短视频没灵感？让AI成为你的专属创意大脑，从选题、内容方向到脚本思路持续帮你拓展，让一个产品也能玩出不同内容！

企业学AI，真正拉开差距的，已经不是谁多会几个工具，而是谁先把企业自己的产品、经验、流程和SOP，变成AI能够理解、调用和执行的资产。

老梁AI电商，专注帮助电商企业建立可落地的AI能力体系——从AI内容生产，到私有知识库、岗位Agent，再到AI数字员工、真人员工与SOP自动化协作。

  这也是第30期老梁AI+电商实操训练营重新调整课程体系之后，最核心的一条主线。

我们不会只告诉学员今天哪个工具好用，也不会把企业AI化简单理解成写文案、做图片、生成视频。

工具实操当然要学。

但企业真正需要建立的，是工具变化以后仍然能够留下来、迁移走、继续使用的底层能力。

一、工具越来越强，企业为什么还是落不了地？

这两年，AI工具的能力一直在快速提升。

文案可以写得更快，图片质量越来越高，视频生成越来越稳定，Agent能够处理的任务也越来越复杂。

但很多企业真正开始落地时，依然会遇到同样的问题：

• 员工学了不少工具，却不知道应该从哪个业务场景开始；

• 运营、设计、内容、客服各自摸索，没有形成企业统一的方法；

• 产品资料、用户洞察、主图经验、内容方法论和业务流程，散落在不同电脑、群聊、文档和员工脑子里；

• Agent做出来可以演示，但结果不稳定，离真实岗位还有距离；

• 工具一更新，原来的指令和经验没有沉淀，又要重新开始；

• 老板知道AI重要，但企业内部没有一个真正负责落地、维护和迭代的人。

这些问题说明，企业缺的往往不是另一个更强的工具，而是一套把AI放进真实业务的方法。

一个电商企业要真正落地AI，需要回答的不是“哪个软件最好用”，而是下面这些问题：

我们准备先解决哪个岗位的什么任务？

这个任务原来是怎么完成的？

需要输入哪些产品资料和业务信息？

什么样的结果才算合格？

哪些经验需要整理成知识库？

哪些步骤可以交给AI？

哪些节点必须由真人审核？

任务失败之后，应该退回、重做，还是交给人处理？

如果这些问题没有答案，再强的模型也只能在对话框里偶尔给出一个不错的结果，很难变成企业能够长期使用的能力。

所以，第30期课程不再围绕一张“工具清单”展开。

整门课围绕企业AI化的完整路径展开。

二、企业AI化，要看懂四个阶段

把电商企业使用AI的过程，按“AI以什么形态干活”，分成四个阶段。

我把电商企业使用AI的过程，按“AI以什么形态干活”，分成四个阶段。

阶段一：纯用工具手搓↓阶段二：简单岗位Agent↓阶段三：本地岗位Agent↓阶段四：SOP流程自动化＋AI数字员工＋真人员工

这四个阶段不是四个彼此割裂的课程模块，而是一条逐步升级的路径。

阶段一：纯用工具手搓

企业刚开始使用AI时，通常会从具体任务入手。

写一篇小红书笔记，提炼一组商品卖点，策划一张主图，生成一段短视频素材，分析一份表格，整理一批用户评论。

这个阶段看起来基础，却不能跳过。

因为只有亲自做过，才能真正知道：

• 什么样的产品资料适合交给AI；

• 什么样的指令可以让结果更稳定；

• 哪些信息不提供，AI就只能猜；

• 什么样的输出可以直接使用；

• 什么样的结果仍然需要人工判断；

• 哪些任务值得继续封装成Agent。

不先手搓，就很难定义稳定的输入和输出；没有稳定的输入和输出，后面的Agent也做不扎实。

