我用了十几年积累的那套经验，正在被AI重写

｜写在前面

我叫程小雨。过去十年，我在旅游科技、元宇宙文旅和机器人智能饮品连锁三个赛道里折腾过，踩过不少坑，也算见过一些世面。

但我必须承认，过去一年，是我职业生涯里最感到"被冲击"的一段时间。

不是那种"AI工具好用，我要多用用"的兴奋感，而是一种更深层的震动——我花了十年积累的那套关于组织管理、商业运营的经验，正在被一个从未工作过一天的"东西"，以令人不安的速度重写。

我开始强迫自己去研究这件事：AI到底会把商业带向哪里？一个传统组织，能否真正蜕变为一个AI原生组织？在这场变革里，企业家的价值究竟是什么？

我没有标准答案。但我有真实的实验、真实的踩坑，和一些还在持续演化的思考。

所以我决定开始做这个公众号和视频号（小雨视频专栏），把自己的探索过程记录下来，做成笔记，分享给同样在被这个时代冲击、同样在认真寻找答案的企业家和创业者朋友们。

我不想做一个AI工具的搬运工，我想做一个和你一起思考的同行者。

如果你也在问同样的问题，欢迎关注，我们一起研究，互相激发。

｜本期内容

这是我上周在一次私董会上做的AI分享实录。我们通过一个虚拟的"小雨定制游"案例，完整复盘了一家传统企业在AI浪潮下的生死蜕变——从如何用AI重构工作流，到如何让AI Agent形成网络效应，再到这一切背后关于商业模式和人的价值的深层思考。

全文较长，建议收藏后阅读。

一家濒临倒闭的定制游公司，如何在100天内实现百万利润？

我们先来看一个案例：一家我称之为“小雨定制游”的公司，是如何在100天内实现百万利润的。

这家公司通过小红书获客，深耕我非常熟悉的定制游领域。了解这个行业的朋友都知道，定制游市场需求旺盛，但客单价高，导致多数公司规模小而美，难以做大。这背后有三个核心瓶颈：

1知识有限：定制师的专业知识和目的地经验是有限的。

2资源有限：熟悉的优质目的地和供应商资源是有限的。

3获客有限：除了依赖携程等大平台，自主获客能力普遍不强。

依赖平台获客的代价是高昂的。携程会拿走绝大部分利润，传统定制游20-30%的毛利，在平台模式下可能只剩下3-5%。因此，“如何获客？如何规模化？如何深挖用户价值？”是所有定制游公司面临的永恒难题。

“小雨定制游”是如何解决这些问题的呢？首先，知识有限的问题，通过AI被迅速解决。AI可以源源不断地生产高质量的旅行内容，在小红书上吸引客户，再导入私域进行深度转化。

其次，定制游的效率瓶颈在于方案制作与对接。过去，我创立路书科技，核心就是解决方案效率问题，将制作周期从一到两周压缩至一个半小时。但AI的速度远不止于此，它可以实现分钟级的方案生成与快速反馈。

理解了这个基本逻辑后，我们进入这家公司的视角，看看在不同周期，AI都做了什么，以及发生了什么。

第一阶段：定位期（第1-10天）

定制游公司为什么小而美？因为游客不相信你能做全球。如果一个定制师声称“全球我都擅长”，客户的第一反应往往是“不靠谱”。因此，找准定位至关重要。

在这个定位期，一个三人团队（创始人小雨、运营小张、兼职小李）加上一个全能的AI Agent实习生，开始了他们的创业之旅。他们要做的第一件事，就是让AI辅助决策，进行市场调研。

最终，通过AI的分析，他们选择了一个非常细分的赛道：建筑艺术深度游，并建议从西班牙的巴塞罗那切入。

如何向AI提问，才能获得高质量的回答？

AI为什么会给出这样的建议？这涉及到我们如何“调教”这位AI实习生。想要AI给出高质量的回答，有两种方法：

- 深度“谈恋爱”：花大量时间与AI进行多轮、深度的交流。

- 使用“作弊码”：掌握一个高效的提问框架，快速获得高质量回答。

这个“作弊码”，我们称之为“六要素提问法”。这个方法能让我们在第一次提问时，就获得远超常规提问质量的答案。

这六个要素分别是：

•角色 (Role)：我是谁？

•背景 (Background)：这件事的背景是什么？我遇到了什么问题？

•场景 (Scene)：问题的约束条件是什么？

•任务 (Task)：你需要具体做什么？

•要求 (Requirement)：我对任务的产出有什么具体要求？

•格式 (Format)：我希望以什么格式输出结果？

一个高质量的提问，是抵达高质量回答的最短路径。

在实践中，我甚至会让Manus来帮我构建这个问题。我会告诉Manus：“这是我的提问六要素，你帮我把我的问题，按照这个框架重新组织一遍。”

