花钱雇AI当同事，我的生意怎么样了？

“数字员工”——这个曾经只存在于科幻小说里的概念，如今正在变成实实在在的日常。说个最直接的感受：最近一两年，AI的能力突飞猛进。尤其今年年初，OpenClaw那波“龙虾热”里，AI Agent已经能接管浏览器、读写文件、执行代码、调用终端了。好多人第一次真切地感觉到，AI开始真正“动手干活”了。百度李彦宏甚至提了个新指标——用DAA（日活智能体数）来取代沿用多年的DAU，说是能更好地衡量有多少Agent在给人类干活、交付结果。

概念在升温，但更值得关心的问题是：那些真正把“数字员工”用起来的人，日子过得怎么样？

「定焦One」和五个人聊了聊——有律师一口气写了45个Skill来教Agent帮自己“办案”；跨境电商商家走了三个员工，靠四个数字员工一人身兼“四职”；投资经理边睡觉边让Agent帮自己筛选BP……这些数字员工，不用发工资、不用交社保、24小时在线，“月薪”也就一两千块。它们已经真实地出现在独立开发者、小团队、中小企业主和打工人的日常工作里。

以下是他们的故事。

01. 狂搭AI基建，我用45个Skill教Agent帮我干活

律师这行，天然适合跟AI协作。去年四五月份开始用Agent工具，一开始是用Cursor开发些小工具，比如导出网页端AI聊天记录的浏览器插件。后来慢慢尝试把它用到法律业务里。那时候Agent的能力还不算成熟，上下文窗口也有限，但它确实能从证据材料里找到关键信息。几十上百页的证据、几百条合同条款，它能直接定位到想要的内容。

后来，Agent逐渐渗透到了工作的各个环节。

工作分两部分：一是律师本职业务，二是法律内容写作与知识分享。

一天通常从“收菜”开始。让Agent自动抓取前一日法律领域的新闻和典型案例。早上十点，浏览它整理好的文章，决定当天需要学习或创作的方向。处理案件时，让Agent自动下载、归档法院传来的起诉状和证据材料到指定项目文件夹。然后用OCR（光学字符识别）Skill完成格式转换，再用接入专业数据库的法律检索Skill围绕争议焦点做法条分析，最后让写作Skill输出答辩状或法律服务方案的初稿。

图源 / pexels

AI可以出初稿、做法律检索和分析，但它很难完成律师的专业判断。看完初稿后，给出修改意见，让它进行修正。用的Agent工具主要是国外的Claude Code和Codex，以及国内的WorkBuddy和QodeWork。

现在，借助Agent和专门的Skill，律师业务的工作能在20%的时间里完成，剩下80%的时间都拿来“搭基建”。自己的经验和偏好做成一个个Skill，让Agent能按照要求的方式跑，搭建的过程非常耗费精力。

除了自己用，还会去各地的律协分享使用经验。讲课的时候能明显感觉到，大家的认知差别很大。很多人想靠近，但心态上又有点抵触。这种抵触一部分来自对职业的骄傲，另一部分来自不想被取代的恐惧。很多人不知道怎么用Agent，或者比较抗拒，本质上是因为没有找到一个好的场景。没有场景就没有行动力，没有行动力就永远形成不了正反馈。所以，

不要一上来就想让AI帮做所有事，瞄准一个点，投入进去，解决它。一旦解决了，正反馈会驱动继续探索下一个场景，再把多个Skill串联起来，就能得到一个能解决特定问题的Agent。未来一到两年，，并持续沉淀个人的“上下文”，训练出能真正帮助你的Agent。

02. 三个员工走了，四个AI员工顶上了

在成都做跨境电商，卖智能家居配件，主要市场在北美。去年这时候，还有三个员工：美工、运营、客服。三个人工资加社保，一个月小五万，加上办公室租金，一年固定成本奔着七十万。月利润好的时候七八万，差的时候三四万。

去年5月，运营离职。想着先用AI顶一阵，同步招着人。当时Claude已经火了，就试了一下。Claude很快就写出了A+页面的全套英文文案，从产品卖点到场景描述都很地道。图片还是用原来的美工素材，但文案部分质量比以前好。

到了今年初，美工回老家结婚，客服嫌工资低跳了槽。现在，团队是一个人加四个数字员工：Claude管文案，Fin管客服，Cursor管代码，还有一个自动化系统盯着广告投放。竞品价格数据从Keepa接进来，看板上每天自动汇总。

