SaaStr 创始人 Jason Lemkin 近期分享了一个颠覆性的案例：他们利用 Replit 构建了一位名为 Qbee 的 AI 客户成功副总裁。这个系统在零工程师参与的情况下，将人力投入削减了 70% 以上，同时使客户登录和任务提交量翻了 10 倍。文章深入剖析了 Qbee 从一个简单的任务管理工具进化为能够处理个性化邮件、追踪任务、生成实时报告的 AI 智能体的全过程。本文将带你了解如何利用 AI 智能体打破客户成功领域中个性化与覆盖率的矛盾，以及非技术团队如何通过 AI 构建出超越传统 SaaS 的定制化解决方案。

SaaStr 创始人 Jason Lemkin 最近分享了一个案例：他们用 Replit 造了一个 AI 客户成功副总裁，名叫 Qbee。零工程师参与，总成本几千美元，所有 AI 应用加起来的 token 消耗不到 200 美元/月。

结果呢？客户管理的人力投入砍了 70% 以上，客户登录和任务提交量翻了 10 倍。而且客户根本没意识到大部分沟通来自 AI——直到 SaaStr 在一场线上研讨会里主动说了出来。

这不是一个实验项目。这是一个管着 100 多个赞助商、每周发个性化邮件、追踪 13 项核心任务、每天给团队推 Slack 报告的生产级系统。到目前为止，SaaStr 总共造了 20 多个 AI 智能体和 12 个以上的应用，累计使用超过 80 万次。但 Jason 说 Qbee 是他们做过的最好的一个。

SaaStr 的 Amelia（左）和 Jason Lemkin（右）——Qbee 的两位”造物主”

01 从一个烂工具说起

故事要从两年前说起。SaaStr 一直在用一个现成的赞助商门户工具——没有 AI 功能，没有单点登录，没法追踪每个客户的独立交付物，连客户有没有登录过都看不出来。

说白了，就是一个静态页面，客户进去提交点东西，没了。没有分析，没有自动化，没有任何智能。你想知道某个赞助商有没有交展台素材？只能手动去查。想知道谁该催了？开个 Excel 看看。

要知道 SaaStr Annual 是全球最大的 B2B SaaS 大会之一，每年超过 12,500 人参加。100 多个赞助商，每个赞助商有不同级别（钻石、白金、金、银），每个级别有不同的交付物——演讲环节、展台设计、营销素材、注册码……管理这些东西的复杂度，远超一般人想象。

今年 1 月，SaaStr 的首席 AI 官 Amelia 的初始目标很简单：在 Replit 上搞一个更好的项目管理工具。加上单点登录，加上任务分配和自动提醒，替换那个破玩意儿。

头几周，Qbee 就是这样——一个好用一点的任务管理工具。但已经比之前的好多了。

然后它上了生产环境，真实数据开始流进来。谁登录了、谁没登录、什么时间段在做什么、哪些任务完全没碰——以前从来没有过这种粒度的可见性。就是在那个时候，他们意识到 Qbee 能做的远不止管任务。

02 顿悟时刻

上线几周后的一个周日晚上，Amelia 坐下来准备写每周赞助商邮件。这件事她做了好几年了——给所有赞助商群发一封通用邮件，列出本周待办，同样的链接，同样的截止日期，零个性化。

然后她看了一眼 Qbee 手里的数据——每个赞助商的级别、合同交付物、哪些任务完成了、哪些没完成、是否有演讲环节、有没有定制展台——突然想到：我为什么还在写这种通用邮件？Qbee 已经什么都知道了。

于是她给 Qbee 加了邮件功能。10 分钟，100 封个性化赞助商邮件全部发完。每封邮件都包含那个赞助商特有的任务状态、专属注册码、专属折扣码、已完成和未完成的交付物，以及根据赞助级别定制的细节。11:11 AM, 11:12 AM，全部搞定。

之前让人来做这件事要多久？整整一周。

算一笔账：100 个赞助商，每个至少 4 个注册码，就是 400 个链接要找。然后检查每个人有没有登录门户，搞清楚他们各自的交付物，再写邮件。Jason 说他们试了好几年让中介团队和制作团队发这种个性化邮件，根本没人愿意干。偶尔有一次做了，花了整整一周，还没做完。

Qbee 每周做，完美无缺，几分钟搞定。这是自动化最典型的场景：人类不是不会做，而是不愿意做，因为太机械、太繁琐、太容易出错。而机器恰恰擅长这个。

前后对比：左边是旧的静态门户工具，右边是 Qbee 发出的个性化邮件流

03 Qbee 现在干什么

对客户（赞助商）来说，Qbee：

— 根据合同和级别分配专属交付物和截止日期

— 在一个地方整理所有上传和输入

— 跟踪时间线并自动推进下一步

— 用真实数据（登录状态、任务进度、合同条款）发送个性化提醒

— 提供专属注册码、折扣码和票务链接

— 管理演讲时段提交（4 个赞助商选了同一个时段？第 5 个进来看到的就是灰色的）

— 处理展台视觉素材提交和截止日期催收

对团队来说，Qbee：

— 实时仪表盘，显示每个赞助商的任务完成情况

— 每天推送 Slack 和邮件更新：谁落后了、谁有风险、谁没登录

— 完全自动化过去需要手动的个性化工作

— 标记待审核的提交（Amelia 现在用 Claude + Illustrator 检查展台视觉稿）

— 本周刚加上的功能：催收逾期款项

举个真实例子。TikTok 之前赞助 SaaStr 伦敦站的时候，提交东西慢得要死——大公司，审批流程长，什么都不按时交。Amelia 记得去伦敦的时候，TikTok 的 logo 和展台素材都还没到。

