为什么第三天既要从零搭一个Excel Agent,又要跑通一个简单SOP?

为什么第三天既要从零搭一个Excel Agent，又要跑通一个简单SOP？

在三天两夜的课程里，第三天有两个安排，经常会让人产生一个疑问。

一边，是从零搭一个复杂Excel Agent；另一边，是跑通一个相对简单的SOP。

一个看起来偏数据和工具，一个看起来偏流程和组织。为什么要把它们放在同一天？为什么Excel场景要强调“从零”，SOP却先从“简单”开始？

答案不是为了让课程多两个案例，也不是为了把热门名词都讲一遍。

这两个训练，实际上在回答企业AI落地里前后相连的两个问题。

第一个问题是：面对一个没有现成知识库、没有现成Agent的新任务，你能不能重新定义岗位能力，造出一个能执行的AI工作单元？

第二个问题是：当一个岗位Agent已经能干活以后，你能不能把它放进有发起、有交接、有状态、有验收的业务流程里？

前一个问题解决“执行者怎么被造出来”，后一个问题解决“执行者怎样进入组织”。

老梁AI电商，专注帮电商企业建立可落地的 AI 能力体系——从 AI 内容生产到私有知识库、岗位 Agent。我们关注的从来不只是某一个工具会不会用，而是企业能不能把任务、知识、流程和验收逐步沉淀下来，形成可以继续维护、继续迁移的能力。

所以，第三天不是再学两个工具，而是完成一次视角升级：从使用一个已经存在的Agent，走向从零构建Agent；再从单个Agent完成任务，走向Agent进入流程协作。

前两天做出内容，不等于已经会在新场景里造Agent

课程前两天会从真实电商内容场景进入。

学员会接触小红书、商品主图、短视频等任务，学习怎样梳理工作流程，怎样把产品资料、品牌表达和业务经验整理成知识库，怎样把重复方法封装进Agent，再依据明确标准检查结果。

到了第三天上午，还会把已经做好的GPT Agent迁移到Codex。

这一步很重要，因为它让学员看到：企业已经沉淀下来的知识库、方法论、案例和验收标准，并不需要因为执行环境发生变化就全部推倒重来。可以复用的是知识底座和工作方法，需要适配的是新的工作区、规则、工具、权限和执行方式。

但迁移已有Agent，和从空白场景里重新搭一个Agent，仍然是两种不同能力。

迁移时，任务大体已经被定义过。它服务谁、读什么资料、按照什么方法做、结果怎样检查，通常都有一定基础。学员面对的是“如何把已有能力带进新的执行环境”。

从零搭Excel Agent则不同。

这里没有现成知识库可以照搬，也没有一套已经验证过的Markdown文件等着迁移。面对的首先不是“用哪个按钮”，而是一项全新的业务任务究竟应该怎样被描述、怎样被拆分、怎样被验收。

这就逼着学员离开已有案例，重新回答最基础也最关键的问题。

这个Agent到底负责什么？

它接收什么输入？

它要调用什么能力？

哪些规则必须固定？

哪些异常不能擅自处理？

交付到什么程度才算完成？

只有换到一个陌生场景，仍然能把这些问题回答清楚，前两天训练的方法才真正开始具备迁移能力。

所以，Excel不是第三天突然加入的一门孤立软件课。它更像一次压力测试：离开熟悉的内容生产场景以后，学员还能不能用同一套方法，从业务任务出发，重新建立一个Agent。

从零搭Excel Agent，真正训练的是任务建模

现实中的Excel需求，往往不会以一份结构清楚的技术说明出现。

业务人员更常说的是：“帮我把这个表整理一下”“把几张表合并一下”“算出结果，再把格式做好”“看看哪里有问题”。

对人来说，这些话似乎很好懂。因为熟悉业务的人会自动补齐大量背景：哪些列代表什么，空值怎样处理，重复项是否保留，公式写在哪里，异常数据怎样标记，最终表格交给谁看。

但Agent不会天然拥有这些隐性经验。

如果任务仍然停留在一句模糊要求里，模型只能自行猜测。它也许能生成一个看起来完整的结果，却未必符合真实业务标准。字段对了，计算口径可能不对；公式能运行，异常值可能被忽略；内容处理完了，交付格式却可能无法直接使用。

