每月一兩千，把數字員工用到起飛。

定焦One（dingjiaoone）原創

作者｜雷晶 金玙璠 王漢星 王璐 陳丹

編輯｜王漢星

“數字員工”這個曾經略帶科幻色彩的詞，正在變成一種現實的工作方式。

最近一兩年，AI的能力有了明顯提升。尤其是今年年初，OpenClaw引爆的那場“龍蝦熱”中，AI Agent已經可以接管瀏覽器、讀寫文件、執行代碼、調用終端，很多人第一次真切地感覺到，AI開始真正“動手干活”了。百度創始人李彥宏甚至提出一個新指標，用DAA（日活智能體數）取代沿用多年的DAU，來更好地關注有多少Agent在給人類干活，并交付結果。

概念在升溫，但我們更想知道的是，那些真正把“數字員工”用起來的人，日子過得怎么樣？

「定焦One」和五個人聊了聊，有律師寫下45個Skills來教Agent幫自己“辦案”，跨境電商商家走了三個員工、靠四個數字員工一人身兼“四職”，投資經理邊睡覺邊讓Agent幫自己篩選BP……這些數字員工，不用發工資、不用繳社保、24小時在線，“月薪”僅一兩千塊，已經真實地出現在獨立開發者、小團隊、中小企業主和打工人的日常工作之中。

以下是他們的故事。

01.狂搭AI基建，我用45個Skill教Agent幫我干活

楊衛薪｜33歲 蘇州 劍橋頤華律師事務所律師

律師這行天然適合與AI協作。去年四五月份我開始使用Agent工具，一開始會用Cursor來開發一些小工具，比如導出網頁端AI聊天記錄的瀏覽器插件。

慢慢地，我開始嘗試把它用到法律業務里。當時Agent的能力還不算成熟，上下文窗口也有限，但它確實能從證據材料里找到一些關鍵信息。幾十上百頁的證據、幾百條的合同條款，它能直接幫我定位到想要的內容。

后來，Agent逐漸滲透到我工作的各個環節。

我的工作分為兩部分：一是律師本職業務，二是法律內容寫作與知識分享。為此我花了五個月寫了45個Skill，讓Agent幫我在辦案、研究、創作等環節按我設定的要求產出“法言法語”。

我的一天通常從“收菜”開始。我讓Agent自動抓取前一日法律領域的新聞、典型案例。早上十點，我會瀏覽它給我整理的文章，決定今天需要學習或創作的方向。

處理案件的時候，我讓Agent自動下載、歸檔法院傳來的起訴狀和證據材料到指定項目文件夾中。隨后，用OCR（光學字符識別）Skill完成材料的格式轉換，再用接入專業數據庫的法律檢索Skill圍繞爭議焦點做法條分析，最后由寫作Skill輸出答辯狀或法律服務方案的初稿。

圖源 / pexels

最關鍵的一步是人工檢查AI可以出初稿，做法律檢索和分析，但它很難完成律師的專業判斷。我會在看完初稿后，給出修改意見，讓它進行修正。

我使用較多的Agent工具有國外的Claude Code和Codex，以及國內的WorkBuddy和QodeWork，每個月AI訂閱的開支大概一千塊。

現在，借助Agent和專門的Skill，我律師業務的工作能在20%的時間里完成，剩下80%的時間都拿來“搭基建”。

我將自己的經驗和偏好，做成一個個Skill，讓Agent能按照我的方式跑，搭建的過程非常耗費精力。但Agent不能直接滿足你的要求，它好不好用取決于你往里面灌輸了多少屬于自己的“上下文”

除了自己用，我還會去各地的律協分享使用經驗。講課的時候我能明顯感覺到，大家的認知差別很大。很多人想靠近，但心態上又有點抵觸。這種抵觸一部分來自對于職業的驕傲，另一部分來自于不想被取代的恐懼。

很多人不知道怎么用Agent，或者比較抗拒，本質上是因為沒有找到一個好的場景。沒有場景就沒有行動力，沒有行動力就永遠形成不了正反饋。

所以對于想用Agent的人來說，我的建議是先找到一個非常小的特定工作場景，或是一個想提效的環節，把自己的方法論沉淀成Skill。不要一上來就想著要讓AI幫做所有事，就瞄準一個點，投入進去，解決它。一旦解決了，帶來的正反饋會驅動你繼續探索下一個場景，再把多個Skill串聯起來，就能得到一個能解決特定問題的Agent。

