两个 00 后，如何从零打造出一家 AI 原生的公司？

大家好，我是地鼠，南大硕士休学 All in AI 创业。

今天是 2026 年 5 月 21 日，距离我们的地鼠精灵公司创办，已经过去了整整 63 天。

（公司环境，地点在南京晓庄）

我是一名小镇做题家，2001 年出生于粤北山区一个非常普通的草根家庭，爸妈都是以小生意为生。我的合伙人康乐，03 年出生，头铁创业了 5 年，屡败屡战，长期处于负债状态。两个月前，我手上只拿着爸妈支持的 1.5 万元，没有任何其他融资。而两个月后，我们已经做到了 10 万营收，利润为正，逐步打造了一个 11 人的团队，在南京书写着我们的故事。

目前，我们的项目也顺利通过了南京市青年大学生优秀创业项目遴选初审和尽调，正在推进后续市级天使基金股权投资流程。对我们这样一个刚起步的年轻团队来说，这已经是一个很大的鼓励。

感谢一路支持我的伙伴们，没有你们的支持，我不可能走到今天。

这篇文章，我打算和大家聊聊，我们是怎样一步一步地，从 0 开始打造出一家 AI Native 化的公司。

AI 在我们这里，已经远远超出了效率工具的范畴，它已经成为了我们公司的王牌员工和头号生产力。

一、当文科生遇上 AI 编程

先说一下能力背景。我在高中时是一名文科生（就是觉得文科有意思）。大学报志愿被分到了厦大的管理科学专业。虽然如此，由于我在小学五年级时已经接触过古老的 Pascal 语言，我的编程基础比班里 95%的人都要扎实。当年专业课上，我能够用 C 语言手搓一个完整的十字链表系统，Python 的期末考试可以提前半小时满分交卷。（虽然这些能力在 AI 时代已经不值一提）

但是，非科班出身的我，接触不到诸如「架构」、「技术栈」之类的软件工程方面的专业知识，所以我的编程水平，就一直停留在能手搓出不错的基础算法和小工具的程度。让我写软件和系统？抱歉，真不会。

2023 年 3 月 30 日，我还是一名平平无奇的大三学生，跟同学们卷绩点、综测、实习，同时默默关注着 AI 的各种新方向。大大小小的活动，像 AI 写作、小绿书等等我也都参加过几回，但始终觉得不是自己想做的方向。

985 是光环，也是桎梏。名校出身的我，总是被人看作「别人家的孩子」。毕业后安安稳稳找个工作，老老实实考个公务员，怎么说都比创业要强。

但，大四的一个晚上，我去曾厝垵的一家民谣酒馆喝酒的时候，发现老板居然是 02 年出生，家境普通，学校专科，却已身家五十万。那一刻，我承认我被震撼到了。

听着他聊当年通过抖音直播的风口起飞的故事，我悟了，创业不在于能力，在于天时地利人和。

做一艘内卷池子里的快艇，不如做一只风口上的猪。

2024 年 9 月，我通过推荐免试（俗称「保研」）入学南大，开始进组跟着导师做项目，每周开组会被导师压力一次。

但，创业的小火苗一直在我心里燃烧。2025 年 1 月，我推掉了组会，坐 22 个小时的火车来到深圳。在深圳的一场大会上，我知道我的方向在哪了。

于是回来后，我开始探索 AI 编程做小产品的路线，同时参加了一期 AI 编程训练营，同时也在探索利用 AI 编程做商单。

零零散散地接到并交付了几个商单后，我知道我该放大了。5 月，我在南京参加了一次AI主题论坛，跟几位志同道合的伙伴们畅聊到晚上 11 点，主讲人鼓励我们把 IP 做起来，并且后来连着邀请我进行了几次 AI 编程的分享。来到会场的很多都是完全没怎么接触过电脑的纯小白，正是在那几次分享会中，我逐渐理解了小白的真实需求，也锻炼了自己的授课能力。

