6000块一个月，博士水平，全年无休，租一个AI员工的时代来了

十大品牌 2025年10月17日 00:01 1 cc

为什么 AI 那么厉害，但是能真的解决问题的 AI 员工还没有出现？

很多人对「AI 员工」的失望来自于高昂的维护成本：不断要更新的文档、复杂的配置流程，实际管理成本比一个真实员工还麻烦。

Lucius 的创始人赵赫决定进入一个真实的场景——客服场景——一年后，他得出答案：

1 、AI的反应不像人

人类对话是有节奏的，有的不需要马上回复，有的晚几秒回复就会出问题。现阶段 AI 员工的模式更像个认真在聊的机器人，而不是一个人。

2 、碰到复杂场景，AI会彻底失效。

客户前期设定一些常见场景，如电话销售、运营维护，但实际工作往往是复杂场景，比如找一个Bug 或者判断安装位置是否正确，AI 会出现「人工智障」。

3 、意图理解能力不足

现实工作中，人的表达未必清晰。嘴上说要 A，心里想的是 B，有时沟通也会看关系和性格。但 AI 不具备这个能力，尚达不到真正有效的，持续地追问、试探、验证，直到双方对齐认知。

4 、记忆滞后

大模型没有「记忆」，这是由它的训练模式带来的天然缺陷，它就像一个非常聪明，但记忆力很差的短工，需要人去更新外部知识，环境反馈和实时关系变化，但后者又称为企业新负担。

5 、缺乏博弈能力

人和人之间的信任，往往来自利益的倾斜——但 AI 没有「自己人」的意识，它不会权衡，也不会判断什么对自己、对团队更有利。所以很多企业担心的不是AI的安全问题，而是利益问题：这个AI员工到底站在哪一边？

基于此，赵赫决定做一个有用的AI员工。

赵赫在做行业分享

团队核心人员在讨论产品形态

Lucius 的创始人赵赫的职业经历一直跟软件交付相关。

2017 年毕业于中国计量大学，毕业后加入甲骨文在浙江海盐做农业项目，2020 加入函子科技 Zion（海外版 Momen.app）。这是一家为客户提供全栈无代码开发平台的公司。但赵赫很快发现，中国的客户不愿意花钱买工具，「真正值钱的是全套解决方案，也就是产品，客户愿意花 50 - 100 万买，但我们一直赚的是3-5万的工具钱」

于是2024 年，他决定创业，方向是为企业定制 AI 员工，「全部我们培训好，相当于租一个 AI 员工给客户。」

基于前文发现的痛点，他得出解法：先做局部替代。

首先取代的是执行工种，「我的理念是，柿子要挑软的捏，AI 最先取代的一定是组织里最弱的角色」。其次，充分利用模型比人类强的点——总结和洞察——由此推导出结论： AI 员工能先取代一些有「固定工作套路」的工种。

「就是白领工种，坐办公室，和跟物理世界没有太多交集，不涉及任何创意和决策。」

于是，他把目标锁定在外包，之后，首选软件作为第一批客户，通过调研他发现，软件当下最旺盛的外包需求来自海外代运营。于是又选择了一个更窄的切口：Discord 社区。「我查了公司招聘巴西、菲律宾的外包具体要做干什么，然后把功能往这上面切。」

Lucius采取订阅服务， 500 - 1000 美元一个月，通过一周的自主学习就能接管一家公司的社区运营。

从第三方手里，我们拿到了一份 Lucius 的客户调研。

这是一家在 Discord 有2万用户的浏览器公司，仅一名实习生兼职运营，Lucius 为他们提供了一个月薪6000元的 AI 员工。

它的职责包括：社区信息的归纳整理反馈，自动生成 bug 表单，数据库调用，可为用户回答产品的基础问题，每晚自动生成问题总结及用户信息，遇到紧急问题，会通过客户内部IM发出信息，24小时在线，全年无休，「比我们内部人还着急。」客户评价。

赵赫认为，现阶段最重要的是让 AI 员工先从能干活的「实习生」做起，而未来要承担整个运营工作，再从单点场景迁移到更复杂的工种，「比如担任某500强公司的AI销售，这是我最想做的。」

AI 闹和赵赫见面时，他一直在回复客户信息，现在团队一共7个人，6个是全栈工程师，他是什么都干的 CEO，Lucius 在拉丁语是光的意思，蝙蝠侠的管家也叫 Lucius。「懂 DC 文化的人，一看就知道我们在做什么。」

对话赵赫

Part01

一个真正的 AI 员工

局部替代，自我迭代

AI闹：一句话解释Lucius能为客户提供什么价值？

赵赫：出租 AI 员工给客户。

我们不会像市面上很多产品一样，让客户自己搭建配置各种工具。我们帮客户直接训练好 AI 劳动力。

AI闹：为什么选定社区运营做第一个场景？

赵赫：社区工作的时效性相对不敏感，容错空间大一些

首先要做社区禁言。以前客户使用工具要自己配置维护一个表，现在用我提供的 AI 员工可以基于对社区的了解，对客户的了解，自主学习，很快知道什么内容不能发。

还有一个工作是 feedback 和 bug detail 收集，这又是非常琐碎的场景。要辨别哪些是真问题，哪些是用户自己使用的问题，前者要尽量多追问，尽可能详尽反馈给客户，后者需要 AI 员工解决答疑。

