AI × CROSS-BORDER COMMERCE
从“问 AI”到“把工作交给 AI”
Codex 和 WorkBuddy，能接手哪些亚马逊工作？
运营数据｜广告优化｜库存预警｜商品与 VOC｜财税合规｜AI Agent
最近一段时间，我同时在折腾 Codex 和 WorkBuddy。用得越多，我越觉得，跨境人讨论 AI 的问题正在发生变化。
过去大家经常问：“ChatGPT、Claude、DeepSeek，哪个回答更好？”现在更值得问的是：我每天做的这些亚马逊工作，到底还有多少必须由人亲手完成？
因为 Codex、WorkBuddy 这类 Agent 工具出现以后，AI 已经开始从“回答问题”，进入读取文件、处理数据、运行程序、调用工具、执行任务的阶段。
所以，我现在更愿意把它们放回真实的跨境工作里看。
SECTION 01
Codex 和 WorkBuddy，我会怎么分工？
如果一定要做一个简单区分，我会把 Codex 看成“技术型同事”。
比如一个运营负责人说：“帮我把过去 12 个月 8 个店铺的广告报表合并起来，统一 SKU，计算 ACOS、ROAS、CVR，找出连续三周恶化的 SKU，再做一个以后每周都能自动跑的工具。”
Codex 的价值，就是把这种“小型内部工具”的开发门槛压低。它可以读文件、写脚本、运行程序、检查结果，帮助团队把重复分析做成可复用工具。
WorkBuddy 我会放在另一层。它更像一个业务工作台：可以配置专家、Skill、流程、资料和自动化，让一套判断方法重复运作。
Codex｜让工具自己长出来
批量文件处理、清洗数据、写程序、测试分析流程、开发内部小工具。
WorkBuddy｜让方法持续工作
把公司的专家经验、业务 SOP、技能和任务调度组织起来，支持持续执行与人工审核。
Codex 更适合“帮我造一个工具”；WorkBuddy 更适合“让这套方法每天继续工作”。
SECTION 02
每天看报表：先把“找问题”交出去
很多运营团队每天早上第一件事，是下载数据：昨天卖了多少、哪些 SKU 掉了、广告有没有突然烧高、有没有快断货、退货率是否异常。
大量时间花在下载、合并、整理和找异常上，真正留给经营判断的时间反而很少。
可以先把店铺经营、库存和广告报表放到统一目录，由 Codex 清洗 SKU、合并多个站点、计算指标，再交给 WorkBuddy 按团队规则划分处理优先级。
理想交付：一张“今天最该处理的 5 件事”
P0：今天必须处理；P1：本周处理；P2：暂时观察。每一项标注来源、异常变化与建议负责人。
这一步不必上来就接复杂接口。等指标和规则稳定，再考虑 Amazon SP-API、广告 API 或 ERP 数据接入。
SECTION 03
广告：AI 先出建议，人来改预算
搜索词花了多少钱？哪些词有点击没转化？哪些 SKU 的 ACOS 连续恶化？哪些广告组预算提前烧完？这些问题的第一轮筛选很适合交给 AI。
Codex 负责处理大量广告明细与规则计算。WorkBuddy 读取公司的广告 SOP，包括新品与成熟品的目标差异、可承受试错范围、停投与加投条件，输出广告调整待审批清单。
先做到“发现问题 → 解释原因 → 给出建议 → 人工审批 → 记录结果”。
不要一开始就让 Agent 自动修改出价和预算。如果业务阈值本身不准，自动化只会更快执行错误决策。
SECTION 04
库存：把断货和积压风险提前说清楚
库存分析天然依赖结构化数据：当前可售库存、FBA 库存、国内库存、在途库存、近 7 天和 30 天销量，以及采购、生产、运输周期。
例如一个 SKU 预计 21 天后断货，但新的海运货还有 35 天才能入仓。或者产品销量连续下降，库存却够卖 120 天。
Codex 可以帮助建立库存覆盖天数和补货预测工具；WorkBuddy 则按节奏查看风险，把真正需要人工决策的异常推给运营。
库存 Agent 的交付不是一串数字
而是：哪个 SKU 风险最大、预计何时发生、造成什么影响、需要谁处理、应选加急补货还是减少投放。
SECTION 05
Listing、竞品和 VOC：让卖点有证据
商品运营经常分别看竞品、整理 Review、找差评关键词、调整 Listing、分析卖点，但这些信息原本就该放在一起。
比如一款产品的差评里“安装困难”明显增多，同时主要竞品开始强调“一分钟完成安装”。这时应该先弄清：到底是产品设计、说明书，还是 Listing 没解释清楚？
Codex 适合批量清洗评论、聚类问题、整理竞品变化。WorkBuddy 可以结合品牌规范、产品资料、历史 Listing 与合规要求，输出有依据的优化建议。
AI 写文案是最后一步；先发现问题、建立证据链，往往更值钱。
SECTION 06
财务与合规：先解决“材料在哪里”
平台结算、费用核对、VAT、RFC Case、平台审核、税务文件等资料，常常跨多个店铺与国家，命名、格式和状态并不统一。
Codex 可以统一字段、匹配店铺和 SKU，找出费用异常，把邮件和附件整理成 Case 状态表。WorkBuddy 再按 SOP 跟进：缺哪些资料、谁负责、何时提醒、哪些 Case 超过约定处理时限。
涉及税务申报、平台提交及账号权限等高风险动作，仍应由具备权限和专业资格的人复核与执行。
SECTION 07
内部小工具：原来不值得开发，现在值得了
Excel 清洗、文件批量命名、利润测算、SKU 映射、报价表转换、资料归档。这些“小需求”往往不值得专门立项开发，但又在不断占用团队时间。