在主讲人的建议下，我开始以「极致的秒懂」为要求来产出 AI 编程的 SOP，并通过公众号和小项目拉出自己的 AI 编程粉丝交流群，寻找持续变现的机会。

二、知遇：一拍即合

在我的粉丝交流群中，同是 00 后的另一位创业者康乐引起了我的注意。通过一段时间的观察，我发现他在 AI 编程方面有非常独到的见解和方法。当其他人还在研究怎样用「结构化的提示词」规范 AI 行为，提高代码生成质量的时候，他选择反其道而行之，提示词简简单单，但就是能做出完善可交付的产品。

而正好，彼时他也在南京创业，离我的学校也就二十分钟的车程。11 月，在学校的学业中期考核答辩后，我去拜访了他。在他那里，我看到了一个机会。

我是比较清楚自己的实力是几斤几两的。相比于那些大厂的、计算机专业毕业的大牛老师们，我的 AI 编程水平真的是菜鸟级别。除了能教大家写一些简单的小网站和小程序，找不到更加进阶的方向，单纯做这部分的教学是很难做出差异化的。而康乐的做法是，先把成熟的开发框架搭好，再开始编程。

这跟我之前理解的：把需求文档写得尽善尽美，然后让 AI 编程工具从零开始开发，路径完全不一样。

而且说实话，他的这套方法更加科学。AI 的幻觉问题是我们不得不正视的，从零开始搭建一个企业级的系统，抛开巨量的 Token 消耗不说，从技术原理上看，AI 在每一个环节都可能会引入新的漏洞，越往后跑偏越严重，到最后你会发现整个系统积累了深厚的技术债，不得不推倒重来。反而先用开源的成熟开发框架把骨架搭好，再让 AI 往里面填血肉——框架是确定的，AI 只需要在确定的边界内工作，幻觉和跑偏的问题就被大幅压缩了。

这就像盖楼：你不是让 AI 从画图纸开始，而是你先把地基和承重结构自己做好，让 AI 去砌墙、刷漆、装灯。AI 做的是具体工种，不是总设计师。

这个认知的冲击太大了。我意识到，单打独斗的我，教小白的上限就在那里；但有了这种框架能力，我们能让 AI 写出真正的企业级系统。

我做事很讲究效率，不拖泥带水，那次见面只有非常短暂的半小时，我将他的思路学习完后，就决定着手开发一门针对于零基础小白的AI编程课，让小白也能做出企业级的小程序，达到可以接单变现的程度，真正掌握 AI 编程的能力，而不只是停留在搓一点小工具的水平。

一个月后，我们确实做出来了，其中的不少学员也拿到了很好的结果。

可是这就够了吗？知识付费非常需要影响力，前期我可以用自己积累的私域保持现金流，但后期一定要通过新的方式来找客户。

而且做 IP，用户相信的是我这个人，意味着我必须亲自交付。这会让我变得很累，收入的天花板取决于我自己的精力，这不是一个很好的商业模式。

三、OpenClaw 风口出现的思考与行动

探索方向其实是一个漫长的过程。我们都知道AI是风口，AI很赚钱，但单纯卖课真的赚不了大钱，交付还贼重。

但是既然我们现在卖课能保持不错的利润，那就先做着，努力做好交付和口碑。

直到 2026 年 1 月 24 日，一个叫 OpenClaw 的产品引爆 AI 圈，进入了我们的视野。

它不是一个普通的 AI 工具。当时市面上的 AI 应用，无论是 ChatGPT 还是各种套壳产品，本质上都是「被动式」的——你问它一句，它答你一句，你不说话，它就安静地待在那里。但 OpenClaw 不一样，它是一个 AI 智能体架构，可以让 AI 拥有「主动性」：它能自己规划任务、调用工具、执行流程，甚至在没有人类持续指令的情况下，主动完成一整套工作。

1 月 26 日，仅仅两天后，我们就把 OpenClaw 安装了起来，并且按照一份教程，把它接到了手机的个人微信里（通过企微插件进行中转）。效果超出了预期——它真的能主动干活。不是那种你发一条消息它回一条的对话式交互，而是你给它一个目标，它自己拆解步骤、自己调用工具、自己完成交付。这种体验，刷新了我们对 AI 的认知。