因此，从零搭Excel Agent的第一步，不是马上让AI操作表格，而是把模糊需求转成机器可执行的任务结构。

1.先明确任务边界。

这次处理的是数据清洗、汇总计算、格式整理，还是一份完整报表？哪些动作属于Agent，哪些判断必须交给真人？边界越清楚，执行越稳定。

2.再明确输入资料。

表格从哪里来，包含哪些工作表，字段含义是什么，有没有辅助数据，数据是否允许修改原文件。输入不明确，后面的规则就没有落点。

3.把处理规则写清楚。

重复数据怎样识别，缺失值怎样处理，计算使用什么口径，命名和格式遵守什么标准。规则不能只存在业务人员脑中，要变成Agent可以读取的说明。

4.说明工具与权限。

Agent可以读取哪些文件，可以生成哪些产物，哪些文件不能覆盖，遇到不确定内容是否需要停下来确认。会调用工具不代表可以没有边界。

5.建立结果验收。

最终文件是否完整，公式是否正确，结构是否清晰，原始数据是否保留，异常是否有标记。没有验收标准，Agent做完以后，企业仍然不知道结果能不能进入下一环节。

这套过程，本质上是在做任务建模。

Excel只是一个非常合适的训练载体。因为它同时包含字段、数据、公式、格式、检查和交付要求，很容易把任务定义不清的问题暴露出来。

如果学员能把一句“帮我处理这个表”，逐步变成有输入、有规则、有工具、有异常边界、有验收的Agent任务，他学到的就不只是Excel技巧，而是一套可以带到更多岗位场景里的构建方法。

为什么要选择一个相对复杂的Excel场景

从零构建Agent，如果只选择一个非常简单的任务，学员可能很快得到结果，却不容易看见能力结构。

比如只修改一个字段名称，或者只做一次简单求和，模型直接执行也可能完成。这个结果只能证明工具可以操作，并不能证明任务已经被系统化。

相对复杂的Excel任务会带来更多约束。

数据之间可能有关联，字段之间可能有依赖，公式要遵守业务口径，格式要方便继续使用，异常数据还需要被发现和处理。任何一个环节没有说明清楚，结果都可能在表面正确的情况下留下隐患。

这恰好能让学员看到，一个岗位Agent不是“会调用某个工具”就完成了。

它还要知道自己服务的任务边界，读什么资料，按什么顺序工作，怎样保存产物，遇到什么情况要停止，最后由谁用什么标准检查。

换句话说，复杂Excel场景把Agent构建中的多个层次压缩到同一个训练里。

学员既要处理具体任务，又要观察自己的知识是否完整、流程是否清楚、规则是否冲突、验收是否可执行。这种训练的价值，不是保证以后遇到任何Excel工作都能一次自动完成，而是让学员掌握在新场景里从零分析和搭建的方法。

企业真正会反复遇到的，正是这种“以前没有做过，但现在希望交给AI”的任务。

如果只能复制课堂里已有的Agent，企业能力仍然受限于现成案例；如果能面对新的业务问题重新完成定义、建设和验收，AI能力才开始真正属于企业自己。

为什么SOP反而先从简单流程开始

Excel Agent强调复杂，是为了把单个执行者的能力结构暴露出来。

SOP强调简单，则是为了把组织协作的基本结构看清楚。

一上来就把复杂企业流程搬进课堂，会发生什么？

部门多、角色多、例外多、权限多、数据来源多，所有问题会同时出现。学员很容易被具体业务细节拖住，却看不清一个SOP最基本的运行机制。

所以，课程先让大家跑通一个简单流程。

简单流程的重点，不是业务价值有多大，而是让几个关键对象第一次同时出现。

任务从哪里进入？

由哪个角色接手？

当前进行到哪个节点？

上一步留下了什么产物？

什么条件满足后才能进入下一步？

遇到异常时由谁判断？

最终怎样确认完成？

当流程足够简单，学员才容易看见：SOP不是一段写在文档里的步骤说明，而是一套能够推动任务继续向前的运行结构。

课程会让学员理解两类基本路径。

一类是工单驱动的路径，用飞书多维表格等业务载体记录任务、状态和结果，让Agent通过工单进入企业现有工作环境。

另一类是Agent原生的路径，把SOP写成可复用的Skill，由主控Agent按照规则推进流程，让状态和产物支撑下一步执行。

两条路径的载体不同，但共同解决的都是同一件事：任务要有入口，执行要有角色，过程要有状态，交接要有依据，结果要能返回。

课堂跑通简单SOP，是为了理解这些基本机制，不等于现场已经交付一套覆盖全公司的完整企业系统。先看清最小结构，再逐步增加角色、分支、权限和异常，才是更稳妥的学习顺序。

