AI agent正在颠覆传统人力成本的游戏规则。从餐厅预订到维修调度，创业者们正在用数字员工替代重复性岗位，按劳动力而非软件收费。本文深度拆解Greg Isenberg的实战框架：如何筛选高价值工作流、设计最小可用agent、构建测试集，以及最关键的一步——先理解真实工作细节再开发产品。

你有没有想过，你花钱雇的很多员工，其实做的都是同一件事，接电话，打字，查系统，然后重复一遍。前台，客服，调度员，跟单专员，这些岗位加起来，可能是全世界最大的一块隐藏成本。而现在，有一群创业者正在做一件很直接的事，把这些重复工作接过去，用 AI agent 来做，然后按劳动力而不是软件的方式收费。

这是 Greg Isenberg 最近在他自己的播客 The Startup Ideas Podcast 里讲的一个判断，他说了一句很直白的话，building agents is the new SaaS，做 agent 就是新时代的 SaaS。他这期节目讲得特别系统，从怎么挑选一个值钱的workflow(工作流)，到怎么定价，到怎么找客户，整套打法他都讲了。我把他这套框架听完之后，想在这里先把他讲的东西梳理一遍，再加上我自己这段时间琢磨出来的一些认知。

卖的不是工具，是工作本身

Greg 讲的第一个核心观点，是产品即工作。传统 SaaS 卖的是软件，你给客户一个工具，客户自己用工具去干活。但 agent SaaS 卖的是工作本身，你直接告诉客户，这份活你的团队不用再手动干了，我们来做。听起来好像只是措辞上的差别，但其实是一次很大的心态转变，不管是对客户来说，还是对做产品的人来说都是。

他举了餐厅的例子。一个餐厅每天最头疼的事，就是饭点电话响个不停，前台在忙着招呼客人，根本没空接电话。客人问的都是差不多的问题，预订被漏掉，私人宴会的电话也接不上，结果就是白白流失掉的生意。

Slang AI 做的就是这件事，它是餐厅的 AI 超级前台，负责接听来电，回答客人问题，处理预订，把 VIP 客人单独识别出来，遇到私人宴会或者投诉这种优先级高的事就提醒员工，还能跟 OpenTable、Yelp 这些系统打通。

另一个例子是家庭服务行业，水管工，暖通空调，屋顶维修，除虫公司，这些行业最常见的问题就是漏接电话，活儿定不下来，客户跟进不到位，调度员忙得团团转。同样的需求量，如果电话能被 24 小时接住，营收自然就上去了。Same Day 做的就是这个，专门为家庭服务公司提供接电话、回短信、订活、改期的 AI 调度员和销售员。

我自己听完这两个例子，觉得它们能打动人的地方，不是技术有多炫，而是特别容易懂。你不需要跟客户解释什么是大模型，什么是 agent 架构，你只要说一句话，我能把这份烦人的活干得比一个新员工好，比一个外包团队快，比多招一个人便宜。这句话谁都听得懂，这也是我认为这类产品最值钱的地方，它绕开了教育市场这个最贵的环节。

想清楚一件事，这个workflow到底值不值得做成 agent

光有一个方向还不够，Greg 给了一个很具体的筛选方法，找到一个值钱的workflow，前提是这份工作背后已经有人在为它付工资。如果一份工作已经有人在给员工发钱，给外包公司发钱，给前台，给调度员，给协调员发钱，那这里面就存在一个机会，用更便宜的方式把这份工作接过来，把人腾出来做更有创造性的事。

一个好的 agent workflow，他总结了五个特征。

第一，这件事发生得足够频繁，每天发生是好的，每小时发生更好，比如每一条入站线索，每一通电话，每一张工单，每一次报价请求，每一个预约，每一笔订单。

第二，它要有清楚的完成标志，活儿订上了，工单被分类了，退款批下来了，供应商被约上了，客户拿到了有用的答案，这种一眼就能判断做没做完的事。

第三，它要已经接入了软件，能碰到 Gmail、Slack、Shopify、HubSpot、Zendesk、Stripe 这类系统，因为 agent 既需要这些工具去执行，也需要这些系统里的信息作为判断依据。

第四，边缘案例存在，但是可以学习。如果一份工作太简单，靠 Zapier 那种自动化工具就能搞定，没必要上 agent。如果一份工作全靠人的主观判断，第一版 agent 大概率会翻车。真正的甜蜜点，是重复劳动里带着一点判断，判断多到需要 AI 帮忙，又没多到完全没法预测。