康乐比我更快地看到了更深层的东西。

作为一个在软件行业创业了五年的老兵，他对商业机会的敏感度远在我之上。我们装上 OpenClaw 之后，一边测试一边聊，兴奋了一整个通宵。

我们判断：这个东西，可以卖给企业。

他的逻辑很清晰：企业最缺的不是 AI 工具，而是能替员工干活的 AI 员工。市面上卖 AI 工具的太多了，但真正帮企业把 AI「装」进业务流程里、让 AI 成为组织一员的，几乎没有。这就是缺口。

而我接触 AI 圈久了，见过太多人把 AI 当成「副业工具」来用——写写文案、画画图、做个小工具，赚点零花钱。但 OpenClaw 开始让我们思考：AI 能不能成为一家公司的正式员工？能不能像真正的员工一样，有岗位职责、有工作流程、有绩效评估？

我们决定做这件事。不只做 AI 工具，做 AI 员工；不只是卖课，而是做企业端部署服务。

从那时开始，我们就着手策划面向企业端的 AI 智能体部署服务——这就是后来的「地鼠精灵」。

回头看，OpenClaw 是我们整个创业故事的真正起点。不是因为它的技术多牛，而是因为它让我们第一次看到了一种可能性：AI 不再只是程序员的效率插件，它可以是一个组织的核心生产力。

资本与我们的反应高度一致。当我们还在研究能不能把 OpenClaw 套壳出售的时候，它已经引爆了当时的社交媒体，就连新华社也下场报道了这款产品，全民龙虾热持续了数周。大厂纷纷推出他们的龙虾套壳产品，例如腾讯的WorkBuddy、字节的ArkClaw、阿里的CoPaw等等。

大厂下场，我们还有机会吗？

我们的判断是有，因为大厂不会做企业的最后一公里，这种脏活累活只有软件公司能做。

全民龙虾热带来的影响是：市场被教育了，OpenClaw 的价值通过资本得到了宣传，这恰恰是我们的机会。

四、打造一个 AI Native 化的公司体系

在 AI 时代，单打独斗的天花板是可想而知的。

那为什么我们决定开公司呢？因为我们从 OpenClaw 身上，看到了极低成本开公司的机会。

毕竟我们的启动资金只有 2 万元。但是，通过全流程的 AI Native 化，我们能让11个人发挥出50个人的价值。

下面让我来拆解一下，地鼠精灵公司的 AI Native 体系到底长什么样。

（一）地鼠精灵系统：我们的AI员工团队

我们的核心业务是推动企业的 AI Native 化转型，既然要推动企业转型，首先我们自己必须是一个 AI Native 化的团队。下图展示了我们的工作流程。

在我们内部，真正跑起来的不是一个个孤立的 AI 工具，而是一组围绕真实业务流设计出来的 AI 智能体。

目前，最核心的几个角色分别是：谈单鼠、项目鼠、运营鼠，以及作为底层支撑的总控。

谈单鼠负责销售和客户沟通相关的工作。

客户线索进来后，销售同事会先进行接待和沟通，判断客户是否值得跟进，建立基本信任。随后，销售会把聊天记录、会议纪要、客户需求和预算情况整理给谈单鼠。

谈单鼠会基于这些信息，辅助我们提炼客户痛点、生成初版解决方案、准备报价思路和后续跟进话术。同时，客户线索和跟进状态会沉淀到我们自己的地鼠 CRM 系统里，方便销售持续跟进成交。

这里面，人负责的是信任建立、客户判断和最终决策；AI 负责的是信息整理、方案初稿和沟通辅助。

（地鼠 CRM 系统）

项目鼠负责项目交付和进度管理。

当客户确认合作后，销售和项目经理会把需求、方案和会议记录交接给项目鼠。项目鼠会辅助整理需求文档、拆解任务清单、生成项目排期，并在交付过程中持续整理会议纪要、跟踪项目进度、提醒风险节点。

