他花三年时间，训练了一个AI运营总监

大部分人使用 AI 仍停留在“从零开始”的低效阶段。

多数用户每次开启新对话，都需重复交代类目、客单价、竞品及过往方案缺陷，待背景梳理完毕方能开展工作。这种模式导致每次交互均需重置上下文，效率低下。

2022 年 11 月 30 日 ChatGPT 上线当日，资深卖家 Kevin 注册账号并将该对话载体命名为"Amy"。

历经三年沉淀，Kevin 成功搭建了一套完整的多智能体团队体系。直播中展示的 9 位核心"AI 员工”覆盖了产品创新、增长广告、视觉创意、店铺运营、数据分析及合规风控等关键职能。其中，Amy 作为“品牌总监 Agent"统领五大品牌业务，其下辖九个承担具体任务的子智能体。

品牌战略、销售数据、运营策略及专属词库，构成了新员工入职首周必读的培训材料。对 Kevin 而言，“训练”意味着持续补充资料、纠正输出偏差，并将稳定的判断规则沉淀为文档。AI 不会因对话次数多而永久记忆业务逻辑。

与大众不同，Kevin 是在向 AI“交接”工作，而非单纯“派活”。派活需每次重述背景，而交接则是将背景置于可反复调用的知识库中并持续更新。

实现从派活到交接的转变，核心在于建立一份标准的"AI 入职材料”：涵盖品牌定位、目标消费者、价格逻辑、核心词库及合规红线，并附带三组满意与不满意的案例。初版无需追求完美，若能减少半数重复解释即达标的。

随着业务发展，需将新问题、新规则及时更新至材料中，并标注版本时间与维护人，确保 AI 始终掌握业务最新状态。

2022 年尚无记忆功能与技能插件（Skill）。在最初的半年里，Amy 尚无法独立做出关键判断。Kevin 通过持续补全资料、纠正输出并记录反复出现的规则，完成了基础训练。

半年磨合期看似漫长，但相较于培养一名人类运营总监，这一周期并不长。更重要的是，若不将判断逻辑记录下来，人员流动将导致经验流失。

时至 2026 年，虽然记忆功能、项目文件和 Skill 封装大幅提升了搭建效率，但那些必须严格执行的规则，仍需明确写入项目说明或文件中。记忆功能仅辅助短期回忆，存在幻觉风险；唯有沉淀下来的规则才是真正的企业财富。

2023 年下半年，随着业务板块拓展，Kevin 延续既定训练逻辑：每开启新业务，便将对应的方法论、执行规则及正反案例补充至 Amy 的上下文中，逐步拓宽其能力边界。

2025 年底，Amy 开始组建自己的“团队”，下辖 9 个子智能体分别承担不同职能。所谓“训练”，实则是将沉淀的规则拆分为独立技能和职责，使每个子智能体成为特定领域的负责人。

单点工具与累积资产的分界线正在于此。若每次用新对话处理新业务，将陷入无限重启的循环；而基于同一套业务上下文拓展时，AI 已熟知品牌调性、定价逻辑及历史教训，上手速度显著提升。

Kevin 指出中大型卖家的普遍困境：老板拥有独特的审美与业务判断，但实际训练智能体的往往是下级执行岗。由于双方标准不一致，最终产出常难符预期。

他建议高管层必须亲自将需求与过往数据传递给直接管理层。团队即便使用相同 AI 工具，若定义标准的人不同，结果亦大相径庭。

对于有团队的卖家，老板和业务负责人至少要亲自定义品牌红线、合格案例及最终验收标准，而不能将此重任完全交由执行层。

Kevin 出身大厂，极度重视效率与规范。他强调，为 AI 起名并非为了亲近，而是为上下文确立固定归属。

起名字不是为了亲近，是为上下文有个固定归属。

持续投喂资料需设定边界，仅放入工作必需信息。无差别地输入所有数据会导致智能体在无关信息中迷失，降低输出质量。

严禁上传账号密码、客户个人信息及供应商敏感条款。此类数据必须先进行脱敏或去标识化处理，并结合 AI 的版本、工作区权限及数据政策审慎判断。务必警惕数据泄露风险。

Amy 今日之能，不仅源于 AI 技术的迭代，更得益于三年间业务资料、判断标准与纠错记录的累积。AI 能力将持续更新，真正属于企业的核心资产，是那些被写下来的判断标准。

本文内容整理自亚马逊广告 AI 系列直播第一期《一人公司和我的 5 个 AI Agent 雇员》，讲师 Kevin 的观点为其个人经验分享，不代表亚马逊广告官方立场或建议。

数据来源：

[1] 亚马逊全球开店《2026 中国出口跨境电商发展趋势白皮书》，2026 年 6 月发布

[2] Workday「Beyond Productivity」研究报告，2026 年 1 月发布。样本为 3200 名全职 AI 使用者，来自年营收 1 亿美元以上企业，非跨境卖家群体

[3] Tech.co 中小企业 AI 使用调研，2026 年 4 月发布。样本为 300 名中小企业主及高管，数据反映相关性，不构成因果结论