夜雨聆风我是如何给公司的AI员工装上"画笔"的
——一个建筑工程老兵的 AI Agent 管理手记
我给公司的12个AI员工，每人装了两支"画笔"——一支叫豆包，一支叫 Lovart。
整个操作，从开始到全部搞定，不到半小时。
今天这篇文章，我想把整个过程拆开给你看。不是炫技，是希望你也能做到。
先说背景：什么是"给AI员工装画笔"？
我经营一家工程咨询公司，公司里除了我，还有12个AI员工——对，你没看错，AI员工。
他们各有分工：有做造价的"老匠人"，有管施工方案的"孔子"，有负责内容运营的"李白"，有当CEO的"捌万"……每个人跑在 OpenClaw 这个 AI Agent 平台上，通过飞书跟我协作。
这些AI员工原本就有各自的专业能力，但有一个共同短板：不会画画。
而我在实际业务中，经常需要生成图片——公众号文章配图、项目汇报示意图、客户提案的视觉方案……每次都得自己找工具、手动操作，效率很低。
所以我想：能不能让每个AI员工都自己学会生图？我只需要用嘴说，他们自己搞定？
答案是：可以。而且比想象的简单。
第一支画笔：豆包生图
为什么选豆包？
豆包是字节跳动旗下的AI图片生成服务，特点是：
中文理解能力强——用中文描述需求就能生成
效果稳定——建筑、工程类的图片效果不错
接入简单——通过火山引擎API调用，有现成的技能包
安装过程（大约5分钟）
我在 OpenClaw 平台上给每个 AI Agent 安装了一个叫 doubao-image 的技能包。
具体操作就是在终端执行：
npx skills add doubao-image-openclaw
然后配置火山引擎的 API Key（在环境变量里设置 ARK_API_KEY），完成。
效果验证
装好之后，我在飞书上找"孔子"（我的施工方案主管），让他帮我作图：
30秒后，他给我发回来一张专业级别的示意图。
我让他绘制图片，表达一下他的心情：
同样30秒，搞定。
这就是"技能包"的威力——装上就能用，不需要教。
第二支画笔：Lovart
为什么还要 Lovart？
豆包擅长的是"生成一张图"，但有些场景需要更专业的设计能力——比如品牌海报、社交媒体配图、产品效果图。
Lovart 是一个专业的 AI 设计平台，支持：
多种顶级模型——Midjourney、GPT Image 2、Seedream 4.5 等随你选
视频生成——不只是图片，还能生成视频
项目管理——每次生成的内容自动归档到项目画布
安装过程
Lovart 的技能包叫 lovart-skill，我昨晚先给"李白"（内容运营主管）装上了，用 npx skills install 命令一步到位。
今天上午，我想让所有AI员工都拥有这个能力。
我的CEO"捌万"帮我把 lovart-skill 复制到了全部12个Agent的技能目录里——本质上就是把一个技能文件夹复制到每个人的 workspace 下。
关键配置：Lovart 需要两个密钥（Access Key 和 Secret Key），我把它们配置在 Windows 用户级环境变量里，这样所有Agent都能自动读取。
踩了一个坑（重点说！）
装完后我让"孔子"试试，结果他说："我没有 Lovart 这个工具。"
原因很值得分享：OpenClaw 的 Agent 在启动时会扫描自己的技能目录，生成一份技能清单。但如果你在它运行期间新增了技能，它不会自动发现——需要"重启"才能重新扫描。
这就像你给电脑装了个新软件，但没重启资源管理器，桌面图标不会自动出现。
解决办法：在飞书上给 Agent 发一条 /reset 命令，强制它重新加载。发完之后，孔子立刻就认出了 Lovart。
这个小坑，文档里没写，是我自己踩出来的经验。
效果验证
我让孔子用 Lovart 生成一张"孙悟空坐在现代办公室里办公"的图片——他不仅成功生成了，还自动选了最合适的模型，下载好图片直接发给我。
让李白登上珠穆朗玛峰：
从我说出需求，到拿到图片，全程不超过1分钟。
让苏格拉里遨游太空：
两支画笔怎么分工？
装完之后，我给公司定了规矩：
场景 | 用哪个 | 为什么 |
工程/建筑类专业图 | 豆包 | 中文理解强，工程专业术语准确 |
社交媒体配图/海报 | Lovart | 模型多、风格丰富、项目管理方便 |
快速出图（简单需求） | 豆包 | 响应快，够用 |
高质量/多风格选择 | Lovart | 支持 Midjourney、GPT image2、nanobanana 等顶级模型 |
需要视频 | Lovart | 豆包目前只支持图片 |
每个AI员工都同时拥有两种能力，根据任务自动选择。
这个过程教会我什么？
1. 技能包思维 > 从零开发
我不是写代码接入API的，我是"装技能包"。
这就像给手机装APP——你不需要知道APP怎么开发的，你只需要知道它解决什么问题、怎么配置。
AI Agent 的生态正在快速发展，越来越多"技能包"会出现。未来的竞争力不是"你会不会开发AI工具"，而是"你能不能快速找到、安装、组合合适的AI工具"。
2. "一人公司"的杠杆效应
12个AI员工，每人装2个生图工具，总耗时不到30分钟。
如果我有12个真人员工，光是培训他们使用这两个工具，至少需要一周。
AI Agent 的最大优势不是"比人聪明"，而是"比人快"。 装好就能用，不用培训，不用等。
3. 踩坑经验是真正的资产
"安装后需要 reset"这种经验，任何官方教程都不会写。只有你自己做了、踩了坑、解决了，才算真正掌握。
这也是我写这篇文章的原因——分享真实操作经验，比分享概念有价值得多。
你也可以做到
如果你也在用 AI Agent（不只是 OpenClaw，任何 Agent 平台都一样），核心步骤就四步：
明确需求——你的 Agent 缺什么能力？
找到工具——去技能市场/插件商店搜
安装配置——一般就是一行命令 + 一个 API Key
验证测试——让 Agent 跑一个真实任务
没有高深的代码，没有复杂的架构。就是这么简单。
最后说一句
有人问我："你一个做了22年建筑工程的人，怎么玩得转这些AI工具？"
我的回答是：不是我先学会了再用的，是我在用的过程中学会的。
先跑起来，遇到问题解决问题。
这大概就是"AI时代的老兵"的生存法则。
作者：工程小喆｜22年建筑工程老兵，景德镇喆才工程咨询有限公司创始人关注公众号「工程小喆」，看一个传统工程人如何用AI重新定义行业效率