我認為未來一到兩年，最重要的能力是結構化拆解自己的工作，并持續沉淀個人的“上下文”，訓練出能真正幫助你的Agent。

02.三個員工走了，四個AI員工頂上了

雷子 ｜ 32歲 成都 跨境電商從業者

我在成都做跨境電商，賣智能家居配件，主要市場在北美。

去年這時候，我還有三個員工：美工、運營、客服。三個人工資加社保，一個月小五萬，加上辦公室租金，一年固定成本奔著七十萬。月利潤好的時候七八萬，差的時候三四萬。

去年5月，運營離職。我想著先用AI頂一陣，同步招著人。當時Claude已經火了，我就試了一下。Claude很快就寫出了A+頁面的全套英文文案，從產品賣點到場景描述都很地道。圖片我還是用原來的美工素材，但文案部分質量比以前好。

我當時就意識到：不需要招人了。

到了今年初，美工回老家結婚，客服嫌工資低跳了槽。現在，團隊是我一個人加四個數字員工：Claude管文案，Fin管客服，Cursor管代碼，還有一個自動化系統盯著廣告投放。競品價格數據從Keepa接進來，看板上每天自動匯總。

圖源 / pexels

每天早上九點，我打開電腦，先看我自己搭的數據看板，上面跑著五個自動化任務：競品價格監控、新品Listing草稿、過去12小時的客戶郵件、廣告投放數據、社交媒體排期。

售后Agent用的是Intercom的Fin，接了我Shopify的售后。我通過Zapier把亞馬遜的訂單數據同步進來的，兩邊的常規問題Fin都能處理，比如物流查詢、退換貨、使用說明，復雜一點的再推給我。

變化最大的是廣告投放。以前盯數據盯到凌晨兩點是常事，現在我把規則寫進工作流：連續48小時ROAS低于2.5自動降預算，高于4自動加投，素材點擊率連降三天自動換圖，讓系統照著跑。去年黑五預熱，我一個人同時跑六組廣告。

代碼方面，我之前有點編程基礎，店鋪落地頁、AB測試頁面、數據抓取腳本，全是跟Cursor聊出來的。上個月想做個競品價格追蹤工具，我發現亞馬遜的反爬很嚴。后來我用的是Keepa的API拿價格數據，自己寫了個分類和異常預警的看板。擱以前得花兩萬找外包等兩周，這次我自己來，跟Cursor聊了兩天搞定。

我現在AI訂閱加API月費大約四千，比之前雇人的成本大大降低。

但AI也有翻車的時候。今年3月，我讓Claude幫我寫一批Facebook廣告文案，偷懶沒逐條審。它寫了一組“限時5折”的文案，可我當時根本沒打折。廣告跑了兩天才發現。那次之后，所有面向客戶的內容，我必須審核。

這一年下來，經常有人讓我給一些用數字員工的建議。

首先，別一上來就想全自動化先找一兩個最費時間的環節，客服、文案、數據整理，讓AI頂上去。其次，跟AI交代工作，規則越細越好。

還有一點，用AI之后你自己的判斷力不能退化。客服回復寫得對不對，廣告文案有沒有跑偏，數據分析的結論合不合邏輯，這些你得能看出來。

我現在每天工作六到七小時，比以前少了一半。多出來的時間，我在學供應鏈、跑工廠、跟海外客戶視頻溝通。有時候我想，如果當初運營沒走，我現在可能還是那個盯著利潤表發愁的小老板。說實話，大部分跨境電商的盡頭，是一個人加一臺電腦。

03.做投資十年，終于有Agent替我熬夜干活兒了

Ray36歲 北京 人民幣基金GP合伙人

我做一級市場投資快十年了。早期看航天、新材料，最近兩年的項目幾乎都和AI沾邊。

人民幣基金的節奏本來就緊，加上工作需要，我每個月飛太平洋兩邊的次數比飛國內還多。由于時差的原因，如果想要保持工作時間時刻在線，我和我的項目組都需要“24小時待命”。