这些任务和项目项会同步导入到我们的地鼠 PMS 系统里，让每个项目的进度、负责人、风险和交付节点都能被看见。

项目经理不再只是靠脑子记、靠表格追，而是有一个 AI 助手持续帮他盯着项目往前走。人负责推进项目、处理复杂沟通、把控交付质量；AI 负责拆解、记录、提醒和沉淀。

（地鼠 PMS 系统）

这个系统的接口全量导出给项目鼠，项目经理和我都可以通过项目鼠，直接查询到公司各个项目的进度情况。

运营鼠负责内容生产和运营动作。

在公司日常运营中，公众号推文、短视频文案、社群内容、案例包装、活动文案，很多都可以由运营鼠先产出初稿。运营同学不再是从零开始写，而是负责选题判断、内容审核、风格调整和最终发布。

尤其是在项目交付完成后，运营鼠可以把客户需求、解决方案、交付过程和客户反馈，整理成案例文章、朋友圈文案、短视频脚本和销售素材。这样，一次交付不只是一次交付，还会反过来成为下一轮获客的内容资产。

总控目前更像是这套系统的统一入口和信息底座。

它不是一个已经完全自动化的「AI 管理者」，也不是所有事情都由它自动派发任务。现阶段，它更重要的作用，是把客户信息、项目资料、历史沟通、交付记录这些分散的信息统一沉淀下来，让谈单鼠、项目鼠、运营鼠尽量基于同一套上下文工作。

未来，我们希望总控逐步承担更多流程编排和智能体协作调度的能力。但在当前阶段，它首先解决的是一个更基础、也更关键的问题：让公司里的信息不要散落在不同人的微信、飞书、表格和脑子里。

这几个智能体不是各自为战的，它们围绕一条真实的业务链路协作。

一个客户从第一次咨询，到需求澄清，到方案沟通，到确认合作，到项目交付，再到后续运营服务，中间可能会经历：

• • 销售接待客户，谈单鼠辅助生成方案，地鼠 CRM 记录线索和跟进状态；
• • 客户确认合作后，项目鼠辅助拆解任务，地鼠 PMS 承接项目计划和进度管理；
• • 项目完成后，运营鼠把交付成果沉淀成案例和内容资产，再反过来带来新的客户线索。

所以，AI 在我们公司里，不只是某个环节的提效工具，而是嵌入到了公司的整个业务流里。

员工的能力，应该沉淀为岗位的能力，这样无论谁发生了人事变动，新来的人都能在极短的时间内接手工作，保持公司的稳定运行。

这就是我们理解的 AI Native 公司：不是买几个 AI 工具给员工用，而是把 AI 当成组织结构的一部分，让它承担真实岗位、参与真实协作、服务真实业务。

那么，这套体系我们是怎么一步一步打造出来的呢？

（二）AI + Skill：先把 AI 训练成岗位员工

首先，在训练 AI 员工的过程中，我们主要通过 Skill 来规范 AI 的行为。

很多人用 AI，会遇到一个问题：刚开始觉得很惊艳，但用久了发现，它好像什么都会一点，但什么都不够稳定。今天输出得很好，明天换一个问题又开始跑偏。

原因很简单：通用大模型本身不是员工，它只是一个能力很强、但没有岗位训练的人。

一个刚入职的应届生，你不会让他第一天就去谈客户、写方案、管项目。你得先告诉他：你是谁，你负责什么，遇到什么情况该怎么做，哪些话能说，哪些话不能说，输出标准是什么。

AI 也是一样。

所以我们在内部非常重视一件事：给每一个 AI 智能体写 Skill。

你可以把 Skill 理解为 AI 的「岗位培训手册」。它里面会写清楚这个智能体的身份、职责、边界、工作流程、输出格式、判断标准和禁区。

比如谈单鼠的 Skill，会告诉它如何整理客户需求、如何提炼客户痛点、如何生成方案框架、如何辅助销售跟进客户。项目鼠的 Skill，会告诉它如何拆解任务、如何生成项目排期、如何识别交付风险、如何整理会议纪要。运营鼠的 Skill，则会包含标题公式、内容结构、风格标准、案例包装方法和平台表达禁区。

