怎么搭建一家跨境 AI 公司？
真正的跨境 AI 公司，不是多开几个 ChatGPT 账号，而是把岗位、数据、Skill、Agent 和协同系统重新组织一遍。
真正的跨境 AI 公司，不是多开几个 ChatGPT 账号，而是把岗位、数据、Skill、Agent 和协同系统重新组织一遍。
很多跨境卖家已经开始用 AI。
但大部分人的使用方式，还停留在第一层：和 AI 对话。
比如让它写一段 Listing，翻译一封邮件，整理一个表格，想几个广告标题。
再往前一步，有些人开始用 Codex 或 Claude Code，让 AI 进入自己的电脑、文件夹和项目里，帮自己处理更复杂的事情。
比如批量分析评论、整理关键词、生成报告、写脚本、做网页、做公众号排版。
再深入一点，真正有价值的东西就出现了：把这些重复流程做成 Skill。
运营有运营的 Skill。
推广有推广的 Skill。
产品经理有产品经理的 Skill。
财务和库存也有自己的 Skill。
这些 Skill 不只是提示词，而是公司经验的沉淀。
以前一个老运营的经验，可能存在脑子里、微信里、Excel 里。
现在它可以被整理成一套可重复调用的工作 SOP。
但今天我们想聊更高一层：
有没有可能搭建一家自动化程度很高的跨境 AI 公司？
我的判断是：有可能。
但前提是你不能一上来就幻想“无人公司”。
更现实的路径，是先搭一个跨境 AI 小组。
一个小组跑通之后，再复制成多个小组。最后，公司才有可能从“人盯人做事”，慢慢变成“人定目标，Agent 执行，系统跟踪，负责人复盘”。
本文你会看到
- 跨境卖家使用 AI 的五个层级
- 为什么 Skill 会变成公司的资产
- 一个跨境 AI 小组应该有哪些数字员工
- 每个员工应该配什么 Skill、飞书空间和多维表
- Hermes Agent 如何通过飞书消息驱动整条链路
- 搭建 AI 公司的边界：哪些能自动化，哪些必须人来负责
一、先别急着喊“无人公司”
我更愿意用一个词：
无人值守，不是无人负责。
无人值守的意思是：
很多任务可以由 Agent 在后台持续执行。
它可以接收飞书消息，可以读取多维表任务，可以调用 Skill，可以查资料，可以生成报告，可以把结果回填到协同系统。
但无人负责是不现实的。
公司仍然需要有人定义目标、配置权限、判断风险、确认策略、处理异常、承担结果。
AI 不是把管理者拿掉，而是把大量重复执行、重复整理、重复分析的工作拿掉。
所以我们搭建跨境 AI 公司时，不能从“我要不要裁掉人”开始想。
应该从另一个问题开始：
我现在公司的岗位、流程、数据和经验，能不能被拆成一个个可调用的工作模块？
这才是关键。
二、跨境卖家用 AI，大概有五个层级
很多人觉得自己已经在用 AI。
但“用 AI”和“AI 化运营”是两回事。
我把它分成五个层级。
第一层：对话层
这是最常见的用法。
你打开 ChatGPT、Claude 或 Gemini，问它一个问题，让它写一段内容。
这一层的价值有，但不稳定。
因为它依赖个人提问能力，也依赖个人临场发挥。
今天你问得好，结果就好一点。
明天换一个人问，输出可能完全不一样。
所以这一层适合入门，但很难成为公司资产。
第二层：工具执行层
再往前一步，是让 Codex、Claude Code 这类工具进入工作环境。
它不只是回答问题，而是能读取文件、修改文件、运行脚本、生成网页、处理表格。
这一步对跨境卖家很重要。
因为跨境运营里有大量文件型工作：
关键词表。
广告报表。
Listing 文案。
图片策划表。
A+ 模板。
竞品分析报告。
库存和财务数据。
当 AI 可以真正进入这些文件，它就不再只是一个聊天工具，而是一个执行助手。
第三层：Skill 资产层
再往前，就是把稳定流程做成 Skill。
Skill 可以理解成“可重复调用的工作 SOP”。
比如：
