4个AI同事同时开工，我反而轻松了

我最近配了4个AI同事，专门替我产出文章。

这不是段子，确实是4个AI员工，各自负责不同环节，而且全天候在线。

一个管选题研究，一个管搜集素材，一个负责起草初稿，一个专门审稿挑问题。

放在以前，想做这种多Agent协同，得写代码、接API、还要折腾各种框架。

现在这些都省了。

接下来我把完整流程拆给你看，看完你也能自己搭起来。

这回我使用的工具叫Moxt。

那Moxt到底是什么？

它的运行方式和ChatGPT那类聊天工具完全不是一回事。

它更像是一个工作空间。

你可以在里面创建AI同事，每个AI同事都有自己的名称、职责和记忆。

你纠正它一次，它就会记下来，之后通常不会再犯同样的问题。

更重要的是，这些AI同事并不是彼此孤立地工作。

它们会在同一个工作空间里协同，共享文件，也共享上下文信息。

于是我决定做个实验。

把自己写文章的整套流程拆开，交给几个AI同事，看看它们能不能像真实的内容团队一样运转起来。

AI写作流程搭建

我先把自己的想法告诉了Moxt里的个人助手momo，表达其实很简单。

我想搭一个AI写作流水线，具体来说是安排四个AI同事，你先理解我的需求。

momo一下就明白了。

它自己先规划出了四个岗位。

选题策划师负责决定写什么，深度调研员负责搜集资料，内容撰稿人负责完成初稿，精编审稿人负责把内容修到可发布。

接着我让它把这四个AI同事统一规划到同一个工作流文档里，并顺手分配好各自职责。

它随后就开始搭建了。

不过此时每个AI同事的职责说明其实还是空的。

它们还不知道自己具体该做什么，只是先有了名字和岗位。

所以我接着需要给它们补齐规则，说明该做什么、不该做什么、输出格式是什么、彼此之间又该怎么协同。

有了岗位之后，自然还得配一份流程对接文档。

不然我也没法知道到底是谁做了事，谁还没动。

我让momo新建一个任务流程文档，里面放一张进度表，包含步骤、负责人、任务、状态这些信息。

这样我看一眼就清楚了。

接下来，就是让这个团队去跑一次真实任务。

我让momo启动这条流水线，这次选的调研方向是AI编程工具的最新动向。

momo直接在任务文档里@了选题策划师，让它先开始工作。

整个体验很像在飞书里@某位同事，把任务分给他。

不同的是，对面不是人而是AI，而且它接到任务后立刻就动起来了。

如果我把任务交给真实同事，八成还得先来回沟通一阵，哈哈。

选题策划师联网转了一圈之后，输出了一份完整的选题调研报告。

里面给了5个选题建议，每个都标明了目标读者、热度判断和建议切入点。

更真实的一点在于，它是直接在文档里用评论形式进行回复的。

感觉就像同事在你的飞书文档里评论，顺便同步进展一样。

报告完成后，momo会自动把结果同步回任务文档，更新进度表，然后@我来做选择。

我最后选了第5个题目，Claude Code市占率。

momo收到结果后，马上在任务文档里开启第二步，@深度调研员去搜集资料。

调研员交付出来的东西让我有点意外。

它整理出了一份结构化素材文档，覆盖了8个板块。

说实话，内容相当全面，至少比我自己找资料时想到的还更深入。

素材准备好之后，momo又启动第三步，@内容撰稿人开始产出初稿。

撰稿人依据选题方向和素材文档，写出了一篇大概2200字的公众号文章。

标题是Claude Code，8个月击败了所有对手。

我通读了一遍初稿，整体叙事线非常清楚。

开头用Pragmatic Engineer的46%数据切入。

再拉来JetBrains万人调研做交叉验证。

接着分析Claude Code的产品优势，同时呈现真实用户的吐槽点。

最后再落到对行业趋势的判断上。

但最大的问题还是，AI痕迹太明显，而且版式风格我也不喜欢。

和我的表达习惯不一致，所以还得继续改。

这时候，质检员就正好派上了用场。

它逐段审阅初稿，给出了7条修改建议，并按优先级从高到低排序。

第一条就很直接，它发现初稿里有一处事实逻辑错误。

原稿把63.5%的Staff级工程师使用Agent，直接等同于选择了Claude Code，质检员当场指出使用Agent并不代表一定在用Claude Code。

这是个很基础的逻辑问题，但撰稿人确实没有识别出来，也没有修正。