这一步非常关键。

因为只有当 AI 有了明确的岗位说明书，它才不再是一个泛泛而谈的聊天工具，而是一个可以被训练、被复用、被交接、被管理的岗位员工。

这也是我们理解的 AI Native 的第一层：

不是「员工自己随便用 AI」，而是公司把 AI 训练成一个个有岗位职责的数字员工。

过去，公司的能力长在员工身上；

现在，我们希望把能力沉淀到 Skill 里。员工会流动，但 Skill 可以持续进化。

Skill 的创建方法也非常简单：通过自然语言方式告诉AI该做什么，然后让AI自己写好自己的Skill。接下来在使用过程中，让AI员工自己改进自己，通过这样的训练，把Skill做到完善的状态。

（三）人 + AI：普通人开始管理一组 AI 员工

当 AI 被 Skill 训练成岗位员工之后，人的角色也发生了变化。

过去，一个员工要完成一件事，往往需要从零开始做。写文章的人要从零构思、从零起标题、从零写初稿；项目经理要自己整理纪要、拆任务、盯进度；销售要一遍遍回答客户问题、整理方案、跟进意向客户。

但在我们公司，很多工作已经不是这样跑了。

人不再是所有工作的起点，而是变成了 AI 员工的管理者、审核者和决策者。

运营同学不需要从零开始写一篇文章，而是让运营鼠先产出初稿，自己负责判断选题、修改表达、控制风格和最终发布。

销售同学不需要从零整理每一个客户方案，而是让谈单鼠先提炼需求、生成方案和跟进话术，自己负责判断客户质量、建立信任和推进成交。

项目经理也不再只是靠脑子记、靠表格追，而是让项目鼠持续帮他整理会议纪要、拆解任务、提醒风险，自己负责关键沟通、资源协调和交付把控。

所以我们 11 个人能扛住三条业务线，并不是因为每个人都是六边形战士。

恰恰相反，我们团队里没有大厂背景，没有豪华履历，很多成员甚至还是实习生。按照传统公司的标准，这个配置连一个小型外包团队都不算豪华。

但我们做到了：成立两个月，10 万营收，三条业务线并行推进，现金流为正。

原因不是我们每个人都在拼命硬扛，而是每个人背后都开始站着一组 AI 员工。

• • 技术总监负责技术架构和交付。他不是自己从头写所有代码，而是搭框架、审代码，AI 写主体，他做品控。
• • 产品经理负责项目管理和客户对接。有了项目鼠辅助整理需求、拆解任务和跟踪进度，他一个人可以同时管理多个项目。
• • 运营经理负责内容运营。有了运营鼠辅助生产内容，他一个人就能撑起公众号、短视频文案、社群运营等工作。
• • 而我负责 IP、战略和大客户，把时间尽量花在最高价值的事情上：做内容、谈大单、想方向。

如果没有 AI，我们要做到现在的业务量，至少需要更多人力。人力成本会快速上升，而我们根本请不起。

所以 AI + Skill 的真正价值，不只是让 AI 变强，而是让普通人也能管理更复杂的工作。

（四）系统 + 组织：公司从靠牛人驱动，变成靠系统驱动

但如果只是让每个人各自用 AI 提效，这还不够。

那最多只能叫「个人效率提升」，还不能叫一家 AI Native 公司。

真正的变化发生在后面：当 AI 员工、人类员工、CRM、PMS、知识库和总控开始围绕同一套业务流协作时，公司就不再只是靠几个人硬撑，而是逐渐长出了一套自己的操作系统。

