夜雨聆风这两天我在朋友圈发了两条内容。
一条讲的是企业AI化的进化路径：
岗位选择 → Markdown知识库 → GPTs验证 → CC/Codex迁移 → 业务系统接入
另一条讲的是我自己现在正在用的一套知识库系统。
目前这个知识库已经接近70万字，里面沉淀了大量课程、业务、内容、方法论、案例、流程和标准。
它现在已经在很大程度上替代了几个岗位的工作。
我在高铁上，用GPT Agent和Claude Code混合调用这套知识库，很多工作就可以直接完成。
这个过程中，我越来越确认一件事：
形式不重要，工具不重要，知识库才是核心。
不是因为GPTs有多神，也不是因为Claude Code有多神。
真正起作用的，是背后那套长期沉淀下来的知识库。
工具只是外壳。
知识库才是企业真正的资产。
一、很多企业做AI，第一步就走错了
这两年，我见过太多企业学AI。
很多老板一上来就问：
“有没有一个工具，可以把我们公司全自动跑起来？”
“有没有一个Agent，可以直接替代运营、客服、内容、设计？”
“Claude Code、Codex这么强，是不是可以直接给我搭一套系统？”
这个想法我能理解。
因为AI确实变强了。
Agent也确实越来越接近真实工作流。
很多过去必须程序员、产品经理、运营团队一起配合的事情，现在AI已经能做一大部分。
但问题是，企业AI化不能一上来就做系统。
系统不是第一步。
工具也不是第一步。
第一步应该是：
先选岗位。
企业AI化如果一开始就说“我要把整个公司AI化”，这个目标太大，也太虚。
真正能落地的方式，一定是从具体岗位开始。
比如：
内容策划岗位。
客服话术岗位。
短视频脚本岗位。
小红书运营岗位。
主图详情页策划岗位。
投流复盘岗位。
评论分析岗位。
直播话术岗位。
先选几个岗位，看清楚这些岗位每天到底在做什么。
它有哪些重复任务？
有哪些标准流程？
有哪些经验靠老员工口传心授？
有哪些案例值得复用？
有哪些数据判断标准？
有哪些输出格式？
哪些工作可以先让AI辅助？
哪些暂时不能交给AI？
企业AI化，必须从岗位开始拆。
不拆岗位，后面所有Agent、工作流、自动化系统，都会变成空中楼阁。
二、岗位确定之后，真正重要的是整理知识库
岗位确定以后，企业AI化真正关键的一步才开始：
把这个岗位的经验，整理成AI能理解、能调用、能执行的知识库。
这一步，也是很多企业最容易低估的一步。
很多人以为知识库就是上传几个文档。
把产品资料、公司介绍、客服话术丢进去，就叫知识库。
这远远不够。
真正对AI有用的知识库，应该包括：
岗位SOP。
工作流程。
操作步骤。
判断标准。
业务技能。
成功案例。
失败复盘。
用户画像。
产品资料。
成交话术。
内容模板。
数据标准。
常见问题。
输出格式。
审核标准。
而且这些内容不能只是人看得懂。
它必须整理成AI能读懂、能调用、能执行的Markdown知识库。
这就是我一直强调的：
企业AI化的核心，不是追工具，而是打造自己的私有知识库体系。
通用大模型很强，但它默认并不懂你的企业。
它不知道你的产品为什么卖得动。
不知道你的客户为什么下单。
不知道你们类目的高点击主图长什么样。
不知道你们客服常见异议怎么处理。
不知道你们直播间什么时候该逼单，什么时候该种草。
不知道你们小红书内容为什么有的爆，有的不爆。
不知道你们过去踩过哪些坑。
也不知道你们公司内部真正有效的SOP是什么。
这些东西，必须由企业自己整理出来。
只有当这些经验被整理成结构化、可调用、可迭代的知识库，AI才有可能真正进入岗位工作。
这也是第27期课程里我会重点讲的一块。
不是简单教大家“怎么写提示词”。
而是讲清楚：
怎么拆岗位？
怎么萃取经验？
怎么整理SOP？
怎么把案例变成AI可复用的方法？
怎么跟大模型共创Markdown？
怎么测试知识库到底有没有用？
怎么不断迭代知识库，让Agent越来越稳定？