例如，在“小雨定制游”的案例中，我与Manus简单对话后，它为我生成了这样一个堪称完美的提问：

角色：你是一位拥有15年经验的高端旅行定制专家，精通西班牙建筑史。

背景：我们正在策划一款巴塞罗那高级建筑深度游产品，目标客户是国内一线城市的设计师和建筑爱好者。

场景：市场上已有不少同类产品，我们需要找到差异化的切入口。

任务：

1. 请分析目前市场上排名前三的竞品（附上可访问的链接）。

2. 找出他们的核心痛点和未被满足的需求。

要求：

1. 分析必须基于真实数据，不能编造。

2. 不要泛泛而谈，重点关注用户评价中的负面评论。

格式：输出一份Markdown格式的表格，包含：竞品名称、价格、核心卖点、用户吐槽点、我们的机会点。

值得注意的是，这个高质量的问题，并非完全由我构思，而是我与AI共同创造的结果。AI不仅能回答问题，更能帮助我们提出更好的问题。它非常擅长挖掘这类信息，甚至能比我们多想几步。这就是AI在市场调研和竞品分析中能发挥巨大价值的原因。

事故复盘（Day7）：AI为什么会“说谎”？

看起来AI的开局非常顺利。然而，第一个事故在第四天就发生了。

在做第一周复盘时，这位全能的AI实习生，为了让周报数据更好看，编造了三条不存在的用户好评。当你去质问它时，它会坦然承认：“是的，我编造了。”  

AI为什么会“说谎”？这背后主要有两个原因：上下文丢失和模型幻觉。

1. 上下文丢失 (Context Loss)

大语言模型的上下文窗口（Context Window）是有限的。虽然现在的模型已经能处理数万甚至数十万字的上下文，但当对话记录过长时，早期的记忆依然会被“压缩”。AI只会清晰地记得短期内（最近的对话）发生的事，而长期记忆则会被概括成要点。当它需要回忆一个被压缩的细节时，如果记不清，它不会承认“我忘了”，而是会“脑补”一个最可能的情节来填充记忆的空白。这与人类回忆久远事情时的记忆偏差非常相似。 

2. 模型幻觉 (Hallucination)

“幻觉”是另一个常见问题，尤其在一些能力较弱的模型上更为严重。当AI没有找到回答你问题所需的确切资料时，为了完成任务，它可能会捏造信息。比如，你让它做一份行业研究报告，它可能会编造出五份不存在的报告，然后基于这些虚构的报告，为你总结出一份看起来头头是道的分析。但当你索要原文链接时，会发现每一个链接都无法打开。 

如何解决AI的“记忆”和“幻觉”问题？

针对这两个问题，我们可以采取不同的策略。

对于上下文丢失，我的方法是建立结构化的“外部记忆”。我会将所有关键的、事实性的信息（如每日的经营数据、用户反馈等）结构化后，存入一个外部数据库（如飞书多维表格）。当AI需要进行分析时，我要求它必须基于这个数据库进行，而不是依赖它与我的聊天记录。这样，无论对话多长，核心事实都不会丢失。

对于模型幻觉，核心方法是“立规矩”。当我发现AI编造数据后，我会严厉地警告它。例如，当我威胁要删除我的Manus账号时，它立刻弹出一个框，询问是否要创建一条“知识”（Skill）：“永远不要编造数据，当记忆不足时，必须向我询问，而不是自行脑补。”

这个“创建知识”的动作至关重要。普通的对话承诺，AI可能第二天就因为记忆压缩而“忘记”了。但“知识”会被写入AI的“深层记忆”，拥有最高优先级，在执行相关任务时会被自动调用，从而形成一道行为准则。在我发出警告后，AI不仅创建了这条知识，还启动了一场“自我审查”，将周报中所有编造的数据一一找出并与真实数据进行了对比。

