260905-Anna的会客厅：这次线下AI Agent&WorkBuddy线下沙龙，真正让我重新思考的几件事

这个周六，我特意跟女儿请了半天假，赶去参加 Anna 老师主办的"AI Agent & WorkBuddy"线下沙龙。

我一直有个习惯：每逢吸收了高密度的新知，便要趁热打铁整理成笔记。倒不是为了急着发出来，而是我越来越发现，很多当时觉得“记得很清楚”的想法，过两个月再想找，基本都会淹没在碎片信息与日常杂事里。所以这篇文章，首先是写给我自己复盘的。

我和 Anna 老师结缘很早。2018 年因业务需要系统研究红人营销时，她的公众号就是我经常翻阅的“灵感弹药库”。从 DW 手表年销 20 亿背后的品牌营销逻辑，到后来的出海企业陪跑，她有不少文章我至今记忆犹新。线上关注了许多年，真正走到线下握手相识，是在 2024 年 3 月的一场活动上。

我自己从 2023 年便开始注册了 ChatGPT 以及最近每年冒出来的各种 AI 工具。用得早，也用得多，潜意识里多少觉得，自己应该算走在比较前列的一批人。不过总感觉自己用 AI 还是用的幼儿园阶段技能的一些功能。

最近几个月和一些跨境圈的老板、运营负责人交流，我被深深触动了——大家虽然都在说“用 AI",但认知与动作早已不在同一个维度:

• 有人还在费劲琢磨怎么把提示词写得更漂亮;
• 有人已经让 AI 开始批量跑 Excel、整理文件、改代码;
• 更有敏锐的团队，早已把文案、SEO、设计、数据分析等环节，拆解成一个个可以全自动跑通的工作流闭环。他们公司老板和负责人只需要在微信上看 Workbuddy 做的可视化样本，无论在哪办公，都可以看到公司各个团队的各个板块的情况。

整整一下午聊下来，我最大的感受不是“又知道了几个新工具”,而是很多过去模模糊糊的直觉，被别人真金白银跑通的案例狠狠验证了。一个人关起门来摸索很久，真抵不上走入同频圈子里的一次深度碰撞。

下面是当天真正击中我的几点思考。

01AI 越往后走，拼的越不是提示词，而是你的“私有数字资产”

现场探讨了一个很有意思的问题:为什么面对同一个模型，有人用得行云流水，输出媲美资深操盘手;有人无论怎么调提示词，拿到的始终是一份“正确但平庸”的废话？

以前我总觉得是模型没选对，或者 Prompt 写得不够细。现在越来越意识到这只是表象，真正决定上限的，是你到底给 AI 提供了什么成色的燃料:

• 公开网络资料
  告诉 AI 的是“行业里大部分人通常怎么做”;
• 个人一手复盘
  告诉 AI 的是“我在真实业务中如何做权衡、什么情况下打破常规”。

两者完全不在一个量级。下面这三件事，把我过去模糊的直觉，彻底钉成了确定性的认知。

① 高质量语料，本质上是个人经验的“数字化封存”

Anna 老师能快速跑通自己的 AI 分身，核心不是技术有多神，而是她过去十多年持续写作，在印象笔记里沉淀了 100G+ 一手实操复盘。

这里最值得关注的不是"100G"这个体量，而是里面包含着海量真实业务中的判断标准、方案迭代、失败教训与决策习惯。如果未来每个人都能调用能力接近的基础大模型，那么真正能拉开差距的，就是这些无法被网络爬虫抓取的私有语料。

② 4000 多个行业网站，不是收藏夹，是“外挂大脑”

现场认识的卖家朋友 E 展示了他的专属导航页，里面密密麻麻整理了过去十几年积累的 4000 多个行业网站。猛一看只是个巨型收藏夹，但仔细琢磨，这其实是一套高度结构化的个人信息基础设施。

产品调研去哪里、营销等跨境卖家在过去十几年中可能会用到的网站，全都被预先定义好了。E 在现场就显示了一下，在获得了两个产品图片的情况下，就能够马上生成了一份直接一眼看上去非常专业完善的产品美国市场分析的报告。

