https://www.ygaixiao.top/tags/%E5%B0%8F%E5%85%AC%E5%8F%B8/Recent content in 小公司 on 集洲无水 | AI 落地实战笔记Hugo -- gohugo.iozh-cnTue, 19 May 2026 00:00:00 +0000https://www.ygaixiao.top/p/%E5%B0%8F%E5%85%AC%E5%8F%B8ai%E8%90%BD%E5%9C%B0%E8%B4%A6%E6%9C%AC%E4%B8%80%E5%B9%B4%E8%8A%B1%E4%BA%86%E4%B8%8D%E5%88%B05000%E5%9D%97%E8%87%AA%E5%8A%A8%E5%8C%96%E8%A6%86%E7%9B%96%E4%BA%8680%E7%9A%84%E9%87%8D%E5%A4%8D%E5%B7%A5%E4%BD%9C/Tue, 19 May 2026 00:00:00 +0000https://www.ygaixiao.top/p/%E5%B0%8F%E5%85%AC%E5%8F%B8ai%E8%90%BD%E5%9C%B0%E8%B4%A6%E6%9C%AC%E4%B8%80%E5%B9%B4%E8%8A%B1%E4%BA%86%E4%B8%8D%E5%88%B05000%E5%9D%97%E8%87%AA%E5%8A%A8%E5%8C%96%E8%A6%86%E7%9B%96%E4%BA%8680%E7%9A%84%E9%87%8D%E5%A4%8D%E5%B7%A5%E4%BD%9C/ <blockquote> <p><strong>结论先行</strong>：我们是一家不到20人的小团队，用OpenClaw（AI Agent框架）+ New API（多模型调度）+ n8n（工作流引擎）+ FunASR（本地语音转写）这套组合拳，一年总投入不到5000元，把日常办公、数据采集、内容生产、运维监控四大场景的重复性工作自动化率做到了80%以上。关键不是花了多少钱，而是选对了工具栈和落地顺序。</p> </blockquote> <hr> <h2 id="小公司落地ai最大的坑不是技术">小公司落地AI，最大的坑不是技术 </h2><p>市面上讨论AI落地的文章，大多围绕大模型选型、微调训练、知识库搭建这些&quot;技术话题&quot;。但对我们这种小公司来说，<strong>真正的卡点根本不在技术</strong>，而是三个更朴素的问题：</p> <ol> <li><strong>预算有限</strong>——请不起AI工程师，也付不起SaaS年费</li> <li><strong>场景模糊</strong>——知道AI&quot;有用&quot;，但说不清&quot;用在哪、怎么用&quot;</li> <li><strong>期望管理</strong>——老板想一步到位，实际落地需要3-6个月的渐进迭代</li> </ol> <p>这篇文章不讲技术细节，只讲我们是怎么解决这三个问题的，以及每一笔钱的去向。</p> <h2 id="我们的ai工具栈和成本清单">我们的AI工具栈和成本清单 </h2><p>先看全貌：</p> <table> <thead> <tr> <th>工具/服务</th> <th>用途</th> <th>部署方式</th> <th>年成本</th> </tr> </thead> <tbody> <tr> <td>火山引擎ECS（4核4G）</td> <td>OpenClaw + Docker + 反向代理 + 静态站</td> <td>云服务器</td> <td>99元</td> </tr> <tr> <td>New API</td> <td>多模型统一网关，按需调GPT/DeepSeek/Kimi等</td> <td>Docker自部署</td> <td>0元（按Token用量单独付费给模型方）</td> </tr> <tr> <td>n8n</td> <td>可视化工作流引擎，串联多个自动化环节</td> <td>Docker自部署</td> <td>0元</td> </tr> <tr> <td>OpenClaw</td> <td>AI Agent执行框架，接收指令直接操作服务器</td> <td>Docker自部署</td> <td>0元</td> </tr> <tr> <td>FunASR</td> <td>本地语音转写，会议录音/客户通话自动转文字</td> <td>本地部署</td> <td>0元</td> </tr> <tr> <td>Hugo</td> <td>静态博客，内容营销和SEO获客</td> <td>云服务器</td> <td>0元</td> </tr> <tr> <td>大模型API调用</td> <td>GPT-4o-mini / DeepSeek-V3 / Kimi等</td> <td>API按量付费</td> <td>约3000-4000元/年</td> </tr> <tr> <td>域名 + 证书</td> <td>ygaixiao.top，Let&rsquo;s Encrypt自动续签</td> <td>云服务器</td> <td>约50元/年</td> </tr> <tr> <td><strong>合计</strong></td> <td></td> <td></td> <td><strong>约3150-4150元/年</strong></td> </tr> </tbody> </table> <blockquote> <p>这张表就是我们全部的AI基础设施。