*正文共计约 4000 字 / 预计阅读 10 分钟*
最近我给自己的内容工作流加了一个很小的功能。
一篇文章发布后，我只需要把状态从“待发布”改成“已发布”，程序会自动移动文件、更新索引、归档原稿，再把后续需要补的数据留出来。
以前这些事，要么我自己一个个处理，要么每次交给 AI。都能做，但很烦。让 AI 处理一次不麻烦，处理几十次，依然要重复下命令、确认文件、检查结果，还会消耗额度。
所以我最后没有再写一段更复杂的提示词，而是让 Codex 把规则做成了程序。
这件事很小，却让我对最近很火的 OPC 有了一个更具体的理解。
OPC，通常被解释成 One Person Company，一人公司。现在大家讲的这轮 OPC，又多了一层：一个真人，加上一组 Agent，去完成过去需要多人协作的工作。
但我真正开始理解它，不是因为看到了“一个人管理十几个 AI 员工”的组织架构图，也不是因为装了多少 Skill。
而是我发现，自己过去几年做副业时每天反复处理的很多事情，终于可以被拆开，交给不同的工具、程序和 Agent。一个人做业务，开始不再完全等于一个人亲手做完所有工作。
01 我以前做的，其实已经很像一人公司
2022 年，我第一次认真做副业，从视频号开始。
自己找选题、剪视频、发内容、看数据、选品、带货。后来平台规则变化，搬运和混剪越来越难做，我又开始做原创口播，半年发了 400 多条视频。
再往后，我做过红包封面、虚拟资料、AI 项目，也赚到过钱，但这些项目有一个共同问题：依赖平台、红利和执行速度，做完一轮，留下来的东西不多。
2023 年，我开始大量写公众号、朋友圈和知识星球，做微信群、私域、付费专栏、咨询和社群。那时才慢慢跑通一条更完整的路径：
内容把人吸引过来，朋友圈和社群建立信任，产品承接需求，再由我自己完成成交和交付。
那时候我没有用 OPC 这个词，但每天做的事情已经很像一家小公司。只不过这家公司没有部门，所有岗位都压在我一个人身上。
上午写文章，下午做产品，晚上回消息；既要想选题，又要做销售，还要维护用户、整理资料、设计交付。哪一块停了，哪一块就没有进展。
过去的一人公司，很多时候只是“一个人做了一家公司的活”。
可以用软件，可以找外包，也可以请助理，但核心仍然是本人在不同岗位之间来回切换。人的时间没有增加，精力也没有增加，业务一多，最先乱掉的往往不是能力，而是注意力。
02 Agent 带来的变化，不只是把事情做快
过去几年，AI 也一直能帮忙。
它可以改文案、写标题、整理笔记、生成代码。问题是，大部分时候它更像一个临时助手：我问一次，它答一次；我把材料发过去，它处理一次。
只要对话结束，很多工作也跟着结束。下一次还要重新解释背景、重新找资料、重新告诉它输出放在哪里。
Agent 开始不一样的地方，是它能读取已有资料，调用工具，操作文件，执行代码，在一个任务中连续推进很多步。
比如我把飞书导出的文章合集放进 Inbox，它可以先判断文档结构，再按标题拆分，补充元信息，分类归档，更新索引，最后记录日志。
我让它整理文章素材，它会读取采集内容，筛掉无效信息，提炼选题，检查是否和近期内容重复，再进入待发布目录。
开发 TimeLog、微信小程序、浏览器插件时，它也不只是给我一段代码，而是能读取整个项目，找到相关文件，修改、运行、检查，再根据结果继续修。
这里真正有意思的，不是一次任务节省了十分钟。
以前我要亲手完成每个动作，现在我开始负责另外一件事：把目标讲清楚，把资料和工具接进去，给出验收标准，然后检查结果。
我的工作位置变了。
我仍然要做事，但不再需要把所有时间花在执行上。越来越多时候，我是在安排工作、判断轻重、处理例外、决定下一步。
这才是我理解的这轮 OPC 变化。
传统一人公司与 Agent OPC 的工作方式对比
03 但装几个 Agent，不会自动长出一家公司
现在关于 OPC 的内容里，我最警惕的一种写法，是先搭一张完整的组织架构图。
市场部 Agent、产品部 Agent、开发 Agent、运营 Agent、客服 Agent，看起来已经是一家公司了。
但再问一句：客户是谁？产品是什么？从哪里找到用户？用户为什么付费？交付完以后有没有反馈？
如果这些问题还没有答案，那些部门暂时没有多少事情可做。
我做多年副业后，对这件事的判断很现实：公司首先要有业务，Agent 才有岗位。
没有用户，市场 Agent 只能不停生成看起来正确的用户画像；没有真实产品，运营 Agent 只能制造一堆虚假的待办；没有交付经验，客服 Agent 连什么问题能承诺、什么问题需要拒绝都不知道。
AI 可以把一个动作做得很快，也可以把一件错误的事情做很多遍。
我现在做内容工作流，之所以能不断拆出自动化，是因为这些工作以前已经做过几百次。什么资料该保留，什么内容不该公开，文章发布后要归档到哪里，哪些选题重复了，我心里已经有判断。
Agent 接手的应该是一个真实存在、反复发生、可以检查的工作。
反过来，如果我还不知道一个产品有没有人需要，就急着搭获客 Agent、销售 Agent 和客服 Agent，大概率只是把“还没想清楚”包装得更复杂。