有一次一天之內連著見了7家公司，回酒店已經凌晨1點，第二天IC（投資委員會）要討論一家半導體設備公司，我連備忘都還沒動筆。于是我把公司名字丟給一個跑在自己電腦上的Agent，并告訴它“按IC框架，把這家徹底研究一遍”，就關機睡了。

第二天醒來，我翻它留下的“工作日志”才發現它一夜之間做了好多事，包括自己開瀏覽器、扒目標公司近三年的全部公開專利、調用我自己的數據庫，還順便爬了創始人半年內的所有公開訪談和LinkedIn動態。

那一刻第一次感覺到，原來我不是非要自己熬到凌晨3點。

圖源 / pexels

后來我的“AI數字員工”越用越多。在我睡覺的時候，AI主要替我做三件事：路演總結、企業調研、日程管理。

會議錄音它自動轉寫；調研環節，我用Obsidian的Claude插件配合Claude Code去扒招股書、扒年報、掃公開新聞、查企業訴訟，再把這些內容整合成個人知識庫；日程上它能幫我厘清什么時候在哪個時區、能不能再接一個會、要不要推掉。

半年前，我還給自己搭了一個多Agent的BP過濾器。

在項目高峰期，我一周能收三四百份BP，靠人翻根本翻不完，漏掉好項目的成本又特別高。我就把自己篩BP的那套方法論一條一條用大白話寫下來，讓AI替我搭。

中間踩過不少坑。最開始判斷標準設得太硬，好幾個不錯的項目都被它先一步pass掉了。現在的版本更“溫和”，AI只做初篩和分級，A類我自己看，B類讓另一個Agent寫一段百字快評再決定見不見，C類歸檔但不刪。

每個月我在AI上的開銷波動很大，少的月份四五百美元，密集盡調時能沖到2000多美元，平均下來每個月大約在1000美元以內。

我感覺目前我的這些“數字員工”能幫我解決80%以上的工作，如果拿我的收入做折算，“雇傭”他們的成本占比還不到10%。

“數字員工”還不能替我做投資決策，但它讓我能多看一倍的項目、每天多睡兩個小時、在投委會上多帶一份詳細的備忘，對一個投資人來說，已經是非常大的收益了。

04.ChatGPT當顧問、Cursor當工程師，我當老板

@弗萊迪大宇宙 29歲 合肥+成都 旅行和企業商旅服務品牌創始人

我是旅行和企業商旅服務品牌KoraScale的創始人，現在我的團隊滿打滿算10個人。

但如果算上我的“數字員工”ChatGPT、Cursor、Codex這些AI工具，團隊規模其實早就超了。這一年用下來，我最想說的是，AI不是來搶飯碗的，它是真的能幫你把事兒干成的

以前我以為AI最多幫我寫幾行代碼片段，但當我開始讓Cursor讀取整個項目、分析頁面結構、修改數據庫查詢，甚至把結果直接部署上線時，我意識到AI不再是一個問答機器，它是一個可以進入工作現場的執行者。

這種體驗打破了我的能力天花板。我原本不是職業程序員，是一名工業工程師，也沒有配備齊全的產品設計團隊。如果沒有AI，我很難獨立搭建并持續維護一個復雜的商業網站，更別提去做SEO系統重構和預測Agent開發了。

以前我上午想客戶需求，中午要改網站，下午寫文章，晚上查SEO。每換一個領域，要么自己死磕，要么找外包排隊。現在，我從“有一個想法”到“看到結果”的距離，被極大地壓縮了。

比如我想調整網站的SEO結構，以前我要找產品經理畫原型、跟設計師溝通、等前端開發排期。現在，我先跟ChatGPT討論方案，然后把任務丟給Cursor。它讀完代碼告訴我哪里有問題、改哪些文件，我確認后它再執行。我只負責拍板和驗收。

我不追求養一大堆Agent，而是按角色分工。

圖源 / pexels

比如ChatGPT是我的首席顧問，負責梳理邏輯、定方向；Cursor是我長期合作的工程師，也是我最離不開的員工。它就一直在我的項目里干活，網站、代碼、數據庫結構和歷史修改都保存在這里；Codex是實習生的角色，專門處理批量化、重復性的臟活累活；Figma則是設計師，負責把想法可視化。

