跨境电商资讯:小团队如何建立AI nat
过去2年,我们一直在使用大量的 AI 工具制作工作流。 但今年,随着 AI 的能力进一步延伸到具体事务,并且 AI 编程进一步下放到普通人之后,我意识到组织的价值其实更大。 以下是我的关于建立AI native公司(或者叫做AI原生公司、AI first公司)一些实操和感受和分享。 一、AI工具其实越少越好 飞书+codex+workbuddy+openrounter,这就是我们团队的AI最简配置。 数据沉淀:飞书。但每个人必须开通飞书 CLI,这样 AI 能自由读取飞书的文档和表格。 编程和 AI 工具:Codex一个就够了,每人开 100 美元的套餐,不够再开 200 美元。 中文内容写作:workbuddy。因为 DeepSeek 和 Kimi 在中文内容上确实不错,而 workbuddy 的好处是可以自由切换模型。 如果你有批量调用 AI 的需求,再加一个 Open Router 的 API。可以自由切换各种模型去批量化生产内容、审核内容,举例子来说,用GPTimage-2的模型来做图,用Gemini模型来检查图片效果,作为质检环节。 而且还要思考能不能减少工具或者减少动作,因为越少的工具,越熟练,习惯越好。 比如以前开会我们用飞书,但飞书不支持自动会议总结,我们就再开个豆包在旁边记录。 但是后来飞书支持了,会议结束自动生成。 二、工作流必须全部重新设计 我们现在习惯把工作流称为Skill工作流。 在团队内,为了更好地理解Skill,我一般让大家把skill理解成一份好的 SOP 文档。 问题是,AI 出现之前 SOP 文档就存在了,但大多数公司是什么情况?要么没人做 SOP,要么做了没人执行,要么执行了没人更新。 所以一个好 SOP 必须符合两个标准:有人更新,且有人按它执行。 缺一不可。 回到 Skills 改造工作流的问题,最重要的一点:工作流要全部重新设计。 不是在一个节点里塞进一个 AI 就完事了,而是重头设计彻底重构。 如果你只是在工作的某个环节加一个 AI 节点,然后把它打包成一个 Skill,它大概率不会被更新。 人用一下觉得麻烦、没意义,就不用了;或者觉得还不如自己点两下搞定,AI 做还会犯错——做了 5 分钟,发现问题再改 10 分钟,我自己做 5 分钟就行了。 这就是工作流里加入 AI...