一个产品经理选品 Skill。
一个 ABA 关键词细分市场分析 Skill。
一个 Sif 多变体自然位分析 Skill。
一个 Listing 优化 Skill。
一个广告复盘 Skill。
一个旗舰店策划 Skill。
一个库存风险分析 Skill。
当这些 Skill 越来越多，公司就不只是拥有“会用 AI 的人”，而是拥有了一套 AI 可调用的流程资产。
这一步非常关键。
因为公司真正值钱的，不是某个人会问几个提示词，而是组织经验能不能沉淀下来。
第四层：Agent 协同层
有了 Skill 之后，就可以进入 Agent 协同。
单个 Skill 解决的是一个任务。
Agent 解决的是一条流程。
比如你在飞书群里说：
“帮我调研一下 dash camera 这个方向，判断是否值得测品。”
Agent 不应该只回复一段泛泛分析。
它应该拆任务：
先让产品经理 Agent 做榜单和关键词调研。
再让运营 Agent 做 Listing 和素材方向判断。
再让推广 Agent 估算关键词格局和广告打法。
再让财务库存 Agent 看毛利、库存压力和资金占用。
最后由小组长 Agent 汇总成一份建议报告。
这就是 Agent 协同层。
第五层：自动化公司层
最高一层，才是自动化跨境运营公司。
这不是一个 Agent 单独完成所有事。
而是多个数字员工、多个 Skill、多个数据源、多个飞书多维表、多个审批节点串起来。
它像一个真实公司。
有岗位。
有职责。
有工作流。
有任务状态。
有数据看板。
有审核机制。
有周报月报。
有异常提醒。
只是很多执行动作，不再由人一条条手动完成。
三、先搭一个跨境 AI 小组
如果一上来就想搭“AI 公司”，会很容易失控。
更务实的做法，是先搭一个 AI 小组。
一个小组跑通以后，再复制第二个、第三个小组。
下面是一个最简单的跨境 AI 小组结构。
四、AI 小组思维导图
小组成员 1：产品经理 A
产品经理 A 负责前端机会判断。
它不是负责“拍脑袋选品”，而是负责把产品机会拆成数据和结论。
技能树：
- 榜单选品
- 关键词选品
- 细分市场深入调研
- 竞品结构拆解
- 评论痛点总结
- 产品机会评分
- 测品建议报告
专属飞书空间：
- 产品机会库
- 竞品资料库
- 关键词调研库
- 产品会议纪要
专属多维表：
- 选品候选池
- 关键词机会表
- 竞品监控表
- 产品评审表
产品经理 A 的目标不是直接告诉你“这个品一定能做”。
它的目标是把机会说清楚：
这个市场多大？
竞争结构怎么样？
头部垄断强不强？
关键词有没有切入口？
买家痛点是否集中？
我们有没有供应链或运营优势？
如果这些问题答不清楚，就不能进入下一环。
小组成员 2：基础运营 B
基础运营 B 负责把产品机会变成可上线的运营资产。
它关注的是 Listing、内容、素材、模板文件和基础运营动作。
技能树：
- 关键词调研
- Listing 文案撰写
- 标题结构优化
- 五点描述优化
- 图片策划
- A+ 策划
- 旗舰店页面初稿
- 模板文件填写
- 评论痛点转卖点
专属飞书空间：
- Listing 文案库
- 图片策划库
- A+ 和旗舰店策划库
- 上架资料库
专属多维表：
- Listing 任务表
- 图片需求表
- A+ 模块表
- 上架资料检查表
基础运营 B 的价值，不是写一段看起来不错的文案。
它应该能把产品经理 A 的报告接住。
比如产品经理 A 发现 dash camera 用户最关心停车监控、夜间画面、安装难度。
运营 B 就要把这些信息转成：
Listing 结构。
图片顺序。
A+ 模块。
FAQ。
说明书优化方向。
这才叫流程衔接。
小组成员 3：高级推广 C
高级推广 C 负责增长和流量。
它不是简单开广告，而是要理解关键词格局、广告架构、预算分配和链接状态。
技能树：
- 推广计划制定