所以，工具实操不是终点，但它是必要的入口。

阶段二：简单岗位Agent

当一个任务已经被反复做过，基本流程和结果标准逐渐清楚，就可以把它封装成岗位Agent。

第30期以ChatGPT Agent，也就是大家熟悉的GPTs，作为岗位Agent的入门方式。

一个真正可用的岗位Agent，不是一段长提示词。

它至少要包含：

• 清晰的角色和职责；

• 明确的任务目标；

• 标准化的输入要求；

• 可重复的执行步骤；

• 企业自己的私有知识库；

• 输出格式和验收标准；

• 权限边界；

• 异常处理和持续迭代方法。

GPT Agent的优势，是部署快、验证成本低。

学员可以把指令和知识库放进去，很快验证一套岗位能力能不能跑通。

但它也有比较明显的边界。

知识库相对静态，主要工作仍然发生在对话环境中，不能像本地Agent一样持续读写企业文件，也不适合处理更复杂的多步骤任务。

因此，GPT Agent更适合完成第一轮岗位能力验证。

阶段三：本地岗位Agent

当企业开始频繁要求AI读取产品资料、处理本地文件、写回工作成果、连续执行多个步骤时，就会自然进入下一阶段。

第30期统一使用Codex讲解和搭建本地岗位Agent。

Codex的价值，不是让学员去学习编程炫技，而是让Agent从对话框走进一个真实、受控的工作区。

在明确授权和权限范围内，它可以：

• 读取和写入本地文件；

• 使用企业私有知识库；

• 处理表格和其他业务资料；

• 执行多步骤任务；

• 调用已经配置好的工具和Skill；

• 在实际使用中持续沉淀工作结果；

• 根据AGENTS.md遵守角色、规则和工作边界。

这个阶段最大的变化，不是模型突然变聪明了，而是Agent拥有了更完整的工作环境。

过去，知识库需要上传到对话框里。

现在，知识库可以直接放在项目工作区中，被持续读取、修改、补充和复用。

过去，结果只停留在一次对话里。

现在，结果可以写回文件，成为下一次任务继续使用的企业资产。

阶段四：SOP流程自动化＋AI数字员工＋真人员工

• 一个岗位Agent稳定以后，企业会遇到新的问题：

• 多个Agent怎么协作？

• 任务做到哪一步了？

• 上一个节点没有完成，下一个节点能不能开始？

• 哪些任务由AI完成？

• 哪些地方必须由真人审核？

• 出现异常以后，流程应该怎么处理？

到了这个阶段，企业需要的不再只是单个Agent，而是让多个AI数字员工和真人员工进入同一个SOP实例，按明确的步骤、角色、审核和异常规则协作。

第30期会讲解两条并列的技术路径。

一条是工单驱动型SOP编排。

用飞书多维表格工单系统承载流程节点和任务状态，AI数字员工按照工单领任务、执行、回填，真人在关键节点审核。流程发生到哪里、谁在负责、有没有通过，都可以被看见和追踪。

另一条是Agent原生SOP编排，也就是我们课程体系里所说的SOP-as-a-Skill。

它把完整SOP的流程、节点、路由、时序、角色和规则封装成Skill，由主控Codex Agent启动一个具体的SOP实例，并在运行过程中持续推进任务。

主控Agent不需要亲自做完所有工作。

它更像一个流程负责人：判断当前应该执行哪个节点，调度对应的岗位Agent或真人员工，检查任务结果，处理退回、中断和异常，最后把完整结果交还给控制主控Agent的真人。