Agent 必须接入用户、需求、获客、产品、交付和反馈组成的真实业务流
04 我现在愿意交出去的，都是已经做烦了的事
我现在对 AI 的使用顺序，和刚开始已经不太一样。
最早看到一个新工具，我会先想它还能做什么。现在我更常问：我最近反复做了什么，哪一步最烦，哪一步容易出错？
文章拆分、文件归档、格式转换、索引更新、数据记录，这些事情规则比较清楚，做得再熟也不会产生新的判断，适合交给程序和 Agent。
资料搜索、代码排查、项目初版、内容查重，也可以让 AI 先跑。它不一定一次做对，但通常能把我从大量机械工作里拉出来。
有些事，我暂时不会交。
写哪个选题，产品还要不要继续，价格怎么定，对用户承诺什么，哪些经历可以公开，文章最终值不值得发，这些决定仍然由我来做。
不是因为 AI 永远做不了，而是这些地方一旦判断错了，承担结果的人还是我。
Agent 更像员工的地方，除了能干活，也包括它需要岗位边界。什么可以自己决定，什么必须回来问；什么结果算完成，什么错误不能接受，都需要有人负责。
如果什么都要我逐句指导，它只是一个更麻烦的工具。如果什么都不检查，又很容易把小错误一路放大。
OPC 并没有让管理消失，只是管理对象开始变化了。
05 做了多年的旧事，突然成了这轮变化里最值钱的东西
我以前会觉得，过去写了那么多文章、做了那么多零散项目，有些东西好像已经过时了。
现在回头看，它们恰好构成了 Agent 最需要的上下文。
上千篇文章里，有我怎么表达；社群和咨询记录里，有用户真实问过的问题；做知识付费的经历里，有产品、成交和交付的判断；视频号、公众号、私域和各种副业项目里，有失败、数据和踩过的坑。
没有这些资料，AI 只能给我一套网上随处可见的答案。
有了这些东西，它才有机会知道我做过什么、现在处于什么阶段、哪些话不像我、哪些方案以前试过但不适合。
所以 Agent 出现以后，经验没有贬值，反而更容易被调用了。
一个刚开始做副业的人，也可以使用和我一样的模型、一样的 Codex、一样的自动化工具，但我们给 Agent 的材料不同，能写清楚的规则不同，最后得到的结果也会不同。
模型能力当然重要，但一个人的业务资料、用户反馈和判断，才会慢慢形成自己的差异。
06 我现在的 OPC 还很不完整
写到这里，也不能把这件事说得太顺。
我现在有内容工作流、知识库、开发工具，也做了网站、小程序、浏览器插件和 Windows 桌面软件。看起来能做的事情很多，但它们离一套成熟稳定的个人业务还有距离。
TimeLog 已经能用，也写了文章免费分享，但还要看有没有人持续使用。
小程序开通了流量主，也一直在迭代，但用户规模和收入仍然需要继续验证。
AI 编程出海还走得很慢，手上有半成品，也没有稳定的海外获客。
内容工作流做了很多自动化，可选题、观点和最终修改依然消耗大量时间。
离职后时间更多了，我反而同时写文章、做产品、写小说，方向一多，注意力还是会被切碎。Agent 能帮我完成更多任务，也会让我误以为自己可以同时推进更多项目。
这是 OPC 很容易被忽略的另一面。
一个人的执行能力被放大以后，选择什么、不做什么，会变得更重要。以前做不完，是因为时间不够；现在做得完一些了，仍然可能因为方向太多，最后每件事都只推进一点。
AI 缓解了人手不足，没有解决注意力有限。
07 真想开始，不用先搭一家公司
如果你也在做副业、内容或个人产品，我不建议先设计五个部门，再给每个部门配一个 Agent。
先找一件你已经重复做过很多次的工作。
它最好有明确输入，也有一个能检查的结果。比如把用户反馈整理进产品文档，把一周的时间记录生成复盘，把采集的内容筛成选题，或者把发布后的文章自动归档。
先亲手跑顺，写清楚其中的判断，再让 AI 接手一部分。跑几次以后，看它哪里容易错，再把稳定动作固化成 Skill、脚本或小工具。
当一个 Agent 能在你不逐步指挥的情况下，完成一件真实工作，而且结果可以直接进入下一步，它才算真正加入了业务。
再往后，第二个、第三个岗位自然会出现。
不是因为组织架构图上缺一个位置，而是你确实又遇到了一件重复、耗时、值得交出去的工作。
08 最后
我做了几年副业，越来越清楚一个人的公司有多累。
内容、流量、产品、成交、交付，每一块都能学，每一块也都要花时间。以前所谓的一人公司，更多依赖本人足够能干、足够能熬，再把少量杂事外包出去。
Agent 出现后，这件事开始有了新的可能：一个人可以把自己做过的事情拆成流程，让一部分工作持续运行，自己保留方向、关系和关键判断。
但我现在还不打算说，自己已经拥有一家由 AI 驱动的公司。
我只是开始有了几个能真正干活的岗位，也在不断把做过的事、踩过的坑和新的反馈写回系统。
接下来比“再装一个 Agent”更重要的，是让现有的 Agent 独立完成一件真实任务，然后看看它究竟省了多少时间，带来了什么结果。
这件事，我也还在继续做。
09 参考资料
- Anthropic：Building effective agents
- McKinsey：The state of AI in 2025: Agents, innovation, and transformation