夜雨聆风旧金山街头竖起了一块巨大的广告牌，上面写着四个字："Stop Hiring Humans"。
别急着骂，这不是行为艺术，是一家AI公司的真实广告。他们做的事情也很直白——卖AI销售员，帮企业自动发冷邮件、自动找客户、自动跟进线索。
广告从旧金山一路立到了纽约，推特上吵翻了，有人说这是未来，有人说这是反乌托邦。
但说实话，当时就当一条新闻看了，笑了笑就划走了。
AI替代人类嘛，这种话听太多了，觉得离真正落地还早着呢。
直到今天上午，我看到我们老板亦仁的一段内部分享。
他已经用AI搭了几十个"员工"，从看周报到发内容到跟项目，全是AI在干。
看完整套方案，我才意识到——这事不是"未来会怎样"，是有人已经在这么干了。
老板的AI员工军团
先说个数字：亦仁现在手上跑着几十个AI Agent。
不是那种聊天机器人，是真的按岗位拆好的"AI员工"，每个都有明确的职责分工。
我给大家捋一下他这套体系里都有谁：
管理线：
周报专员：自动查看所有人的周报，帮审核、帮处理提交 消息处理专员：读私聊和群聊，判断哪些事情需要回复，帮着处理 项目经理：群里有人报bug，它自动判断谁负责，直接@对应的人跟进。事情做完了，还能生成日报
内容线：
选题官：看到好选题，群里艾特它就自动收进选题池 转录助手：小宇宙、B站上的内容，丢链接进去就能出整理稿 风格改写：有"亦仁风格""编辑风格"等不同风格库，同一篇内容能改成公众号文章、星球帖子等不同版本 会议整理专员：飞书纪要丢给它，自动提纯成能用的版本
数据线：
财务分析师：做数据分析和报表 微信日报：把微信里所有信息每天整理一遍发过来 公众号监控：关注的公众号更新了什么，按分类整理好推送 销售汇报：拿到所有销售聊天数据，每天自动出日报
看到这你可能会问：这些AI员工之间怎么串起来的？
核心架构其实就三层：
第一层：飞书Bot做入口。 每个AI员工在飞书里就是一个Bot，需要它的时候@它就行，跟@真人同事没区别。
第二层：MCP接数据源。 飞书、微信、公众号、官网后台、GitHub、Twitter……所有数据都通过MCP封装成接口，AI员工按需调用。
第三层：专人专用。 每个Agent只干一件事，不贪多。数据有专门的数据Bot，内容有专门的内容Bot。要做得深，就不能让一个Agent干所有的活。
但我觉得最狠的，是他搞了一个"Agent的Agent"。
这个角色叫"一线架构师"，它每天自动遍历所有私聊、群聊和文档，专门找哪些场景还能被AI化。发现了就提方案，确认可行就继续推进新Agent的建设。
相当于——AI自己在给自己招新同事。
背后的技术底座 — Hermes
这些AI员工能7x24小时跑着不停，靠的是一个叫Hermes的开源框架。
不讲概念，直接说它能干嘛。
场景一：你早上还没起床，信息已经整理好了。
Hermes可以设定时任务。比如每天早上8点，微信日报Bot自动跑一遍昨天所有群聊和私聊，把关键信息按分类整理好，推到你的飞书里。你起床打开飞书，直接看摘要就行，不用自己翻几十个群。
场景二：群里有人说了一句话，对应的人自动被@。
Hermes能接飞书、微信、企业微信等18个平台。消息进来之后，AI员工实时监听，判断该谁处理，直接在群里@对应的人。不需要有人盯着群，也不需要手动转发。
场景三：上周聊过的事，它还记得。
普通AI关掉窗口就忘了，Hermes有跨会话记忆。你上周让它调研过一个方案，这周再问它，它能直接接着上次的结论继续。不用每次从头喂背景。
场景四：教过一次的事，下次它自己会。
完成一个复杂任务后，Hermes会自动把流程沉淀成技能。比如你教它整理过一次会议纪要的格式，下次丢一个新的纪要链接进去，它直接按上次的标准输出，不用重新教。
场景五：别人做好的能力，你直接装上用。
Hermes社区最近搞了一个技能商店，有点像App Store。别人封装好的技能——比如自动写周报、自动监控公众号更新——你一键安装就能用，不需要自己从零配置。
亦仁的做法是把Hermes装在一台Mac mini上，24小时开着，所有AI员工都跑在上面。飞书里的Bot只是入口，背后的大脑在这台机器里。
当然也说句实话，这个领域工具迭代非常快。OpenAI的Codex出来之后，已经有一些人从Hermes切过去了。今天的最优解明天可能就变了。
但工具会变，思路不会变——把业务拆成一个个场景，让AI分头去干，这件事是确定的。
为什么这是一门生意
看到这你可能觉得，这就是一个技术大佬的个人玩法，跟普通人没关系。
