软件正在从"帮你干活"，变成"替你干活"。

—— Greg Isenberg，《The Startup Ideas Podcast》

---

目录

• 一、你有没有想过，你花钱雇的人其实都在做同一件事
• 二、卖的不是工具，是工作本身
• 三、怎么判断一个 Workflow 值不值得 Agent 化
• 四、别急着写代码，先蹲在人身边看
• 五、从最小可用版本开始，别想一步登天
• 六、真正让它变成 SaaS 的，是外面那层壳
• 七、先当劳动力卖，再做成产品
• 八、分销的核心：把旧世界的痛苦拍给人看
• 九、30 天从零到一，这张表可以直接抄
• 十、我自己的几点思考
• 写在最后

---

一、你有没有想过，你花钱雇的人其实都在做同一件事

接电话、打字、查系统、然后重复一遍。

前台、客服、调度员、跟单专员——这些岗位加起来，可能是全世界最大的一块隐藏成本。

而现在，有一群创业者正在做一件很直接的事：把这些重复工作接过去，用 AI Agent 来做，然后按劳动力而不是软件的方式收费。

这个判断来自 Greg Isenberg，他在自己的播客 The Startup Ideas Podcast 里说了一句很直白的话：

Building agents is the new SaaS.

做 Agent，就是新时代的 SaaS。

这期节目讲得特别系统——从怎么挑一个值钱的 workflow，到怎么定价，到怎么找客户，整套打法都拆解了。我把他的框架梳理了一遍，再加上自己这段时间的一些认知，写在这里。

---

二、卖的不是工具，是工作本身

Greg 的第一个核心观点：产品即工作。

传统 SaaS	Agent SaaS
卖软件	卖工作本身
给客户工具，客户自己干	这份活你不用再手动干了，我们来做
客户需要学习使用	客户只需要验收结果

听起来只是措辞的差别，但这是一次底层心态的转变——对客户、对做产品的人都是。

案例 1：Slang AI —— 餐厅的 AI 超级前台

一个餐厅每天最头疼的事：饭点电话响个不停，前台在忙着招呼客人，根本没空接。客人问的都是差不多的问题，预订被漏掉，私人宴会的电话也接不上——直接就是流失的生意。

Slang AI 做的事：接听来电、回答客人问题、处理预订、识别 VIP、遇到私人宴会或投诉自动提醒员工，还能跟 OpenTable、Yelp 这些系统打通。

案例 2：Same Day —— 家庭服务行业的 AI 调度员

水管工、暖通空调、屋顶维修、除虫公司——这些行业最常见的问题就是漏接电话、活儿定不下来、客户跟进不到位、调度员忙得团团转。

Same Day 做的事：24 小时接电话、回短信、订活、改期——相当于一个不眠不休的 AI 调度员兼销售。

这两个例子打动人的地方不是技术有多炫，而是特别容易懂。你不需要跟客户解释什么是大模型、什么是 Agent 架构，你只要说一句话：

我能把这份烦人的活干得比一个新员工好，比一个外包团队快，比多招一个人便宜。

这句话谁都听得懂，这也是这类产品最值钱的地方——绕开了教育市场这个最贵的环节。

---

三、怎么判断一个 Workflow 值不值得 Agent 化

光有方向不够，Greg 给了一套很具体的筛选方法。

前提：这份工作背后，已经有人在为它付工资。

如果一个行业已经在给前台、调度员、协调员发工资，给外包公司付钱，那就存在一个机会：用更便宜的方式把这份工作接过来，把人腾出来做更有创造性的事。

五个筛选条件

1. 发生足够频繁 —— 每天/每小时都在发生
   入站线索、电话、工单、报价请求、预约、订单

2. 有清楚的完成标志 —— 一眼能判断做完没
   活儿订上了、工单分类好了、退款批了、供应商约上了

3. 已经接入了软件 —— Agent 需要工具去执行，也需要系统里的信息做判断
   Gmail、Slack、Shopify、HubSpot、Zendesk、Stripe

