夜雨聆风点击上方蓝字，关注「萍言曼语教练」
你想让 AI 帮你干活，但折腾了一堆工具，最后还是自己熬夜加班。我跟你一样，从完全不懂 AI 员工，到现在每天只工作 4 小时，收入翻倍。
今天就把我从 0 到 1 搭 AI 员工的实战步骤拆给你看，不绕弯子，直接能用。无论你是做内容、做服务，这套逻辑都跑得通。
第一步：
先找到一个最值得交给 AI 的业务场景
很多人一上来就想让 AI 把所有事情都干了。写文章、做海报、整理客户资料、回消息、做表格、规划产品、生成课件，最好一口气全包。
但一人公司最稀缺的资源，是注意力。如果你一开始就把目标铺得太散，AI 反而会变成新的精力黑洞。你每天都在试工具、改指令、换平台，但真正从身上卸下来的工作并不多。
所以第一步可以先问：我的业务里，哪一个具体场景，最值得先交给 AI？
我一般从两个方向找。
第一个方向是减负。你可以看一看，每天有哪些事情非常消耗时间和精力，但对营收、创造力和个人成长几乎没有帮助。比如重复整理资料、把聊天记录归档、把同一类问题反复解释一遍、把内容改成不同平台格式、把客户信息从一个地方搬到另一个地方。
创造营里有位做教育服务的学员，每周要花 7 到 10 个小时处理试听提醒、基础咨询和常规回复。她自己也知道这些事并不复杂，但客户在那里，不能不回。还有一位做个人服务类业务的学员，销讲期间每天花 3 小时做群运营文案和个性化私戳。她说得很直接：「太细碎了，不喜欢。」
这类事情很适合成为 AI 员工的第一个岗位。你可以问自己一个很直接的问题：哪件事如果这周还要手动做三次，我会很崩溃？
第二个方向是拓展。也就是那些你明明知道很重要，但一直排不上日程的事情。比如沉淀客户案例、整理自己的方法论、把过去的咨询笔记变成内容素材、搭一个选题库、给客户生成阶段性成长报告。
有位做深度陪伴型服务的学员，每周要花 4 小时整理服务对话和客户档案。她觉得过程很有启发，但整理太花时间。她真正想做的，是把这些沉淀变成公众号文章，因为内容才是她长期获客的核心资产。还有一位做组织咨询类业务的学员，十多年积累了大量项目经验。她最想让 AI 帮她做的，是把这些历史项目变成可调用的知识资产。
这些事情短期看不一定紧急，但长期看会变成你的业务上限。所以，先不要贪多。选一个最痛、最具体、最能产生杠杆的场景。AI 员工可以从一个清晰岗位开始。
第二步：把这个场景拆成三个格子
找到场景以后，很多人会立刻打开 AI，然后说：「帮我生成一份报告。」「帮我写一篇文章。」「帮我整理一下这些资料。」
结果通常很熟悉。它真的生成了。但你一看，就觉得空。正确、完整、礼貌，甚至结构也还行，可就是没有你的业务判断，也没有你的语言质感。这就是我们常说的「AI 味」。
AI 味很多时候来自一个很具体的问题：你没有告诉它，在你的业务里，什么叫好。一个合格的老板，要给员工说清楚三件事：输入是什么，处理逻辑是什么，输出标准是什么。
我用教练、咨询师、教育创业者都很常见的一个场景举例：客户档案库。
很多做服务的人，手上都有大量高价值素材：客户的对话逐字稿、咨询笔记、背景信息、阶段性目标、行动记录、关键转折时刻。这些素材如果只是散落在不同文档里，它们就只是资料。但如果整理成结构化的客户档案，它们可以变成很多东西：给客户看的成长报告，销售时期的个性化跟进文案，后续公众号里的匿名学员故事，甚至是你优化产品和交付的重要依据。
这个场景就可以拆成三个格子。
输入：我要喂给 AI 什么？ 比如客户过去的对话逐字稿、咨询笔记、客户背景信息、阶段目标和行动反馈。
处理：AI 应该如何理解和整理这些素材？ 比如按时间线梳理，按主题归类，提取成长指标，标记关键突破时刻，区分事实、情绪、洞察和下一步行动。
输出：我最终要拿到什么？ 是一份成长报告 PDF，一个学员 Dashboard，一篇可以改写成公众号的学员故事，还是一组个性化跟进文案？
