AI Agent驱动的超级个体。
现在给AI 安排的工作已经可以到什么地步了？
写代码只是其中一项，让Agent全天盯着GitHub，收到用户反馈就检查代码、尝试修复问题，还有让它跟进客户，甚至每天定时汇报工作进度。
这看起来就像电脑里多了一群随时能干活的同事，把很多日常工作交给一群不会打卡、也不需要办公桌的AI Agent们。
而且也已经有人开始尝试用这种方式经营公司，每个月大约2500美元的Token费用，就能让Agent承担相当于20个人的工作量，对应每月超过2万美元的人工劳动成本。
这组数字来自AI视频平台CocoViral创始人Jet的个人网站。
他还有一段挺有反差感的履历，曾是字节跳动TikTok核心团队的早期成员，四年内获得三次晋升，也带领过百人以上的团队。
他正在尝试另一种经营方式，让少量人手和一批Agent共同负责日常运营。
除了CocoViral，他的个人作品集里还列着另外五个活跃项目，方向涉及播客、开发者工具、模型接口等。
其中，CocoViral是一款AI视频创作平台，支持通过聊天生成视频。
用户打开聊天框，描述自己想拍的视频，AI可以协助写剧本、设计分镜、安排镜头，并把视频片段和配音等素材组合起来。
里面有专门处理多场景故事的AI导演，也有把参考图片展开成九宫格分镜的工具，并且做短片时需要反复切换的几个步骤，也都被收进了同一套创作流程。
这个平台还有两套挺特别的制作方式。
Motion Studio让语言模型编写动画代码，用网页图形、文字动效和程序化声音制作视频。
Viral Blocks则把Blender引入流程，让AI搭建三维场景，用户可以调整灯光、道具和摄像机，再制作镜头。
而他做的NativePod偏向另一类小众人群。
很多海外播客一集就聊一个多小时，内容很有意思，但不同的语言和收听时间却会让很多人难以接触。
NativePod尝试把这些节目翻译成自然的中文语音，并配合双语文本等功能，让英语播客更方便收听和理解。
此外，另两个产品更贴近他如今的Agent业务。
OHarness是一套可以连接不同大模型的Agent运行框架，围绕工具调用、权限、MCP和执行过程做管理。
OttoPort则提供统一的API入口，让开发者用相近的接口调用文本、图片、视频、语音等模型。
一个解决Agent怎么执行任务的问题，另一个处理调用不同模型时的遇到的麻烦。
剩下的Energy Cards是一组带有情绪主题的书签卡片，IncomeStory围绕创业收入故事和创作者经验展开，再往前，还有他做过的AI笔记产品Pocnote。
当手上同时推进多个项目时，开发只会占据那一部分工作，后续还要处理用户问题反馈、对接客户新增需求，持续迭代产品，同时兼顾推广获客。
单件事务处理起来也许并不复杂，可项目数量一多，整体时间就会被大量挤占。
Jet让Agent承担一部分日常工作，自己则负责产品开发、决策以及必要的审核。
那在经营这些项目之外，他还把这套自动化思路做成了另一个业务：JetAI Flow。
它主要帮助其他企业搭建AI Agent和自动化工作流程，涉及内容生产、客户开发、CRM同步以及运营报告等日常工作。
拿销售举例。
假设一家软件公司要寻找新客户，销售人员通常得先查公司资料，再判断对方有没有采购可能，还要准备邮件、记录回复，隔几天再跟进。
AI虽然很容易就能写出一封像模像样的开发信，可要是收件人根本不符合客户画像，写得再漂亮也没什么意义。
Jet介绍的一种做法，是先用Apollo整理潜在客户，再交给n8n串起后续流程。
AI会结合企业规模、行业和岗位信息筛选对象，补充背景，判断联系的优先级，并准备更贴合对方业务的邮件草稿。
负责销售的人可以在Slack里检查结果，决定哪些客户值得继续接触。
