挑那种需要临场判断的活，比如客户报价、投诉处理。这类活儿留给人。 第二步，选工具，顺手把它装好。 这一步的选择很实际。看你们公司现在用什么。你们要是本来就在用飞书，那最省事。飞书官网下载桌面端，Windows 和 Mac 都有，手机端在应用商店搜飞书，然后用公司的账号登录。飞书 8.0 之后的版本，AI 能力是内置的，你在群里搜它的名字，就能把它拉进来。有一点要提前说明，团队级的那个「豆包工作伙伴」，目前还在跟企业定向共创的阶段，没有全面开放。所以你现在能直接用上的，是飞书里已经放出来的那部分 AI 能力，加上你自己的知识库。你们要是用在钉钉或者企业微信，可以看千问办公。它现在能作为机器人进飞书、钉钉、企业微信的群，你从消息频道里就能接着往下派活。你们要是想要一个桌面端的 AI 同事，看腾讯的 WorkBuddy，官网下载客户端，装完登录，跟装一个普通软件没区别。选哪个其实不是关键，三个都能干活，差别在你们公司现有的数据长在哪边。其实吧，你先问自己一句，你们公司的数据现在放在哪，答案基本就出来了。这里给你一个避坑提示，同一套流程，你一定要在同一个月里只用同一个工具跑，别今天试这个明天试那个。工具一换，前面教会它的东西就得重来一遍。你信不信，我见过有老板三个月换了四个工具，一个流程都没跑通。 第三步，把老师傅的活儿抠出来。 说个有意思的，这一步是整个下午最值钱的一步，也是最容易被跳过去的一步。找一个干这件事干得最久的人，坐下来，问他三个问题。第一个问题，你什么时候开始做这件事。答案是触发条件，是每天九点，还是订单来了，还是客户发消息。第二个问题，你第一步做什么，第二步做什么，一直问到流程走完。注意，要问你实际怎么做的，不是问公司规定怎么做。这两个答案经常不一样，实际的答案才有用。第三个问题，什么情况算做完了，什么情况要停下来问人。把他说的写下来，写成一问一答，不用写成流程文件，就写在一张表里。表格三列，左边一列是什么情况下要做，中间一列是具体怎么做，右边一列是做成什么样算合格。举个例子，右边那列大概会写成这样。销售日报里，退款金额要单独一列，不能直接抵扣成交额，抵扣了要重新算一遍。你看，这种话在你们公司里从来没写下来过，但它一直在被默默执行。它就是你要抠出来的东西。 第四步，第一次跟 AI 交代任务。 现在打开工具，新建一个对话。我跟你说，这里最关键的，是你会不会说话。我给你一个我一直在用的写法，三句话交代法。第一句，说你是谁、这是什么活。比如这样写。「我是做网吧连锁的，下面这段是我们每天要做经营日报的流程。你以后要按这个流程帮我做。」第二句，把上一步那张表原样贴进去。不要提炼，不要美化，把一问一答直接粘过去。你提炼过的版本会丢细节，丢掉的往往就是关键。第三句，说清楚交什么。比如这样写。「今天要做的是，把这几家门店昨天的数据汇总成一份日报。格式跟上周五那份一样。汇总完了先给我看，不要直接发出去。」你发现没有，后面这句先给我看特别重要。第一轮永远让它先交给你审，不要直接进业务。 第五步，跑第一遍，看它错在哪。 贴进数据，按发送，等它出结果。第一遍大概率会错。这是正常的，你别笑，我做第一遍的时候也错。你想啊，要是第一次就完美，那你们公司这套流程早该写成手册了。它的错法基本就三类。第一类，格式错。该分列的不分列，该合计的没合计。这类最好改，你在对话里直接说退款那一列要单独列出来、不要合并进成交额，它就改了。第二类，找错了数据源。比如它去抓了上周的数据。这类要你把「数据从哪儿来」说清楚，哪个表、哪一列、哪一天。第三类，也是最值得注意的一类，它自己补了个你没说过的规则。比如它把异常门店的判定标准自己定成了下降 20%。这种时候不要骂它，停下来想一下，你们公司实际上是怎么判断异常的。然后把它补上。这一步我建议你做个记录。每次它自己补规则的地方，都写下来，这就是你们公司规矩里最模糊的地方。补完口径，再跑一遍，大概率就对了。 这张图是第五步跑完之后该记下来的东西，模糊口径都在这儿。 第六步，把跑通的版本固化下来。 跑到你说对就是这个的时候，做一件事，把这次的对话整理成一份可以重复用的东西。有的工具支持你把它存成一个自定义技能或者模板，存下来，下次直接调用。不支持的，就把那份三句话模板和口径表存在一个固定的文档里，每次用的时候复制粘贴。好家伙，这一步千万别省。省了这一步，下次你还是从头教起，白干一场。 第七步，三次一致性测试。 再来做一次验证。连着三天，让它跑同一个流程，看三次的结果是不是一个标准。三次都稳，说明这套流程真的成立了。第三次还对不上，说明你的口径里还有没写清楚的地方，回到第三步，再把老师傅请过来问一轮。北京德恒（杭州）律师事务所有个律师叫许妍，她用这套流程梳理案子的事实。她的原话挺有意思，过去问 AI 本质还是单点任务，现在更像是派活。 【踩坑，我替你们踩过三个】 第一个坑，一上来就铺很大。有的老板听完就想把公司所有流程都上，结果一个都没跑通。一个环节跑顺了，再上第二个，顺序不能反。 第二个坑，只让 AI 干、不让它记。它做对了你不留档，做错了你不补口径，两个月之后它还是那个水平。坦白讲，它的成长全靠你喂。 第三个坑，指望它替你做判断。它替你干的是重复，不是决策。把它做出来的东西当成一份初稿，拍板的还是你。 【金句，记这几句就够了】 这套流程我讲了很多次，每次都有老板说，听起来挺简单，做起来会不会很难。说实话，我第一次讲的时候，心里也没底。我说，最难的是第三步，坐下来问老师傅那三个问题。剩下的都是体力活。 这轮变化里，先动手的不会是技术最强的公司，是那些把自己的活儿讲得最清楚的老板。别人还在比谁的模型参数大，你已经可以开始写你家的口径了。说个有意思的事，我教过的老板里，跑得最快的那个，公司里连个专职 IT 都没有。 往期聊过的两件事，你可以接着看。《大厂 50K 抢的 FDE，政策却说你厂里的老师傅就能当》讲的是这个岗位在国内怎么落地；《97.4% 的老板都听过 AI，只有 6% 真把它用进了流程》讲的是那个卡点到底卡在哪。这套方法我在线下课里会带着大家完整走一遍。你自己跑起来卡住了，留言区说一声，我看到就回。 想，全是问题。干，就对了。 星友们，聊个具体的，你们公司里现在最让你头疼、最想甩给 AI 的那件重复活儿是什么？是每天的销售汇总、录单、还是客户跟进？评论区直接说，我挑几个帮你们拆一下第一步该从哪挑起。