今年呢？TikTok 一天之内完成了 13 项任务中的 11 项。摩擦消失了。不是 TikTok 突然变勤快了，是 Qbee 把流程做得足够简单——你该做什么、截止日期是什么、链接在哪里，全部推到你面前，点两下就完事了。

04 核心矛盾

客户成功这个领域，核心矛盾一直是个性化和覆盖率的冲突。你想让每个客户觉得自己是唯一的客户，但你有 200 个客户和 4 个 CSM。总有什么得牺牲——几乎每次被牺牲的都是个性化。

AI 智能体打破了这个矛盾。个性化不再需要人力，覆盖率不再受人数限制。一个智能体可以同时给 100 个客户发完全不同的邮件，用的时间跟发一封一样。

SaaStr 从被动式客户成功——群发邮件、把问题转给别人、祈祷客户自己干活——变成了主动式、实时的、7×24 小时的客户运营。不是一个季度一次，而是每一天。

这也是为什么 Jason 拿 QBR（季度业务评审）开涮。”QB” 这个名字部分就是在玩 QBR 的梗。QBR 的问题是什么？所有数据都是过去式。等你开季度会的时候，事情早就发生了。

如果你在”主动、精准、个性化、大规模运营外联”这个维度上衡量产出，智能体几乎总是赢。

Qbee 实时运行。他知道现在正在发生什么。他不等什么神奇的季度窗口打开才浮出洞察。数据在手，随时行动。

Qbee 的实时仪表盘：每个赞助商的任务完成进度一目了然，按级别和完成率排序

05 怎么造的

Jason 分享了 7 个步骤，我觉得对任何想在自己公司复制这件事的人都很有参考价值。

第一步：先写规格说明。在打开 Replit 之前，先把你想要什么写清楚。Amelia 最初的规格说明很基础——用户流程、仪表盘、清单、资源库、上传功能、单点登录。大概覆盖了 Qbee 今天功能的 60%。如果从零写规格说明让你发怵，先在 Claude 里聊，说”我需要一个客户成功门户的规格说明”，然后迭代。

第二步：把规格说明扔进你的编程平台。Replit、Lovable、v0 都行。给智能体你的规格说明加上一些设计参考，然后调设计、测每个功能、接邮件服务（他们用的 Resend）、建数据库、导入内容。

第三步：搞定认证。他们用 Clerk 做单点登录。这是对编程新手来说最难的部分。一个教训：一定要设会话超时。他们第一版没加，一个赞助商登录后保持了 5 天不掉线，最后上传东西的时候后端 session 过期了，直接报错。加了 15 分钟超时后问题消失了。

第四步：先给几个客户用，再扩展。没有一上来就推给 100 个赞助商。Amelia 从每个级别（钻石、白金、金、银）各挑了一个先试。果然出了问题——Salesforce 集成老断线，Clerk 里某些待确认用户收不到邮件。修一个，扩一批，再修，再扩。

这里有个关键点：客户每周都在提新需求。他们要邮件营销文案，要社交信息区，要通过门户提交展台方案而不是发邮件给我们，要完整的演讲提交流程。

全加了。有时候当天就加上去了。这才是自建工具的超能力——你不用说”不在路线图上”。用现成 SaaS 的时候，你只能提个 feature request 然后等，等半年，等一年，等到忘了。自己造的？你走进 Replit，跟智能体描述一下需求，下午就上线了。

06 从工具到智能体

这是 Qbee 从”项目管理工具”进化成”AI 客户成功副总裁”的关键一步。一旦真实客户数据开始在你的应用里流动——登录记录、任务完成情况、使用模式——你就可以基于这些数据自动执行操作了。

这就像给你的 SaaS 装上了一个自主神经系统。你不用告诉心脏什么时候跳，它自己跳。同样的道理，你不用告诉 Qbee 什么时候该催某个赞助商——它看到任务逾期了，自己就发邮件了。

Qbee 的智能体能力是一层一层叠加上去的：

第一层：每周给每个赞助商发个性化邮件

第二层：根据客户是否完成任务触发自动操作

第三层：给内部团队生成实时报告和缺口分析

第四层：主动外联——截止日期催促、逾期催收等

Jason Lemkin 在线分享 Qbee 的构建过程和实战经验

07 安全：智能体跳转

Jason 提到一个很重要的安全原则：永远不要把敏感客户数据直接存在你的智能体里。他们管这叫”智能体跳转”（Agent Hopping）——把数据分散在不同系统中。

