AI 实干派 看真正用 AI 拿到结果的人怎么做
AI 实干派 025 · 2026 年 11 月 3 日 · 周二 · 约 8 分钟读完

36 小时做出的 AI 员工怎么卖,Figma 六七十位 PM 共用一个技能库

30 秒速读

AI 咨询·本周演示·2026-11-02·US

谁·场景
Nick 是 Orgo 联合创始人,公司为智能体提供云电脑,已经在给企业客户做智能体。他在 Greg Isenberg 的节目里拆解了整套做法。
怎么用
先让模型调研同类产品,再用 Paper 的 MCP 出设计稿,然后选现成组件拼成产品,遇到问题截图发给模型修。每个 bot 有自己的邮箱、电话号码和电脑。
结果
他说 Bops 是在 T3 Code 里用 Opus 5.5 一个长对话做了 36 小时做出来的,演示视频有 7.5 万次观看。有客户看到后找上门,一家保险客户的定制版正在做。
你可以试
先给身边 50 个人打电话,找出一个行业,第一单免费做,用案例换转介绍。前提是你看得懂这个行业每天卡在哪里。
注意
2.5 万美元加每月 3000 美元是他建议的报价。客户能不能接受,要看你能不能讲清楚系统替代了哪些岗位工作。

Nick 在 Startup Ideas Podcast) 里演示了 Bops:他打电话给「幕僚长」bot,让它查潜在客户、盯 Hacker News,bot 随后在自己的四屏电脑上开始干活。他的开发顺序是:先让模型调研 GrokBot、Muse、Dots,弄清要做什么;再在 Paper 里每次要三四个设计方案,挑出各自好的部分合起来;选好组件后,要求模型先读文档和 API 参考。 组件用的是 Orgo 电脑、Agent Mail、Agent Phone 和 Composio 连接器。他还给每个平台单独配一个智能体,例如 LinkedIn 智能体负责加好友、发消息、约会议。

报价逻辑也讲得很细:老板只想把问题解决掉,不想自己去配置一个通用平台。可以拿前台一年 5 到 7 万美元的工资来对比,系统交付后归客户所有,30 天实施期结束后再推每月 3000 美元的维护。Greg 建议再送一个重新设计的网站,加上退款保证。

这条路适合熟悉某个行业的人。他们可以先在自己的工作里给每个平台配一个智能体,跑顺了再拿去给客户演示。

工作提效·本周演示·2026-11-02·US

谁·场景
Ezra Mechaber 是 Figma 的增长 PM,也是内部 PM OS 的作者之一。这套系统供公司六七十位 PM 使用。
怎么用
仓库里有一个 AGENTS.md、一组可复用技能和几个命令钩子。技能负责汇总 Slack、找相关同事、生成文档、做 bug bash。
结果
他说版本自动检查让 60 到 70 位 PM 保持同步。浏览器智能体在 bug bash 里找出了 1000 个 emoji 撑爆文本框这类边缘问题。
你可以试
挑一件你常跳过的例行工作,比如发布前通知客服,写成一个技能文件,放进团队共享仓库。
注意
需要团队愿意维护共享仓库,智能体也要有测试账号和工具权限。

在 How I AI 里,Ezra 说 PM OS 是围绕 PM 经常漏掉的工作设计的,例如发布前拉上客服、记录会议,目的是给每个流程定一个最低标准。Figma 大约 2000 人,光是找对协作者就不容易,所以有一个技能专门梳理团队结构,自动把相关的设计师、工程经理和负责人加为审阅人。每个人在私有子仓库里做自己的定制。

做 bug bash 时,他给智能体一个测试账号和一块写满测试场景的 FigJam 白板,让它记录发现的问题。增长实验 AutoXP 由三个智能体分工:一个找漏斗流失点,一个写新文案,一个准备实现。上线前人只审一次,之后系统自己分析结果,开始下一轮。

他还有一个习惯:对话跑偏时直接开新对话,把目标重新讲一遍,不在被污染的上下文里继续争论。最初这套东西跑在 Claude Code 终端里,现在他主要用 Codex。

AI 认知·观点访谈·2026-11-02·US

谁说的
Jacob Lauritzen 是法律 AI 公司 Legora 的 CTO,在 Latent Space 访谈中讲了他们怎么做评测和产品。
核心观点
他认为评测要模拟客户的真实工作,并按业务领域分开看;新模型往往在某些任务上变好,另一些变差。
依据
三名工程师和三名律师搭了模拟环境,例如让智能体在一万份文件的数据室里做尽调。他说有一次版本更新把引用准确率从 70% 提到了 99%。
对你的意义
给自己的 AI 流程建一组模拟任务,按任务类型记录得分,换模型前先跑一遍。批量处理文档时先跑 10 行,把提示词调好再全量跑。
争议·条件
「60%」是他本人的估计;他也说处理百万 token 级合同的复杂分析和修改,模型还不够聪明。