第五，买家能真切感受到损失，漏接的电话，回复太慢，流失的线索，空着的日程，花大价钱雇人做的却是低价值的协调工作。

具体怎么落地呢？

他给了一个很实操的做法：挑一个细分领域，写下二十件人们经常抱怨的事。如果是屋顶维修行业，可能是漏接电话，融资问题，保险文书，预约提醒。如果是医美诊所，可能是线索筛选，爽约挽回，会员升级。如果是 Shopify 品牌，可能是退换货，批发线索跟进。然后针对每一件事打分，发生频率多高，痛点有多贵，完成状态好不好判断，需要接入哪些工具，预算掌握在谁手里。这五个维度打完分，你大概就知道该从哪里下手了。

我自己看完这套方法，最大的感受是，它其实是在提醒创业者别一上来就想着造轮子，先去找那个已经有人在付钱、已经很痛、但还没被 AI 碰过的活。这跟我们做产品经常犯的错误正好相反，很多人是先有了技术，再去找场景，而这套方法是反过来的，先找那个已经存在的付费行为，再看 AI 能不能把它做得更便宜更好。

别急着写代码，先蹲在人身边看他怎么干活

这一步是 Greg 反复强调的，也是他说很多创业者会跳过的一步，动手做 agent 之前，先去观察真正在做这份工作的人。定好要做哪份工作之后，不要急着去写 prompt，不要急着去搭代码，先花时间看一个真人怎么把这件事做完，看十到二十个案例，让对方录屏，让对方一边做一边讲解自己在想什么。问对方什么样的案例算简单，什么样的算棘手，做决定之前会先检查什么，容易出错的地方通常在哪里。这个过程你要找的，是那个真实存在的工作流程，而不是你脑补出来的流程。

他举了个特别形象的例子，餐厅前台接到一个问题，几点开门，听起来是个很简单的问题。但真实的工作流程比这深得多，前台知道厨房几点收工，知道哪几张桌子适合带婴儿车的客人，知道露台什么时候关闭，知道怎么招呼 VIP，知道什么情况该转给私人宴会的负责人。他说了一句我很喜欢的话，细节就是产品。这句话我反复琢磨了一下，我觉得这正是很多 AI 产品做不好的原因，大家都盯着那个看得见的问题，几点开门，却忽略了背后那一整套只有真正做这份工作的人才知道的隐性规则。谁能把这些细节挖出来，谁做的 agent 才真正顶用，不然做出来的东西看着像那么回事，实际用起来处处露怯。

挖完这些细节之后，Greg 建议把 agent 的说明书写清楚，他列了七个要素。什么事件会唤醒这个 agent，它需要什么背景信息，它能用哪些工具，哪些事它可以自己拿主意去做，哪些事需要人批准，什么情况下要把人拉进来，以及怎么判断这件事算是做成功了。把这七件事想清楚，你做出来的就不是那种看着热闹、实际没法用的 agent，而是真正靠谱、能稳定交付、甚至比人做得更一致的东西，这才是客户愿意付钱的东西。

从最小可用版本开始，别想着一步做出全自动员工

大部分人一听到 agent，脑子里冒出来的画面是一个完全自主的数字员工，什么都能干。这也是为什么 Twitter 上那么多 agent 演示看着很炫，实际根本没法用，做成生意就更难了。Greg 说，真正该做的是从更小的版本开始，他管这个叫最小可用 agent，MUA。

他给了四种靠谱的第一版形态。

第一种是起草加审批型，agent 读取背景信息，写出回复、报价或者下一步方案的草稿，交给人来批准，这种适合风险比较高、需要一点创意、或者本来就有审批流程的场景。

第二种是分诊型，负责把进来的工作分类，转到对应的地方，是维修请求，是账单问题，还是退款申请。

第三种是协调型，在系统和人之间来回穿梭，查空档，发提醒，追问缺失的信息，让整件事持续往前推进。

第四种是有边界的行动型，能在明确规则下直接做一件具体的事，比如订预约，发跟进消息，处理五十美元以下的退款。他举了个例子，你在 Uber Eats 点的沙拉没送到，系统自动就把钱退给你了，这背后就是一个有边界的行动型 agent 在起作用。

他还提到自己最近看 Anthropic 关于 agent 的一份指南，里面有一个观点他觉得特别关键，很多所谓的 agent 问题，其实一开始更应该被当成workflow来处理。

workflow 走的是一条可预测的路径，而 agent 是在动态做判断，创业者应该先从可预测的路径开始，只有当判断真的能创造价值的时候，才逐步把自主权交给 agent。所以如果是我来做，我会先从一个workflow、一个承诺开始，比如我们帮屋顶维修公司接住漏掉的电话，把靠谱的活订出去，或者我们帮物业公司分诊维修请求，派对的供应商约上，或者我们帮餐厅接预订电话，遇到该转人工的情况就提醒员工。

这就够了，第一天能做到这个程度已经足够，这不光是给自己攒信心，也是在给客户攒信心，因为对大部分客户来说，这是他们第一次为 agent 付钱，他们不需要一上来就是全套，尤其你还不是微软，也不是 Salesforce。