这也是我们现阶段提供给客户两个主要服务场景。

AI闹：很多公司法务、财务也是外包的，你们会考虑吗？

赵赫：不会，这些属于高端的咨询服务，像一个法务财务外包，做得好的话，一个人年薪也有百万，要训练模型成本很高，短时间很难取代。

AI闹：现阶段取代的运营职能是比较浅层的信息服务，接下具体会往哪些稍微复杂的场景探索吗？

赵赫：下一步想发力活动运营：比如帮客户做节日或特定事件的运营，然后再切内容运营，比如帮客户把社区做火爆，最终达成客户对量化社区活跃度的数据要求，如消息数、参与率、留存等。

AI闹：完成这些能力要花多长时间？

赵赫：至少得半年到一年。要补更多的 Context 和行业know how。

易中天曾经说过，人类的知识分三个层次，第一层能传递，叫知识；第二层靠别人演示，叫方法。第三层靠开悟。AI 员工最好的状态能做到第一层和第二层——把固定工作套路做好——就已经是巨大的突破了。

另外，我一直不建议把「决策」过早交给 AI。先把可重复、可验证的固定工作做实，再从事件记忆中抽象出可解释的优化建议，形成小范围的自我调整，然后再逐步放权。如果一上来就做完全替代，缺少反馈数据，难以落地，AI 更无法「成长。」

AI闹：公司成立一年了，只接了四个客户，挑战在哪里？

赵赫：现阶段是孵化阶段，让产品尽可能适应市场的各种挑战。

所以我根本不在乎客户的数量，只在乎这个场景的难度，这样我才能摸出 AI员工的边界，有利于我知道使用什么能力去加速，规避什么场景。

另外产品要做好再去做增长，我认为的增长方式是这个月有 10 个客户，下个月直接干到 1 万。

我每天都在问团队，如果明天有几万家公司租 AI 员工，我们的产品能不能扛得住？

AI闹：没有考虑外部环境的热度吗，包括同行迭代速度，市场竞争？

赵赫：这是我第二次创业了。在 2018 年无代码最热的时候创业，就跟今天 Agent 市场一样，我见证过一个行业从热到无脑再到没人理的阶段。我意识到，真正的好产品是在资本热度退潮之后才长出来的。

我相信要从一巴掌宽，一公里深的场景进入，这比较反直觉，很多投资人不太认可。

但还是那句话，一开始讲很大的故事，没用。真正落地，还是会回到垂直场景，一个一个搞，千行百业各有不同。

Part02

AI Native 组织

将会改变协作的边界和职责

AI闹：和同类产品相比，Lucius不用客户写文档，这也让一部分人认为，产品太封闭，缺乏灵活性，为什么这么设计？

赵赫：灵活性是个伪命题。

我知道很多同行会给客户配置工具平台，提供画布，让客户拖拉拽，自己规划 sop。

我是完全不同意这么做的，过去我是做低代码的，即便低代码已经很简单了，但客户真的自己去配置的比例还是很低，大部分客户都很懒的。

客户不想写文档，用户只想发号命令。所以我选择把封装好的最佳实践给到他们，直接交付结果。至于外部环境和行业知识库的更新，我们会通过自主学习，设计一套相对工程化的解决办法。

如果客户觉得不好用，直接骂我们就行。我们要完全做到租一个已经训练好的AI 员工给到客户。

AI闹：「自主学习」是现在很多Agent最关键的能力，你们是如何设计的？

赵赫：Lucius 的核心是我们称为 OAK 的自学习架构，它不仅会「生成回答」，更能「复盘行为、封装经验」。

Observation 层：从高频事件流（Discord 消息、工单/Ticket、反馈日志等）中自动识别任务触发点与语义意图。

Action 层：在上下文与状态机驱动下执行动作（回复、标注、转交、触发工作流）；从历史案例中抽取「现象–原因–措施”」三元组，记录行为后果，沉淀为可复用的 SOP 与自动化策略。

Knowledge 层：通过 Reinforcement Feedback 与 Causal Loop 的事后评估机制，将人类/系统反馈转化为可检索、可执行的知识，持续改进行动策略。-

由查答案迈向「总结经验」的 Experience Encapsulation。

AI闹：现阶段，哪些客户的反馈出乎你的意料？

赵赫：我们有一个客户很有意思，他把自己公司一个很优秀的产品经理推荐给我了。他当时跟那个产品经理是这么介绍的，如果有一天我把全公司的运营都开了，最后才会开除这个AI 员工。