4. 边缘案例存在但可学习 —— 这才是甜蜜点
   太简单 → Zapier 就能搞定，没必要上 Agent
   太难 → 全靠主观判断，第一版 Agent 大概率翻车
   刚刚好 → 重复劳动里带着一点判断，需要 AI 帮忙但又不至于完全没法预测

5. 买家真切感受到损失
   漏接的电话、回复太慢、流失的线索、空着的日程、花大价钱雇人做低价值协调

实操：拿出一张纸，写下 20 件人们经常抱怨的事

以屋顶维修行业为例：

• 漏接电话
• 融资问题
• 保险文书
• 预约提醒
• ……

然后对每一件事打分：

维度	问题
频率	这事多久发生一次？
痛点	这事有多贵？
可判断	完成状态好不好判断？
可接入	需要接入哪些工具？
预算	预算掌握在谁手里？

五个维度打完分，你就知道该从哪里下手了。

这套方法的本质是：先找那个已经存在的付费行为，再看 AI 能不能把它做得更便宜更好。而不是先有技术再去找场景——那个顺序反了。

---

四、别急着写代码，先蹲在人身边看

这是 Greg 反复强调、也是很多创业者会跳过的一步。

定好要做哪份工作之后，不要急着写 prompt，不要急着搭代码。先花时间看一个真人怎么把这件事做完。

• 看 10~20 个案例
• 让对方录屏，一边做一边讲自己在想什么
• 问：什么样的算简单？什么样的算棘手？做决定之前先查什么？容易出错的地方在哪？

你要找的是真实存在的工作流程，不是你脑补出来的流程。

一个例子：餐厅前台回答"几点开门"

听起来很简单对吧？但真实的工作流程比这深得多：

• 前台知道厨房几点收工
• 知道哪几张桌子适合带婴儿车的客人
• 知道露台什么时候关闭
• 知道怎么招呼 VIP
• 知道什么情况该转给私人宴会的负责人

Greg 说了一句我很喜欢的话：

细节就是产品。

很多 AI 产品做不好，就是因为大家都盯着那个看得见的问题——“几点开门”——却忽略了背后那一整套只有真正做这份工作的人才懂的隐性规则。谁能把这些细节挖出来，谁做的 Agent 才真正顶用。

Agent 说明书七要素

挖完细节之后，把 Agent 的说明书写清楚：

1. 什么事件会唤醒这个 Agent
2. 它需要什么背景信息
3. 它能用哪些工具
4. 哪些事它可以自己拿主意
5. 哪些事需要人批准
6. 什么情况下要把人拉进来
7. 怎么判断这件事算是做成功了

把这七件事想清楚，你做出来的才不是"看着热闹、实际没法用"的 Agent，而是真正靠谱、能稳定交付、甚至比人做得更一致的东西——这才是客户愿意付钱的东西。

---

五、从最小可用版本开始，别想一步登天

大部分人一听到 Agent，脑子里冒出来的画面是一个完全自主的数字员工。这也是为什么 Twitter 上那么多 Agent Demo 看着炫，实际根本没法用。

Greg 的建议是：从**最小可用 Agent（MUA，Minimum Usable Agent）**开始。

四种靠谱的第一版形态

形态	做什么	适合场景
起草+审批型	Agent 读背景信息，写回复/报价/方案草稿，人审批	高风险、需创意、有审批流程
分诊型	把进来的工作分类，转到对应地方	维修请求 vs 账单问题 vs 退款申请
协调型	在系统和人之间穿梭，查空档、发提醒、追缺失信息	需要持续推动的事
有边界的行动型	明确规则下直接做具体的事	订预约、发跟进、50 美元以下退款

比如 Uber Eats 上你点的沙拉没送到，系统自动退款——这背后就是一个有边界的行动型 Agent。

Greg 还提到 Anthropic 关于 Agent 的指南中一个关键观点：

很多所谓的 Agent 问题，其实一开始更应该被当成 Workflow 来处理。Workflow 走的是可预测的路径，Agent 是在动态做判断。先从可预测的路径开始，只有当判断真的能创造价值时，才逐步把自主权交给 Agent。

