2026-10-17 · 13 min read

一个人做五条线:我的专职 Bot 工作流设计

我一个人要同时推进网站维护、求职、知识库、英语学习和日常事务。这一篇写我为什么把 AI 助手拆成四个专职 Bot,以及这套分工方式怎样从个人多线任务,推演到一个门店的内容生产组织。

Why I split my AI assistant into four specialized Bots with their own memory and working directories, how that fixes context switching across five parallel lines of work, and how the same structure scales to a store's content team.

我最近同时推进五件事:维护个人网站、准备求职材料、维护自己的知识库、学英语,还有一堆临时冒出来的日常事务。

真正的成本不是事情多,而是切换。

早上在改网站的部署脚本,下午要换成简历口径写项目经历,晚上又回到英语语料。每一件事单独看都不难,难的是每次切回来,都要把背景重新讲一遍。

之前不是工具不够,是没有负责人

切换之前,我用的是多个 Hermes 模块,加 Alma、CodeX 混着用。

这些工具的能力是够的。Hermes 负责本地网关和飞书连接,Alma 负责知识榨取和批改,CodeX 负责代码任务。真要说缺什么,缺的不是功能。

缺的是某件事的负责人。

我每次开一个对话,都要重新说明这个项目用什么技术栈、这篇内容要按什么规范写、这份材料的口径是什么。工具越通用,我要复述的背景就越多。

后来我想明白一件事:我要的不是更强的助手,是不用每次重新介绍自己的助手。

专职 Bot 长什么样

这里的关键差别,不是「一个 AI 分成几个角色」。

而是每一个都是独立的长期对话。它们各有一份自己的记忆,各自在一个固定目录里工作,互不干扰。网站 Bot 记得部署流程和那几处仓库脏点,求职 Bot 记得项目经历的简历口径,两边不会串。

同一套结构,放在个人身上和放在一个门店身上,形状是一样的。

个人:四个专职 Bot
Bot负责什么绑在哪
Chief总管家,接我的请求并决定派给谁团队层
PersonalWebsite 维护 Bot个人网站的改内容、调样式、部署网站仓库目录
求职面试 Bot走完求职全流程求职材料目录
Lucas 的个人助理日常事务与长期陪伴个人目录

这四个已经跑起来了。我这个网站 Bot 上挂着 68 个共享技能,从内容写作规范到浏览器验收都有。

门店:五个专职 Bot(推演)
Bot负责什么产出
小红书运营 Bot图文工作流与生图提示词图文笔记
抖音文案 Bot短视频口播文案视频脚本
软文铺设 Bot渠道分发与软文改写投放稿件
网站维护 Bot官网软文编写并上线部署站点内容
门店销售数据 Bot回收各渠道到店数据数据回流

这份配置是我推演出来的方案,尚未搭建。它的价值在于说明:同一套分工方式,个人和公司都用得上。

技能是团队共享的,记忆是各自的。这一点决定了 Bot 之间既要能协作,又不能互相污染。

图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。

graph LR
  U[Coya] --> C[Chief 总管家]
  C --> W[网站维护 Bot]
  C --> J[求职面试 Bot]
  C --> A[个人助理 Bot]
  W --> S[(团队共享记忆)]
  J --> S
  A --> S
  W -.- J

图 1: 每个 Bot 是独立对话,各有自己的记忆与工作目录;共享记忆与互派任务是它们之间仅有的两条连线。

Bot 之间可以直接互派任务,也可以在同一个群里协作。共享记忆是分层级的:各人记各人的,只有确定要让全队知道的事,才写进团队记忆。

真正换来的两件事

第一件是记忆不串味。

以前一个对话里什么都能聊,代价是什么都记不牢。现在网站 Bot 打开就知道自己在哪个分支、哪个文件有未提交的改动、部署要跑哪几步。这些不用我再说一遍。

第二件是可以被同一个模板调度。

一个 Bot 有了稳定职责之后,它就不再只是「聊天的对象」,而是「可以被派活的岗位」。这一点我有真实经验。

之前做车膜内容时,我配过 5 个平台写手 agent,分别对应小红书、公众号、知乎、什么值得买和汽车之家。每个 agent 内置一套平台调性和红线,做的是同一件事:把一份母版,改写成符合各自平台的稿子。

我把每套改写逻辑都显性化成一个「改写指南」:标题多长、要不要数字、对比表能不能动、常见问题写几条、合规怎么自查。每篇改写稿登记一个 CT 编号,再回写母版库的状态列。

谁的活干没干、卡在哪个环节,一眼看得见。

那次之后我确认了一件事:只要职责是稳定的,分发就是可行的。换到 Bot 上,逻辑完全一样。

从个人到公司:一个选题怎么分发

上面是个人场景。把同样的结构推演到一个门店的内容团队,会长这样。

假设一家汽车后市场门店要配五个专职 Bot,选题是「车膜为什么要贴车衣」。

第 1 步选题确定人工决策
车膜为什么要贴车衣
第 2 步抖音 Bot 出视频文案抖音文案 Bot
按口播节奏改写,控制时长与钩子
第 3 步小红书 Bot 出图文工作流小红书运营 Bot
配图提示词与图文排版一并产出
第 4 步网站 Bot 写软文并上线网站维护 Bot
成稿、检查、部署到官网
第 5 步软文 Bot 分发到各渠道软文铺设 Bot
按渠道调性改写后投放
第 6 步数据 Bot 回收效果销售数据 Bot
看哪个渠道真的带来到店
第 7 步决定下一轮选题人工决策
数据回写,重新排序选题库

同一个选题,抖音 Bot 出视频文案,小红书 Bot 出图文工作流和生图提示词,网站 Bot 写软文并上线部署,软文 Bot 分发到各个渠道。最后全部回流到数据 Bot,看哪个渠道真的带来了到店。

底座不是重点,重点是谁负责

这套结构的底座可以很朴素。

五个 Bot 完全可以共用飞书 CLI 作数据中台,也可以往上接本地的 Hermes,或者直接连门店的 CRM 系统。底座换成什么都行,因为它只解决「数据放在一起」。

真正难的是另两件事:每个岗位的职责边界划不划得清,以及岗位之间怎么交接。

这两件事划不清,底座再先进也只是一条更快的混乱流水线。我在车膜那条内容线上已经验证过一次:真正搬得走的不是 GEOFlow 或飞书,而是选题系统化、管线自动化、证据纪律这三样。工具会迭代,这三样换个工具还能重建。

这套方式适合谁,不适合谁

它适合任务多、且每条线都要长期积累上下文的人。

比如一个人同时经营几条业务线的创业者,或者一个需要同时交付内容、数据和客户沟通的小团队。共同点是:事情会重复发生,每次重新讲一遍背景是不划算的。

它不适合一次性任务。为了一个只做一次的需求去配一个 Bot,配置成本高于收益,直接开一个对话更合适。

也不适合边界模糊的探索期。一件事你还没想清楚该怎么做,就没法给它定义职责,硬拆只会拆出几个都不完整的 Bot。

我的判断

多 Bot 带来的最大变化,不是效率,而是把交接变成了显式动作。

以前所有上下文都堆在一个对话里,切换靠我脑子里记。现在切一次线,就意味着一次明确的分派:这件事交给谁,他需要知道什么,做完要交回什么。

这件事之所以重要,是因为它可检查、可复盘、可交接给别人。

一个岗位一旦有了名字、职责和记忆,它就不再只是我在跟 AI 聊天,而是我搭的一个组织。这个组织今天只有四个 Bot,明天可以加第五个;今天是我在调度,明天可以是另一个人在调度。

搜索全站

输入关键词,查找项目与实践记录。