这一部分给我的启发挺大的，我们做产品的时候总有一种冲动，想一次性把所有能力都塞进去，好像功能越全越有说服力。但 Greg 这套逻辑其实是反过来的，先证明一个最小闭环能稳定跑通，再一点点把判断权交出去，这个顺序错了，后面所有的信任都建立不起来。

真正让它变成 SaaS 的，是包在外面那层东西

Greg 有一句话我觉得特别到位，agent 负责干活，但让客户相信这件事的，是包在外面那层东西。他说很多人做出来的只是一个还算酷的自动化脚本，而真正能卖成 SaaS 的产品，区别就在这一层包装上。

客户需要看到日志，需要有审批环节，需要能设置控制规则，需要清楚交接给人工的边界在哪里，需要一个能在上线前测试 agent 的地方，需要知道 agent 为什么做出了这个决定。这层包装才是真正的 SaaS，而 agent 本身其实活在电话系统里，活在收件箱里，活在 Slack 频道里，活在 CRM 里。

所以后台界面可以做得很简单，但客户仍然需要一个控制室的感觉。他举了两个例子，做餐厅电话 agent，控制室里放的可能是通话摘要，预订结果，转接人工的记录。做物业维修 agent，控制室里放的可能是新建的工单，供应商的派单情况，租户的进度更新，业主的审批记录。

这也是为什么评估测试很重要。在你敢承诺自主之前，先做一个小规模的测试集，找五十个真实案例，标出正确答案，五十通电话，五十条线索，或者五十条维修请求，然后让 agent 系统跑一遍，看它分类对不对，问的补充信息对不对，用的策略对不对。这个测试集他形容得很形象，就像健身房，每次你改了 prompt，改了模型，改了工具，改了workflow，都可以让 agent 回到这个健身房里跑一遍，立刻知道好坏。

这套测试集其实还是个很好用的销售工具。他举了个例子，你跟一个物业经理说，我们在你过去五十条维修请求上跑了一遍测试，四十二条分类正确，六条被标记出来需要人工复核，两条出错了，这两条错误的原因是什么，我们又是怎么修复的。这种坦诚反而更容易建立信任，尤其是对那些经营着不那么性感、但确实需要这类 agent 的传统生意的人来说，透明比炫技管用得多。

先把它当劳动力卖出去，再把它做成产品

卖法上，Greg 建议最快的路径是先做试点，人工加 AI 一起把活干出来，再把重复出现的部分产品化。具体做法是先找同一个细分领域里的三个客户，同样的workflow，同样的痛点，然后卖的是结果，而不是工具本身。这个约束一定要收紧，不然结果会很难看。如果你卖的是我们会接住并筛选你漏掉的电话，或者我们会分诊你的维修请求，那收费方式可以是一笔搭建费加一个简单好懂的月费，等你摸清楚价值之后，再往按使用量或者按结果收费的方向走。

他给了几个具体的定价参考，一千五百美元搭建费加一千美元月费只覆盖一个workflow，或者两千美元搭建费加每个合格预约收三十美元，这已经更偏向按结果收费，或者三千美元月费覆盖到五百张工单为止。他说具体价格其实没那么重要，重要的是这个过程里你学到的东西，客户到底看重什么，agent 在哪里容易出错，什么情况需要人工审批，如果把这个东西拿掉客户会最先想念哪一部分。搞清楚这些之后，你就可以围着那个重复出现的模式去把产品做出来了，比如每个屋顶维修公司都需要同样的紧急来电话术，服务区域核实，融资问题解答，报价跟进，这就是一个产品。每个医美诊所都需要线索评分，预约转化，爽约挽回，疗后跟进，这也是一个产品。这就是 agent SaaS，先靠干活挣到做软件的资格。

我自己对这套定价逻辑很有共鸣，尤其是按结果收费这个方向。客户其实不想为多一个账号多付钱，他们想为结果付钱，这个逻辑放在 agent 产品上格外顺，因为 agent 干的本来就是一份具体的活，而不是一个抽象的功能。只是这条路不能一步到位，得先经历前面那个学习的过程，把价值摸透了，价格才能定得准。

分销靠的是把旧世界的痛苦拍给人看

找到客户这件事上，Greg 提到眼下最有效的打法是workflow拆解式的内容，把旧的做法拍出来，一个电话打进来没人接，客户转头打给了下一家，或者客服接起来问五个问题，翻日历，查服务区域，订下工作，写备注，发提醒，结果还是忘了跟进，老板和经理看着这一幕心态直接崩掉。然后再把 agent 的做法拍出来，电话进来，agent 接起来，问对问题，核实服务区域，判断紧急程度，把预约订上，更新 CRM，发确认信息，遇到边缘情况转人工。这类内容之所以管用，是因为看的人真切感受得到那种痛。他说了一句我很认同的话，你要做的是卖止痛药，不是卖维生素。