所以第一天的目标不需要很大，比如：

• 帮屋顶维修公司接住漏掉的电话，把靠谱的活订出去
• 帮物业公司分诊维修请求，把对的供应商约上
• 帮餐厅接预订电话，遇到该转人工的情况就提醒员工

这就够了。先证明最小闭环能稳定跑通，再一点点把判断权交出去。

---

六、真正让它变成 SaaS 的，是外面那层壳

Greg 有一句话特别到位：

Agent 负责干活，但让客户相信这件事的，是包在外面那层东西。

很多人做出来的只是一个还算酷的自动化脚本，而真正能卖成 SaaS 的产品，区别就在这一层包装上。

客户需要什么

- 日志：Agent 干了什么，什么时候干的
- 审批环节：哪些事需要人点个头
- 控制规则：客户能自己设置策略
- 交接边界：什么情况自动转人工
- 测试环境：上线前能测试 Agent
- 决策可解释性：Agent 为什么做出这个决定

Agent 本身活在电话系统、收件箱、Slack 频道、CRM 里；而这层包装才是真正的 SaaS——它是客户看得见、摸得着的"控制室"。

评估测试集 —— Agent 的"健身房"

在你敢承诺自主之前，先做一个小规模测试集：

• 找 50 个真实案例，标出正确答案
• 让 Agent 跑一遍，看分类对不对、问的补充信息对不对、用的策略对不对
• 每次改 prompt / 模型 / 工具 / workflow，都回"健身房"跑一遍，立刻知道好坏

而且这套测试集本身也是一个销售工具。比如你跟物业经理说：

我们在你过去 50 条维修请求上跑了一遍测试——42 条分类正确，6 条标记需要人工复核，2 条出错。这两条错在哪，我们又是怎么修好的。

这种坦诚比炫技更容易建立信任，尤其是对传统行业的老板来说。

---

七、先当劳动力卖，再做成产品

定价上，Greg 建议最快的路径是：

第一步：做试点

找同一个细分领域的 3 个客户，同样的 workflow、同样的痛点。卖的是结果，不是工具。人工 + AI 一起把活干出来，把重复出现的部分产品化。

第二步：定价参考

模式	示例
搭建费 + 月费	$1,500 搭建 + $1,000/月，覆盖一个 workflow
按结果收费	$2,000 搭建 + $30/每个合格预约
上限月费	$3,000/月，覆盖到 500 张工单

具体价格没那么重要，重要的是这个过程里你学到的东西：

• 客户到底看重什么？
• Agent 在哪里容易出错？
• 什么情况需要人工审批？
• 客户最想念哪一部分？

搞清楚这些之后，围着那个重复出现的模式做产品。比如：

• 每个屋顶维修公司都需要同样的紧急来电话术、服务区域核实、融资问题解答、报价跟进 → 这就是一个产品
• 每个医美诊所都需要线索评分、预约转化、爽约挽回、疗后跟进 → 这也是一个产品

