岗位级 Agent
不是替代一个按钮，而是承接一段完整工作：接收目标、调用工具、处理异常、给出结果，并留下可复盘轨迹。
- 6+
- Agent 场景原型
- 48h
- 试点方案验证
- 3x
- 工作流效率目标
为什么是现在
AI Agent 正在从聊天窗口，进入真实业务系统。
创业机会不在“再做一个通用助手”，而在把模型、工具、记忆、权限、流程和反馈闭环装配成一个能承担结果的岗位级产品。 我的关注点是：少一点炫技，多一点可交付的业务增量。
创业判断
我相信的三个 AI Agent 机会
垂直数据飞轮
越使用越理解行业语境，将案例、客户反馈、 SOP 和历史决策沉淀成企业自己的操作记忆。
可信自动化
真正能落地的 Agent 一定有边界、审计、权限、人类确认和失败回退，而不是把所有事交给黑盒。
Agent 能力栈
从想法到可运行产品的装配系统
我把 Agent 产品拆成可验证模块：策略层负责判断，工具层负责执行，记忆层负责上下文，评测层负责持续改进。
任务编排
多步骤计划、工具调用、状态管理和异常恢复，让 Agent 能完成跨系统工作。
业务记忆
沉淀客户、项目、知识库和操作记录，避免每一次交互都从零开始。
人机协同
把关键节点设计成交接点：人负责判断与授权，Agent 负责准备、执行和追踪。
效果评测
用可重复测试集、真实任务记录和人工反馈，持续提高准确率、稳定性和 ROI。
项目方向
正在探索的创业入口
B2B Sales Ops
销售研究 Agent
自动完成客户研究、竞品比较、会议准备和跟进邮件，让销售团队把时间花在高质量沟通上。
- 客户画像与触达脚本
- 商机纪要与下一步行动
- CRM 更新与风险提醒
Operations
运营流程 Agent
把跨表格、跨 IM、跨文档的重复运营工作变成可追踪流程，适合增长、招聘、交付和客户成功团队。
- 每日任务巡检
- 异常归因与处理建议
- 自动生成管理报告
Knowledge Work
行业研究 Agent
从信息收集、信源验证到观点提炼，帮助投资、咨询、市场和创业团队更快形成判断。
- 多源检索与事实核验
- 结构化研究备忘录
- 趋势监控与机会简报
合作方式
用小试点找到真实价值，再决定是否产品化。
- 01 · 诊断工作流 找到高频、昂贵、规则半明确、数据可获得的任务。
- 02 · 搭建原型 在 48 小时内做出能跑真实样例的 Agent 流程。
- 03 · 评测 ROI 用时间节省、质量提升、错误下降和用户满意度判断价值。
- 04 · 扩展产品 补齐权限、审计、部署、知识库和团队协作能力。
近期思考
关于 Agent 创业，我反复追问的问题
一起创造