我当时很意外。因为那段时间，我有点担心 AI 员工会不会太弱鸡？容易被开？

后来和客户交流才意识到一个点，通过自主学习，我们的 AI 员工在很短的时间，就能沉淀为客户沉淀出一个优质的知识库，所以，AI员工就变成一个新的协作中心，客户会找他问数据，问业务细节，围绕 AI 员工产生一些新的协作，这是我以前没有意识到，也因此，我们现在对协作非常重视。

AI闹：这种新的协作模式，会促使你调整产品架构吗？

赵赫：会重新设计任务系统，因为现在所有的任务执行是异步的，需要解决任务之间会互相影响的问题；另外，也要重新设计触发机制，现在的 Agent 主要还是指令触发的，需要更灵活，能主动、被动以及各种事件的触发支持，才能完成一个存续型的组织任务，

AI闹：你认为，当千行百业开始接受租一个 AI 员工，必然会形成AI Native的组织形态，这会让传统的组织分工发生变化吗？

赵赫：首先分工会重组，更多部门之间的桥接性工作或者进度追踪会交给 AI员工来完成，人和人会变成端到端的协作，每个人面向最终业务目标协作，而非流程节点。

另外，客户执行效果的复盘和调整效率将会大幅提升，组织做决策的速度和数据驱动性也会大幅提升。组织不再依赖定期汇报或层级传递才能修正方向，而是形成「即时反馈—快速迭代」的动态系统。还有就是，组织知识沉淀的逻辑将会发生变化，由 AI 不断总结经验封装以及复用。

最终会弱化公司的边界，外部团队、自由职业者、客户甚至供应商，都能通过同一套 AI 系统协作。管理会更多向系统设计和决策转移。

Part03

从模型缺陷入手

优势是不怕手脏

AI闹：我和你的早期投资人聊过，他认为你的优势是，对 Agent 理解很深，以及有做软件交付的经验，这构成了你做工程的原点吗？

赵赫：我确实是从模型技术到底改变了什么出发。

我认为，Agent就是一个更灵活的 RPA，两者范式是一样的， RPA 也是用工作流控制，只不过随着大模型的出现，更能理解人类了。

模型现在做的最好两个事情，一个是意图判断，比以前 NLP 做得更好，第二就是 Mapping，找映射模式。作为创业者就应该先利用好这两个能力，然后等待模型变得更好。

AI闹：如何保证Lucius不被模型吞掉？

赵赫：从第一天设计产品的时候，每一次开会，都重点在聊，这部分的设计会不会被吞噬？

我的判断逻辑是从 Transformer 的核心诟病切入。训练模式最大的问题是无法记忆状态。什么叫状态？事实会变，人的属性也会变，人和人的关系，人和物的关系都会变，这个是 Transformer 解决不了的，除非有一天模型的训练方法变了，训练时可以带状态，现在也有很多人研究这个。

AI闹：Transformer 跑出来是因为落地到聊天这个产品形态，然后被用户接受，到资本大规模投入，你认为还有哪些模型架构有这个潜能？

赵赫：围棋用的 Alphago也是一个非常优秀的架构，我很喜欢。

它的核心能力是博弈，博弈最适合的场景是销售场景，尤其在最后的磋商环节，什么时候出击？什么时候防守？比算胜率。

AI闹：你觉得自己作为创业者，做这个方向最大的优势是什么？

赵赫：比大部分人不怕手脏，更容易在交付细节比别人做得好。这就是为什么我能先碰运营？很多人觉得麻烦，但我觉得很有价值。

我的性格是喜欢揣摩别人想什么，我最骄傲的事情可能不是公司估值多高，融了多少钱，而是我真的帮客户解决问题，我会特别有使命感。

AI闹：我们也收集了一些质疑，很多同类产品会切入更专业的场景比如保险，但你的场景难度很低，后续如何跃迁？商业的想象空间有限？

赵赫：我坚持认为，专业场景的核心竞争力目前还是know how，模型自身的能力目前还是没法和场景专家比拟的，为专业场景做的技术设计很可能不可迁移。

对我来讲，运营场景容易量产数据、验证学习循环，所以这是最好的起点。而我能看到的，通过这种前期的积累而产生的可迁移的技术积累，是可以在未来支撑更复杂的岗位。

图片来源｜受访人供图、Unsplash

—彩蛋一枚—

我们有播客了

在小宇宙APP搜索「AI NOW」，本期完整采访也会更新到播客，赵赫分享了更多行业非共识，以及从做软件交付到投身 Agent的实操经验。

小程序微乐麻将开挂神器（微乐辅助器免费版v30）

从诺奖看教育，认知性好奇，才是孩子的精神免疫力！

发表评论

6000块一个月，博士水平，全年无休，租一个AI员工的时代来了

小程序微乐麻将开挂神器（微乐辅助器免费版v30）

从诺奖看教育，认知性好奇，才是孩子的精神免疫力！

热门文章

最新文章