图源 / pexels

每天早上九点，打开电脑，先看自己搭的数据看板，上面跑着五个自动化任务：竞品价格监控、新品Listing草稿、过去12小时的客户邮件、广告投放数据、社交媒体排期。售后Agent用的是Intercom的Fin，接了Shopify的售后，通过Zapier把亚马逊的订单数据同步进来。两边的常规问题Fin都能处理，比如物流查询、退换货、使用说明，复杂一点的再推回来。

变化最大的是广告投放。以前盯数据盯到凌晨两点是常事，现在把规则写进工作流：连续48小时ROAS低于2.5自动降预算，高于4自动加投，素材点击率连降三天自动换图，让系统照着跑。去年黑五预热，一个人同时跑六组广告。代码方面，之前有点编程基础，店铺落地页、AB测试页面、数据抓取脚本，全是跟Cursor聊出来的。上个月想做个竞品价格追踪工具，亚马逊反爬很严。后来用Keepa的API拿价格数据，自己写了个分类和异常预警的看板。搁以前得花两万找外包等两周，这次自己来，跟Cursor聊了两天搞定。

但AI也有翻车的时候。今年3月，让Claude帮忙写一批Facebook广告文案，偷懒没逐条审。它写了一组“限时5折”的文案，可当时根本没打折。广告跑了两天才发现。那次之后，所有面向客户的内容，必须审核。这一年下来，经常有人让给一些用数字员工的建议。首先，

先找一两个最费时间的环节——客服、文案、数据整理，让AI顶上去。其次，还有一点，客服回复写得对不对，广告文案有没有跑偏，数据分析的结论合不合逻辑，这些得能看出来。现在每天工作六到七小时，比以前少了一半。多出来的时间，在学供应链、跑工厂、跟海外客户视频沟通。有时候想，如果当初运营没走，现在可能还是那个盯着利润表发愁的小老板。

03. 做投资十年，终于有Agent替我熬夜干活儿了

做一级市场投资快十年了。早期看航天、新材料，最近两年的项目几乎都和AI沾边。rmb基金的节奏本来就紧，加上工作需要，每个月飞太平洋两边的次数比飞国内还多。时差的原因，如果想保持工作时间时刻在线，项目组需要“24小时待命”。

有一次一天之内连着见了7家公司，回酒店已经凌晨1点，第二天IC（投资委员会）要讨论一家半导体设备公司，连备忘都还没动笔。于是把公司名字丢给一个跑在自己电脑上的Agent，告诉它“按IC框架，把这家彻底研究一遍”，就关机睡了。第二天醒来，翻它留下的“工作日志”才发现它一夜之间做了好多事：自己开浏览器、扒目标公司近三年的全部公开专利、调用自己的数据库，还顺便爬了创始人半年内的所有公开访谈和LinkedIn动态。

图源 / pexels

后来“AI数字员工”越用越多。在睡觉的时候，AI主要替做三件事：路演总结、企业调研、日程管理。会议录音它自动转写；调研环节，用Obsidian的Claude插件配合Claude Code去扒招股书、扒年报、扫公开新闻、查企业诉讼，再把这些内容整合成个人知识库；日程上它能帮忙厘清什么时候在哪个时区、能不能再接一个会、要不要推掉。

半年前，还给搭了一个多Agent的BP过滤器。在项目高峰期，一周能收三四百份BP，靠人翻根本翻不完，漏掉好项目的成本又特别高。就把自己筛BP的那套方法论一条一条用大白话写下来，让AI替搭。中间踩过不少坑。最开始判断标准设得太硬，好几个不错的项目都被它先一步pass掉了。现在的版本更“温和”，AI只做初筛和分级，A类自己看，B类让另一个Agent写一段百字快评再决定见不见，C类归档但不删。

每个月在AI上的开销波动很大，少的月份四五百美元，密集尽调时能冲到2000多美元，平均下来每个月大约在1000美元以内。目前这些“数字员工”能解决80%以上的工作，如果拿收入做折算，

“数字员工”还不能替做投资决策，但它能让多看一倍的项目、每天多睡两个小时、在投委会上多带一份详细的备忘。对一个投资人来说，已经是非常大的收益了。

04. ChatGPT当顾问、Cursor当工程师，我当老板

是旅行和企业商旅服务品牌KoraScale的创始人，现在团队满打满算10个人。但如果算上“数字员工”ChatGPT、Cursor、Codex这些AI工具，团队规模其实早就超了。这一年用下来，最想说的一句话是：