这三个格子填完以后，你和 AI 之间的协作就从「你猜猜我要什么」，变成了「请按照这个业务流程来工作」。
创造营里有位做 B2B 咨询服务的学员，每周要花 15 到 20 个小时做报告和 PPT。他拆完三个格子以后发现，他并不需要 AI 从头到尾帮他做完整 PPT。他真正需要的是：AI 先从项目信息里提取核心逻辑，形成结构化框架。后面的判断、取舍和呈现，他自己再接手。
这个边界一清楚，AI 员工的岗位就清楚了。很多时候，我们以为自己缺提示词，其实缺的是这三个格子。
第三步：把输入素材整理成知识库
我之前整理几十个学员的咨询笔记时，犯过一个很典型的错误。我直接把大文件丢给 AI，让它提炼关键信息。结果它要么漏信息，要么把重点抓偏。最后生成的内容看起来很努力，但和我的业务逻辑对不上。
后来我才意识到，AI 可以处理资料，但前提是资料要足够可消化。对一人公司来说，知识库其实很朴素。它本质上就是：把你已有的业务素材整理成 AI 能稳定读取、反复调用的格式。
我现在最推荐的基础格式是 Markdown。它不花哨，但结构清晰。标题、层级、列表、引用、表格，AI 都很容易识别。相比一大坨杂乱文本，Markdown 能明显减少 AI 读取时的错漏。
如果你的资料是 PDF、Word 或者 PPT，可以先转成 Markdown。两个方式比较实用。一个是用 MinerU 这类开源工具，把 PDF 等文档转成 Markdown。另一个是，如果你已经在用 Claude Code、Codex 这类 AI Agent，可以直接跟它说：「请用 Pandoc 把这个 PDF 转成 Markdown 格式。」
这听起来是一个很小的技术动作，但它会直接影响 AI 员工后续的执行质量。你喂给它的是一套有结构的业务素材，它才更可能稳定地接住你的需求。
第四步：
不要急着执行，先和 AI 讨论处理方案
知识库搭好以后，很多人又会进入下一个误区：马上说「帮我生成」。但我现在更习惯先做一件事：和 AI 讨论处理方案。
比如我要搭一个客户档案员工，我不会一上来就让它生成完整档案。我会先告诉它：「我想基于客户的教练对话逐字稿，生成一份客户档案。这个档案需要帮助我理解客户的基本信息、转型目标、当前状态、行动跟踪和关键突破时刻。你先不要生成，先帮我设计一个处理模板，我们一起讨论。」
这个动作很重要。因为 AI 很容易执行，但不一定知道怎么判断。你先和它讨论几轮，把模板、分类方式、输出维度和判断标准调到比较满意，再让它处理完整素材，后面的返工会少很多。
这里还有一个我自己很喜欢的小技巧：用语音输入，不要只靠打字。
打字的时候，我们很容易下意识压缩信息，只写一句「帮我整理客户档案」。但语音输入的时候，你可以把背景、顾虑、真实业务目标、你不喜欢的输出风格、你希望它关注的细节，一口气讲出来。
创造营里有位服务海外客户的学员，客户横跨三个时区。她一开始以为自己需要的是一个客服机器人，后来通过语音跟 AI 讨论，才发现真正需要的是一个「三语客户沟通标准员」：能处理改时间、预约管理、常见问题邮件回复，也能理解不同时区和不同语言里的沟通习惯。如果她只打一句「帮我处理客户沟通」，AI 给出来的东西大概率会很泛。
很多时候，我们有想法，只是想法还没有被组织成工作流。AI 在这个阶段很有价值，它会陪你把工作流讨论清楚，再进入执行。
第五步：
用统一入口输出不同形式的成果
我见过太多一人公司创业者为了产出一个表格、做个 PPT、写篇文档，下载了十几种 AI 工具，不仅切换麻烦，数据还没法打通。
真正的全能 AI 员工，只需要一个统一的入口，就能自动帮你把所有形式的成品出完。
我现在日常办公根本不需要开那么多软件，直接用 AI Agent 连免费的飞书 CLI。我的 AI Agent 可以通过它直接产出文档、表格、PPT，甚至可以互动的仪表盘界面。
想要实现这种高阶的自动化产出，可以直接用这几款主流的 AI Agent 搭建。这里有很多可以展开的操作细节，感兴趣的伙伴可以告诉我，我之后再展开分享。