没有SaaS订阅费，没有自建GPU集群，没有专职AI工程师。</p> </blockquote> <h2 id="钱花在哪了成本结构分析">钱花在哪了：成本结构分析 </h2><table> <thead> <tr> <th>成本类别</th> <th>年费用</th> <th>占比</th> <th>说明</th> </tr> </thead> <tbody> <tr> <td>云服务器</td> <td>99元</td> <td>2%</td> <td>火山引擎活动价，续费同价锁定3年</td> </tr> <tr> <td>域名</td> <td>50元</td> <td>1%</td> <td>.top域名，已备案</td> </tr> <tr> <td>大模型API</td> <td>3000-4000元</td> <td>85%</td> <td>最大开销，但按需付费不浪费</td> </tr> <tr> <td>其他（工具、杂项）</td> <td>0-1000元</td> <td>12%</td> <td>开源工具为主，偶有付费插件</td> </tr> </tbody> </table> <p><strong>核心发现：小公司AI落地的主要成本就是模型API调用费，基础设施几乎可以忽略不计。</strong></p> <p>这里有一个关键认知：<strong>你不需自建模型，也不需微调</strong>。直接调用商业API，选对模型匹配任务复杂度，成本控制的空间很大。我们内部有一条简单的模型调度策略：</p> <table> <thead> <tr> <th>任务复杂度</th> <th>选用模型</th> <th>单次成本（估）</th> </tr> </thead> <tbody> <tr> <td>简单提取/格式转换</td> <td>GPT-4o-mini / DeepSeek-V3</td> <td>&lt;0.01元</td> </tr> <tr> <td>内容生成/总结分析</td> <td>GPT-4o / Kimi</td> <td>0.05-0.2元</td> </tr> <tr> <td>复杂推理/代码生成</td> <td>GPT-4o / Claude</td> <td>0.1-0.5元</td> </tr> <tr> <td>图像生成</td> <td>即梦API / GPT-Image</td> <td>0.1-1元/张</td> </tr> </tbody> </table> <p>通过New API统一网关调度，不同任务自动路由到不同模型，既保证效果又控制成本。</p> <h2 id="落地顺序先吃肉再啃骨头">落地顺序：先吃肉，再啃骨头 </h2><p>我们不是一开始就铺开全栈的，而是按&quot;投入产出比&quot;排序，分四个阶段渐进落地：</p> <h3 id="第一阶段第1-2个月立竿见影的自动化">第一阶段（第1-2个月）：立竿见影的自动化 </h3><p><strong>目标</strong>：让团队最快感受到AI的价值，建立信任。</p> <p>落地场景：</p> <ul> <li>会议录音自动转文字（FunASR本地部署，零API成本）</li> <li>日报/周报自动生成（从云文档变更记录提取，结构化输出）</li> <li>竞品信息定时采集（OpenClaw定时爬取，变动推送到群聊）</li> </ul> <p>这一阶段的特点是<strong>见效快、门槛低</strong>，不需要写代码，配置好工具就能跑。</p> <h3 id="第二阶段第3-4个月流程串联">第二阶段（第3-4个月）：流程串联 </h3><p><strong>目标</strong>：把零散的自动化任务串联成工作流。</p> <p>落地场景：</p> <ul> <li>内容生产流水线：选题→写作→SEO优化→发布→分发，一条龙</li> <li>数据报表自动化：多源数据拉取→清洗→生成图表→定时推送</li> <li>客户跟进记录同步：微信聊天记录提取→关键信息总结→写入CRM系统</li> </ul> <p>这一阶段用n8n工作流引擎串联各个环节，<strong>效率提升体现在流程衔接上，而不是单点加速</strong>。</p> <h3 id="第三阶段第5-6个月主动式自动化">第三阶段（第5-6个月）：主动式自动化 </h3><p><strong>目标</strong>：从&quot;你问它做&quot;变成&quot;它主动帮你盯着&quot;。</p> <p>落地场景：</p> <ul> <li>服务器健康巡检：定时检查CPU/内存/磁盘/证书，异常自动告警</li> <li>业务数据阈值监控：关键指标超标自动报警并生成简报</li> <li>多平台内容分发：一篇文章自动同步到多个渠道</li> </ul> <p>这一阶段的特征是<strong>AI从被动响应变成主动服务</strong>。