当他用 AI 调取信息时，AI 不需要在浩瀚的互联网里大海捞针，而是顺着他架设好的管道精准调取。

真正有价值的知识管理，从来不是把资料“存起来”,而是让资料在需要的时候“瞬间参与作战”。

③ 随身录音设备：对抗业务经验的无形流失

之前看到字节&Anker 等公司推出录音硬件时，我一直疑惑谁会全天佩戴。到了现场才发现，带录音设备的人比我想象中多得多。一半的小伙伴，都有购买了得到大脑的录音卡。

大家记录的不只是正式会议，客户交流、碎片灵感、饭局上的业务碰撞，都被原汁原味留存下来，再通过 API 直接转写、清洗、分类，沉淀为行动待办与业务 SOP。

过去无数转瞬即逝的“口头经验”,正在被先行者们主动转化为机器可读的私有数字资产。

02AI 正在从“顾问型聊友”,进化为直接交付的“工友”

过去两三年，多数人对 AI 的认知都停留在对话框里：你问一句，它答一句。这种“顾问型 AI"虽然聪明，但本质上依然像个外部咨询师——方案写得天花乱坠，脏活累活最后还得你自己亲手去干。

而这次沙龙里，大家交流的重心全面倒向了以 WorkBuddy、Claude Code、Codex 为代表的“工友型 / 执行型 AI"。它们最大的进化，不是回答多有文采，而是获得了真正的系统操作权限:读写本地文件、执行代码、批量跑数据、驱动浏览器、调用各类垂直 Skill。

过去我们主要在研究“怎么向 AI 提问”,接下来必须转向“怎么把一整套任务移交给 AI"。这两个提法看似只差几个字，背后却是两种截然不同的生产力逻辑。

03不要迷信单一模型，让 AI 互相找茬才能“魔法打败魔法”

以前很多人用 AI 有一个习惯：这一阵子觉得哪个模型好用，就一根筋用到底。但用深了就会发现，没有任何一个模型能在全场景通吃:

沙龙上展示的一个极其高效的思路是:打破单一模型依赖，在多模型协同环境 (如 Bloome) 中组建“虚拟专家组”。直接将 AI 大模型拉到一个群内。

让模型 A 搭建框架，模型 B 专门以严苛的反方视角挑刺，模型 C 核验事实数据，最后再由一个模型按照统一规范统稿输出。这与现实中成熟团队的作业模式如出一辙——一人起草，一人风控，一人复核。

多模型协同真正释放的不仅是算力，更是把人类从枯燥的“初审、改稿、反复人工找茬”中彻底抽离了出来。未来人最核心的位置，只剩下两件事：前期定标准，最后拍决策。

04真正卡死 AI 落地的，往往不是技术，而是你的业务 SOP

这是整个下午最击中我的一点。很多公司一谈 AI 落地，第一反应永远是：要不要学 Python? 要不要搭复杂的本地环境？要不要采购什么高深系统？但实际做进去才发现，技术门槛根本没那么高，真正卡住自动化进程的，是一个看似最朴素的问题:你自己到底能不能把这项工作清清楚楚讲明白？

以“写一篇跨境行业深度分析”为例，看起来只有一句话，真正拆开却是极度繁密的规则链条:

1. 行业突发从哪里抓取？
   时间窗口多大算有效？
2. 多个信源冲突时，优先级怎么排？
3. 什么样的题材对卖家有实际商业价值？
4. 标题怎么起才能避免浮夸？
   正文哪些词属于让人反感的"AI 味”?
5. 最终发布前，必须对照哪些官方合规源核验？

经验丰富的员工靠的是常年累月的肌肉记忆与直觉，很多时候连自己都说不清为什么。但 AI 不行，它必须依赖确定性的逻辑输入。要让 AI 稳定交付，就必须把原先藏在脑子里的“直觉”,翻译成可以逐行执行的标准规范。