- 关键词格局深入调研
- 广告架构规划
- SP / SB / SBV 组合策略
- 广告报表复盘
- 链接每日跟踪
- 搜索词分层
- 转化问题诊断
- 大促预算模拟
专属飞书空间：
- 推广策略库
- 广告复盘库
- 关键词格局库
- 大促作战室
专属多维表：
- 关键词池
- 广告结构表
- 每日链接监控表
- 推广动作日志
高级推广 C 要回答的问题是：
哪些词值得抢？
哪些词先防守？
哪些词只适合低价测试？
哪些词自然位已经有基础，可以广告加速？
哪些词广告点击很多但转化差，需要回到 Listing 或产品端？
推广不是单点动作，它必须和产品、运营、财务联动。
小组成员 4：小组长 D
小组长 D 是整个 AI 小组的负责人。
它不一定亲自做每个任务，但必须负责审核、推进和复盘。
技能树：
- 任务拆解
- 进度跟踪
- 报告审核
- 跨角色协调
- 周报月报
- 风险提示
- 决策建议
- 上级任务对接
专属飞书空间：
- 小组作战室
- 周报月报库
- 决策纪要库
- 异常问题库
专属多维表：
- 小组任务总表
- 项目推进看板
- 决策记录表
- 异常处理表
小组长 D 的核心不是“更聪明”。
它的核心是“会管理流程”。
它要知道产品经理 A 做到哪了，运营 B 有没有接上，推广 C 有没有给出预算判断，财务库存 E 有没有更新风险。
如果有上级领导，小组长 D 还要根据每周、每月目标，把任务拆给不同数字员工。
这一步非常像真实公司的管理岗位。
区别只是，很多信息整理和催办动作可以自动化。
小组成员 5：财务和库存管理师 E
财务和库存管理师 E 可以被多个小组共用。
因为它处理的是相对标准化的数据分析任务。
技能树：
- 每日库存分析
- 补货风险预警
- 滞销库存识别
- 周度财务分析
- 毛利变化追踪
- 广告花费和利润联动
- 大促库存模拟
- 资金占用分析
专属飞书空间：
- 库存看板
- 财务分析库
- 毛利复盘库
- 补货计划库
专属多维表：
- 库存监控表
- 财务周报表
- 利润测算表
- 补货计划表
跨境公司很容易只盯流量和订单。
但真正决定公司是否健康的，是库存、现金流、毛利和广告效率。
所以 E 这个角色非常重要。
它不一定每天写很多内容，但每天都应该跑数据，发现异常就提醒小组长。
五、一个产品从 0 到 1，怎么在小组里流转？
我们用一个简单场景。
假设老板在飞书群里说：
“帮我分析一下 dash camera 方向，看看能不能做一个测品方案。”
Hermes Agent 收到消息后，不应该直接写一篇大而全的回答。
它应该把任务拆给不同数字员工。
第一步：产品经理 A 做前期调研
A 开始调用选品和市场调研 Skill。
它会做榜单扫描、关键词初筛、细分市场判断、竞品结构拆解、评论痛点总结。
最后输出一份初步报告。
报告里至少要回答：
- 这个方向的主要需求是什么？
- 核心关键词有哪些？
- 竞争是否过于集中？
- 头部产品主要靠什么卖点？
- 买家差评集中在哪些问题？
- 我们是否有切入角度？
- 建议继续推进、暂缓还是放弃？
这份报告会写入产品机会库，也会同步到飞书多维表。
小组长 D 会收到提醒。
第二步：小组长 D 判断是否推进
D 不是简单看报告字数。
它要看证据链是否完整。
比如 A 说“市场有机会”，那机会来自哪里？
关键词增长？
竞品差评集中？
头部产品弱点明显？
价格带有空位？
供应链能做差异？
如果证据不够，D 会把任务退回给 A 补充。
如果证据足够，D 才会把任务推进给运营 B。
第三步：运营 B 做上架和内容方案
B 接到任务后，开始围绕测品方案做运营资产。
它会输出：
- Listing 初稿
- 核心关键词嵌入逻辑
- 图片策划顺序
- A+ 模块结构
- 旗舰店或品牌页面方向
- 产品说明书和 FAQ 建议
- 上架资料缺失清单