SOP-as-a-Skill是课程中的方法论名称，不是一个单独的软件产品。

这两条路径的控制中心不同，但本质是一样的：

AI不是在企业流程之外偶尔帮一下忙，而是作为正式执行节点进入业务；真人也不是在流程外临时救火，而是在价值判断、审核、授权和异常处理节点正式参与。

这就是Human in the loop。

人在回路中不是自动化不彻底，而是一个成熟业务系统必须具备的控制结构。

三、工具一直在变，企业真正应该留下什么？

讲到这里，很多人会发现，第29期课程虽然会讲很多工具，但课程真正的核心并不是工具。

工具会变，模型会变，平台也会变。

过去是GPTs、Coze，后来有Claude Code、Codex，未来还会出现新的Agent工具和自动化框架。

企业如果把全部能力绑定在某一个工具上，工具一换，就容易从头再来。

但企业自己的这些东西不会轻易过时：

产品知识；

• 品类经验；

• 用户画像；

• 内容方法论；

• 主图和详情页经验；

• 客服与成交话术；

• 经营数据；

• 成功案例；

• 失败复盘；

• 岗位流程；

• SOP；

• 判断标准；

• 验收规则。

真正重要的，是把这些原本散落在不同地方，甚至只存在于员工脑子里的经验，萃取成AI能够理解、调用和执行的知识资产。

第30期会重点使用Markdown完成这件事。

但这里必须说清楚：我们不是为了教Markdown而教Markdown。

Markdown只是当前非常适合承载企业知识、工作规则和SOP的一种格式，不是企业知识的唯一格式。

它的价值在于结构清晰、修改方便、容易迁移、便于模型读取，也适合与AGENTS.md、Skills、Prompt和案例文件共同组成Agent的工作底座。

比如，一个高点击率主图Agent，不能只有一句“帮我做一张点击率高的主图”。

它背后应该有：

• 产品资料；

• 目标人群；

• 用户痛点；

• 品类视觉经验；

• 主图设计方法论；

• 参考案例；

• 禁止表达；

• 输出结构；

• 验收标准；

• 失败后如何调整。

这些东西被整理出来以后，才可能从一次性的个人经验，变成团队和Agent都可以复用的企业资产。

同一套知识库，今天可以放进GPT Agent做快速验证，明天可以迁移到Codex，未来也可以进入新的Agent工具。

升级的是执行层，企业已经沉淀好的知识资产不需要全部推倒重来。

这才是“工具是末，知识库和SOP是本”的真正含义。

四、Day 1：先看见终局，再建立内容生产的工具手感

第一天上午，我们先解决认知问题。

如果企业对AI的理解一开始就是错的，后面工具学得越多，越容易跑偏。

上午会从电商企业的真实业务出发，讲清AI在内容、数据、策略和工作流程中的不同价值，也会讲清企业为什么容易停留在零散使用工具的阶段。

课程会完整呈现企业AI化的四阶段路径，并让学员看到梁老师目前正在运行的多Agent协作体系。

这里不是为了展示多少个AI助手，而是让大家先看到终局：

当知识库、岗位Agent、主控Agent、SOP和真人审核节点被正确组织起来以后，AI可以怎样进入真实工作。

学员先看见终局，才知道后面为什么要学工具、为什么要整理知识库、为什么要做岗位Agent，也知道企业回去以后不应该一上来就追求全自动。

第一天下午进入AI内容生产工具实操。

AI作图部分，重点比较Seedream与Image2的特点、能力边界和适用场景。

学员会接触商品主图、场景图、详情页素材、营销海报等电商常见图片任务。

AI短视频部分，重点比较Seedance与可灵，讲清文生视频、单图生视频、首尾帧生视频和Agent模式在速度、效果、连续性、可控性、成本和场景上的区别。

课程还会串联剪映精剪、批量混剪、数字人和AI直播等内容，让学员看到一条电商短视频从策划、分镜、图片、视频片段到剪辑成片的完整链路。

第一天晚上，学员会围绕自己的产品练习白天的内容。

练习的目的，不是为了多生成几张图片或几段视频，而是开始观察：

自己提供了什么信息，AI才给出了当前结果？

结果不合格，是工具问题、指令问题，还是产品资料不完整？

哪些步骤已经可以固定下来？

哪些经验值得写入知识库？

晚上的后半段，梁老师会演示一份知识库Markdown的第一版如何从零产生，并把现成的Markdown知识库文件发给学员查看结构。

第一天不要求大家马上完成一套复杂知识库。

我们先让大家知道，企业知识库不是什么神秘系统，它最初可能只是把散乱资料、工作经验和结果标准，整理成一组结构清晰的文件。

五、Day 2：把“我会做”变成“企业和Agent都能复用”