单个Agent能干活，与多个角色能协同，是两种能力

很多企业开始做AI时，会先做出一个能工作的Agent。

它可以写内容、整理资料、处理表格，或者根据知识库回答问题。只要输入相对稳定，结果也可以检查，这个岗位能力就已经有了真实价值。

但当它进入组织，问题会立刻变化。

谁可以发起任务？

业务资料是否已经准备完整？

Agent完成以后交给谁？

结果不合格是退回当前节点，还是回到上一步补资料？

需要真人判断时，流程怎样等待？

任务中断以后，下次从哪里继续？

这些问题，不是给单个Agent再加一段提示词就能完全解决的。它们属于流程控制、状态管理、角色分工和权限边界。

因此，岗位Agent和SOP不能互相替代。

岗位Agent像一个执行者，负责在明确边界内完成任务；SOP像一套组织运行机制，决定任务怎样进入、怎样流转、怎样被验收和恢复。

只有SOP，没有可靠执行者，流程会停留在任务分派；只有Agent，没有流程结构，能力会变成一个个孤立工具，需要人反复口头协调。

第三天把Excel Agent和简单SOP放在一起，就是为了让学员在同一天看见这两层差异。

先把一个新执行者造出来，再观察它怎样进入流程。先检查单岗位结果，再理解多角色交接。这样，企业AI落地才不会停在“我又做了一个Agent”，而是开始思考“这个Agent在业务里处于什么位置”。

两项训练连起来，才构成最小落地闭环

把两个模块连起来，可以看到一条清楚的企业AI落地路径。

第一步，选择一个具体任务。

不要从“做一个万能AI”开始，而要从一个边界相对清楚、结果可以验收的任务开始。

第二步，从零定义执行者。

把任务需要的知识、规则、工具、权限和验收写清楚，搭出一个可以工作的岗位Agent。

第三步，先跑通单岗位结果。

确认输入能否被正确读取，执行是否符合规则，结果能否被真人检查，异常能否被识别。

第四步，把Agent放进简单SOP。

为任务增加明确入口、角色、状态、交接和完成条件，让它不再依赖临时喊话。

第五步，留下状态和产物。

流程进行到哪里、上一步产生了什么、谁需要继续处理，都要有正式记录，而不是只存在一次聊天里。

第六步，根据真实运行继续迭代。

把失败原因、补充知识、规则调整和验收反馈写回系统，让下一次执行站在上一次基础上继续。

这就是一个最小闭环：选任务，建Agent，验结果，进流程，记状态，再迭代。

它不追求第一天就覆盖所有部门，也不追求一上来全自动。它先证明一个执行者可以稳定完成一个任务，再证明这个执行者能够被流程正确调用。

企业真正需要的，不是一堆互不连接的Agent，而是一组有清楚边界、能被业务流程调用、能留下状态、能持续维护的能力单元。

第三天真正完成的是一次视角升级

回到最初的问题。

为什么第三天既要从零搭一个Excel Agent，又要跑通一个简单SOP？

因为企业AI落地不能只会复用已有案例，也不能只会做出一个孤立工具。

从零搭Excel Agent，训练的是面对新场景时，怎样从业务任务出发，重新定义知识、规则、工具、权限和验收，造出一个新的执行者。

跑通简单SOP，训练的是怎样把这个执行者放进有任务入口、有角色分工、有状态记录、有交接条件、有真人节点的组织流程。

一个回答“Agent怎样被造出来”，一个回答“Agent怎样进入业务”。

这也是课程三天路径逐步向前的原因。

先从内容生产看见AI能做什么，再把企业知识沉淀下来；把重复工作封装为岗位Agent，再迁移到本地工作区；最后面对一个全新场景从零建设，并让Agent进入最小协作流程。

真正值得带回企业的，不只是一个Excel文件，也不只是一次SOP演示。

更重要的是一套判断顺序：面对新任务，先定义；面对重复工作，先沉淀；面对岗位能力，先验收；面对多角色协作，先建立状态、交接和人工控制。

当企业掌握了这套顺序，工具可以更新，场景可以变化，Agent也可以继续增加，但能力建设不会每次重新开始。

既要会从零建执行者，也要看懂执行者如何进入流程。

这才是第三天把两个模块放在一起真正想训练的东西。

老梁AI电商希望帮助企业建立的，也正是这种能够继续建设的AI能力：从一个真实任务开始，把知识、岗位Agent和流程逐步接起来，让AI不只停留在对话框里，而是进入可维护、可验收的业务系统。