B 的工作重点，是把市场机会翻译成买家能看懂的内容。
如果 A 发现用户怕安装复杂，B 就要在图片、五点、FAQ 里解决安装疑虑。
如果 A 发现用户关心夜间画质，B 就要把这个点放到图片和文案结构里，但前提是产品能力真实存在。
第四步：推广 C 做流量和广告模拟
C 接到 B 的内容方案后，会开始看推广路径。
它会判断：
- 哪些关键词适合冷启动？
- 哪些词竞争太强，不适合一开始硬打？
- 哪些长尾词更容易拿转化？
- 广告结构应该按词根、场景还是竞品分组？
- SP、SB、SBV 是否要一起上？
- 预算应该分成测试预算、防守预算和放量预算吗？
- 如果大促临近，要不要提前加预算占坑？
这里的关键是：
推广 C 不是孤立开广告。
它要结合产品经理 A 的市场判断、运营 B 的内容结构、财务 E 的利润和库存约束。
如果流量很好，但毛利太薄，C 不能盲目建议加预算。
如果转化率可能不足，C 也不能只靠广告硬推。
第五步：财务库存 E 做测算和风险提示
E 会把成本、售价、广告预算、库存周期、补货周期、毛利空间等信息接进来。
它要回答：
- 测品阶段最多能承受多少广告花费？
- 如果转化低于预期，亏损边界在哪里？
- 大促前库存是否足够？
- 补货周期是否会导致断货？
- 哪些 SKU 会占用现金流？
- 如果推广成功，供应链能不能跟上？
很多跨境项目死掉，不是因为没有订单，而是因为库存和现金流失控。
所以 E 必须进入流程。
第六步：小组长 D 汇总成决策报告
最后，D 会把 A、B、C、E 的结果合并。
形成一份结构化报告：
- 是否建议测品
- 推荐测品路径
- 上架准备清单
- 内容和素材风险
- 广告启动方案
- 财务和库存边界
- 需要老板确认的问题
- 下一步任务分配
这份报告不是聊天记录。
它应该是可以直接进入决策会的文档。
六、飞书多维表为什么重要？
如果只有聊天，Agent 很容易失控。
因为聊天是流动的。
今天说了什么，明天就被淹没了。
跨境 AI 小组必须有结构化协同系统。
飞书多维表的价值在这里：
它可以把每个任务变成一条记录。
每条记录有负责人、状态、截止时间、输入文件、输出报告、风险等级、下一步动作。
Agent 可以读表，也可以写表。
人也可以随时查看进度。
比如一个产品机会，从最初进入候选池开始，就可以有这些状态：
- 待调研
- 产品经理调研中
- 小组长审核中
- 运营方案准备中
- 推广方案准备中
- 财务库存测算中
- 等待老板确认
- 已进入测品
- 暂缓
- 放弃
这比在群里来回问“这个产品现在到哪一步了”高效得多。
Agent 要能自动干活，前提是任务状态必须结构化。
没有多维表，Agent 就像一个记忆很差的实习生。
有了多维表，它才有工作台。
七、Hermes Agent 怎么驱动这个小组？
我们现在设想一个真实调用方式。
你在飞书群里说：
帮我分析调研一下 dash camera 这个产品方向，判断是否值得测品，并给出下一步任务安排。
Hermes Agent 收到后，可以按下面流程执行。
1. 识别任务类型
它先判断这是一个“产品机会评估”任务。
所以主责员工是产品经理 A。
但因为这个任务会影响上架、推广和财务，所以后续需要 B、C、E 参与。
2. 创建项目记录
Agent 在飞书多维表里创建一条新项目：
- 项目名称：dash camera 测品评估
- 当前阶段：产品经理调研中
- 主负责人：产品经理 A
- 协作人：运营 B、推广 C、财务库存 E、小组长 D
- 截止时间：按公司规则自动生成
3. 调用对应 Skill
产品经理 A 开始调用选品调研 Skill。
它会按 SOP 拉取需要的数据，整理报告。
如果缺资料，它不会硬编，而是写入“缺失信息”字段。
比如：
- 供应链成本缺失
- 样品参数缺失
- 后台真实广告数据缺失
- 目标价格带待确认
4. 回填报告和任务状态