推荐的 AI Agent：
Claude Code：科学上网 + 需要国外信用卡和手机号
Codex：科学上网 + 需要国外信用卡和手机号
Cursor：可调用海外大模型，不用科学上网
Codebuddy：国产，不用科学上网，但模型较笨
Trae：国产，不用科学上网，但模型较笨
飞书 CLI 安装方法：
和你的 AI Agent 发送以下指示：
「帮我安装飞书 CLI：https://open.feishu.cn/document/no_class/mcp-archive/feishu-cli-installation-guide.md」
别做工具的奴隶。一个强大的 Agent 入口加飞书 CLI，就能撑起你一人公司的所有产出。
第六步：把跑通的流程固化成 Skill
如果你每次让 AI 干活，都要重新复制背景、粘贴模板、解释要求，那它还不算真正成为你的员工。因为你还是在手动管理每一次协作。
真正重要的一步，是把已经跑通的流程固化下来，变成一个 Skill。
我有一个朋友，也在做个人知识服务。以前课程发售期间，她为了写宣传文案，经常要跟 AI 来回拉扯，改来改去能耗掉三个半天。后来我们一起把她的发售文案流程固化下来：她的课程定位、目标用户、常用表达、过往高转化文案、禁用语气、结构模板、修改标准，都写进同一个 Skill。
现在她只需要在孩子午睡的一个小时里，把这次发售的新素材补进去，AI 就能产出一版质量稳定的文案初稿。这对一人公司来说，意义会比提高效率更深一层。它意味着你终于不用每次从 0 开始解释自己。
如果你已经和 AI 讨论出了一套好用的流程，可以直接在对话里说：「把我们刚才一起做的这个流程固化下来，形成一个叫『学员档案生成』的 Skill。」
它会把处理逻辑、模板、输出格式和注意事项都写进去。下次你需要做同类工作时，只要说：「调用『学员档案生成』Skill。」然后把新素材给它就可以了。
这一步完成以后，你拥有的是一个可以反复调用、持续迭代的个性化 AI 员工。
第七步：持续调教，搭完以后继续反馈
有了 Skill 只是起点。因为你的业务会变，客户会变，你自己的表达也会变。
AI 员工最容易停滞的地方，是你发现它哪里不对，但懒得反馈。比如它写得太像模板，你没有说。它漏掉了客户真正重要的转折点，你没有说。它的语气太用力、太像营销文案、太不像你，你也只是默默删掉重写。那它当然不会变好。
我现在会把反馈也当成工作流的一部分。有时候我在瑞士家门口的苏黎世湖边散步，会拿着手机用语音跟我的 AI 员工聊几句，告诉它最近哪一版内容让我觉得不够贴合，哪里太空，哪里需要更真实一点，哪里需要更像我的表达。
最后我会加一句：「基于我刚才给你的这组反馈，帮我看一下这个 Skill 里面哪里需要修改。」
这样一次反馈就变成了对整个 AI 员工的升级。它会让我们更快地完成任务，也会逼着我们更清楚地看见：我到底怎么工作，我怎么判断质量，我真正想服务谁，我不想用什么方式表达。
写在最后
回头看，一人公司搭 AI 员工的路径其实很朴素：先找到一个具体场景，再把它拆成输入、处理和输出，把素材整理成清晰的知识库，先和 AI 讨论处理方案，再让它执行，用统一入口输出不同形式的成果，把跑通的流程固化成 Skill，最后持续反馈、持续调教。
这七步看起来是在搭 AI 员工，本质上也是在重新整理自己的业务。因为你要把那些原本只存在于脑子里的判断、偏好、经验、标准，都一点点说清楚，写下来，固化进系统里。
对一人公司来说，这件事很有价值。它帮我们从大量重复、细碎、消耗性的工作里拿回注意力。
员工的问题其实都是老板的问题。老板把工作流和反馈体系设计好了，AI 员工才能越用越聪明。
欢迎添加我的微信，领取我平常自己会用、也觉得特别好用的 AI 员工工作流。
点击 在看 分享给你的朋友👇
点击淡出+展开，自动多段展开