我每個月在這些工具上的投入在1000元左右，如果滿分是10分，我給我的AI團隊打7.5分

它們執行力極強，知識面廣，但缺點是責任感幾乎是零。我把它們當成“實習生”，絕不能讓它們做決策。涉及商業定位、品牌表達和客戶關系的核心判斷，必須由我親自拍板。

用了一年，我也總結了幾點AI使用心得。

首先是任務要有邊界，明確告訴它哪些能改，哪些絕對不能動；其次復雜任務要分階段，先分析，再設計方案，最后執行，別指望一句話就讓AI搞定一個項目；最后拍板的人必須是老板，尤其是在品牌、財務和投資上，AI只能提建議。

我覺得AI員工不適合小白，適合那些本身就知道自己要什么的人。因為一個有經驗的工程師，一眼就能看出AI寫的代碼哪里有漏洞，一個資深銷售，能立刻判斷AI生成的文案有沒有殺傷力。但如果你對結果沒有判斷力，AI只會給你制造更多的混亂

05.每月1000元，我為自己雇了實習生、編輯、老師

Vincent ｜30歲 北京 某商業報道記者

我最早意識到AI能用，是去年7月。

那時手上有篇稿子特別難寫，一個做游戲開發的朋友讓我把材料丟給Claude跑一下。那會兒質量不算好，但已經超出我對AI的刻板印象。從那天起，我就一直用到現在。

做文字工作，真正磨人的往往不是寫，而是寫之前那一攤，整理、調研，從一堆素材里找頭緒。把這些臟活累活交出去，人才能把精力留給更重要的部分。

用久了之后，AI在我這里就不只是一個工具了。有時候像實習生，有時候像編輯，有時候又像老師。

圖源 / pexels

當實習生，它最適合整理訪談。純手工整理速記非常累。我現在已經形成了一套流程：先讓它盡量完整地整理原文，不做大幅篩選，只擠掉口語里的水分；再讓它自檢有沒有遺漏、扭曲原意的地方，并保留受訪人的語言特色；最后按主題模塊化處理，把不重要但可能有用的內容放到附錄里。這樣幾輪下來，再人工調一調，基本能得到一篇還不錯的Q&A專訪稿。

但實習生也有實習生的問題。你覺得重要的內容，它不一定覺得重要。標準化報道還好，篩選標準清楚，但社會類、非標類選題，它就容易丟掉最能代表人物個性的細節。非虛構里很重要的場景、動作、氣味、溫度，它也很難捕捉。

當編輯，它可以潤色、捋邏輯。有一次實習生交上來的初稿味道非常不對，當天要發，我用得到的寫作Agent花了一個小時重新調了一遍，最后順利發出去了。它在簡單商稿、行業稿里很好用，因為這些稿件標準相對明確。但讓它提煉真正有價值的洞察，有時會偏、會怪。

當老師，它最大的價值是降低理解的門檻。比如說一篇好稿子到底好在哪，以前都得自己一點點摸索；現在可以先讓它拆開講一遍，把邏輯捋順。它不能替我做判斷，但能讓我更快上手，把一些原來只能靠悟的經驗，變成可以拆解的方法論。

說實話，它讓我野心變大了。

養這些“員工”，我一個月平均花1000到1500元：Claude Code每月大概花800元，用來接本地知識庫；Kimi每月訂閱199元，主要用來做調研；得到的寫作Agent一年要3000元。

如果滿分10分，我給現在的AI員工打7分。扣掉的3分，是絕對質量還不夠，哪個角色都差一口氣。如果Fable那個水平，我能給到8.5分。

AI用得最好的人，一定是需求和點子多，同時清楚AI邊界在哪里的人，可以把想法很快變成內容或產品最危險的是純效率型使用，如果只是把效率提得特別高，最后可能不是人變強了，而是被卷沒了。

所以，我沒有給自己設更高的KPI。如果AI節省出來的時間，最后只是被拿去生產更多同質化的內容，那它對我來說就只是一個更便宜的外包。但如果它能讓我少做一點重復勞動，多留一點時間給觀察、思考和訓練自己，那它才真正變成了一個有價值的員工。

*題圖來源于Unsplash。應受訪者要求，文中雷子、Vincent為化名。