这就是 Agent SaaS 的底层逻辑：先靠干活挣到做软件的资格。

---

八、分销的核心：把旧世界的痛苦拍给人看

找到客户这件事上，Greg 提到的打法特别接地气。

Workflow 拆解式内容

第一步：把旧的做法拍出来。

一个电话打进来没人接 → 客户转头打给下一家 → 客服接起来问五个问题 → 翻日历 → 查服务区域 → 订下工作 → 写备注 → 发提醒 → 结果还是忘了跟进。

老板看着这一幕，心态直接崩掉。

第二步：再把 Agent 的做法拍出来。

电话进来 → Agent 接起 → 问对问题 → 核实服务区域 → 判断紧急程度 → 把预约订上 → 更新 CRM → 发确认信息 → 遇到边缘情况自动转人工。

你要做的是卖止痛药，不是卖维生素。

内容策略

找到一个 workflow 之后，让整个互联网把这个 workflow 跟你的名字连在一起：

• 做清单
• 做基准测试
• 做拆解视频
• 做 50 个这个 workflow 的案例
• 跑得好的素材拿去投广告

先从一个平台做深，再逐步铺开。

---

九、30 天从零到一，这张表可以直接抄

Greg 给了一份非常具体的 30 天计划，基本可以照搬：

时间	行动
Day 1	挑一个漏掉工作就会亏钱的细分领域（家庭服务 / 物业管理 / 保险代理）
Day 2	采访 10 个做这份工作的人，让他们共享屏幕，把 workflow 录下来——光是观察就够
Day 3	从中挑出一个频率高、痛点明显、能接入现成软件、成功标准清楚的 workflow
Day 4	把 Agent 说明书写出来：触发条件 / 背景信息 / 工具 / 规则 / 交接方式 / 评估方法
Day 5	先靠人工 + AI 手动跑一遍，用 Claude 或 ChatGPT 生成草稿，让真人审批——验证 AI 到底有没有用
Day 6	做出最小可用版本，通常起草审批型或分诊型就够
Day 7	用 50 个真实案例搭出评估测试集
Week 2	在同一个细分领域卖出 2 个试点客户
Week 3	把包装层加上：日志 / 审批环节 / 设置项 / 数据看板 / 交接规则
Week 4	把 workflow 拆解内容发出去，把试点案例变成社会认证，加大内容投入

从第 2~3 个月开始，算获客成本和客户终身价值，持续滚动。

特别值得注意的一点：不是先做完产品再去攒粉丝，而是从第一天起就一直在同步建立自己的受众。

---

十、我自己的几点思考

1. 顺序比技术重要

Greg 反复强调"先干活，再做软件"，这个顺序特别关键。

很多 AI 产品团队习惯性地先把技术能力堆出来，再去找场景往上套。结果做出来的东西技术上很漂亮，但客户压根感觉不到痛被解决。

而 Greg 的路径完全反过来：先蹲在真人身边看他怎么干活，把藏在细节里的判断逻辑一条条挖出来。等你真的理解了这份工作，Agent 才有可能做得像样。

很多 Agent 产品失败，不是因为模型不够聪明，而是团队根本没把那份工作的真实颗粒度摸透。

2. 市场天花板完全不同

SaaS 卖的是工具，天花板是企业的软件预算。

Agent 卖的是劳动力，对应的是全球人力成本这个大得多的盘子。

这个视角解释了为什么这一波创业热潮跟当年 SaaS 崛起感觉不一样——SaaS 时代卖的是效率提升，是锦上添花；Agent 卖的是直接替代掉一份工资。对企业主来说，多花一个人的钱 vs 少花大半个人的钱换同样甚至更好的结果，这笔账太好算了。

3. 越"不性感"的行业越有机会

屋顶维修、物业管理、餐饮、家庭服务——这些行业的 workflow 足够重复、足够可预测，又确实存在需要一点判断的边缘情况。

恰恰卡在纯自动化做不了、纯人工太贵的中间地带。

这些行业的老板，对漏接电话、流失客户这种痛感受得最直接。你不需要给他们讲大模型的原理，只要让他们看一眼旧做法和新做法的对比，他们自己就会算账。

4. 未来的护城河：对工作的理解深度

Greg 结尾那句话我印象最深：

软件正在从"帮你干活"，变成"替你干活"。

当软件真能替你干活时，产品的核心竞争力就不再是界面做得好不好看，而是这套系统对一份具体工作理解得够不够深，能不能在关键的判断点上做出跟真人一样靠谱、甚至更稳定的选择。

这也意味着未来做 Agent 产品的团队，光懂技术是不够的。你得真的花时间去理解一个行业里那些没被写下来的规矩——这些东西恰恰是最难被复制、也是最值钱的部分。

---

写在最后

Greg Isenberg 这套框架把 Agent 创业这件事拆解到了"听完就知道第一步该干什么"的颗粒度，在一堆讲概念、讲愿景的内容里挺难得的。

我个人的核心收获就三个字：先干活。

不是先融资、先搭团队、先写代码、先做 PPT。而是先找到那个已经有人在付钱、已经很痛、但还没被 AI 碰过的活，然后蹲下去、看仔细、用手跑通、再把它变成产品。

方向对了，路就不会太远。

---