这一层，才是企业AI能力的底座。
课程本身不是普通AI工具课，而是围绕企业AI化路径、私有知识库、岗位Agent、工作流和复杂Agent能力来训练。
三、先用GPTs做最小Agent，不要一上来追复杂系统
知识库整理出来以后，很多企业又容易进入另一个误区：
马上去追最复杂的工具。
一听说Claude Code强，就直接上Claude Code。
一听说Codex强，就马上研究Codex。
一听说工作流强，就想一步做自动化系统。
我的建议恰恰相反：
先用GPTs做一个最小Agent。
为什么？
因为GPTs足够简单，门槛低，适合用来验证知识库。
你先把岗位Agent的角色写清楚。
把任务目标写清楚。
把输入要求写清楚。
把输出格式写清楚。
把整理好的Markdown知识库放进去。
然后开始大量测试、大量使用。
这一步的目的不是炫技，而是验证几个问题：
知识库好不好用？
Agent能不能理解岗位任务？
输出结果是不是稳定？
产出内容是不是符合企业标准？
换一个产品还能不能用？
换一个场景还能不能用？
让不同员工使用，结果会不会跑偏？
如果结果不好，不要急着怪工具。
很多时候，不是工具不行。
而是知识库还不够清晰，流程还不够标准，案例还不够完整，判断规则还不够明确。
这时候要做的不是换工具，而是回头继续改Markdown。
继续补案例。
继续补标准。
继续补流程。
继续补反例。
继续优化指令。
继续测试输出结果。
直到这个岗位Agent在GPTs里面跑得比较稳定。
这一步非常重要。
因为GPTs不是终点，它是一个低成本验证场。
先把知识库和Agent逻辑在GPTs里跑通，再去迁移到更复杂的工具，才是更稳的路径。
四、GPTs跑通以后，再迁移到Claude Code / Codex
当一个岗位Agent在GPTs里面跑通以后，下一步才是工具迁移。
比如迁移到Claude Code。
比如迁移到Codex。
或者后面其他更复杂的Agent工具。
这个时候迁移就会变得非常顺畅。
因为真正难的部分，前面已经做完了。
岗位流程已经有了。
知识库Markdown已经有了。
输出标准已经有了。
测试样例已经有了。
迭代经验已经有了。
底层知识库成熟以后，换工具本质上就是换一个壳。
你可以让Claude Code或者Codex根据已有的Markdown和业务要求，帮你完成迁移。
很多时候，几分钟就能把基础框架迁过去。
当然，复杂Agent工具本身仍然有学习门槛。
但它真正能不能发挥作用，不取决于你会不会点几个按钮，而取决于你有没有一套足够清晰的底层知识库。
没有知识库，换什么工具都像重新开始。
有了知识库，工具只是承载方式。
所以我现在自己用GPT Agent和Claude Code混合工作时，感受非常明显：
不是工具在单独发挥作用，而是知识库让这些工具有了真正的岗位能力。
第27期课程会强化GPTs、Coze工作流、Claude Code和Codex等内容，但重点不是把每个人都训练成程序员，而是让大家看懂从知识库到Agent、从Agent到复杂工具迁移的实现逻辑。课程口径上，复杂Agent更适合作为演示和理解企业级自动化路径的一部分，不能简单承诺三天内每个企业都能完整跑通所有系统。
五、最后一步，才是接入业务系统
当岗位Agent在GPTs里验证过，在Claude Code或Codex里也跑通以后，企业才进入最后一步：
接入真实业务系统。
比如：
接入飞书。
接入钉钉。
接入企业原来的SaaS系统。
接入表格、数据库、文件系统。
接入浏览器操作。
接入内容生产流程。
接入客服协作流程。
接入运营复盘流程。
甚至根据现有AI能力，重新搭建一套新的业务系统。
到了这一步，AI才不再只是一个聊天窗口。
它开始进入企业真实业务流程。
开始和岗位、数据、内容、协作、审核、交付结合起来。
开始从“个人用AI”变成“组织用AI”。
这才是企业AI化真正完整的路径。
第一步：确定岗位