第二天是整门课非常重要的一天。

这一天的核心只有一件事：

把散落在资料、案例和人脑中的经验，萃取成Agent可以直接调用的私有知识库。

我们会用三个真实电商场景，反复训练同一套制作流程。

第一个场景是小红书图文写作。

第二个场景是高点击率主图设计与制作。

第三个场景是短视频分镜策划及视频切片生成。

为了保护课堂演示中的具体商业信息，对外统一表述为“指定品类或产品”。

三个场景不同，但底层制作过程是相同的：

先手写工作流程↓测试流程能不能跑通↓萃取每一步的方法论、技巧和案例↓整理成知识库Markdown↓编写执行指令↓封装成GPT Agent↓综合测试并验收

很多人以为，做Agent最难的是写一段厉害的提示词。

真正做过以后会发现，最难的从来不是点击“创建Agent”，而是把人原本凭经验完成的工作说清楚。

为什么这一张主图比另一张更有吸引力？

一个产品卖点应该从哪些角度提炼？

什么样的小红书内容适合这个产品和人群？

一条短视频应该怎样设计开头、场景、分镜和节奏？

哪些结果看起来完整，实际上不符合业务要求？

这些判断如果没有被整理出来，Agent只能凭通用知识猜。

当方法论、案例和验收标准被整理成知识库以后，Agent才有可能稳定复用。

第二天上午，学员会完整走通小红书图文案例。

第二天下午，继续完成高点击率主图和短视频分镜及视频切片两个案例。

白天使用老师准备的指定品类或产品，先把方法练明白。

晚上再换成学员自己的品类和产品，把三套知识库和Agent重新做一遍，让课堂方法真正进入自己的业务。

Day 2晚上还会讲解如何使用飞书多维表格快速搭建AI便捷工具，让学员开始理解结构化数据、任务状态和批量处理与单次对话的区别。

一天结束以后，每位学员手中应当有三套私有知识库Markdown，以及对应的三个GPT Agent。

这三套成果不会停留在GPT Agent中。

第三天，它们会直接成为迁移到Codex的原材料。

六、Day 3：知识库不重做，执行层升级到Codex

第三天全天以Codex为核心

上午先讲清楚：为什么企业做到某个阶段，会自然从GPT Agent走向本地岗位Agent。

GPT Agent很适合快速验证岗位能力，但当任务开始涉及本地文件、高频更新、多步骤执行和持续沉淀时，它的结构性边界就会逐渐显现。

Codex解决的，是Agent执行环境的升级。

学员会把第二天完成的三个GPT Agent直接迁移到Codex：

• 小红书图文Agent；

• 高点击率主图Agent；

• 短视频分镜策划及视频切片生成Agent。

迁移过程中，重点不是重新写一套知识库。

恰恰相反，我们要让学员亲自看到：

知识库Markdown可以继续使用；

执行指令可以继续使用；

岗位方法论和验收标准仍然有效；

变化的是Agent所在的工作环境和执行能力。

学员还会为自己的项目Agent编写AGENTS.md。

AGENTS.md是Codex项目级的持久指导文件，可以统一定义Agent的角色、沟通方式、工作规则、授权边界、输入输出要求和验证方式。

一个岗位Agent不仅要“会干活”，还要知道自己负责什么、不负责什么，什么情况下可以继续，什么情况下必须停下来请真人确认。

接下来，学员会在Codex中边使用、边发现问题、边补充知识库。

这也是本地知识库的重要价值。

Agent并不会因为做过一次任务，就自动训练成更懂企业的新模型。

它之所以会越来越适合企业，是因为企业持续把新的产品信息、案例、反馈、规则和复盘写回知识库。

使用的过程，也是知识资产不断生长的过程。

从零创建一个复杂Excel处理Agent

上午迁移的三个Agent都有现成知识库。

为了让学员理解，当面对一个全新的业务场景时应该怎样开始，第三天下午会增加复杂Excel处理模块。

梁老师会准备一份复杂Excel案例，从空白起点带着学员创建一个新的Codex Agent。

这一部分同时解决两个问题：

一是理解Codex怎样读取、分析和处理复杂Excel文件；

二是理解在没有现成知识库、没有既有Agent的情况下，怎样从业务目标和原始资料出发，一步步建立任务流程、工作规则和Agent。

它让学员看到，搭建本地岗位Agent不一定要先有一个GPT Agent。

如果企业面对的是一个全新的任务，也可以从需求、资料、流程和验收标准开始，逐步搭出来。

让单个Agent进入SOP：两条路径，两个控制中心

单个岗位Agent解决的是“一个角色怎样完成一类任务”。