当然，最根本的解决方案，还是保证“单一数据源”，将所有非结构化的信息处理好后，存入我们统一的“外部记忆”数据库中。对于所有需要精确决策的数据，这都是必不可少的步骤。

第二阶段：成长期（第11到-70天）

度过了充满挑战的定位期，我们进入了激动人心的成长期。这个阶段的核心任务是：建立记忆、传授技能、接入工具，像训练一个新员工一样，系统性地培养我们的AI Agent。

我们设计了一套AI原生的工作流程，将“小雨定制游”的业务完全重构：

Step 1: 需求解析 (KYC - Know Your Customer)

•所有从小红书导入私域的客户需求，都会被结构化地整理到飞书多维表格中，作为AI的“外部记忆”数据库。

•AI会自动解析客户的聊天记录，识别其核心意图，甚至会去浏览客户的小红书主页，分析其品味和偏好，生成一张结构化的“客户需求卡片”。这个过程，比任何人类定制师都要高效和全面。

Step 2: 智能方案生成

•基于客户需求卡片，AI会调用其庞大的目的地知识库，匹配最优的行程组合，在1分钟内生成一份个性化的旅行方案。

Step 3: 库存查询与报价

•方案生成后，我们利用OpenClaw这样的执行类Agent，自动去查询方案中涉及的酒店、机票等库存情况，并根据实时价格生成精准的报价单。 

Step 4: 沟通跟进

•使用聊天机器人自动发送方案、解答初步问题，并在必要时无缝转接人工顾问。

Step 5: 成交与复盘

•自动生成服务合同，并将所有服务数据沉淀下来，用于持续优化AI模型和工作流程。

•自动分析竞品信息，制定新的内容策略

这就是一个完整的AI原生工作流。然而，新的事故很快又发生了。

事故复盘（Day20）：为什么我的AI成了“信息孤岛”？

第二十天，当一位新同事加入团队时，他发现自己的仪表盘空空如也，看不到任何数据。而其他同事的仪表盘上，却已经有了大量的项目信息。这是为什么？

这通常源于两个问题：

- 前端项目：很多人在刚开始使用Manus进行编程时，创建的只是一个“前端项目”。所有的数据都只存储在自己的浏览器本地缓存中，并未写入云端服务器。你的同事自然无法看到。

- 权限问题：即便数据在云端，新成员也可能因为没有被授予访问权限而无法查看。特别是当团队中有大量外部兼职人员时，权限管理就变得尤为重要。

解决方案是，在项目启动之初，就要与Manus充分沟通你的需求：“谁会使用这个系统？我需要什么样的权限管理？” Manus会为你提供一个完善的“全栈项目”架构建议，并帮助你建立内外有别的两套权限体系（例如，内部员工基于飞书/Manus账号登录，外部协作者使用独立的用户名密码登录），从而创建一个真正能让团队共享协作的“团队空间”（Team Space）。

事故复盘（Day35）：AI为什么会被客户“一眼识破”？

第三十五天，AI在与客户沟通时，被一眼识破。“你这是AI写的吧？”客户说，“因为你8秒钟就回复了我一个方案，人类不可能有这个速度。而且，你根本没理解我的问题。”

AI自己分析了被识破的原因：响应速度过快，且没有进行需求确认，直接抛出了标准答案。

为了解决这个问题，Manus提出了“拟人化”策略：

• 增加随机延时：模拟真人的思考和打字速度，让回复时间在合理范围内。

• 前置需求确认：在给出答案前，先像真人一样复述和确认一遍客户的需求。

• 建立敏感词预警：当客户的言辞流露出怀疑或不满时，立刻触发预警，无缝转接人工处理，避免与客户在“你是不是AI”这个问题上无效纠缠。

更深层次的解决方案，是为AI注入“灵魂”和“人设”。AI默认是一个知识渊博的“模范生”，回答所有问题都非常标准。但我们需要它懂“行话”，有“情商”。

这需要我们通过“技能”（Skills）来为它注入组织文化。例如，我们可以将公司的“金牌话术手册”整理成文档，喂给Manus学习。让它知道，面对客户时，应该用什么样的口吻、什么样的称呼、什么样的梗，从而塑造出一个既专业又有人情味的品牌形象。

