Author name: 张刚

实战
实战系列AI 实战故事

你的行业能用 AI 做什么?我做了 10 个行业的诊断清单

做 AI 咨询以来,我被问到最多的问题是:“我这个行业能用 AI 做什么?” 说实话,以前我也回答不上来。因为每个行业的情况不一样,同一句话换个行业就不适用了。 📌 说明:以下为各行业案例参考,数据来自客户反馈和公开信息整理。实际效果因行业规模、执行力度、团队配合等因素而异,不可简单复制。 上半年我集中做了件事:给不同行业的人做 AI 诊断。下面是 10 个行业的诊断结果,看看有没有你的。 行业 1:电商卖家(淘宝/拼多多/抖音小店)

你的行业能用 AI 做什么?我做了 10 个行业的诊断清单 阅读全文 →

入门
入门系列AI 工具指南

选礼物总纠结?我用 AI 帮全家选礼物,再也没翻车

选礼物是我的死穴。每年到了老婆生日、爸妈生日、结婚纪念日,我就开始焦虑。 送贵了心疼钱,送便宜了显得没诚意,送用不上的东西更尴尬。 今年我换了个方法:把选礼物这件事交给 AI。 第一步:让 AI 当”侦探”。 把收礼人的信息告诉 AI——”我老婆,30 岁,喜欢烘焙和瑜伽,平时不太化妆但护肤很讲究,最近在学摄影。帮我推荐一份 500 元以内的生日礼物,不要烂大街的”。 AI 给我推荐了 10

选礼物总纠结?我用 AI 帮全家选礼物,再也没翻车 阅读全文 →

入门
入门系列AI 工具指南

5 款 AI 文档工具横评,哪款最适合读长文档?

工作中经常需要读长文档——行业报告、政策文件、合同条款、技术文档。一篇几十页,看完要半天。 2026 年 AI 文档工具已经很好用了。我实测了 5 款,给出真实评分。 Kimi(免费,推荐评分 5/5)——读长文档最强工具。200 万字上下文,单文件 100MB。你扔进去一份 80 页的 PDF,它帮你总结重点,还可以追问细节。我用它读了一份 120

5 款 AI 文档工具横评,哪款最适合读长文档? 阅读全文 →

进阶
进阶系列AI技术选型

从DeerFlow到OpenClaw:当前主流AI Agent框架横评

💡 场景引导:这篇文章来自「AI技术选型」系列,侧重技术工具和框架的对比分析。如果你更关注具体业务场景怎么落地,建议从AI入门导航开始,找到与你行业匹配的实战内容。 2026年,AI Agent赛道持续火热。字节跳动的DeerFlow 2.0、OpenClaw、CrewAI、AutoGen、LangGraph……框架多得让人眼花缭乱。作为长期跟踪这个领域的实践者,我从真实项目经验出发,做一个务实的横向对比。 选框架的核心标准 在进入具体对比之前,先说我的选框架标准:能不能快速跑通(文档是否完善,有没有成熟Demo)、能不能解决实际问题(对复杂任务的支持程度)、能不能持续维护(社区活跃度、更新频率)、符不符合业务场景(适合企业级还是研究实验)。 主流框架对比 DeerFlow 2.0 定位:复杂任务执行引擎。优势:内置沙箱执行环境、长期记忆系统、子代理调度,适合多步骤协作任务。劣势:上手有门槛,部署相对复杂。适合:深度研究、多步骤调研的复杂任务。 OpenClaw 定位:多Agent协作与自动化任务执行平台。优势:开箱即用,对话式操作,技能系统灵活,支持多种外部工具集成,部署简单。劣势:偏向通用场景,垂直行业深度定制需额外开发。适合:企业日常运营自动化、跨平台任务协作。 CrewAI 定位:多Agent团队协作框架。优势:概念清晰,Agent角色定义直观。劣势:成熟度相对较低。适合:快速原型验证、研究性场景。

从DeerFlow到OpenClaw:当前主流AI Agent框架横评 阅读全文 →

AI
AI 场景落地

AI智能体按效果付费:企业真能告别冤枉钱?

