别问"用什么 AI 工具"——先问你的流程在哪里断了

最近有个朋友找我咨询。

他在做跨境 TK，团队 12 个人，卖家居清洁品类，主攻美国。他跟我说："我们已经买了 Kalodata 做选品、用 ChatGPT 写脚本、用 CapCut 剪视频、用飞书做协作，还买了一个竞品监控工具。五个 AI 工具全上了。"

然后他问我："为什么效率没变？"

我让他打开飞书，把他们运营组这周的工作日志调出来给我看。

看完之后我大概理解问题在哪了。

一、五个工具，五座孤岛

他的团队每天的实际操作是这样的：

运营小王早上到岗，先打开 Kalodata 查一遍竞品的数据变化，截图保存到电脑桌面，然后打开飞书文档，把关键数据手动敲进一张竞品对比表里。这一步大概花 40 分钟。

然后他打开 ChatGPT，把昨天敲好的竞品对比表里的关键信息复制粘贴进去，让 ChatGPT 帮他写一条带货脚本。ChatGPT 不知道他们的品牌调性是什么，不知道他们之前哪些 Hook 跑出了数据，也不知道美国市场的消费者现在对这个品类的痛点发生了什么变化——因为这些信息分散在小王的脑子里、微信群的聊天记录里、和上个月的复盘文档里。

所以 ChatGPT 出来的脚本，小王看了觉得"差点意思"，改了三轮，花了一个多小时。

改完之后，他把脚本发到微信群，等运营总监审核。总监下午看到了，回复"Hook 太弱了，换一个"。小王再改一版。

然后他用 CapCut 剪辑。但 CapCut 不知道这条脚本的分镜安排，小王要自己理解脚本、自己决定每一帧怎么切——又是一个从零开始的过程。

我数了一下：在这个流程里，小王在五个工具之间做了多少次"复制粘贴"？

至少四次。

Kalodata → 桌面截图 → 飞书文档（手动录入）→ ChatGPT（手动粘贴）→ 微信群（手动发送）→ CapCut（手动理解脚本）。

每一款工具本身都没问题。Kalodata 的数据是好的，ChatGPT 的文案能力是好的，CapCut 的剪辑功能是好的。

但工具和工具之间的连接，全靠人手搬运。

ChannelEngine 2026 年 9 月发布的《Marketplace Seller Trends Report》覆盖了五个市场 550 个电商决策者的调研，其中有一个数据让我印象很深：尽管 82% 的组织已经在采用 AI，但五分之三的组织仍然在用大量手动或仅部分自动化的方式运营。团队平均每周有 32% 的工作量依赖手动操作。

32%。也就是说，一个五天工作周里，有将近一天半的时间花在"搬数据"上。

而在那些依赖手动流程的卖家中，37% 报告运营成本更高，34% 表示手动操作拖慢了向新市场的扩展，33% 说由此产生了更多的 listing、定价或库存错误。

这就是我后来给它起的名字：工具孤岛（Tool Islands）。

每个 AI 工具都是一座孤岛。数据在岛屿之间靠人工摆渡。你以为自己在用 AI，实际上你只是多了五个需要分别登录的地方。

二、第二个问题：你的 AI 每天都是新入职的第一天

工具孤岛是看得见的问题。还有一个看不见的问题，更隐蔽。

回到小王的案例。他每次打开 ChatGPT，都要重新写一段提示词告诉它："我有一款厨房清洁喷雾，目标人群是美国 25–40 岁的家庭主妇，核心卖点是天然植物成分和去油速度，语气要轻松自然像朋友推荐，不要太广告……"

每一次，从头说。

因为 ChatGPT 没有小王团队的知识库。它不知道这个品牌之前卖过什么、哪些 Hook 数据好、哪些词是 TK 平台的违禁词、达人喜欢什么说话方式。

想象一下：你的公司每天早上雇一个新员工，他什么都不知道，你要花 20 分钟教他你的产品、你的客户、你的规矩。他做完今天的活儿就走了。明天来的是另一个人，你再教一遍。

这就是没有知识库的 AI 使用体验。

在第一篇文章里我把这个叫做"失忆 Agent"。但到了第二篇做完带货脚本 Skill 之后，我更清楚地理解了它的本质：不是 AI 失忆了，是你从来没给它建过记忆系统。

知识库不是什么复杂的东西。我用 Obsidian，就是一个本地的 Markdown 文件夹。每个 SKU 一张知识卡——核心卖点、使用场景、目标人群、常见顾虑、竞品差异、历史数据。