企业真实工作解决的却是“多个角色怎样按照流程协作”。

因此，第三天下午会继续进入双路径SOP编排。

路径一：工单驱动型SOP编排

这条路径以飞书多维表格工单系统承载流程和状态。

比如一条电商货架场上新的完整流程：

→ 选品 → 定品 → 调研 → 主图与详情制作 → 上架

不同节点由不同的AI数字员工或真人员工完成。

选品Agent完成任务以后，结果需要真人审核；审核通过，才进入下一个环节。

调研、主图、详情等节点同样如此。

工单系统负责记录任务到哪里了、当前负责人是谁、结果是否通过、是否需要退回。

这条路径的优势是流程可见、状态可追踪，适合多人和多个岗位参与的业务。

路径二：Agent原生SOP编排

这条路径不要求外围工单系统作为流程控制中心。

完整SOP被封装成Skill，主控Codex Agent读取流程定义以后，创建一个具体的SOP实例。

主控Agent负责：

• 判断当前节点；

• 调度对应执行者；

• 传递任务、素材、权限和验收要求；

• 接收并检查节点结果；

• 通过后进入下一步；

• 不合格时退回补充；

• 需要价值判断或授权时等待真人；

• 出现异常时中断、改路由或请求处理；

• 最终汇总完整结果。

这里最容易被误解的是“自动化”。

Agent原生SOP并不等于完全无人值守。

对外发布、品牌判断、关键审核、付款、删除、覆盖重要数据，以及任何高风险业务动作，都仍然需要明确授权和真人节点。

成熟的自动化不是把人全部拿掉，而是让AI承担适合标准化执行的工作，让人集中在判断、审核、授权和异常处理上。

课堂会带学员看懂两条路径的机制，并跑通简单流程。

但我们不会承诺三天搭完一个企业所有部门的完整SOP体系。

企业级流程自动化必须结合自己的组织、权限、数据、风险和业务成熟度持续建设。

七、三天结束，学员具体能带走什么？

第30期会给学员带走7套可以继续使用和迁移的Agent系统，加1套飞书工单系统模板。

3个GPT Agent框架

1. 小红书图文写作Agent；

2. 高点击率主图Agent；

3. 短视频分镜策划及视频切片生成Agent。

这三个Agent会在Day 2通过指定品类或产品完成现场带练，学员掌握制作方法以后，可以替换成自己的产品知识库继续使用

4个Codex Agent系统

1. 小红书自动图文写作与辅助发布系统；

从生成内容，到自动填写小红书发布页面中的标题、正文和图片，最后保留人工点击发布。

2. 高点击率主图自动批量制作系统；

让Codex按照任务和知识库批量处理主图制作，不再逐条手动操作。

3. 短视频分镜策划及视频切片生成系统；

从短视频策略、分镜策划，到逐个分镜的视频片段生成，形成完整的执行链路。

4. 复杂Excel处理系统；

从空白起点搭建，用于处理相应的Excel数据清洗、计算和分析任务

1套飞书多维表格工单系统模板

这套模板对应电商货架场上新工作流，覆盖：

选品→ 定品→ 调研→ 主图与详情制作→ 上架

系统内置选品Agent、调研Agent、主图Agent和详情Agent。

每个Agent完成任务以后，都设置真人审核节点，通过后才进入下一环节。

这套模板让学员看到，AI数字员工如何真正进入组织流程，而不是停留在单次对话和单岗位演示中。

但我更希望大家理解：

7+1是看得见的交付，不是这门课唯一、也不是最深的价值。

课程真正希望学员带走的是：

• 一套企业AI化认知框架；

• 一套把业务经验萃取成知识库的方法；

• 一套设计和测试岗位Agent的方法；

• 一套从GPT Agent迁移到Codex的能力；

• 一套理解双路径SOP编排的框架；

• 一份企业回去以后的第一步落地计划。

工具和模板可以复制，真正决定企业能不能继续走下去的，是这些底层能力。

八、谁最适合来参加这门课？

这门课最推荐的组合，是：

企业老板＋企业AI负责人

老板负责看懂方向、判断企业当前阶段、决定从哪个岗位和场景开始、提供资源并推动组织。

AI负责人负责把课程中的方法真正带回企业，持续整理知识库、测试Agent、维护工作区、梳理SOP和推动落地。

老板必须看懂企业AI化路径，但企业AI化不能只靠老板。

如果只有老板来，回去以后可能没有人持续执行。

如果只派一个员工来，老板没有建立统一认知，很多流程和资源也很难推动。

所以，我们最建议老板和未来的企业AI负责人一起来。