某服装电商老板去年花30万上线AI营销系统,结果3个月下来,AI生成的素材转化量还没运营团队发朋友圈的效果好,最后只能把系统闲置在后台吃灰。这不是个例,过去两年里,不少企业都为看起来很美的AI工具买过单,却最终成了冤大头。 为什么企业总觉得AI在烧钱? 根本原因在于:AI工具的价值,往往被过度承诺,而落地路径却被严重低估。 很多AI供应商卖的是”可能性”,不是”结果”。他们会说”我们的AI可以帮你做营销自动化”、”AI客服可以降低80%人工成本”——这些话术听起来很诱人,但落地时才发现:数据要整理、流程要改造、人员要培训、效果要迭代,每一项都是成本。 所以出现了两种极端:一类是”AI万能论”者,什么都想用AI解决;另一类是”AI无用论”者,被伤过一次就彻底否定。这两类都不对。 按效果付费是怎么来的? 正是看到了企业的这些痛点,按效果付费模式开始兴起。简单来说,就是企业不用前期投入大量资金,而是按照实际交付的成果付费: AI客服:按成功接待的客户数或转化订单数计费 AI营销素材:按实际带来的流量或成交订单计费 AI数据处理:按处理的数据量或提取的有效信息量计费 这样一来,企业的风险被大幅降低——没有效果,就不用付太多钱。 按效果付费真的香吗? 听起来很美,但实际执行有几个坑: 坑一:效果定义难统一。什么叫”成功接待”?客户问了一个问题,AI回复了,算成功吗?还是必须客户满意才算?不同定义下,账单可能差几倍。 坑二:短期效果和长期价值冲突。AI按效果付费,供应商就会倾向于追求短期立竿见影的效果(比如直接转化订单),而忽略对企业长期有价值但短期内难以量化的工作(比如知识库建设、数据治理)。

AI智能体按效果付费:企业真能告别冤枉钱? 阅读全文 →

AI
AI 场景落地

企业如何用AI Agent实现24小时自动获客(附SOP)

想象一个场景:深夜11点,有潜在客户在你的网站留下了一条咨询消息。传统做法是等第二天上班再回复,但客户可能已经找别家了。AI Agent出现之后,这个场景可以完全改变。 核心逻辑:触发器-AI-动作 任何自动获客流程,都遵循这个三层架构: 触发器(Trigger):什么事件启动了获客流程?比如网站留言、公众号消息、邮件收到询价邮件、社交媒体有人评论。 AI处理(Processing):AI做什么?分析客户需求、生成个性化话术、判断客户意向等级、提取关键联系信息。 动作(Action):自动执行什么?自动回复咨询、发送资料、创建CRM线索、触发销售跟进提醒。 实操场景一:网站咨询自动接待 触发器:网站表单提交或在线客服被激活 AI处理:调用大模型分析客户提问,判断是高意向还是随便问问,生成初步回复话术 动作:立即回复客户(哪怕是深夜),并根据标签将线索自动录入CRM,标注意向等级 效果:响应时间从8小时缩短到5秒,线索流失率降低40%以上 实操场景二:社交媒体评论自动引流 触发器:监测到某条帖子下出现包含”价格”、”怎么买”、”多少钱”等关键词的评论 AI处理:分析评论内容,判断客户需求方向,生成邀请私信

企业如何用AI Agent实现24小时自动获客(附SOP) 阅读全文 →

AI
AI 场景落地

被AI重构的2026:AI创业公司倒闭潮的启示

最近AI圈很热闹,但不是好消息的那种热闹。Yupp,一家拿了3300万美元种子轮、背后站着a16z合伙人和Google首席科学家的明星AI公司,宣布将于4月15日关闭。Sora上线仅25个月,也走到了尽头。这些消息放在一起,让人不得不思考:AI创业的泡沫,真的在破吗? 谁杀死了Yupp? Yupp的核心业务是AI模型评测——让用户在平台上对比不同模型的回答质量。但这个模式有几个致命问题:AI技术演进太快,Agent时代到来后,用户关心的是哪个Agent能帮我完成任务,而不是哪个模型回答更流畅。整个评价维度变了,Yupp的产品逻辑就失效了。其次,数据质量不够——普通用户随手点击的偏好,无法跟PhD级别专家的高质量反馈相比。最后,Claude、GPT们自己就能做对比这件事,谁会为此付钱? 这对我们意味着什么? 这些倒闭案例折射出几个深层问题:技术演进会杀死你的整个商业模式——做一个AI+某个场景的公司,首先要问自己:3年后这个场景还在吗?别做AI的皮,要做业务的骨——如果只是把各家大模型拼凑起来,客户凭什么找你?选对赛道比努力更重要——制造业的客服、巡检、文档处理,反而是AI能真正稳定输出的场景。 我们的建议 选场景时,优先考虑高重复、低风险、可量化;选供应商时,看对方是否有行业深度积累;保持务实的ROI预期——AI是工具,不是魔法。做深一个行业,比追热点重要得多。

被AI重构的2026:AI创业公司倒闭潮的启示 阅读全文 →

返回顶部