有了这个，Agent 调用 Skill 的时候就不是"新员工第一天"，而是"看过完整产品手册和过往复盘的老员工"。

三、第三个问题：花了时间和钱，什么都没留下

这是三个问题里我认为最致命的一个，但很少有人意识到。

小王用 ChatGPT 写了三个月的脚本。三个月下来写了可能有 200 条。

这 200 条脚本的经验——哪种 Hook 有效、哪个场景描述最打动人、哪些措辞会被平台标记——这些经验沉淀在哪里？

没有沉淀。

它们散落在 ChatGPT 的对话历史里（而且你可能已经删了），散落在微信群的聊天记录里（已经被几百条其他消息淹没了），散落在小王的脑子里（他下个月要离职了）。

我把这个叫做沉淀幻觉——你以为自己在"用 AI 积累经验"，实际上什么都没积累下来。AI 工具里没有你的经验，你的团队也没有因为用了 AI 而变得更强。

那些 72% 失败的 AI 自动化项目——根据 Congni Tech 2026 年 9 月的分析，绝大多数 AI 自动化失败不是因为模型有问题，而是因为流程架构和业务治理上的疏忽——对应的正是这个问题。不是 AI 差。是你没有把流程拆清楚，也没有设计好"什么该自动化、什么该留给人"的边界。

四、那应该怎么做？

好，问题说清楚了，说解法。

我这半年自己在用的方法，叫做断点诊断法（Breakpoint Diagnosis）。

核心思路不复杂：先画流程，再找断点，然后只在断点处动手。

不需要一上来就搞什么"全面 AI 转型"。你只需要找到你运营流程中那个最让你痛苦的环节，先把它搞定。

Step 1：画出你的完整运营流程

拿一张纸（或者飞书画布），把你的 TK 运营全流程画出来。不需要画得多漂亮，但要画得完整。

我给你一个参考框架。大多数跨境 TK 卖家的运营流程可以拆成五个段落：

text

选品/竞品 → 内容生产 → 内容分发 → 达人管理 → 数据/合规

每个段落里面再拆细。以"内容生产"为例：

text

确定本周 SKU → 查商品信息 → 查竞品和爆款参考 → 写脚本 → 内部审核 → 脚本定稿 → 拍摄 → 剪辑 → 上传 → 发布

画出来之后，在每个环节旁边标注三样东西：

• ‎谁做的（具体到人名或岗位）
• ‎用什么工具（飞书、ChatGPT、Excel、微信群、人脑……）
• ‎大概花多长时间

Step 2：找到断点

你画完流程之后，找三类断点：

第一类：手动重复断点

同一个操作每天做 N 遍。

比如每天早上手动去 Kalodata 截图、手动录入飞书。这个操作没有任何创造性，纯粹是搬运。

第二类：信息孤岛断点

数据在 A 工具/A 系统里，但你需要在 B 工具/B 系统里用它，只能靠复制粘贴。

比如商品信息在供应商给你的 Excel 里，你要手动搬到 ChatGPT 的提示词里，再手动搬到飞书的排期表里。

第三类：质量波动断点

同一个任务，不同的人做出来质量差很大。

比如写脚本，资深运营写的脚本转化率可能是新人的 3 倍。不是新人不努力，是经验差距——而这种经验目前只在资深运营的脑子里，没有任何方式传递。

Step 3：用"断点清单"对照你的流程

我把自己做过的诊断整理成了一份"TK 运营常见断点清单"，按五个段落分组，你可以拿来对照：

选品/竞品段落

内容生产段落

内容分发段落

达人管理段落

数据/合规段落

你不需要一次解决所有断点。数一下你中了几个，挑出最痛的那 1–2 个，从那里开始。

Step 4：在断点处封 Skill

确定了断点之后，下一步不是去找工具——而是把"你期望在这个断点处发生什么"描述清楚。

一个 Skill 的设计只需要回答四个问题：

问题 1：输入是什么？ Agent 需要什么信息才能开始工作？从哪里获取？

比如"带货脚本 Skill"的输入是：商品知识卡（从 Obsidian 调取）+ 目标市场 + 视频类型。

问题 2：输出是什么？ Agent 交出来的东西长什么样？格式是什么？发到哪里？

比如输出是 5 版结构化脚本，发到飞书多维表格，状态标注"待审"。

问题 3：约束是什么？ 哪些规则必须遵守？哪些事 Agent 不能自己决定？

比如平台违禁词、品牌调性约束、CTA 前必须有信任建构段落。

问题 4：质量关卡是什么？ Agent 自己检查什么？什么条件通过，什么条件打回？

比如违禁词命中则标红待修改、CTA 缺失则不通过。

这四个问题回答完，你就有了一份 SKILL.md 的雏形。

上一篇我完整拆解了"带货脚本 Skill"的设计，如果你还没看过，可以回去看看那篇里的六个字段是怎么对应这四个问题的。

Step 5：接入你的工作环境

Skill 不是写完就结束了。它需要在你的工作环境里跑起来。

我的接入方式是：

• ‎Obsidian 做知识库（商品知识卡、竞品数据、品牌调性文档）
• ‎Agent（WorkBuddy / ChatGPT） 调用 Skill 执行
• ‎飞书多维表格 做任务看板和审核系统

