盯着十几个工作文件夹发了会儿呆。
文件名“项目材料 final”、“参考资料 2”、“讨论纪要稿”……以前文件夹命名要清晰、分类要合理,为的是让人好找。
但是,文件夹里天然存放着上下文和背景,应该是给 AI 消费的。
一个文件夹就是一个 Agent员工,这件事改变了我对工作和任务的理解。
一个文件夹,如果装的是业务上下文、脚本代码、口径说明,那 AI 打开它,就能像熟悉这个项目的老员工一样接手。
为什么文件夹需要被重新设计
先来看运营的工作是怎么被设计出来的。决策层定方向,中层把战略拆成可落地的流程,要求员工录入 CRM、OA 等系统。
执行层在系统里点点点,运营则把数据做汇总展示,监控业务的运作,反馈在数据和报表上。
于是在数字流水线上取数、对口径、调格式、做图表。每一步都在做事,但问这件事对业务结果有什么影响,答案往往是沉默。
工作的特征是任务、流程、重复导向,聚焦 task 而不是结果,也称为 fake work。
这套体系在 PC 时代非常有效。一个人记不住 1000 个客户信息,但 CRM 打开数据就能查,只有存在系统、表格里的结构化数据可被分析。
但 AI 来了之后,这套逻辑开始失效。甚至非结构化数据蕴藏着更多信息——会议纪要、邮件往来,AI 都能读懂,也能自己完成分析。
因此,用流程把人变成数据节点,这件事正在被 AI 取代。开始改造自己的文件夹,把它变成一个一个自主或半自主完成任务的 Agent。
如何改造三个文件夹
以数据运营工作为例,逃不开取数、做报表、写报告,每个文件夹中 AI 参与度越来越高,留给人的事情越接近“判断”。
第一个 SQL 取数文件夹——AI 替代记忆。
之前一个简单的取数需求,30 分钟起步。翻相关字段在哪个表里 → 东拼西凑 SQL → 对口径 → 出错再改。
哪个字段在哪张表、表和表之间怎么关联、口径什么时候改过。这些全靠人脑记忆,但 AI 现在读一遍 Markdown 文档就能秒 get。
把写 SQL 和跑 SQL 分离,我在 SQL 文件夹至少有三样东西:第一,数据字典;第二,常用 SQL 代码;第三,说明文档。
📁 SQL 取数文件夹/ ├── 📄 数据字典.xlsx ← 记录所有表的字段 ├── 📁 常用 SQL 代码 ← 按场景,标注口径,保留修改记录 │ ├── 📁 业务过程管理/ │ │ ├── 跟进拜访.sql │ │ └── 回款明细.sql │ ├── 📁 客户管理/ └── 📄 SQL维护说明.md ← 常见业务问题索引、关键口径说明
拼在一起,就是一个 SQL Agent 员工。AI 读字段清单,查阅模板,拼出 SQL,我来审结果对不对。
第二个 Exce…