以前以为AI最多帮写几行代码片段，但当开始让Cursor读取整个项目、分析页面结构、修改数据库查询，甚至把结果直接部署上线时，意识到AI不再是一个问答机器，它是一个可以进入工作现场的执行者。这种体验打破了能力天花板。原本不是职业程序员，是一名工业工程师，也没有配备齐全的产品设计团队。如果没有AI，很难独立搭建并持续维护一个复杂的商业网站，更别提去做SEO系统重构和预测Agent开发了。以前上午想客户需求，中午要改网站，下午写文章，晚上查SEO。每换一个领域，要么自己死磕，要么找外包排队。现在，从“有一个想法”到“看到结果”的距离，被极大地压缩了。

比如想调整网站的SEO结构，以前要找产品经理画原型、跟设计师沟通、等前端开发排期。现在，先跟ChatGPT讨论方案，然后把任务丢给Cursor。它读完代码告诉哪里有问题、改哪些文件，确认后它再执行。只负责拍板和验收。

不追求养一大堆Agent，而是按角色分工。

图源 / pexels

ChatGPT是首席顾问，负责梳理逻辑、定方向；Cursor是长期合作的工程师，也是最离不开的员工。它一直在项目里干活，网站、代码、数据库结构和历史修改都保存在这里；Codex是实习生的角色，专门处理批量化、重复性的脏活累活；Figma则是设计师，负责把想法可视化。

每个月在这些工具上的投入在1000元左右，

它们执行力极强，知识面广，把它们当成“实习生”，绝不能让它们做决策。涉及商业定位、品牌表达和客户关系的核心判断，必须亲自拍板。用了一年，也总结了几点AI使用心得：任务要有边界，明确告诉哪些能改，哪些绝对不能动；复杂任务要分阶段，先分析，再设计方案，最后执行，别指望一句话就让AI搞定一个项目；拍板的人必须是老板，尤其是在品牌、财务和投资上，AI只能提建议。一个有经验的工程师，一眼就能看出AI写的代码哪里有漏洞；一个资深销售，能立刻判断AI生成的文案有没有杀伤力。

05. 每月1000元，我为自己雇了实习生、编辑、老师

最早意识到AI能用，是去年7月。当时手上有篇稿子特别难写，一个做游戏开发的朋友让把材料丢给Claude跑一下。那会儿质量不算好，但已经超出对AI的刻板印象。从那天起，就一直在用。

做文字工作，真正磨人的往往不是写，而是写之前那一摊——整理、调研，从一堆素材里找头绪。把这些脏活累活交出去，人才能把精力留给更重要的部分。用久了之后，AI在手里就不只是一个工具了。

图源 / pexels

当实习生，它最适合整理访谈。纯手工整理速记非常累。现在已经形成了一套流程：先让它尽量完整地整理原文，不做大幅筛选，只挤掉口语里的水分；再让它自检有没有遗漏、扭曲原意的地方，并保留受访人的语言特色；最后按主题模块化处理，把不重要但可能有用的内容放到附录里。这样几轮下来，再人工调一调，基本能得到一篇还不错的Q&A专访稿。但实习生也有实习生的问题。觉得重要的内容，它不一定觉得重要。标准化报道还好，筛选标准清楚，但社会类、非标类选题，它就容易丢掉最能代表人物个性的细节。非虚构里很重要的场景、动作、气味、温度，它也很难捕捉。

当编辑，它可以润色、捋逻辑。有一次实习生交上来的初稿味道非常不对，当天要发，用得到的写作Agent花了一个小时重新调了一遍，最后顺利发出去了。它在简单商稿、行业稿里很好用，因为这些稿件标准相对明确。但让它提炼真正有价值的洞察，有时会偏、会怪。

当老师，它最大的价值是降低理解的门槛。比如说一篇好稿子到底好在哪，以前都得自己一点点摸索；现在可以先让它拆开讲一遍，把逻辑捋顺。它不能替做判断，但能让人更快上手，把一些原来只能靠悟的经验，变成可以拆解的方法论。

养这些“员工”，一个月平均花1000到1500元：ClaudeCode每月大概花800元，用来接本地知识库；Kimi每月订阅199元，主要用来做调研；得到的写作Agent一年要3000元。如果满分10分，给现在的AI员工打7分。扣掉的3分，是绝对质量还不够——哪个角色都差一口气。如果Fable那个水平，能给到8.5分。

最危险的是纯效率型使用——如果只是把效率提得特别高，最后可能不是人变强了，而是被卷没了。所以，没有给自己设更高的KPI。如果AI节省出来的时间，最后只是被拿去生产更多同质化的内容，那它只是成了一个更便宜的外包。但如果它能让人少做一点重复劳动，多留一点时间给观察、思考和训练自己，那它才真正变成了一个有价值的员工。

*题图来源于Unsplash。应受访者要求，文中雷子、Vincent为化名。