企业AI负责人不一定是程序员。

可以从运营负责人、内容负责人、新媒体负责人、设计负责人，或者其他愿意钻研、愿意承担长期落地责任的核心骨干中选择。

这门课也适合：

• 电商企业负责人；

• 品牌负责人；

• 电商操盘手；

• 合伙人和企业高管；

• 运营负责人；

• 内容与新媒体负责人；

• 设计和视觉负责人；

• 客服、直播、投流等业务负责人；

• 企业未来的AI负责人。

这门课不太适合

• 只想听几个AI工具教程的人；

• 只想寻找全自动赚钱工具的人；

• 不愿意动手实操的人；

• 不愿意整理企业资料和知识库的人；

• 期待三天以后企业立刻完全AI化的人；

• 完全没有电商业务场景，也暂时没有落地需求的人。

如果只是想学几个工具的基础操作，网上有大量免费内容。

这门课更适合已经意识到AI重要，希望系统看懂企业AI化路径，并愿意把AI真正落到企业中的老板和核心团队。

九、没有AI基础，能不能学？

可以学。

课程不是面向程序员设计的，而是面向电商企业老板和核心业务负责人。

第一天会从认知和内容生产工具实操开始，再进入知识库、GPT Agent、Codex和SOP编排。

整个学习过程是逐步推进的。

但也要说实话，这门课内容密度比较大。

它不是轻松听几个工具、看几个案例就结束的课程。

尤其到了Codex和SOP编排部分，不要求所有学员三天内独立掌握完整复杂系统，但需要看懂效果、逻辑、方法和能力边界。

只要愿意动手、愿意整理企业资料、愿意认真理解业务流程，就能获得实际成果。

十、Codex会不会太难？

Codex确实比普通对话工具更复杂。

所以，第30期不会一上来就要求大家从零搭复杂系统。

课程设计的顺序是：

先在Day 2完成三套知识库和GPT Agent；

再在Day 3把已经做好的Agent迁移到Codex；

知识库不需要推倒重写，指令和方法论可以继续使用；

迁移完成以后，再学习AGENTS.md、知识库迭代、本地文件处理和SOP编排。

这种安排是为了让学员看到：从GPT Agent到Codex，不是突然换了一门完全不同的技术，而是把已经验证过的岗位能力，迁移到更完整的执行环境中。

复杂部分在线下先讲清效果、逻辑和路径。

课程结束后一周内，还会安排2小时线上直播，继续实操Codex进阶场景，帮助学员消化课堂中来不及完全吸收的内容。

十一、三天能不能让企业直接落地？

三天不能让一家企业彻底完成AI化。

如果有人这样承诺，我认为是不负责任的。

企业AI化涉及业务流程、产品资料、组织分工、权限、安全、验收和持续维护，不可能通过三天课程全部完成。

三天真正解决的是：

• 让老板看懂企业AI化的终局和路径；

• 让AI负责人掌握第一套落地方法；

• 让团队完成第一批知识库和岗位Agent；

• 让学员亲自看到知识资产如何从GPT Agent迁移到Codex；

• 让企业理解什么时候应该使用工单驱动型SOP，什么时候可以考虑Agent原生SOP；

• 最后通过私董会，明确企业回去以后从哪个岗位、哪个流程、哪个Agent开始。

很多企业回去以后，更适合先从内容生产类Agent开始。

比如小红书图文、主图策划、短视频策划、商品卖点和内容素材等。

这些任务频率高、输入相对清晰、结果容易审核，更适合成为企业AI落地的第一批试点。

先把一个岗位、一个任务、一个Agent跑稳定，再逐步扩大。

不要一开始就追求全自动。

十二、课程结束以后，还有哪些支持？

三天线下课程结束，不代表学习结束。

课后一周内：2小时内部学员群直播

主要包括：

• 继续实操Codex进阶场景；

• 演示定时任务和近全自动化方向；

• 帮助学员消化线下没有完全吸收的复杂内容；

• 解答回企业落地第一步遇到的问题；

• 复盘知识库、Agent和工作流中的真实卡点。

一年内：每月一次线上直

预计约12次。

主要用于：

• 更新最新AI工具、模型和Agent框架；

• 集中回答企业落地中的共性问题；

• 演示新的业务场景；

• 持续补充课程知识体系；

• 帮助学员的知识库和AI能力继续迭代。

一年内现场复训

学员可以在一年内参加现场复训，费用为980元/人次，不能更换人员。

之所以设置复训，是因为这门课内容密度大。

第一次参加，可能先解决认知和基础实操；再次回到课堂，往往能从更深的层次理解知识库、Agent和SOP之间的关系。

AI这件事不是一堂课结束，而是企业未来几年都要持续建设的能力。