找到一个workflow之后，就要让整个互联网都把这个workflow跟你的名字连在一起。他建议的做法是做清单，做基准测试，做拆解视频，做五十个这个workflow的案例，靠这些内容站住脚，再把跑得好的内容素材拿去投放广告。他也提到很多人不喜欢做内容，这很正常，但这条路上内容就是绕不开的机会，先从一个平台开始做深,再逐步铺开。

三十天从零到一的节奏

最后 Greg 给了一份很具体的三十天计划。第一天，挑一个漏掉工作就会亏钱的细分领域，家庭服务，物业管理，保险代理这类都算。第二天，采访十个真正做这份工作的人，让他们共享屏幕，把workflow录下来，光是观察就够了，这些人可以付费邀请。第三天，从中挑出一个频率高、痛点明显、能接入现成软件、成功标准清楚的workflow。第四天，把 agent 的说明书写出来，触发条件，背景信息，工具，规则，交接方式，评估方法。第五天，先靠人工加 AI 手动跑一遍，用 Claude 或者 ChatGPT，把背景信息复制进去，生成草稿，让真人审批，这一步是在验证 AI 到底有没有用，而不是急着搭系统。第六天，把最小可用版本做出来，起草审批型或者分诊型通常就够用了。第七天，用五十个真实案例搭出评估测试集。

第二周，在同一个细分领域里卖出两个试点客户。第三周，把包装层加上去，日志，审批环节，设置项，数据看板，交接规则，这一步可以用 AI 工具去搭建。第四周，把workflow拆解内容发出去，把试点案例变成社会认证，同时开始加大内容投入。他特别提到，这整个过程里不是先做完产品再去攒粉丝，而是从第一天起就一直在同步建立自己的受众，等到第四周结束，你大概会摸清楚哪些内容形式管用，钱该往哪里投，进入第二三个月就该去算获客成本和客户终身价值了，然后持续往下滚动。

我自己的一些想法

听完整期节目，我最大的感受是，这套框架把 agent 创业这件事拆解得极其具体，具体到你听完就知道第一步该干什么，这在一堆讲概念、讲愿景的内容里其实挺少见的。

我自己比较认同的一点是，他反复强调先去干活，再去做软件，这个顺序特别关键。很多做 AI 产品的团队，包括我自己接触过的不少项目，习惯性地会先把技术能力堆出来，再去找一个场景往上套，结果做出来的东西技术上很漂亮，但客户压根感觉不到那份实实在在的痛被解决了。而 Greg 讲的路径完全反过来，先蹲在真人身边看他怎么干活，把那些藏在细节里的判断逻辑一条条挖出来，等你真的理解了这份工作，agent 才有可能做得像样。这也是我特别认同细节就是产品这句话的原因，很多所谓的 agent 产品失败，不是因为模型不够聪明，而是团队压根没把那份工作的真实颗粒度摸透。

另外一点我想多说两句，是关于劳动力这个市场规模的判断。Greg 提到 SaaS 卖的是工具，市场天花板是企业的软件预算，而 agent 卖的是劳动力，对应的是全球人力成本这个大得多的盘子。这个视角我觉得解释了为什么这一波创业热潮跟当年 SaaS 崛起感觉不一样，SaaS 时代大家卖的还是效率提升，是锦上添花，而 agent 卖的是直接替代掉一份工资，这个购买决策对企业主来说反而更好算账，多花一个人的钱，还是少花大半个人的钱换到同样甚至更好的结果，这笔账很容易算清楚。

我也在想，这套打法为什么特别适合那些看起来不性感的传统行业，屋顷维修，物业管理，餐饮，家庭服务。恰恰是因为这些行业的workflow足够重复，足够可预测，又确实存在需要一点判断的边缘情况，这正好卡在纯自动化工具做不了、纯人工又太贵的那个中间地带。而这些行业的老板，往往对漏接电话、流失客户这种痛感受得最直接，你不需要给他们讲什么大模型的原理，你只要让他们看一眼旧做法和新做法的对比，他们自己就会算账。

最后我自己再补一句认知，Greg 在结尾说的那句话我印象很深，软件正在从帮你干活，变成替你干活。我觉得这句话背后其实还有一层没有被充分展开的意思，就是当软件真的能替你干活的时候，产品的核心竞争力就不再是界面做得好不好看，而是这套系统对一份具体工作理解得够不够深，能不能在关键的判断点上做出跟真人一样靠谱、甚至更稳定的选择。这也意味着未来做 agent 产品的团队，光懂技术是不够的，你得真的花时间去理解一个行业里那些没被写下来的规矩，这些东西恰恰是最难被复制，也是最值钱的部分。