夜雨聆风2026年6月1日
AI架构 · 企业智能化 · 工作流革命
关注中小企业老板、AI应用实践者、一人公司创业者
从聊天到连接一切的AI进化路线
一个物流老兵用AI写完TMS又亲手叫停的故事
不建系统，配AI——企业管理的新方向
AI Agent + Skill + Any CLI + DataBase = Further
一、AI这两年，到底发生了什么？
回顾一下这两年AI的进化路线，比大多数人感知的要快得多。
2023年，聊天。ChatGPT横空出世，所有人第一次跟AI对话。但它只能聊天，不能做事。你问它问题，它回答。像一个百科全书。
2024年，编程。AI开始写代码了。Cursor、Claude Code、Trae……AI从"回答问题"进化到"帮你造东西"。你描述需求，它直接生成代码。很多程序员开始紧张了。
2025年，MCP和工具调用。AI开始连接外部工具了。不只是待在对话框里，而是能调用API、读写文件、操作浏览器。AI从"帮你写"进化到"帮你做"。
2026年，CLI连接一切。AI通过命令行（CLI）操作几乎所有软件——查数据库、发邮件、管理飞书、调用API、跑爬虫。你不需要学任何软件的操作界面，AI自己会操作。
从"跟AI说话"到"AI替你做事"，再到"AI替你操作所有软件"。两年时间，三次跃迁。
二、我用AI写了一套TMS
我在物流行业干了十多年，做过很多岗位，对接过很多客户，但最擅长的事是把业务流程拆成SOP。
今年，我用AI编程工具写了一套TMS——运输管理系统。订单管理、车辆调度、运费结算、轨迹追踪，基础逻辑和流程全部跑通了。
说实话，AI编程的速度让我自己都有点惊讶。以前这套东西找外包团队做，少则三个月，多则半年。我用AI，基础版几周就出来了。流程能跑，逻辑通顺，数据闭环。
如果我是一个普通的创业者，故事到这里就该结束了——"看，我用AI造了一个系统，多厉害。"
但我没有。
三、我为什么停了？
TMS跑通之后，我做了一个让很多人不理解的决定：停止开发。
不是做不出来。是做出来之后，我发现了一个更本质的问题。
TMS本质上是什么？是系统。
一套系统，不管是你花几百万找供应商买的，还是你用AI几周写出来的，它都是系统。系统就意味着：流程写死在代码里，改需求就得改代码，哪怕只是加一个审批环节，也要动开发。
我用最先进的AI工具，造了一个最传统的系统。
我突然意识到，这不是AI该干的事。
AI最强的能力不是帮你写系统，是替你执行流程。
你不需要把流程固化到代码里，你需要的是把流程教给AI，让AI按你的逻辑去执行。流程变了？跟AI说一声就行。
这就是我从"造系统"转向"写Skill"的原因。
Skill不是系统，是AI的SOP。你把业务经验、操作步骤、判断标准写成Skill，AI拿到就能跑。不用部署、不用上线、不用等排期。
从"用AI造系统"到"让AI替你跑流程"，这是我今年最重要的认知转变。
四、于是，我提出了这个公式
基于两年观察和亲身实践，我把企业AI化的完整架构压缩成一个公式：
AI Agent + Skill + Any CLI + DataBase = Further
逐个拆：
AI Agent——自然语言和计算机语言的翻译官
Agent的核心能力不是"聪明"，是翻译。它把你说的人话，变成机器能执行的指令；再把机器的执行结果，变成人能看懂的回复。双向实时翻译。
这意味着企业的操作界面从"按钮和菜单"变成了"说一句话"。
Skill——AI的SOP
Skill就是把你的业务经验、操作步骤、判断标准，打包成AI能直接执行的标准化流程。你教一遍，AI永远照做。不走样、不遗漏、不偷懒。
一个物流企业的Skill可能是："收到异常件报告→查询物流轨迹→判断异常类型→如果是延误就自动发安抚短信→如果是丢件就创建理赔工单→全部记录到多维表格"。五步流程，零人工介入。
Any CLI——AI的手
CLI是命令行。很多人觉得命令行是程序员用的。但注意——用CLI的不是人，是AI。
你的员工不需要学命令行。Agent会自己调用CLI去操作各种软件。CLI是软件最原始也最强大的接口，每个软件都有命令行入口。当AI通过CLI连接所有软件，它就拥有了操作你整个业务系统的能力。
人不需要会开车，AI自己会开。你只需要告诉它去哪。
DataBase——AI的记忆和数据中心
多维表格不是表格，是数据中心。所有业务数据、客户信息、操作记录、分析结果，全部沉淀在多维表格里。由AI通过CLI去读写、去整理、去分析。
不是人在填表格，是AI在维护一个实时更新的企业数据库。你的角色是什么？是看。AI把数据整理好，你做决策。