做公司和自己小打小闹做项目，最大的区别是什么？

是体系。

一个人做项目，你病了就停了。两个人做项目，一个人走了就散了。但一家公司，应该是即使创始人不在，它也能继续运转、继续交付、继续产生收入、继续为客户创造价值。

这也是我们为什么要做地鼠 CRM、地鼠 PMS 和总控。

CRM 让客户线索、跟进状态、成交进度不再散落在销售的微信里。

PMS 让项目需求、任务拆解、负责人、交付节点和风险提醒不再只存在于项目经理的脑子里。

总控则作为信息底座，把客户信息、项目资料、历史沟通和交付记录统一沉淀下来，让不同智能体尽量基于同一套上下文工作。

这套系统现在还很早期，远远谈不上完美。但方向是清楚的：

我们不是想简单地「用 AI 降本增效」，而是想把公司的业务流程一点点沉淀成系统。

当客户线索进来，销售知道怎么接，谈单鼠知道怎么整理方案，CRM 知道怎么记录跟进；

当项目启动，项目经理知道怎么交接，项目鼠知道怎么拆任务，PMS 知道怎么追进度；

当项目完成，运营知道怎么审核，运营鼠知道怎么沉淀案例，内容资产又会反过来带来新的客户线索。

这个时候，公司就开始从「靠牛人驱动」，慢慢变成「靠系统驱动」。

这也是我们理解的自组织公司：

不是创始人每天像救火队长一样到处补漏洞，而是让流程、系统、AI 员工和人类员工共同组成一张网，让公司能够持续运转。

AI 智能体可以 24 小时工作，不会离职，不会情绪化；业务系统可以持续沉淀信息，不会因为某个人离开就把上下文带走；而人类员工则从大量重复执行中抽身出来，专注于判断、决策、沟通和创造。

这才是 AI Native 对一家小公司的真正意义。

不是让我们看起来更酷，而是让我们这样一个没有融资、没有大厂背景、也招不起豪华团队的年轻公司，有机会用更少的人，扛起更大的业务。

（五）案例：谈单鼠如何把客户沟通变成可复用方案

有一次，我们接触到一位跨境电商客户，对方公司一年营收大概 2 亿，主要做亚马逊。

客户的问题很典型：产品部门做新品时，会积累大量竞品分析、用户洞察和评论数据；但这些信息很难传递给运营部门。运营推广时，又要重新做关键词分析、竞品研究和差评整理。很多东西不是没有做过，而是做完以后没有沉淀，下一次还要重新来一遍。

我们把客户沟通记录、原始需求和客户批注交给谈单鼠处理。它帮我们做了三件事：

第一，整理客户真正的痛点：产品和运营割裂、竞品分析耗时、评论打标全靠人工、历史数据难以复用。

第二，拆解可落地的 MVP：不是一上来做一个大而全的系统，而是先从产品精灵、运营精灵、方案生成 Agent、竞品监控 Agent 等几个 Skill 切入。

第三，生成更清晰的报价结构：从原来笼统的打包报价，调整成「Skill 数量 + 开发天数 + 服务器 + 运维」的透明报价。

下图展示了我们与 AI 的协作过程（其中客户信息均做了隐私化处理）

这个案例不代表 AI 替我们成交了客户。客户是否下单，依然取决于预算、时机和内部决策。

但它证明了谈单鼠的价值：它能把混乱的客户信息，变成清晰的需求、方案和报价结构。

更重要的是，这些内容会沉淀进我们的知识库。下一次再遇到类似客户，我们不是从零开始，而是在上一轮的客户档案、行业痛点、方案模板和报价逻辑之上继续迭代。

这就是地鼠精灵系统真正的效果。

五、有所为，有所不为

讲了这么多 AI Native 公司长什么样，我想再聊一层：

在这样一家公司里，创始人、团队和 AI，到底各自该做什么、不该做什么？

下面这几点，是我们这两个月踩坑之后，慢慢摸索出来的一些判断。

（一）AI 负责执行，人负责判断；而不是反过来

很多人用 AI 的方式是：让 AI 帮我写文案、帮我做海报、帮我写代码。这没错，但如果只停留在这一层，你只是在用 AI 当外包。

AI Native 的关键不是「让 AI 帮你干」，而是「让 AI 承担岗位，你从执行者变成管理者」。

这意味着：

• • 运营鼠写完初稿，你要判断这个选题对不对、风格合不合适
• • 谈单鼠生成方案，你要判断客户是不是真有预算、这个需求能不能接
• • 项目鼠拆解任务，你要判断排期合不合理、风险点在哪、资源够不够

