一人公司如何靠 AI 角色像团队一样运转

嘿，又见面了，朋友。我是 Nova。上个周二——调研笔记、内容初稿、月度数据，全挤在同一个下午。六个标签页开着，哪一件都没推进。到某个时刻我干脆停了下来。为什么这事还是这么费劲？

我用 AI 工具已经一年多了，还写它们。可我依然每次会话都从头解释一遍所有东西。那天下午我试了一件小事——打开对话框之前，先写一份「职位描述」。这一次，这个 AI 是干什么的？好的输出长什么样？

差别立竿见影。它稳定维持同一套标准，不用我每次重建上下文。更像是在跟一位已经了解项目的人交代任务，而不是在用一个工具。就是从那时起，我开始认真思考给 AI 一个角色意味着什么——而不是只给一句提示词。后来发现，这正是当下最优秀的一批一人公司悄悄采用的工作方式。

为什么一人公司正当其时

过去 12 个月真正变了什么

我翻去年年初的一些笔记时，反复看到同一句抱怨：「上下文切换快把我搞死了。」调研标签页、写作标签页、数据标签页、收件箱——而这还只是午饭前。

但现在不一样了。工具已经进化到对一人公司真正有意义的程度。关键不只是 AI 能替你写东西，而是 AI 能_守住一份工作_——一个具体、明确界定的角色——并一直待在里面。

按 Andreessen Horowitz 关于创作者经济的研究，线上独立创业的人数大幅增长——不是因为理论上变容易了，而是因为「一个人」和「小团队」之间的运营落差如今真的能被填平。这一点是新的。

为什么独自包办一切以前会崩

经典问题从来不是才华或点子，而是横跨多个角色的认知负荷。你是研究员、是写手、是增长负责人、还是回邮件的那个人。在几种模式之间手动切换时，你会不断丢掉思路。我认识的大多数单干者都有一片「半成品项目墓地」——不是因为他们失去了动力，而是因为脑力带宽撑不住同时维持所有上下文。

万能助手的困境

为什么多数人把 AI 用错了

我注意到一个现象：人们刚开始在工作中用 AI 时，会把 AI 当成更聪明的搜索引擎——问个问题、拿个答案、然后继续。对付一次性任务这没问题，但它不会改变你的工作方式，只是加速了一个个孤立的瞬间。

当 AI 没有明确角色时会发生什么

AI 没有明确角色，输出就不稳定。你每次都要重新解释上下文。工具不记得你的风格、你的优先级、你的决策逻辑。这就像每天雇一位承包商一小时，其中 20 分钟都在帮他进入状态。

请求与角色——真正的区别

请求是一次性的交易，角色是持续的存在。

请求是：「帮我写一段产品描述。」角色是：「你是我的产品沟通官。你了解我们的语气、我们的理想客户（ICP）和我们的定位。每次我丢进原始素材，你就把它变成可以直接发布的东西。」

这个区别听起来很小。实际上，整局游戏就在这里。

给 AI 一个角色，到底是什么样

开发者侧证明：Garry Tan 用 gstack 组了一支虚拟开发团队，48 小时拿到 12k stars

今年早些时候，Y Combinator 总裁 Garry Tan 分享了一个在开发者圈子里引起广泛关注的东西。他的项目gstack 48 小时内拿到了 12,000 个 GitHub stars。概念简单又有点颠覆认知：不用一个 AI Agent 包办所有事，而是同时启动多个专门的 AI Agent——每个都有明确的角色——让它们像一支开发团队那样协作。这不是什么边缘想法。Y Combinator 关于保持团队精简的建议一直推动创始人用更少的人做更多的事——而 gstack 证明的是：AI 角色如今真的能兑现这条差距。

一个 Agent 负责架构决策，另一个专注代码审查，还有一个管理文档。它们都不是「万能助手」，而是各自_认领一份职责_。

gstack 传播得这么快，靠的不只是技术实现——而是这个想法的清晰度。你给 AI 一个真实职责边界的角色，它就会表现得像个懂自己工作的人。这不再是未来概念，而是一大批开发者已经在做的事。

运营者侧证明：一个人同时跑增长、调研与产品分析，全程不换工具

这个例子没那么耀眼，但如果你不是开发者，它更贴近你。

我关注的一位单干者——她经营着一份利基 B2B 通讯和咨询业务——几个月前公开分享过自己的工作流。她同时管理三个独立职能：增长（找新读者、追踪什么内容表现好）、调研（跟住行业动态，让写作保持可信）和产品分析（搞清订阅者真正在意什么）。