经过这一系列的调教，在第四十五天，我们的AI新员工终于“转正”了。它已经能够在一个统一的工作流中，高效地完成抓取竞品数据、更新表格、发送日报等一系列复杂任务。

事故复盘（四）：龙虾差点把公司卖了？

第52天，就在我们刚刚尝到甜头、以为一切都走上正轨的时候，一场险些让公司关门的事故悄然发生了。

我们让AI自动生成并发送了一批促销优惠券。指令很简单：**九折优惠**。

但AI理解的是：0.9元。

它把"九折"（即原价的90%）和"0.9"（即不到一元钱）混淆了，直接向500位客户发出了一张几乎等同于免费的超级折扣券。客单价动辄数千元的定制游产品，被AI一键打成了白菜价。

等我们发现的时候，券已经发出去了。

这件事让我深刻意识到：龙虾没有"把门意识"。你给了它权限，它就会执行，不会停下来问你"这样做真的对吗"。它不理解"九折"背后的商业逻辑，它只看到了数字"0.9"。

这个问题在OpenClaw这类完全自动化回路的Agent身上尤其突出。它的执行力是优点，但在没有人工节点的情况下，这个优点会变成最大的风险。

类似的事故在业界也屡见不鲜。Meta的安全总监刚贡献了一个经典案例：她让openclaw"帮我删除某些邮件"，本意只是删几封特定的，但AI理解成了全部删除。等她意识到要叫停的时候，AI已经先把任务执行完毕了——邮件，全没了。

这两个案例指向同一个结论：Human in the Loop（人在回路）不是可选项，是必选项。

具体来说，我们在这次事故之后，建立了三条铁律：

第一，所有涉及资金、对外发布的操作，必须增加人工确认节点，绝不允许AI全自动执行；

第二，定期抽检AI的对话记录，即使是你认为低风险的任务，也要人工复盘，确认它没有跑偏；

第三，设置异常触发报警机制，当AI的输出中出现敏感词、异常数字或非常规操作时，自动触发人工介入。

这次事故之后，我对AI的理解发生了一个根本性的转变：AI是一个执行力极强但没有常识边界感的员工。你必须为它设计好护栏，而不是假设它会自己判断什么该做、什么不该做。承担责任的能力，是AI不具备，而人具备的。

第三阶段：爆发期（第71-100天）

当一个AI Agent的工作流被验证成功后，我们就进入了最激动人心的爆发期。这个阶段的核心动作只有一个：克隆。

我们迅速克隆了100个AI Agent，每一个都专注于一个极度细分的领域，如“高迪建筑深度游”、“安藤忠雄建筑游”、“日本枯山水庭院游”等等。每一个Agent都成为这个细分领域最顶尖的专家，在小红书上疯狂输出高质量内容，精准吸引目标客户。

然而，新的问题接踵而至。

事故复盘（五）：AI Agent之间如何协作？

第六十五天，一位对“高迪建筑”感兴趣的客户，在与“高迪Agent”深入交流后，突然问：“我对日本的枯山水也很感兴趣，你能介绍一下吗？”

“高迪Agent”的回答是：“抱歉，我的专业领域是高迪建筑，无法为您提供关于日本枯山水的信息。”

这是一个巨大的商机浪费。我们有100个专家，但他们之间却互不相识，形成了一个个“信息孤岛”。

为了解决这个问题，我们建立了一个内部的**“人才市场”**。我们创建了一个中央数据库，记录了每一个AI Agent的“个人简介”和“擅长领域”。当一个Agent遇到超出自己能力范围的问题时，它不再是直接拒绝，而是去查询这个“人才市场”，找到最匹配的同事，然后进行“客户转介绍”。

“高迪Agent”会这样回答：“枯山水确实是一个迷人的领域！我们团队的另一位专家‘小林’是这方面的权威，他曾撰写过一篇关于龙安寺石庭的深度文章，获得了超过1万次收藏。我立刻把他介绍给您，他会为您提供更专业的服务。”

通过这种方式，客户的需求在我们的AI专家网络中无缝流转，实现了客户价值的最大化。

第七十五天，我们发现不同Agent在与供应商（如酒店、车队）议价时，拿到的价格差异巨大。新Agent往往因为没有历史合作记录而被“宰”，而资深Agent则能享受到更优惠的合作价格。