确认之后，外联工具再安排发送，后续的动作都可以写回CRM。
等到下一次执行时，系统便有了更多可用的记录。这样一来，销售人员不必每天重新整理一遍名单，也不会因为忘记更新表格，让重要客户被晾在一边。
而这套流程里，最关键的环节其实很普通，就是人工审核和数据回写。
这类流程通常需要几个工具共同完成：n8n、Make负责连接不同服务，Claude Code等工具参与软件开发和复杂任务处理，Slack或者邮件承担通知和审批。
到了涉及账号权限、付款、客户信息的地方，还得限定Agent能做哪些操作，保留执行记录，部署完成以后，日常维护也少不了。
类似的玩法在开发者圈也很热闹。
比如开源项目Magpie的作者yetone，就分享过自己使用Agent自动维护项目的经历。
Magpie是一款管理AI编程工具模型及调用配置的工具，随着项目不断更新，用户也会在GitHub提交各种反馈。
项目一旦活跃起来，光是阅读这些消息、排查问题和检查代码，就要花去不少时间。
yetone的做法是让Agent持续关注GitHub的Issue和PR，遇到新的反馈就进行分类，检查相关代码，尝试修复问题和运行测试，再准备后续的修改。
遇到需要人工判断的情况，依然由开发者决定如何处理。这样即使开发者没有一直盯着GitHub，项目中的一部分维护工作也可以持续推进。
除了这些Agent自动化项目，Jet过去的经历也挺有意思。
在大厂工作期间，Jet经历过深夜讨论产品方案，也负责过需要应对巨大流量的工程项目。
后来日程被会议占满，他开始想亲手做一款自己喜欢的产品，于是选择离职创业。
不过自己创业远没有想象中轻松，他曾和一位联合创始人花八个月打磨产品，几乎把全部时间都投入进去。
产品是赚到了一些钱，但收入依然远远不足以覆盖成本，合作伙伴承受着现实生活的压力，最后重新找了工作，这个项目也停了下来。
他在2024年写下这段经历时，正在制作AI笔记产品Pocnote。
为了让笔记写起来更顺手，他会花时间反复修改交互细节，收入却已经没法和大厂时期相比。
Higgsfield团队
后来他也坦言，营销一直是自己的弱项。产品做出来，只是创业开始的一小部分，接下来还得想办法让用户持续使用，愿意掏钱。
到了2026年的另一篇反思里，他谈到自己曾经很容易被一些表面成绩打动：收获用户好评、注册量上涨，都会让他认定这个路线是正确的。
可用户说喜欢，不代表愿意付费；愿意试用，也未必愿意改变已经习惯的工作方式。
他逐渐开始关心客户愿意为这个产品付出多少时间和金钱，一旦产品有了愿意付费的客户，后面还等着你处理不少事情。
Deepseek Harness
对于只有几个人的创业团队来说，各类事务叠加之后很容易超负荷运转。但扩充人员意味着长期薪资开销，还要投入时间做培训与管理。
依靠Agent处理重复性任务，成本可以随使用量灵活调整，遇到跑不通的流程，可以直接暂停再修改。
在项目初创、业务频繁变动的阶段，这样的弹性优势格外突出。
仔细想想，Jet手里的几个项目其实也很适合观察这件事。
CocoViral需要持续更新视频模型和制作流程，NativePod要处理多语言播客，OHarness与OttoPort都绕不开技术维护。
带过百人团队的Jet，对分配任务和检查结果并不陌生，他正在研究怎样让Agent接手更多日常工作。
未来一些小团队的办公桌可能不会坐满员工，相反电脑里同时有好几个Agent忙着查资料、更新系统、检查代码，老板打开工作群，看到的是一串等着自己批准的任务。
这样的工作方式也不局限于公司。平时整理资料、维护个人项目，都有机会交给Agent分担一部分，省去反复操作的麻烦。
当然，也没必要一下安排20个Agent，先让其中一个稳定地接手几件琐事，每天能少忙一会儿，就已经挺有用了。
文章来自于微信公众号 “虾蛄AI”，作者 “虾蛄AI”