夜雨聆风
导语
如果你自己做一点生意，或者在公司管运营、管销售、管电商、管门店，下面这套流程，你大概率熟得不能再熟。
早上打开电脑，先看昨天GMV。
再看哪些链接卖得好，哪些卖不动。
然后打开库存表，看哪些快没货了。
再切到广告后台，看钱花出去多少，换回来多少。
最后把销售、库存、广告、退款几张表拉出来，汇总、做图，整理成一份经营日报。
第二天，再来一次。。。
很多公司其实已经上了ERP、CRM、WMS，但有意思的是，大量日常经营工作，最后兜兜转转还是回到了 Excel。
原因也不复杂，有一类需求一直卡在一个很尴尬的位置，做成正式系统太重，只用Excel又太累。
最近WorkBuddy这轮资料库升级，我扒了一圈官方文档，觉得真正值得聊的，就是它开始补这一块。
WorkBuddy现在可以把经营数据放进资料库，再让Agent 直接生成一个HTML经营看板。
它不只是把Excel做得更好看，而是支持筛选、查询、图表展示、人工和AI修改、多人协作，还能直接发布成在线页面。
底层CSV数据更新后，看板也能同步更新，页面里的修改还能写回数据表。
这意味着，Excel正在直接长成一个轻量业务系统。
比如你经营一个多平台露营品牌「山野集」，同时做淘宝、抖音、京东。
每天真正要看的无非几件事：
各平台卖了多少
哪些SKU突然爆了
退款率有没有异常
哪些商品快缺货
以及哪些广告还在烧钱却已经不赚钱。
所以第一步不是让AI先做一个多高级的Agent，而是：
先把真正影响经营判断的数据整理出来。
这一步，反而是整个流程最重要的基础。
我准备了三张表。
第一张 · 商品销售日报
这张表负责回答一个问题，今天卖得怎么样。
第二张 · 商品库存表
这张表负责回答，哪些商品快没货了。
第三张 · 商品经营表
这张表负责回答，哪些商品是真的赚钱，哪些只是看起来卖得多。
这里有一个我特别想强调的经验。 不要一开始就让 AI 接几十张乱七八糟的表。 先围绕一个明确的业务问题，把最核心的两到五张表准备好。 |
WorkBuddy官方的数据分析指南其实也讲了这个原则，先想清楚要回答什么业务问题，再定指标、定统计维度、定输出形式，而不是一次塞进去一糊需求。
数据源整理清楚了，后面所有事都会顺很多。
接下来打开WorkBuddy左侧的资料库。
里面主要分两个区域，我的文档和团队空间。
如果只是自己测试，放我的文档就行。
如果以后要让运营、客服、投放、合伙人一起维护，可以建一个团队空间，比如就叫「山野集电商经营中心」。
资料库不是普通文件夹。
官方定义的完整工作方式是这样的
资料进入资料库
↓
添加到任务
↓
Agent读取并处理
↓
新产物再保存回资料库
↓
之后继续读取和修改
也就是说，它想解决的不是存文件，而是让文件进入一个持续工作的循环。
这一点很关键。
因为传统AI最常见的问题就是，上传一个Excel，分析，生成报告，结束。
下一周数据更新了，再重新上传一遍。
而资料库想做的是，这张表以后一直就是这件事情的数据源。
数据准备好以后，把对应资料添加到任务，然后开始告诉 Agent，你到底想看到什么。
这里我非常不建议只说一句，帮我做一个经营看板。
这种提示词太空了。
更好的方式，是一次把目标、指标、交互、预警、视觉、数据同步的要求，全部说清楚。
可以直接这么写。
「请读取资料库中的商品销售日报、商品库存表和商品经营表，帮我搭建一个电商商品经营工作台。 页面需要包含，顶部展示今日 GMV、订单量、客单价、退款金额和整体毛利率，展示最近 30 天 GMV、订单量和退款率趋势，展示商品销售额 TOP10 和毛利额 TOP10。 对库存低于安全库存的 SKU 自动标红，对退款率异常升高的商品增加预警，对广告消耗较高但毛利过低的商品增加经营风险提示。 支持按照平台、店铺、品类和日期筛选。使用资料库 CSV 作为数据源，不要把经营数据直接写死在 HTML 中，数据表更新后页面自动读取最新数据。 页面采用浅色、简洁、适合运营长期查看的风格，兼容电脑和手机端，完成后将 HTML 保存到资料库。」 |