但有意思的是，有人已经在靠这个赚钱了。
Greg Isenberg是推特上一个64万粉的创业博主，他最近列了一份"当前最大的36个创业机会"，排第二的就是这个——
"Managed AI employees for businesses"（帮企业管理AI员工）。
这条推文被收藏了5600多次，说明很多人看完都觉得：这事能干。
逻辑也不复杂。你想，大部分老板知道AI有用，但他不知道怎么拆场景、怎么部署、怎么维护。他需要的不是一个软件，而是有人帮他把这套东西搭好、跑起来、持续维护。
亦仁自己也聊到了这个方向：给企业按年收费，比如一年二三十万、五十万，配专人帮他们部署和维护AI员工。十个客户就是几百万，再配十几个人去服务，一门正经的生意就成了。
这让我想到推特上另一个帖子。一个做地产的老板说，他们公司招了一个27岁的分析师，这个人整天挂着Claude干活。结果7个人的小公司，现在产出相当于15个人。
他原话是："我们才刚开始。"
你看，不管是帮别人搭AI员工收年费，还是自己公司用AI员工提效——这都已经不是"未来趋势"了，是正在发生的事。
普通人能抄什么
说到这里，可能有人会觉得：这需要技术背景吧？我又不会写代码。
其实不需要。
亦仁那套系统确实有技术团队在支撑，但他的核心方法论——把业务拆成场景，让AI分头干——这个思路谁都能用。
区别只在于工具和规模。
他用Hermes搭了几十个Agent，你完全可以从一个开始。
比如你每天要花半小时整理群消息、翻公众号更新、看行业动态。这就是一个典型的"信息整理"场景。你不需要搭什么系统，用Claude或者ChatGPT，把每天要整理的东西告诉它，让它按你的格式输出，这就是你的第一个AI员工。
跑顺了之后，再找第二个场景。比如写周报、比如处理重复性的回复、比如整理会议纪要。
关键不是一步到位，是先让一个场景跑起来。
亦仁在分享里也说了一句我印象很深的话：
"关键不是一次性把Agent设计完，而是先创建出来、激活起来，再在后续使用中不断调教它。"
这个我自己深有体会。我现在用Claude Code搭了一套自己的AI助手体系，也是从一个场景开始——每天帮我整理AI热点。跑了一段时间之后，慢慢加了内容改写、素材归档、数据分析这些能力。
不是一夜之间搭好的，是用着用着长出来的。
我给自己拆的行动路径
看完亦仁的方案之后，我认真想了一下自己接下来要怎么做。
不是空想，是真的拆了一个计划出来，也分享给大家参考。
现在（已经在做的）：
我目前用Claude Code搭了一个AI助手，能帮我做每日热点整理、公众号写作辅助、素材归档这些事。但它有个问题——只有我打开对话的时候它才干活，关了就停了。相当于我有个实习生，但它只在我盯着的时候才上班。
第一步：把重复性最高的任务列出来。
我数了一下，每天重复做的事大概有这些：
看AI热点，整理成素材 翻公众号更新，看有没有能用的选题 微信群里的关键消息整理 写完内容后的多平台分发
这些都是"有固定流程、不需要太多创造力"的事情，最适合交给AI。
第二步：给现有的AI助手加定时任务。
不用换工具，先在Claude Code里设好定时任务。比如每天早上8点自动跑一遍热点搜索，结果存到我的素材库里。这样我起床就能直接看，不用自己一条条搜。
第三步：跑顺了再加场景，不贪多。
一个场景彻底跑顺了，再加下一个。急着铺开只会每个都做不好。
第四步：场景积累到5个以上，再考虑要不要上Hermes。
等我手上有5个以上稳定跑着的AI场景，再考虑把它们迁移到Hermes上，实现真正的7x24小时后台运行。到那个时候，才值得花精力去折腾部署。
我现在大概在第一步和第二步之间。后续进展我会持续更新，踩了什么坑也会跟大家分享。
写在最后
写到这，回头看那块"Stop Hiring Humans"的广告牌，心态已经完全不一样了。
一开始觉得是噱头，现在觉得它只是说了一个正在发生的事实。
推特上有人算过，AI销售员这一个场景，未来5到10年可能影响60万个岗位。评论区吵得很凶，有人说这是进步，有人说这是灾难。
但吵归吵，趋势不等人。
我自己的感受是：与其焦虑"AI会不会替代我"，不如想想"我能不能先用起来"。
亦仁那套几十个Agent的体系，不是一天搭出来的。他自己说，关键是先跑起来，在使用中不断调教。
这个时代真正值钱的能力，可能不是会写代码，也不是会用某个工具。
而是你能不能看着自己的工作，把它拆成一个个场景，然后说一句：
"这个，AI能干。"