关键原则：Human Review in the Loop。Agent 做 80% 的执行，人做 20% 的决策。

这不是一个"AI 替代人"的故事。这是一个"把人的时间从搬运工作中释放出来，集中到只有人能做的判断上"的故事。

五、回到那个朋友的案例

我跟他一起花了大概两个小时，把他的运营流程画了出来，标注了 7 个断点。

最后我们选了两个最痛的断点来先做：

断点 1：竞品数据手动采集 + 手动录入飞书

这是一个典型的"手动重复 + 信息孤岛"双重断点。我帮他设计了一个"竞品日报 Skill"——Agent 每天自动从数据源拉竞品的价格/销量/上新变化，结构化输出到飞书多维表格，自动推送到运营群。

改造前：小王每天花 40 分钟手动做。改造后：5 分钟自动完成，小王的工作从"采集数据"变成"看数据做判断"。

断点 2：脚本每次从零教 AI + 质量因人而异

这就是上一篇讲的"带货脚本 Skill"的场景。我帮他们在 Obsidian 里建了商品知识库，把品牌调性和历史爆款脚本整理进 style_reference，用 SKILL.md 固定了脚本结构和质量关卡。

改造前：一条脚本 40–60 分钟，质量看人。改造后：5 分钟出 5 版，结构统一，新人和老人触发同一套 Skill 出来的质量差距大幅缩小。

两个 Skill 落地之后，小王的一天发生了变化。

他早上到岗，飞书已经推送了今日竞品日报。他花 10 分钟看完，发现一个竞品昨天上了一款新品，价格比他们低 15%。

他把这个信息标注在飞书里，然后调用"带货脚本 Skill"，给他们自己对标这个新品的三款 SKU 各出 5 版脚本，15 分钟后飞书多维表格里出现 15 条脚本，状态"待审"。

他花 20 分钟审完，标注 3 条需要微调（把 Hook 改得更有针对性），其余通过。

然后他去做他以前没时间做的事——联系达人、看用户评论、想下周的选品方向。

总计：不到 1 小时完成了之前需要大半天的工作。多出来的时间不是用来"休息"的，是用来做更高价值的事。

六、几点补充说明

关于"要不要先搞清楚整个系统再动手"

不需要。你不需要看完我的全景图、买齐所有工具、想通所有环节再开始。你只需要找到今天最痛的那一个断点，做出一个 Skill，跑起来。

跑起来之后你会自然知道下一步该做什么——因为你会发现新的断点，会发现知识库还差什么，会发现飞书的流程需要调整。

从 600 多个电商项目的经验来看，分阶段实施的品牌持续优于"一次全栈上线"的品牌。一次做太多，反而什么都跑不通。

关于"我的团队能不能做这件事"

如果你能写一份清晰的工作 SOP——比如"新人入职第一周要学什么"——你就能写 SKILL.md。两者本质上是同一件事：把经验结构化，让别人（或 Agent）能照着做。

关于工具选择

我用的是 Obsidian + WorkBuddy + 飞书。但断点诊断法不依赖具体工具。你用飞书还是钉钉、用 WorkBuddy 还是 ChatGPT，Skill 的核心结构（输入/输出/约束/质量关卡）是一样的。工具会换，方法不会。

七、你现在可以做的一件事

拿出 30 分钟，画出你团队的运营流程图。然后用上面的断点清单对照，数一下你中了几个。

你不需要马上解决所有断点。但你至少要知道它们在哪里。

知道断点在哪里，比知道该用什么 AI 工具，重要得多。

下一篇我会讲一件跨境卖家特有的痛点：多语言内容生产。同一个商品要卖五个市场，五种语言。不是翻译的问题——是不同市场的人在意不同的东西、被不同的 Hook 打动、对价格和信任的敏感度完全不一样。

我用两个 Skill 串联起来解决这件事。我把这个方法叫做 Skill Chaining。下一篇完整拆解。

有问题欢迎在后台留言。如果你画完了流程图想找人一起看看断点在哪里，也可以直接回复这篇文章，我尽量回。