AI 承担了执行层，人反而更忙了——因为你要做更多判断。

这个转换一开始会不习惯。但一旦习惯之后，你就会发现：你不再是从零开始做一件事，而是在一堆 AI 产出里做选择和修改。效率是会提升的，但前提是你得接受：你的角色变了。

（二）接什么项目，比做什么项目更重要

我们早期踩过一个坑。

有一个项目，对方画了一张很大的饼，合同条款对我们极为不利——工作量保守估值 5-10 万，但我们只收了 1.5 万。为什么？因为我觉得"能力强，什么都能搞定"，就答应了。

结果呢？项目做完，我们几乎没赚到钱，还搭进去大量时间。

后来我在创业日记里写了一段话：

那些合作伙伴找你，是因为你能力强。他们希望你用非常低廉的成本，帮他们实现他们的目标。但你的时间、你的精力、你的青春，都是有成本的。你允许自己被当耗材，是因为你没有设边界。

从那天起，我开始学会说「不」：

• • 不是每个客户都接
• • 不是每个需求都答应
• • 不是每个机会都是真的机会

在 AI Native 公司里，这个原则更重要：因为你和 AI 加在一起，能力边界被放大了，「什么都能做」的诱惑也变大了。但「能做」和「该做」是两回事。

有所不为，才能有所为。

（三）标化不是流程文档，而是把重复劳动沉淀成 Skill

洋哥和多位前辈反复跟我强调过一句话：

每个项目从零开始做，70-80% 的工作是重复劳动，只有 20-30% 是真正的行业定制。

以前我对「标化」的理解，是写 SOP、做模板、建流程。后来真正做交付才发现，AI Native 公司里的标化不只是写文档，而是把重复劳动沉淀成 AI 可以直接执行的 Skill。

我们现在现金流最稳的一条业务线是小程序开发，这件事尤其明显。

1、目标：一个 Skill，接受需求文档，直接生成 100% 能用的项目初稿

过去，一个新项目来了之后，技术同学要从零开始：

• • 搭框架
• • 写基础模块
• • 配路由
• • 写登录、权限、支付这些通用逻辑
• • 再根据客户需求做定制

这里面，70% 以上的工作量其实是重复的：框架结构差不多、基础模块差不多、通用逻辑差不多。

现在我们在做的是：

这个 Skill 做完之后，会变成这样：

• • 技术同学拿到客户需求文档
• • 把需求文档丢给这个 Skill
• • Skill 直接生成一个 100% 能跑起来的项目初稿
• • 技术同学只需要在初稿基础上做 20-30% 的定制化调整

2、更进一步：接受 UI 设计图，直接生成前端代码

这还不够。我们还在做另一件事：

过去，前端同学要看着设计图，一行行写代码，调样式、调布局、调交互。

现在我们在训练一个 Skill，让它做到：

• • 接受 UI 设计图
• • 直接生成对应的前端页面代码
• • 生成出来的代码，100% 可用，不需要再大改

这两个 Skill 一旦跑通，小程序开发这条业务线就会变成：

• • 需求文档 → Skill → 项目初稿
• • UI 设计图 → Skill → 前端代码
• • 技术同学只做定制化调整和最终交付

3、这才是真正的标化：不是让 AI 帮你写代码，而是让 Skill 替你完成重复劳动

很多人用 AI 编程，是让它帮自己写片段、写函数、写模块。

这可以叫「提效」，但还不能叫「标化」。

真正的标化是：

这样一来：

• • 一个技术同学可以同时管多个项目
• • 利润率会明显上去——因为你在收定制化的钱，但大部分成本已经被 Skill 吃掉了
• • 团队可以更聚焦在真正有差异化的交付上

4、在 AI Native 公司里，标化不是买系统，而是沉淀 Skill

传统公司做标化，往往是买一套系统、定一堆流程文档、让员工照着执行。

但在 AI Native 公司里，标化可以更彻底：

• • 运营鼠帮你把每次交付沉淀成案例和内容资产，反哺 IP
• • 项目鼠帮你把每个项目的交付流程沉淀成 Skill，反哺标化
• • 开发 Skill 帮你把重复劳动变成自动化的初稿生成