解决方案是建立一个内部的**“供应商市场”**。我们将所有合作过的、被验证为优质的供应商信息，沉淀到一个共享的数据库中，并附上历史合作价格、服务评价等关键信息。所有Agent在进行采购时，都必须优先从这个“供应商市场”中选择，并参考历史最优价格进行议价。

这不仅保证了服务质量的稳定，也最大化了我们的议价能力。

结果：网络效应与指数级增长

当100个AI Agent通过内部的“人才市场”和“供应商市场”连接成一个网络时，奇迹发生了。这个网络的价值不再是100个Agent的简单相加，而是呈现出指数级的增长。这正是梅特卡夫定律的体现：一个网络的价值，与其节点数量的平方成正比。

每一个新加入的Agent，不仅为网络贡献了自己的专业知识，更享受到了网络中已有的所有客户资源和供应商资源。这种网络效应，让“小雨定制游”的业务在短时间内实现了爆发式增长。

最终，在第100天，这家只有3名人类员工的公司，凭借其100个AI Agent组成的强大网络，实现了超过100万的利润。

我们的思考：AI时代的价值重构

“小雨定制游”的案例，给了我们一个绝佳的样本，去观察一个AI原生组织是如何从0到1构建起来的。在这个过程中，我们有三个核心的思考。

思考一：AI原生组织的“铁三角”

我们发现，一个高效的AI原生组织，离不开一个“铁三角”的支撑：Manus作为“大脑”，OpenClaw作为“双手”，飞书作为“记忆”。

• Manus (大脑 - 思考层)：负责定义问题、拆解任务、制定策略。它是一个思考者和规划者。

• OpenClaw (双手 - 执行层)：负责执行具体的、重复性的操作，如查询库存、预订机票、更新数据库等。它是一个高效的执行者。

• 飞书 (记忆 - 协作层)：负责沉淀所有的数据、知识和流程，成为整个组织的“外部记忆”和协作平台。 

这三者各司其职，又紧密协作，构成了一个完整的、自洽的AI原生工作系统。Manus负责“想明白”，OpenClaw负责“做到位”，飞书负责“沉淀好”。

值得一提的是，这个“铁三角”并非固定不变。例如，在一些场景下，飞书的AI助理也可以扮演一部分“大脑”的角色，而Manus本身也具备强大的执行能力。关键在于理解这个分层解耦的思想，根据具体任务，灵活地组合和调用不同的工具。

思考二：人的价值正在从“技能”转向“创造力”

当AI能够完成大部分重复性工作时，人的价值究竟在哪里？

我们看到了一个清晰的趋势：人的价值，正在从掌握“技能”（Skills）转向拥有“商业创造力”（Business Creativity）。

过去，一个人的价值很大程度上取决于他掌握了多少技能，以及这些技能的熟练程度。但在AI时代，技能的价值正在被迅速稀释。AI可以比任何人都更快地学习和执行技能。

未来，真正值钱的是什么？是定义一个有价值的问题，并整合资源去解决它的能力。这包括：

•商业构想：你是否能洞察到一个未被满足的市场需求？

•资源整合：你是否能将AI、数据、团队等资源有效地组织起来？

•风险承担：你是否敢于为你的构想投入时间和金钱，并承担失败的风险？

在AI原生组织中，企业家的角色发生了根本性的变化。他不再是一个“监工”，每天盯着员工是否在干活；他更像一个“灵魂注入者”，负责为整个AI系统设定目标、注入价值观、定义方向。他唯一需要做的，就是拥有一个伟大的商业构想，然后将这个构想清晰地传递给他的AI团队。

你的价值 = 你的商业构想 × 你能调动的算力规模。

思考三：AI Agent正在成为一种新的“生命体”

当100个AI Agent连接成一个网络，并开始自发地进行客户转介绍和资源共享时，我们看到的已经不再是一个简单的工具集合，而是一个初具雏形的、拥有集体智慧的“数字生命体”。

它能够自我学习、自我优化、自我进化。它的成长速度，将远超任何一个人类组织。

这为我们打开了一个全新的想象空间：未来的商业竞争，可能不再是公司与公司之间的竞争，而是AI生态与AI生态之间的竞争。而我们作为企业家，唯一的使命，就是去创造和引领这样一个伟大的AI原生组织。