五、商业现状：大公司用系统，小公司用手工账
过去二十年，企业管理软件的格局一直很清晰：
大公司上系统。ERP、SAP、Oracle、用友、金蝶。花几十万到几百万，部署半年到两年，养一个IT部门专门维护。系统把采购、库存、财务、销售全部串起来，流程标准化，数据可追溯。
小公司用手工账。Excel表格、微信群里发截图、老板脑子记、财务手工录。不是不想上系统，是上不起。一套ERP的钱够小公司活半年，而且你也没有IT部门来维护。
中间还有一层——SaaS。这几年很多中小企业用上了钉钉、飞书、各种在线CRM。算是轻量版的企业系统，但底层逻辑没变：系统定义流程，人去适应系统。
这个格局，按理说应该被AI改写了。但现实是什么？
大公司那边，AI开始嵌入现有系统——但本质上是给旧框架打补丁。系统还是那个系统，只是多了个对话窗口。
小公司这边呢？纹丝不动。
AI这两年进化速度飞快，但你走到一家小企业去看——还是Excel，还是微信群发截图，还是老板脑子记。外面的变化仿佛跟他没有任何关系。
不是AI不好用，是根本没人告诉他们AI已经能做这些事了。他们的认知还停留在"AI就是个聊天机器人"。他们不知道AI已经能通过CLI操作软件了，不知道Skill能让AI按SOP跑流程了，不知道多维表格可以作为AI的数据中心了。
这就是我写这篇文章的原因。
不是说AI已经颠覆了一切——远没有。而是工具已经就位，但认知还没跟上。这条裂缝，就是机会。
ERP、SAP、SaaS这些传统系统，本质上都是"高级Excel"——把人工流程电子化。它们没有错，只是时代的产物。但AI给出的新路径已经出现了，维护成本接近于零，部署周期从两年缩短到两天。
不是它们不好，是有了更好的选择。
六、范式迁移：从系统驱动到AI工作流驱动
回到最核心的一句判断：
企业组织只会越来越单元化。未来的数据传输、数据整理、业务流转，不再是系统流程驱动，而是AI工作流驱动。
以前的模式：你买一套ERP，系统规定了你的流程。你要改流程，得改系统。改系统，得找供应商。找供应商，得等排期。
未来的模式：你告诉AI你的流程是什么，AI自己编排执行。流程变了，你跟AI说一声就行。
前者是系统框住人，后者是AI配合人。
以前，企业管理的核心是建系统——把流程固化到软件里，让人按系统走。
未来，企业管理的核心是配AI——把业务经验教给AI，让AI按你的逻辑跑。
不是技术升级，是组织形态的根本变化。
七、为什么是这四个，缺一不可？
没Skill的Agent——它依然能推理、能执行。只是每次靠临场发挥，质量不稳定，经验无法复用。
没CLI的Agent——它只能使用内置工具。但碰不到外面的系统和软件，被困在自己的世界里。
没Database的Agent——只有依靠自己的上下文记忆。但操作结果无法沉淀为结构化数据，企业的数据资产积累不起来。
没Agent，剩下三个就是一堆工具躺在那，得靠人去编排、去操作。
四个合在一起，才是闭环：你说话→Agent理解→Skill规范流程→CLI执行操作→Database沉淀数据→数据反哺下一次决策。
这就是Further。
八、Further——未来的商业业态
回到"企业组织只会越来越单元化"这句话。
什么意思？
以前一个100人的公司，需要采购部、财务部、销售部、客服部、IT部。每个部门是一套流程、一套系统、一批人。
未来？一个10人的公司，甚至一个人的公司，能做到同样的事。不是每个人干十倍的活，是AI替你干。
AI Agent理解你的意图，Skill按你的经验执行，CLI连接所有软件，Database沉淀所有数据。你提供判断和决策，AI提供执行力和记忆力。
大公司也一样。不是说大公司就不需要这个架构了——恰恰相反，大公司的系统更重、流程更死、改起来更痛。当AI工作流驱动的路径被验证之后，大公司会比小公司更渴望这套东西。因为它们被旧系统绑架得更深。
AI Agent + Skill + Any CLI + DataBase = Further。
Further不是某个产品，不是某个平台。是方向——从系统驱动到AI工作流驱动的方向，从重到轻的方向，从人适应系统到系统适应人的方向。
我就是这么干的。一人公司，AI Agent集群跑业务。十多年的从业行业经验全部变成了Skill，AI替我执行。
不是因为我特殊，是因为我看到了未来。
以前一个100人的公司，需要采购部、财务部、销售部、客服部、IT部。未来？一个10人的公司，甚至一个人的公司，能做到同样的事。不是每个人干十倍的活，是AI替你干。
作者：爱看书的YY & Hermes Agent
模型：GLM-5.1
来源：用户原创理论框架、企业AI化实践