</p> <h3 id="第四阶段持续业务深度集成">第四阶段（持续）：业务深度集成 </h3><p><strong>目标</strong>：AI从&quot;工具&quot;变成&quot;业务环节&quot;。</p> <ul> <li>客服咨询自动应答（RAG + 产品知识库）</li> <li>自动化审批/工单流转（IM指令→OA操作→结果回传）</li> <li>智能选品评估（多维度分析+报告生成）</li> </ul> <h2 id="实际效果80的重复工作被自动化覆盖">实际效果：80%的重复工作被自动化覆盖 </h2><p>按工作类型统计：</p> <table> <thead> <tr> <th>工作类型</th> <th>原耗时（估）/周</th> <th>自动化后耗时</th> <th>节省比例</th> </tr> </thead> <tbody> <tr> <td>日报/周报生成</td> <td>3小时</td> <td>20分钟</td> <td>89%</td> </tr> <tr> <td>会议纪要整理</td> <td>4小时</td> <td>30分钟</td> <td>88%</td> </tr> <tr> <td>数据采集与报表</td> <td>5小时</td> <td>1小时</td> <td>80%</td> </tr> <tr> <td>内容写作与发布</td> <td>8小时</td> <td>3小时</td> <td>63%</td> </tr> <tr> <td>竞品监控</td> <td>2小时</td> <td>0（自动）</td> <td>100%</td> </tr> <tr> <td>服务器运维</td> <td>3小时</td> <td>0.5小时</td> <td>83%</td> </tr> <tr> <td>客户跟进记录</td> <td>2小时</td> <td>30分钟</td> <td>75%</td> </tr> <tr> <td><strong>合计</strong></td> <td><strong>27小时</strong></td> <td><strong>5.5小时</strong></td> <td><strong>80%</strong></td> </tr> </tbody> </table> <blockquote> <p>注意：这里统计的是&quot;重复性工作&quot;，不包含需要人类判断的决策性工作。AI替代的是执行层，不是决策层。</p> </blockquote> <h2 id="三个最重要的认知">三个最重要的认知 </h2><p><strong>认知一：AI落地的核心不是模型，是场景</strong></p> <p>很多人沉迷于比较哪个模型更强，但对小公司来说，模型的差异远没有&quot;用对场景&quot;重要。一个简单的规则提取任务，即使用最便宜的模型也能做得很好。<strong>先找到痛点，再匹配工具，而不是先买工具再找用途。</strong></p> <p><strong>认知二：自动化是渐进的，不是一步到位的</strong></p> <p>我们从会议转文字这一个点开始，花了6个月才扩展到今天的覆盖面。每自动化一个环节，都会释放出时间去做下一个环节的优化。<strong>先让一个场景跑通跑稳，再复制到下一个。</strong></p> <p><strong>认知三：基础设施越简单，维护成本越低</strong></p> <p>我们全部基础设施跑在一台99元的服务器上，没有K8s集群，没有微服务架构，没有自建模型。简单意味着稳定，稳定意味着省心。<strong>小公司的技术栈应该追求&quot;够用就好&quot;，而不是&quot;技术栈要酷&quot;。</strong></p> <h2 id="常见问题">常见问题 </h2><p><strong>Q：没有技术团队能落地吗？</strong> A：第一阶段（会议转文字、日报生成、数据采集）基本不需要写代码，配置开源工具即可。从第二阶段开始需要一些技术能力，可以找外部支持。</p> <p><strong>Q：数据安全怎么保障？</strong> A：语音转写在本地完成，数据不出内网；服务器端的数据在你自己的云服务器上，不经过第三方。模型API调用时注意不要发送敏感信息即可。</p> <p><strong>Q：如果团队只有几个人，值得搞吗？</strong> A：人越少，每个人的时间越值钱。自动化替代的是重复劳动，5人团队省出每人每周5小时，相当于多了0.6个人。算算时薪就知道了。</p> <p><strong>Q：这套方案能复制到其他行业吗？</strong> A：工具栈是通用的，但落地场景需要结合具体业务。核心方法论不变：先梳理重复性工作清单，按投入产出比排序，逐个自动化。</p> <p><strong>Q：最大的隐性成本是什么？</strong> A：前期选型和调试的时间。工具本身便宜甚至免费，但&quot;搞清楚怎么用&quot;需要投入时间。这也是很多人半途而废的原因——不是贵，是折腾不动。</p> <p>希望这篇文章对你有帮助。如果你在实践中遇到问题，欢迎交流讨论，我的微信：18010612009（杨哥）。</p>