Legora 的用户上传的几乎都是保密文件,团队没法像一般做法那样读日志来改进智能体。Jacob 在 Latent Space 里说,他们把评测结果按业务领域和任务画成热力图,线上的失败归纳成 10 到 20 类,再用便宜的 LLM 检查。所有生成内容都附引用,能定位到源 PDF 里的具体位置。

产品上,Tabular Review 把每份文件做成一行、每个问题做成一列,最多支持一百万个单元格,但默认先跑 10 行。他对初级律师的判断也和常见说法相反:好的初级律师现在比两年前更值钱,因为同样时间能做完更多事。他还说美国律所的常规审阅正在转向按项目固定收费。

对用 AI 交付的咨询和 SaaS,这几条可以直接借用:建模拟任务、给失败分类、先小批量再全量。

原文:Latent Space
工作提效·本周演示·2026-11-02·US

谁·场景
How I AI 主持人 Claire 自己测试,任务包括 Slack 回复、收件箱分拣、写代码、剪视频、做 Figma 缩略图、家庭项目和购物。
怎么用
四个智能体做同样的任务,比较结果质量、速度和需要人确认的次数,并让 Codex 检查各自的配置是否公平。
结果
Grok Bot 赢下 Figma、收件箱和购物三项;Muse 做家庭小报和短视频最好;写代码时 Dot 和 Duet 判断更准。她现在工作用 Grok Bot,生活用 Muse。
你可以试
选两三件你每周都做的事,让手头的两个智能体各做一遍,同时记下质量、耗时和需要你确认几次。
注意
连接器不一样,比较就不公平:Muse 没接 Slack 和 GitHub,几项工作任务因此没能完成。

Claire 在 How I AI 的单人节目里给出了一个清楚的分工:按任务选智能体,不指望一个产品包办所有事。 Grok Bot 做 Figma 缩略图时会提出新的标题和版式,另外两个大多只是往现有模板里填内容。Muse 几乎不用写提示词就做出了最好的家庭小报,回答物理问题快到来不及计时,她因此把更多日常问答从 ChatGPT 转到了 Muse。

她把速度放在很重要的位置:智能体一走开就是好几分钟,用户会断掉思路,也就不想再用。Claude Duet 每次操作都要授权,用起来更像需要人盯着,而不是能放手交给它。Dot 有一个亮点:只有它问了她那场 Lovable 演讲是不是有报酬、是不是远程,像一个真正的幕僚长。

做类似对比前,先确认各个智能体能用的工具一样。

AI 生活·本周动态·2026-11-02·US

谁·场景
想少在邮箱和网页之间来回翻找的普通用户,目前先面向美国的桌面版,以及 Android、iOS 上的 Gemini in Chrome。
怎么用
点到表单里的某个字段时,弹出标有「Suggested by Gemini」的建议,可以查看来源邮件,也可以把这条建议移除。
结果
退货、改签、填会员号时不用再去搜邮件。
你可以试
下次退货或改订单时试一下,先点开来源邮件,确认号码对得上再提交。
注意
Google 最近更新了隐私政策:连接 Personal Intelligence 后,Gmail、Photos、Drive 的数据可能被用于个性化广告。

据 Lifehacker 报道,Chrome 的增强自动填充现在可以读取 Gmail。移除某条建议只是在 Chrome 里不再显示,不会删除邮件。Google 称敏感数据是加密的,增强建议可以在 Chrome 设置里关掉。

这里交出去的是整个邮箱的读取权限。按新的隐私政策,这些数据还可能用于广告定向;Google 说不会把能识别个人身份的信息发给广告主。在意这一点的人,可以只在集中处理售后的那段时间打开这个功能,用完再关掉。

原文:Lifehacker

今天可以做的一件事

找一件你每周都做、又经常拖着或漏掉的例行工作,比如汇总一周的 Slack 消息,或者发布前通知相关同事。用三五行写下输入是什么、要什么产物、由谁检查,存成一个技能文件,这周用两次。每次都记下花了多少时间、手动改了哪些地方。下周把这个文件分享给一位同事,看他能不能直接拿去用。