Codex 可以降低小型工具开发和维护的难度，WorkBuddy 适合在流程稳定后把它变成团队可以重复调用的 Skill。
很多过去“不值得开发”的内部工具，现在开始值得开发了。
SECTION 08
真正的门槛，是公司的经验能不能说清楚
一个广告主管说不清什么 ACOS 算异常，一个库存团队没有统一的补货计算口径，一个内容团队每个人写 Listing 都靠自己的方法，这种情况下，换再强的模型也很难稳定。
先准备四样东西
专业经验 → 判断规则
业务 SOP → 工作流程
历史资料 → 可查证的业务上下文
管理要求 → 验收标准与审批权限
对跨境团队，我更倾向分三步走。
V1｜文件驱动
从 Excel、CSV、PDF 开始，先让 AI 稳定读数据、找问题、输出建议；不直接修改店铺。
V1.5｜SOP 化
把专家、Skills、阈值、日报周报和审批单跑顺，记录每次建议、执行与实际效果。
V2｜系统连接
再考虑 SP-API、Ads API、ERP、MCP 接入。涉及出价、价格、Listing、税务与账号等写操作，逐步开放有限权限。
AI 进入跨境电商的分水岭，不是谁提示词写得好，而是能不能把任务讲清楚：输入什么、按什么规则判断、输出什么、谁审批。
SECTION 09
10 月 17 日，和 Anna 一起聊聊 AI Agent
之前参加 Anna 组织的 AI Agent 线下交流，我很直观地感受到：大家已经不满足于让 AI 帮忙写文案、查资料，而是开始研究怎么让 AI 真正参与工作。
Codex 能不能帮运营做数据工具？WorkBuddy 能不能把团队 SOP 变成 Skill？没有编程经验，能不能搭建自己的 Agent？当 AI 开始执行任务，人应该保留哪些判断和审批权？
这些问题，看教程是一种学习，和真正动手实践的人交流，往往能找到更具体的切入点。
10 月 17 日，Anna 将继续组织 AI 主题交流活动。如果你也在研究 Codex、WorkBuddy、AI Agent，或者在探索 AI 如何进入跨境电商的真实业务，欢迎了解这场活动。
10.17 · AI 主题交流
从研究工具，到交流真实工作流
点击查看 Anna 活动详情及报名方式 →
我越来越觉得，下一阶段拉开差距的，不是谁知道更多 AI 工具，而是谁能先把公司的经验、数据和工作流程，转化成 AI 真正可以执行的任务。
对亚马逊卖家来说，这件事可以从今天的一张 Excel 开始。
资料参考（官方产品与开发文档）
OpenAI Codex：openai.com/codex
WorkBuddy：workbuddy.cn
Amazon Selling Partner API：developer-docs.amazon.com/sp-api
Amazon Ads：advertising.amazon.com/API/docs
PS Sunny随手记：最近的公众号文章，都是使用ChatGPT事先搭建好的Sunny行世界公众号排版项目。
而这个提示词是怎么样写的？是通过提前和AI对话，找到一些可以参考的的资料，投喂给GPT以后，让GPT帮忙研究Sunny行世界的这个公众号排版的需求，可以怎么样完成，给了三步的建议：第一 搜索选题，第二确认内容，第三排版设计
以上是Sunny行世界的项目截图
排版好以后，GPT现在可以直接生成HTML，能够一键复制到公众号后台的版式。
如果查看之前的内容，会发现，有些排版不太适应公众号本身的PC端.移动端的适配显示，那么如何解决这个问题呢？需要找到公众号本身格式发布的标准，将这部分标准投喂进GPT，跳帧规划，可以看到最近直接能够一键复制的HTML格式，基本上已经解决了排版的问题。
从产生文章结果的这个角度，GPT的项目栏目，还是挺好用的。如果持续迭代，后续基于用户视角，考虑流量角度，再去进行调整，当语料足够多，我觉得ChatGPT，或者Word Buddy等AI 智能体相关的工具，会越来越好用。
现在我们要去生成什么表格，总结，或者一些海外当地的全英文资料，基本上都是使用AI在进行协助，Work Buddy最近推出的专家团功能，只要能够想清楚自己需要做的板块，通过GPT先来进行沟通，沟通清楚自己的需求，再根据WB的要求，生成对对应的提示词，最后做出来的专家团，考虑的问题，还是非常全面的。
唯一的缺点，就是WB的专家团真的太烧积分了，如果专家是1倍积分，一个专家团由10个不同觉得专家组成，假设有10个，那么就会使用10倍积分，最近GEO的研究，问了品牌GEO专家团一个问题，就烧了100积分。
在预算范围内的尝试，研究，还是很值得的。
至少对于我自己的来说，从8月7日，第一次听一个卖家分享，他们公司已经人手都有一个Workbuddy，人手都有一个钉钉录音设备，开完会马上自动生成待办，直接去工作，上次9月交交流的时候，他们已经在进行PM项目管理的考试了。已经进化到下一阶段。从过去一个多月的使用，训练，AI Agent的概念至少已经不是一个让自己大脑一片空白的概念，而是通过测试，通过实际训练，让这些AI Agent和自己的实际工作相结合，有了更具体的画面。
在要做方案，做一些相关表格的时候，真的非常实用。
如果未来能够使用更多时间，再随着AI Agent的进化，一定会有更多的功能。
任何一个行业，一个新政策、新工具的出现，如果能够快速找到一群愿意研究的朋友，一起测试、一起研究，其实都会更容易获取最新的信息。