A 完成报告后，Agent 把报告链接写回多维表。
状态改成“小组长审核中”。
同时在飞书群里提醒 D：
“dash camera 初步调研已完成，请审核是否进入测品方案阶段。”
5. 小组长审核后继续分派
如果 D 判断可以推进，Agent 再自动生成运营 B、推广 C、财务 E 的子任务。
每个子任务都有明确输入和输出。
不是一句“你也看一下”。
而是：
B 输出 Listing 和素材需求。
C 输出推广模拟和关键词分层。
E 输出毛利、库存和预算边界。
6. 最终生成汇总报告
所有子任务完成后，D 调用汇总 Skill。
最后生成一份决策报告，并发送到飞书群：
“dash camera 测品评估已完成，建议进入小规模测试 / 暂缓 / 放弃。核心理由如下……”
这就是一个最小可用的跨境 AI 小组。
八、这套系统的关键不是 Agent，而是 Skill
很多人会把注意力放在 Agent 上。
但我觉得更核心的是 Skill。
Agent 像员工。
Skill 像岗位 SOP。
多维表像项目管理系统。
飞书群像沟通入口。
数据源像公司的信息管道。
如果没有 Skill，Agent 就只能临场发挥。
临场发挥的问题是：
今天输出很惊艳，明天可能跑偏。
这个产品分析很细，另一个产品可能漏掉关键维度。
这个运营会写得好，那个运营不知道要检查合规边界。
所以公司要做的，不是天天研究新模型，而是把自己的工作经验拆成 Skill。
比如产品经理的 Skill：
- 榜单选品 Skill
- 关键词选品 Skill
- 细分市场调研 Skill
- 竞品评论分析 Skill
- 产品机会评分 Skill
运营的 Skill：
- Listing 优化 Skill
- 图片策划 Skill
- A+ 策划 Skill
- 旗舰店创建 Skill
- 模板文件填写 Skill
推广的 Skill：
- 关键词格局调研 Skill
- 广告结构规划 Skill
- 搜索词报告复盘 Skill
- 大促推广计划 Skill
- 链接每日复盘 Skill
财务库存的 Skill：
- 库存风险分析 Skill
- 毛利测算 Skill
- 补货建议 Skill
- 广告花费利润联动分析 Skill
- 周度财务复盘 Skill
这些 Skill 越多，公司越像一家公司。
否则，它只是几个会聊天的机器人。
九、什么时候可以尝试“无人值守”？
不是所有任务都适合无人值守。
我建议按风险分三类。
低风险任务：可以先自动化
比如：
- 每日库存预警
- 广告数据初步汇总
- 竞品价格监控
- 评论新增摘要
- 关键词排名记录
- 周报初稿生成
- 飞书多维表状态更新
这些任务可以让 Agent 先跑。
人只需要看异常和结论。
中风险任务：Agent 先做，人来确认
比如：
- Listing 修改建议
- 图片策划方案
- 广告预算调整建议
- 新品测品判断
- 大促策略建议
- 供应商沟通草稿
这类任务不能让 Agent 直接发布或执行。
它可以出方案，但要人确认。
高风险任务：必须人类授权
比如：
- 大额广告预算变更
- 下单补货
- 调价
- 删除广告活动
- 修改核心 Listing
- 对外合同和付款
- 涉及合规风险的承诺表达
这些动作必须设置权限。
AI 公司不是没有管控。
相反，越自动化，越要重视权限和边界。
十、如果你想开始，可以这样搭第一版
不要一上来搭全公司。
第一版只做三件事。
1. 先选一个岗位
我建议从产品经理或推广开始。
因为这两个岗位的数据密度高，重复分析多，AI 提效明显。
如果你现在最痛的是选品，就先做产品经理 A。
如果你现在最痛的是广告复盘，就先做推广 C。
2. 先做 3 个 Skill
不要一次做 30 个。
先做 3 个最常用的。
比如产品经理方向：
- 关键词选品 Skill
- 竞品评论分析 Skill