以前，她不停地在工具之间跳来跳去：不同的浏览器会话、不同的标签页、不同的心智上下文。每周都要在切换摩擦上浪费掉一整个下午。

她的改变是：不再把 AI 当搜索工具，而是为每个职能配置持久化的角色定义——就是你在更结构化的 AI 工作流工具里常见的那种配置。她的「调研 Agent」始终知道她的选题重点、来源偏好和输出格式；「增长 Agent」知道她的指标、受众画像，以及历史上什么样的帖子真正带来订阅。

关键转变是：**她不再切换工具了，而是切换角色。**同一个工作区，加载不同的上下文。她估算每周省下 6–8 小时——那些过去花在重复解释上下文、重新格式化输出上的时间。而且质量更稳定了，因为标准由角色来维持，而不是她每个会话去重建。

对单人创业者最重要的几种角色

从我观察到的情况看，对一人公司最有用的三个 AI 角色是：

• 研究分析师——跟住你所在领域的最新动态，从噪声里提炼信号

• 内容生产——懂你的语气、格式和受众；把原始想法变成打磨好的产出

• 运营协调员——处理重复工作流：外联草稿、进度更新、跨文档整合

第一天你大概不需要全部三个。但先找出哪一个最烧你的时间，是个不错的起点。

怎么起步：不用搭复杂系统

挑一件你每周都做的重复任务

别想着重新设计整条工作流。先找到你每周都做、做得像「土拨鼠之日」的那一件事。对我来说是综合整理——读一堆东西，提炼真正要紧的内容。那是我定义的第一个角色。

记下步骤，而不只是产出

**这是大多数人跳过的一步。**把任务交给 AI 之前，先把「你做得好的时候到底在做什么」写下来。正如自动化之前先把流程写下来这篇文章说清楚的——如果你自己都说不出步骤，任何工具都没法替你复现。

按 MIT Sloan Management Review 关于知识管理的研究，把隐性知识显性化，是知识工作者能做的最难也最有价值的事之一。有经验的人大部分本事存在脑子里，而不是文档里。把它捕捉下来——哪怕是粗略的——才能让一个角色迁移给 AI。

角色怎样才算可复用

一个角色可复用，指的是你明天把它交给 AI，不用重新解释就能拿到和今天一样的产出。这意味着：你的上下文有地方记录、你的标准有定义、你的格式偏好清清楚楚。

这套做法解决不了什么

它仍会在哪里失灵

这事我得说点实在的，因为我觉得很多 AI 内容文章把摩擦一笔带过了。

**AI 角色会在你自身清晰度的边界上失灵。**如果你不知道某件任务「做得好」长什么样，AI 也不知道——它会产出听起来很自信、却答非所问的东西。角色框架只有在你自己亲手做过足够多、知道该怎么定义它之后才成立。

当工作依赖真实的人际关系背景时，它也会失灵。知道某位客户正经历一个难熬的季度，或知道某个潜在合作方过去在你这个品类上栽过跟头——这类细腻的、关于人的理解，无法干净地搬进角色配置里。

而且说真的：把提示词写好依然是门功夫。搭一个好角色前期要花时间。它是投资，不是捷径。如果你想跳过思考这一步，这套方法帮不了你。

什么时候你确实需要另一个人

AI 特别擅长可重复、上下文厚重、输出明确的任务；对需要真正判断人心、或正确答案取决于无法写下来的东西的场景，它明显逊色。

《哈佛商业评论》（HBR）仔细讨论过这个区分：AI 增强个人能力，但它替代不了让团队正常运转的那些社交与判断型工作。如果你的瓶颈是创意方向、客户信任、或真实不确定性下的战略思考——你仍然需要人。

用 AI 经营一人公司，不意味着你永远不需要协作。它意味着你不再把时间烧在不需要人的任务上——这也是为什么现在很多单人创业者把这些系统打包成了服务。

如何搭你的第一个 AI 角色（别把它搞复杂）

从一份空白文档开始。为你想填补的角色写职位描述。这位「同事」做什么？它了解你的哪些情况？它永远用什么格式交付？

Ness Labs 个人生产力社区有个好用的框架：把这想成「把你的心智模型外部化」。你不是在写聊天机器人提示词，而是在写下一份「这份工作做得好」的完整做法。

然后拿三件真实任务测它。如果输出一致，你的角色定义就成立；如果不一致，差距通常在你怎么描述「标准」，而不是 AI 本身。

这也是Floatboat正在做的方向——一个让你的 AI 角色住在一起、随着时间学会你工作风格、不必每个会话都从零开始的工作区。如果你觉得值得一试，可以下载 Floatboat，体验给 AI 一份职位描述、而不是一句提示词是什么感觉。

以上就是今天的分享，下次见。

往期文章

• AI 自动化在真实市场上到底怎么定价

• Lindy 与 Gumloop 在 Agent 式工作流上有什么不同

• AI Agent 在调研、内容与运营中的真实用例