从一人公司到小团队，一套AI工作系统怎么搭

一人公司和小团队聊AI时，最容易被一种画面吸引。

几个Agent各自负责研发、销售、客服和运营，全天自动工作，人只需要看结果。

真正开始搭，会发现问题不在Agent数量。

客户资料在哪里，任务谁确认，代码怎么测试，发布失败怎么办，知识谁更新，费用怎么算，这些基础问题没有解决，增加Agent只会增加新的聊天窗口和维护点。

小团队资源有限，更应该从一套能每天运行的最小系统开始。

先确定五条主线

一套小团队工作系统不需要覆盖所有事情，先管住五条线：

任务和协作；
研发和发布；
知识和文档；
客户和服务；
自动化和日志。

AI放在这些线里做具体工作，而不是单独建设一个“AI部门”。

一个可以逐步替换的最小架构

飞书任务 / GitHub Issues / 客户消息
              │
              ▼
       n8n：触发、连接、等待、重试
              │
      ┌───────┴────────┐
      ▼                ▼
Dify / FastGPT      Claude Code / Codex
知识、问答、流程      代码、测试、Review草稿
      │                │
      └───────┬────────┘
              ▼
       人工确认与正式系统
              │
      ┌───────┴────────┐
      ▼                ▼
 Chatwoot / CRM     GitHub Actions / CI
 客户与工单          构建、测试、发布审批

这不是唯一架构。

它的重点是每种工具只承担清楚职责，而且业务结果最终回到正式系统，不留在某个个人聊天记录里。

协作层：先用团队已经在用的工具

国内小团队可以继续使用飞书、钉钉或企业微信，不需要为了AI换掉全部协作习惯。

飞书妙记可以作为会议输入，飞书任务或项目保存正式待办。AI负责从记录里提取草稿，人确认后才创建任务。

如果团队主要使用Microsoft 365或其他协作平台，保持同样原则：AI结果回到现有任务系统，负责人、时间和状态必须清楚。

研发层：Agent在仓库里工作

研发可以使用Claude Code、Codex或国内的通义灵码等工具。

仓库先准备：

Issue模板；
AGENTS.md或CLAUDE.md；
构建和测试命令；
分支和Review规则；
CI流水线；
生产发布审批；
回滚与监控。

Agent可以分析、修改、测试和生成PR。人负责需求、架构、高风险Review、合并和生产发布。

一人团队也不要让Agent直接拿生产管理员权限。今天只有一个人，不代表以后不会忘记某次自动操作做了什么。

知识层：Dify和FastGPT先选一个

Dify和FastGPT都可以作为知识与Agent入口。

一开始只选一个，避免同时维护两套文档、提示和模型配置。

知识分成三类：

对外：产品说明、FAQ、公开案例；
内部：操作手册、项目决定、部署和排障；
私密：客户、合同、财务和凭据，不直接进入普通知识库。

每份资料有负责人、版本和更新时间。Agent回答时带来源，不知道就转人。

客户层：先统一入口，再谈自动客服

已有CRM或客服系统就继续使用。需要低成本自托管工作台时，可以评估Chatwoot。

第一阶段让AI做：

客户消息分类；
补充信息提示；
查知识并生成建议回复；
整理下一步；
生成工单草稿。

报价、合同、退款、投诉、交付承诺和高风险问题由人处理。

客户沟通最终保存在CRM或工单系统，不只保存在微信、邮箱和Agent对话里。

自动化层：n8n只串已经跑稳的步骤

n8n负责Webhook、API、条件、等待、重试和系统写回。

不要一开始就做几十个节点。先做一条：

客户留言
  → 创建待处理工单
  → AI分类并查知识
  → 人工确认回复
  → 保存结果
  → 超时提醒

这条跑稳后，再做会议转任务、内容发布、周报汇总或研发通知。

每条工作流都要有：负责人、服务账号、幂等键、失败状态、日志、重试上限、停用开关和回退办法。

三种预算档位

工具价格和模型费用会变化，这里不写固定金额，只写成本结构。

最小档：先验证工作方式

一个批准的通用模型或编码工具；
现有协作和代码平台；
一份共享知识目录；
手工复制AI结果，暂不做系统集成。

适合一人团队验证任务卡、知识和人工边界。

实用档：开始减少信息搬运

公司账号或模型API；
Dify或FastGPT；
n8n；
现有CRM、工单和Git平台；
一台可备份的服务器或可靠SaaS。

适合2到10人团队建立几条稳定流程。

进阶档：处理权限与规模

企业身份和单点登录；
多环境、权限和审计；
模型网关和成本控制；
高可用、监控、备份和灾难恢复；
专职流程或平台维护人。

不要在任务量很小、流程还没稳定时直接进入进阶档。

每天和每周怎么运行

每天：

人处理需要判断和承诺的工作；
Agent整理输入、生成草稿和执行低风险重复动作；
自动化把结果送到正式系统；
异常进入清楚的人工队列。

每周：

看失败工作流和人工修改最多的地方；
更新一到两条知识或Skill；
检查模型和API成本；
复核客户承诺、生产发布和安全事件；
删除没有价值的自动化，不让流程只增不减。

每月：

比较任务周期、采用率、返工和总成本；
检查账号、权限和离职人员；
验证备份和恢复；
决定下一条值得自动化的工作。

30天搭建顺序

第一周，统一任务、文档、代码和客户记录的正式存放位置。没有清楚系统，先不要接Agent。

第二周，选择一个AI Coding任务和一个知识问答任务，全部保留人工确认。

第三周，用n8n连接其中一条已经稳定的流程，只写测试系统或草稿状态。

第四周，补权限、日志、失败、回退和成本记录。让第二个人照着文档运行一次。

30天结束时，不以Agent数量验收。

看五件事：

是否少了一次重复录入；
是否有一份持续更新的知识；
是否能从任务到结果追踪；
是否知道失败后怎么接管；
是否由第二个人复现。

哪些东西不要自动化

方向还没有想清楚的工作；
一年只发生一两次的低价值任务；
数据来源和权限不明的流程；
没有人能检查结果的专业判断；
付款、合同、招聘和生产高风险动作；
自动化成本高于手工处理的工作。

小团队最大的优势不是工具多，而是流程短、反馈快。

不要把大公司的复杂平台缩小一遍。

先让一条真实工作从输入、AI处理、人工判断到正式记录顺畅跑完，再复制下一条。这样搭出来的系统不会很炫，但每天真的有人用，也知道坏了以后该找哪里。

对一人公司和小团队来说，这已经是一套很有价值的AI工作系统。