Qbee 的客户数据库在 Salesforce 里——合同金额、联系人、交易细节，全在 Salesforce。用户认证数据在 Clerk 里。注册链接从 Misbo 拉。Qbee 需要哪个系统的数据就去调那个系统的 API，而不是把 100 份合同塞在自己的知识库里。每次用的时候实时拉取，用完就丢，不存本地副本。

这就好比一个好的财务总监——他不会把所有客户的银行卡号记在自己的笔记本上，而是需要的时候去财务系统查。数据越集中，你需要的安全审计就越多。能让敏感数据留在成熟的安全系统里，就别搬出来。Amelia 之前没做过 Salesforce 连接应用，她问 Claude 和 Replit 智能体怎么做，20 分钟就搞定了。这就是 2026 年——你不需要是某个领域的专家，你只需要知道怎么问对问题。

08 不是设完就不管

Jason 每次分享这类案例都要强调同一句话：没有”设完就不管”这回事。

你必须每天检查你的智能体。你得审核它的输出。加了新功能，以前能用的东西可能会坏（回归是真的——加个新页面可能莫名其妙把上传按钮搞挂了）。就在发文当天，他们的 Slack 集成发了三次重复更新。

他们的窍门是：让智能体每天给你发一封邮件状态汇报。你在客户找上门之前就能在邮件里看到哪里出了问题。

管一个 AI 副总裁，跟管一个人类副总裁没什么两样——你不会招了一个 VP 就再也不看他的工作吧？区别在于，AI 副总裁不会抱怨加班，不会请病假，不会忘记跟进某个客户。但它也不会自己意识到策略有问题。所以你得盯着。

09 人还是不能丢

Jason 特别强调了一点：他们没有把客户完全扔给 AI。

10 万美元平均单价的客户，仍然是定制化流程。Amelia、David 和 Jason 本人都还参与其中。每封 Qbee 发出的邮件他们都抄送了。客户回复的时候，有时候是人回。Jason 上周打了 10 个赞助商电话，这周还会再打 10 个。钻石级赞助商每周跟他们开会。Google 团队喜欢用 Google Meet，Salesforce 喜欢用 Slack——你去客户在的地方。

Qbee 处理的是 95% 可以自动化的部分——个性化任务邮件、截止日期提醒、状态追踪、缺口分析。这些释放出来的时间，让人可以更快地回应战略问题、创意讨论和需要人类判断的复杂问题。

客户喜欢这种组合。他们需要人的时候能找到人。90% 的运营事务有一个更快、更准、24 小时在线的智能体在处理。而且因为 Qbee 释放了团队的时间，他们反而可以在高价值的互动上做得更好——之前忙着找链接、发邮件、对 Excel 的时间，现在可以用来真正帮客户做创意方案。

10 对我们意味着什么

Qbee 的故事不是一个”AI 取代人”的故事。它是一个”非技术团队用 AI 造了一个比 SaaS 更好的东西”的故事。

想想看：一个没有工程师的团队，花几千美元，在 Replit 上造出了一个管 100 多个大客户的系统，客户满意度不降反升，人力投入砍七成。而且客户要什么功能，当天就能加。这对整个现成客户成功软件市场意味着什么？

Jason 的判断很直接：如果你现在的客户成功软件运行良好、覆盖率 100%、完全个性化——别折腾了。90% 买现成的，10% 自己造。

但如果你有缺口——你几乎肯定有——这是最容易用 AI 填补的地方之一。现成的客户成功软件？中庸、难配置、老旧。你能造一个更好的，完全贴合你的业务，而且客户要什么功能当天就能交付。不需要工程师，不需要产品经理，只需要一个真正了解客户痛点的人坐在 Replit 前面。

我自己最大的感触是：AI 智能体的真正力量不在于它能”思考”，而在于它能不知疲倦地执行那些人类不愿意做、做不好、或者做不过来的事。400 个链接要找？没人愿意干。但 Qbee 愿意，而且每次都做得很完美。

这件事真正的门槛不是技术，而是有没有人愿意每天管它。Jason 说得好：如果你的公司连一个人都找不到来每天花 30 分钟检查智能体的输出，那你还没准备好。但如果你找得到这个人——恭喜，你可能正坐在一个巨大的效率杠杆上。

我觉得 Qbee 最有意思的地方是它的演化路径。它不是一开始就被设计成”AI 副总裁”的。它是从一个很普通的需求出发——”我们需要一个不烂的门户”——然后在实际使用中，一层一层长出了智能体能力。这才是 AI 落地最务实的方式：不要一上来就想造一个全能管家，先解决一个真实的痛点，然后让数据告诉你下一步做什么。

数据来源：Jason Lemkin (@jasonlk), “How We Built Our AI VP of Customer Success, Qbee”, X Article, April 2026