所以 AI Native 不只是「干活更快」，而是让「积累」这件事变得更系统化：

这才是我们理解的自组织公司：

不是靠堆人，而是靠沉淀。

（四）前三年，创始人的角色不是「抽身」，而是「增长」

这句话初听很反直觉——前面不是刚说"让公司从靠牛人驱动变成靠系统驱动"吗？

但想通了就明白：前三年，你就是公司最大的引擎。

你的角色不是"抽身"，而是"增长"。等公司长到一定体量，再考虑脱身的事。现在就想脱身，只会把公司做小。

我的角色在 Q2 完成了关键转换：

从「什么都自己干的技术外包」，变成「只做前端 IP 和大客户的创始人」。技术总监扛后端交付，产品经理和商务经理扛销售谈判。我终于从执行层抽身了——但不是脱身。我把省下来的时间全部投入到了增长上。

在 AI Native 公司里，这个转换可以更早发生：

因为 AI 可以帮你承担执行层的很多事情，你可以更早地从「干活的人」变成「找方向、谈大单、做内容的人」。

但前提是：你得主动做这个转换，而不是被动等着 AI 帮你做完所有事。

（五）设止损线，比设目标更重要

我在 3 月份做过一次战略复盘，给每条业务线都设了止损线：

• • 3 个月后如果还没签到客户，考虑方向是否错了
• • 6 个月后如果营收不到预期且看不到脱身可能，必须调整

止损线不是悲观，是对自己诚实。

创业最大的成本不是钱，是时间。你在一个错误的方向上多待一天，就少一天去做对的事情。

在 AI Native 公司里，这个原则更重要：

因为 AI 可以让你快速试错、快速迭代。但如果你不知道什么时候该停，你很容易在一个错误的方向上用 AI 把自己「卷死」。

有所为，有所不为。

这六个字，不只是对业务的选择，更是对时间的敬畏。

六、展望：我们的未来

说实话，写这篇文章的时候，我们的现状远谈不上成功。

10万营收，11个人的团队，现金流刚转正，系统还在经常出问题，交付流程还在持续打磨，标准化才刚开始……我们离理想中的状态，还有很远的路要走。

但我想说的是——我们活下来了。

在没有任何融资、只靠1.5万启动资金的情况下，两个00后，两个月，做到了10万营收，并且现金流转正。这件事本身就说明了一些东西：AI Native的模式是跑得通的。你不需要大厂背景，不需要百万融资，不需要豪华团队。你需要的是：一个清晰的方向，一套能用的AI体系，和一种敢把所有筹码推上桌的勇气。

接下来我们要做的事情很明确：

短期——活下来，算清楚账。把收入和支出算明白，把交付的每一个环节标准化，让团队在没有我参与的情况下也能完成日常交付。这是生存的基本功。

中期——把现金流业务 Skill 化。地鼠精灵现在的很多交付还带有定制化色彩，每个客户的需求都不完全一样。我们接下来要做的，是把小程序开发、企业 AI 智能体部署、内容运营这些高频交付流程，一点点沉淀成 Skill：70% 的重复劳动由 Skill 承担，30% 的行业差异由人来判断和定制。只有这样，公司才能从「接项目赚钱」，走向「靠系统复制」。

长期——成为国内头部的AI企业端服务公司。这个目标现在说起来很大，但方向是清晰的。中国的中小企业有几千万家，它们中的绝大多数还没有真正用上AI。不是因为没有AI工具，而是因为没有人帮它们把AI装进业务里。这就是我们的机会。

但我也清楚，做大比做存活难一万倍。需要体量，需要智慧，需要管理能力，需要我们在每一个十字路口做出正确的选择。而作为两个00后的年轻人，我们最缺的恰恰就是这些。

不过没关系。我们最不缺的就是时间和学习的能力。

创业两个月，我学到最重要的一件事是：没有人天生就会做老板。所有的能力都是在做的过程中长出来的。你不需要准备好了才开始，你需要在开始之后拼命准备。