- 产品机会评分 Skill
推广方向：
- 搜索词报告复盘 Skill
- 关键词格局分析 Skill
- 广告结构优化 Skill
每个 Skill 都必须能输出稳定格式。
否则后面 Agent 很难串联。
3. 先建一张飞书多维表
不要一上来搞复杂系统。
先建一张任务表，字段可以很简单：
- 任务名称
- 任务类型
- 负责人
- 状态
- 输入资料
- 输出报告
- 风险等级
- 下一步动作
- 更新时间
只要这张表跑起来，你就已经从“聊天式 AI”进入“流程式 AI”了。
十一、可以直接复制的搭建提示词
下面这段可以直接丢给 Codex、Claude Code 或 Hermes Agent，用来帮你设计第一版跨境 AI 小组。
请帮我设计一个跨境电商 AI 运营小组。
背景：
我们是一家跨境电商团队，希望把产品经理、运营、推广、财务库存等岗位的重复工作逐步 Skill 化，并通过飞书多维表和 Hermes Agent 进行任务流转。
请你按照以下结构输出：
1. 小组岗位设计
- 产品经理 A
- 基础运营 B
- 高级推广 C
- 小组长 D
- 财务和库存管理师 E
2. 每个岗位的技能树
请列出每个岗位最应该优先沉淀的 5-10 个 Skill。
3. 每个岗位的飞书空间设计
请说明每个岗位应该有哪些知识库、资料库和报告库。
4. 每个岗位的飞书多维表设计
请给出字段建议，包括任务名称、状态、输入资料、输出结果、负责人、风险等级、下一步动作等。
5. 跨岗位技能链条
请用一个产品从选品到测品的流程举例，说明产品经理、运营、推广、财务库存、小组长之间如何交接。
6. Hermes Agent 调用流程
请设计一个飞书群消息触发流程：
用户在群里说“帮我分析调研一下这个产品”，Agent 应该如何拆任务、调用 Skill、更新多维表、汇总报告。
7. 权限和风险边界
请区分哪些任务可以自动执行，哪些任务必须人类确认，哪些任务必须高权限审批。
要求：
- 不要写空泛的 AI 愿景。
- 所有建议都要能落到跨境电商真实工作流。
- 输出要适合小团队先落地，再复制扩展。
十二、不要误读这件事
最后说几个边界。
第一，AI 公司不是把所有员工替换成 AI。
更准确地说，是把一部分重复执行岗位变成数字员工，把人从低质量重复劳动里释放出来。
第二，Skill 不是提示词收藏夹。
真正的 Skill 应该包含输入要求、分析步骤、数据源、输出格式、风险检查和异常处理。
第三，Agent 不是越多越好。
如果没有清晰岗位和任务状态，Agent 越多，混乱越大。
第四，自动化不是不需要管理。
它更需要管理。
因为你要管理权限、数据、流程、异常和最终责任。
第五，最难的不是技术。
最难的是你自己公司有没有沉淀。
如果一个流程本来就混乱，AI 只会把混乱放大。
如果一个岗位本来就没有 SOP，Agent 也不知道什么叫做好。
所以搭建跨境 AI 公司，表面上是在搭 Agent。
本质上是在重构公司。
结尾
未来的跨境公司，可能不会简单按“多少个员工”来衡量能力。
更重要的是：
你有多少稳定 Skill？
你有多少可调用数据源？
你的任务流能不能被系统追踪？
你的数字员工能不能持续产出？
你的负责人能不能快速复盘和纠偏？
当这些东西慢慢搭起来，一个小团队也可以拥有过去中大型团队才有的运营能力。
但路径一定是从小处开始。
先搭一个岗位。
再做三个 Skill。
再建一张多维表。
再接一个 Agent。
最后，才谈 AI 公司。
跨境 AI 公司不是一夜之间搭出来的。它是把公司经验一点点 Skill 化，再把 Skill 串成流程，最后让 Agent 在流程里稳定工作。
如果你不知道从哪里开始，就从今天这张 AI 小组结构图开始。
先把你公司真实岗位列出来。
然后问自己一句：
这个岗位每天重复做的前三件事，能不能先做成 Skill？