它还把AI味太重的段落标了出来，并指出结尾的排比句和模板化句式都需要重写。

另外，两个超长段落在手机端显示会超过4行，应该拆开；匿名案例也需要补上距离感说明。

这两条建议真的特别合我心意。

每次用AI写文章，不管内容质量高低，光是那股明显的AI排版和写作气息就会扑面而来。

而手动一点点去改，其实也挺折腾。

现在多了一个专门帮我盯质量、挑问题的角色，确实不错。

最后我只下了一句指令，按核查报告修改初稿，输出终稿。

我最开始只是跟momo说了一句，我想搭一条写作流水线。

再给每个角色补上了具体要求。

然后从5个选题中选中了一个。

最后再补一条根据核查报告修改成终稿的指令。

前后加起来，其实也就四个动作。

从选题调研、素材搜集、初稿撰写，到质检修改再到终稿完成，全部都是AI同事在推进。

我反而成了那个最不用亲自下场干活的人。

它不只是解放了我，也在解放整个团队

但真正让我觉得这件事有意思的，不只是我一个人在这条流水线上用着很顺。

更关键的是，如果整个团队都进入这个工作空间，效率可能会发生非常夸张的变化。

我搭出来的这些AI同事，并不是只有我自己能调用。

任何一个加入这个workspace的同事。

都可以直接@选题策划师帮忙调研，也能翻看素材文档，找到之前沉淀过的资料。

过去团队里最大的问题之一，就是信息流转不顺畅。

A曾经写过一篇产品拆解，半年后B再写同类产品时，完全不知道A当初调研过什么，只能从头再搜一遍。

但在Moxt里，A整理过的调研素材会沉淀在workspace中，B直接问momo就能把内容调出来。

AI同事的记忆是整个团队共享的，只要有一个人纠正过一次，其他人都能一起受益。

而且这些AI同事还能接入飞书和Slack。

在飞书群里直接@选题策划师，它就能立刻开工，不需要你再切去另一个工具。

对团队而言，这确实能省下不少琐碎成本。

再说说目前还不够完善的地方

现在AI同事之间的自动编排功能还没有正式上线，所以每一步结束后，都还需要手动告诉momo去接续调度，确认之后才能进入下一环节。

所以目前看起来，更像是一种半自动的协作模式。

不过在我看来，这件事也有两面性。

半自动的写作方式，其实也并非没有优点。

因为每个环节的产出你都能看见，质量也能自己判断，还能决定要不要继续往下走。

如果全自动运行的话。

你反而可能失去对过程的把控，最后结果一旦有问题，甚至都不知道是在哪一步出了偏差。

另外，初稿本身虽然结构完整、数据也足够丰富，但文风依然偏AI。

所以最后还是需要我自己再润色一轮。

最后说点感受

AI确实可以帮我把一项任务从0做到70分。

但最关键的那30分。

其中那种活人感，以及真正属于个人的风格，还是得我自己补上。

不过对我和团队来说，这已经很够用了。

以前我写一篇深度内容，从调研到写作再到改稿，至少要占掉整整一天。

现在把调研和初稿这些环节交给AI同事，我自己只需要负责选题判断，以及最后的润色把关。

真正属于我的工作，也从具体执行转成了做决策。

我越来越觉得，很多人对AI的使用方式，其实还停在上一阶段。

打开一个对话框，提一个问题，拿到一个答案，然后就关掉。

这和十年前使用搜索引擎，本质上并没有太大差别，只不过答案变得更聪明了一点。

但AI真正的价值，并不只是回答问题。

而是它能成为你工作流里的稳定节点，拥有记忆、有固定职责、能被分配任务，也能和其他节点一起协作。

当AI不再只是一个聊天窗口，而是变成团队里有名有姓的同事，整个工作方式都会改变。

你不再需要一个人对着五六个工具窗口来回切换。

你更像是一个leader，带着一支AI团队在同一个工作空间里协同推进。

这件事最重要的意义，不只是帮你节省了多少时间。

而是你终于不用每次都从零重新开始。

并且你沉淀下来的每一份素材、每一条规则、每一次纠错，都会持续让这个团队变得更强。

体验链接：

moxt.ai

如果这篇内容对你有帮助，不妨顺手点个赞、收个藏、转发一下，之后遇到类似问题也方便再翻出来。想第一时间收到更新，也可以顺便关注～

我是路人甲，曾做数据分析和产品，现在在创业。长期关注AIGC人工智能，分享更实用的AI应用，让AI真正成为你伸手就能用到的生产力。