这段提示词里最重要的，不是浅色简洁。
而是那一句，数据不要写死。
这决定了你最后得到的是，一次性的Demo，还是一个可以继续使用的工作台。
过了一会儿，页面已经搭好了。
看上去很像传统BI。
但区别在于，你不需要先开发一套BI系统。
更关键的是，你不需要每天再在销售表、库存表、广告表、退款表之间来回切了。
举个例子。
我发现一个SKU，今天销量突然冲到了第一名。
以前我得切到库存表里，翻半天才能找到它的库存。
现在不用，工作台里直接就能看到，这个SKU销量正在涨，但库存已经低于安全库存了。
这时候页面告诉你的，就不只是这个商品卖得很好。
而是，这个商品卖得很好，但马上可能缺货。
这才是经营看板真正有价值的地方。
老板和运营真正关心的，从来不是图表本身，而是接下来该做什么。
再比如，一个商品GMV很高。
过去只看销售额，你可能觉得这是一个爆款。
但把广告和退款数据放进来以后，你可能会发现，销售额20万，广告花了7万，退款又退了3万，最后真正留下来的毛利并不高。
这个时候工作台就可以把它标记成，高销售、低利润商品。
这比单纯做一个销量排行榜，有业务价值得多。
员工真正看到的，是一个业务界面。
我有时候觉得，这就是这次升级最值得理解的地方。
表格负责记录事实，页面负责让人工作。
AI 做网页现在已经不稀罕了。
真正让人头疼的是，第二天怎么办。
老板突然说，高销售低利润的警示不够醒目。
以前你可能又要重新让AI做一版。
现在可以直接打开资料库里的HTML，选中那一块区域，告诉Agent，把高销售低利润商品加一个专门的警示区，同时在顶部增加风险商品数量。
AI 只改这一块。
这就是WorkBuddy说的HTML人机双写，人工可以直接编辑，也可以选中具体区域让 Agent 定点修改，多人协作时大家改同一个HTML，改动即时可见。
这件事情比AI一句话生成网页重要得多。
企业软件最难的从来不是第一次做出来，而是第50次还能不能继续维护。
接下来测试最关键的一步，底层数据变了。
假设库存表里，某个SKU当前库存是86，安全库存是50，页面显示正常。 第二天大促结束，库存掉到了32。 我直接在CSV数据表里，把86改成32。 回到工作台，页面读取到新的数据，这个SKU直接进入库存预警列表。 |
不需要重新让 AI 生成一遍整个经营页面。
这才是轻应用和普通HTML最大的区别。
普通AI网页是生成一次，而现在更像是，界面长期存在，数据持续变化。
看到这里可能有人会说，这不就是个简化版BI吗。
其实还不完全一样。
因为企业里有一大片需求，既不适合Excel，也不值得正式开发系统。
比如，给老板做一个每天的经营排名，给区域经理做一个门店看板，给销售做一个客户跟进页面，给项目经理做一个风险驾驶舱，给电商运营做一个 SKU异常监控页。
这些需求当然可以开发。
问题是，值不值得开发。
传统流程可能是，业务提出需求，产品经理梳理，画原型，开发排期，前端，后端，测试，上线。
结果一个半月以后发现，只有三个人用。
这才是企业数字化里最浪费的地方之一。
团队使用AI的时候，还会涉及另一个问题，权限。
WorkBuddy 资料库针对团队空间提供查看、编辑、管理、无权限等不同档位。
而且 Agent 继承当前用户的资料访问权限，员工本人看不到的资料，Agent 也不能越权读取。
这个设计看起来没有生成网页那么酷，但企业真正落地 AI，这其实非常重要。
因为企业真正需要的，从来不是一个知道公司所有秘密的 AI。
而是一个遵守员工权限边界的AI。
财务Agent看到财务资料，销售看到自己权限范围内的客户资料，普通员工不能因为调用Agent，就绕开原来的资料权限。