这就是为什么一个真正能跑通特定业务的 Skill，背后的角色提示词往往长达数千字。而为了能够生成这些提示词，需要想办法将过去的经验总结梳理、调试验证。

AI 其实在倒逼每一个管理者做一次彻底的流程再造。它逼我们回答：优秀员工的不可替代性到底在哪里？我们所谓的经验，究竟能不能被标准化？

能写成确定性标准的，才能沉淀为公司的系统资产;写不出来的，永远只能依赖某个员工个人手里的“手艺”。

05现场武器库：值得深挖的精选工具清单

现场大家分享了非常多工具，我剔除了琐碎杂乱的信息，只留下了几类我自己打算深度实践的硬核资源。

1) 任务工程化与多模型协同

2) 真实场景与商业 Agent 范例

3) 开源 Skill 与本地协议配置

4) 结构化知识管理与降噪

06走出会客厅：我准备立即落地的三件事

当天接触到的新工具眼花缭乱，但回来后，我极力克制住了“全装一遍”的冲动。工具迭代太快了，每天盲目追新品，极易陷入“以为自己学了很多，业务却毫无长进”的信息虚荣。

我的落地原则只有一句话:先清盘资产 → 再理顺 SOP → 最后做自动化。

第一步：彻底理清公司的“数字家底”

不再让核心资产零散散落在员工电脑、微信收藏夹或各个网盘角落。用 start.me 把团队高频使用的业务后台、合规库、分析平台整理成可视化看板;把培训课件、历史经典方案、社媒复盘全面导出，转为统一的 .md 格式规范归档，为随时训练属于自己的工作流准备好高质量语料。

第二步：集中兵力，吃透 1~2 个高频业务闭环

绝不搞大而全的“全面自动化”口号。从「竞品动态定时抓取」「海外仓库存动销排查」「海量多语言 Listing 初审」「日常周报汇总」中挑出最耗时的一两个卡点;真正把现在的线下步骤拆碎，理清哪些要人工拍板、哪些给 AI 代劳，跑通一条稳定输出的工作流。一个真金白银省下时间的闭环，价值胜过十个花哨的 Demo。

第三步：团队推行 AI，坚决从“减负”切入，绝口不提“替代”

管理层推 AI 最容易犯的错误，就是居高临下地宣讲“我们要拥抱变革、提升人效”,这必然招致员工本能的防御与抵触。

• 反过来问团队
  :“大家平时最烦哪项重复枯燥的工作？表格核对？考勤导出？会议纪要整理？”——从大家最想早点下班的痛点切入;
• 设立极轻量的奖励
  :只要有人用 AI 替自己省下了半小时，就发红包请喝下午茶，并在团队内复刻他的流程;
• 当员工真实尝到了“原本两小时的机械活，现在 20 分钟搞定”的甜头，根本不需要行政命令，全员自驱的飞轮自然会转动起来。

📍 写在最后

参加这场沙龙前，我以为自己已经算 AI 的深度拥趸;但真正走出来和高手碰撞后才发现，最关键的基本功恰恰在工具之外。

我们总习惯被外界的新概念牵着走：哪个模型又刷新跑分了？哪个 Agent 又刷屏了？但只要回到真实的商业战场，决定胜负的永远是那几个最朴素的问题:

• 你到底懂不懂自己的业务？
• 你过往摸爬滚打的经验，有没有被系统性沉淀下来？
• 你能不能把自己的专业直觉，拆解成别人和 AI 都能读懂的标准流程？

大模型的使用门槛只会越来越低，能力只会越来越强。到了那一天，“会用 AI"将不再是任何人的特权与护城河。真正能形成终极壁垒的，永远是你深入行业底层的专业判断、结构化沉淀的私有语料，以及在实战中千锤百炼出来的业务 SOP。

工具是流水的杠杆，这些长在自己身上的东西，才是能够撬动未来的真正原点。

在这里，我也真诚地建议大家把 WorkBuddy 以及身边的各种 AI 利器真正用起来。一个人的能力再强，单打独斗终究有限；一群同频的人聚在一起探索，才能把工具的上限推向极致。 

如果你此前还没有接触过这款工具，强烈建议扫码下载体验，尽早把它变成你日常工作中的得力“工友”。