第二步：整理岗位Markdown知识库
第三步：用GPTs做最小Agent验证
第四步：迁移到Claude Code / Codex等复杂Agent工具
第五步：接入飞书、SaaS或企业自建业务系统
第5步，坦率讲，不可能在三天两夜的课堂里对每一家企业都现场完整实现。
因为每个企业的业务系统不同。
岗位流程不同。
数据结构不同。
内部SaaS不同。
团队能力不同。
落地深度也不同。
课堂里更适合完成的是前面4步：
让老板看懂企业AI化路径。
让AI负责人现场学会拆岗位、整理知识库、搭基础Agent、测试和迭代。
让团队理解GPTs、Coze工作流、Claude Code、Codex这些工具背后的迁移逻辑和实现方向。
让AI负责人现场搭建出GPT的Agent并跑通功能，搭建出Coze工作流并且跑通。然后把成熟的知识库顺利地迁移到Claude Code和Codex上，在Claude Code和Codex上实现批量化和自动化。
至于第5步，通常需要企业回去以后继续推进。
如果企业内部有一个AI负责人，上完课以后再结合持续辅导、顾问支持或项目制介入，跑通的概率会高很多。
所以我一直建议：
老板 + AI负责人一起学。
老板负责看方向。
AI负责人负责做落地。
老板如果不懂方向，公司容易乱投入。
AI负责人如果不会落地，老板再重视也很难推进。
这也是课程最推荐的学习组合。
六、为什么我越来越重视“知识库”
很多人看AI，第一眼看到的是工具。
今天哪个模型强。
明天哪个Agent平台火。
后天哪个自动化工具又爆了。
但我自己这几年越来越清楚：
工具一定会变。
模型一定会变。
平台一定会变。
Agent框架也一定会变。
真正不会轻易过时的，是企业自己的知识。
你的产品知识不会过时。
你的客户画像不会过时。
你的内容方法论不会过时。
你的成交话术不会过时。
你的岗位流程不会过时。
你的案例复盘不会过时。
你的SOP标准不会过时。
这些东西，过去藏在老板脑子里，藏在老员工经验里，藏在聊天记录里，藏在散乱文档里。
在AI时代，它们必须被重新整理成知识库。
只有这样，AI才能真正调用它们。
Agent才能真正执行它们。
工作流才能真正复用它们。
复杂Agent才能真正把它们迁移到业务系统里。
所以我说：
企业AI化的核心，不是追工具，而是打造自己的私有知识库体系。
工具是入口。
知识库是底座。
Agent是承载方式。
工作流是放大器。
业务系统才是最终落点。
七、企业最终要追求的，不是某个AI工具，而是AI能力体系
很多企业现在还停留在“个人用AI”的阶段。
某个运营会用一点。
某个客服会用一点。
某个内容同事会写Prompt。
某个老板偶尔用AI问几个问题。
这当然有价值，但还不够。
真正的企业AI化，应该从个人能力变成组织能力。
也就是：
不是某个人会AI，
而是企业有自己的知识库。
不是某个人会写Prompt，
而是企业有统一的岗位Agent。
不是某个人临时出结果，
而是企业有可复用的工作流。
不是某个工具今天好用，
而是企业形成了可以迁移、可以迭代、可以持续升级的AI能力体系。
这条路不会一步到位。
但路径要清楚。
先选岗位。
再做知识库。
再用GPTs验证。
再迁移到更复杂工具。
最后接入业务系统。
这才是我认为电商企业AI化更稳、更现实、更可持续的路径。
第27期《老梁AI+电商实操训练营》，我会继续围绕这条路径来讲。
不是让大家追某一个工具，而是帮助企业真正建立一套能迁移、能复用、能升级的AI落地能力。
如果你是老板，你要先看懂方向。
如果你是企业AI负责人，你要学会把业务经验整理成知识库，再封装成Agent。
如果你们企业已经开始尝试AI，但一直停留在零散使用阶段，那现在最该补的，不是更多工具，而是这套底层路径。
最后还是那句话：
工具会变，知识库不会过时。
企业AI化，不是先做系统。
而是先把企业自己的知识，整理成AI能够真正使用的生产资料。