这才是企业 AI 能真正使用的前提。
⚠️ 还有一个安全细节必须讲。 HTML 可以发布为网站，非常方便，但方便的同时，公开范围也得注意。 官方明确说，发布为网站默认关闭，一旦主动开启，拿到公开链接的人就可能访问发布内容，所以发布之前，要检查页面以及引用的数据是否适合对外。 |
门店公开数据可以发，活动页面可以发，公开项目页可以发。
但客户名单、毛利、采购成本、员工信息、合同数据、内部经营数据，这些东西不要因为有了一键发布，就顺手发成公开链接。
团队协作权限和公开网页链接，是两个完全不同的概念。
看到这里也别走向另一个极端，以后公司是不是不需要CRM、ERP、WMS了。
不是。
HTML加CSV特别适合经营看板、小团队工具、内部工作台、项目管理、轻量客户管理、内容管理、库存预警、部门 POC。
但如果业务涉及复杂审批、复杂角色权限、大量并发、高频交易、财务记账、严格审计、生产制造核心流程、数百万甚至数千万级业务记录，正式的 ERP、CRM、MES、WMS、数据库，仍然有它们不可替代的价值。 |
所以最准确的理解不是AI要把企业软件干掉。
而是，以前只能用Excel凑合的小需求，现在终于多了一条路。
这件事情继续往下想，会变得更有意思。
以前企业开发软件有两类人。
| 第一类，懂业务，不会开发。 | |
| 第二类，会开发，但不一定懂业务。 |
所以永远需要写需求、开会、画原型、来回沟通。
但 Agent 出现以后，可能会越来越多地出现第三种人，业务型开发者。
| 一个仓库主管可能不会Python，但他知道，库存低于安全库存就应该报警。 | |
| 销售主管不会React，但他知道，30 天没联系过的客户必须进入预警池。 | |
| 项目经理不会Vue，但他知道，离截止日期还有三天、完成率低于80%的任务必须标红。 |
以前这些东西叫业务经验。
以后这些东西可以直接告诉 Agent，Agent 再把它们变成规则、界面、筛选、提醒、看板，甚至轻应用。
这时候业务人员其实已经开始参与开发软件了，只不过他们写的不再是代码，而是业务规则。
顺着这个思路继续往前走，我觉得真正的AI Office可能会逐渐变成这样。
Markdown 管知识。 CSV 管状态。 HTML 管工作界面。 Agent 在它们之间持续工作。 人负责什么，目标、判断、审核、决策。 |
这和以前那句「AI 帮我生成一个 Excel」，其实已经是两件完全不同的事情。
因为企业真正需要的，从来不是更多一次性文件。
而是，数据今天发生变化，系统明天还能继续用。
业务规则发生变化，我自己还能改。
同事加入以后，可以一起维护。
AI 生成以后，不是任务结束，而是工作刚刚开始。
这才是WorkBuddy这轮资料库升级，我觉得真正值得关注的地方。
写在最后
如果你每天手上真的有几张反复维护的 Excel，我反而建议，不要先想一个特别宏大的 AI 项目。
就从最烦的那张表开始。
把它放进资料库。
告诉Agent，别再给我生成另一张表了。
帮我把它，变成一个我每天真正愿意打开的工作台。
这可能是普通公司开始用Agent，最实际的一步。
良策AI,Agent落地的最后一公里
在多家的AI转型项目中，良策投入FDE团队，连续进入不同业务部门，与管理者和一线员工一起拆岗位、梳流程、找场景。
阶段性共梳理1500+项具体工作条目，识别并推进50+个AI应用场景，按项目内部统计口径取得76.59%的AI自动化提升率。
我们不是简单给企业加一个AI聊天框，而是和管理者、一线员工一起，拆岗位、梳流程、找场景，明确数据来源、业务规则、异常边界和验收标准，再把这些经验封装成可以重复执行的Skill和Agent。
一键三连「点赞」「转发」「小心心」
在评论区回复【诊断】可免费领取企业AI初步分析
🌟 关注良策 🌟
解锁企业AI落地新方法
