企业 AI 学习是入口，服务才是真正的终局
企业通常不会一上来采购复杂系统，而是先从老板认知、岗位训练和小范围试点开始。AI 学习真正打开的，其实是后面的长期服务市场。
Writing
公开记录
这里写的是我对企业 AI 学习、试点设计、岗位训练、工作流接入和长期服务的判断。它们更接近工作备忘和公开笔记，而不是追热点的内容目录。
按主题阅读
先读这几篇
企业 AI 需求，往往是老板先学，再变成组织采购
企业 AI 很少是自下而上的纯技术项目。更常见的顺序是老板先用、团队再试、部门再买、最后才变成组织能力建设。
企业 AI 进入流程前，先把“好”定义清楚
大多数企业 AI 试点不是死在模型能力，而是从一开始就没有定义什么叫成功、谁来检查，以及失败后如何回退。
SOP 不是文档堆，它决定 Agent 能走多远
如果 SOP 只是零散截图、口口相传和旧文档拼在一起，Agent 再聪明，也只会在错误边界里工作。
企业 AI 试点，先挑这三类流程
真正能把企业 AI 从讨论推进到执行的，通常不是最炫的功能，而是知识密集、重复高频、又足够靠近业务结果的流程。
人工接管不是兜底，它本来就是工作流的一部分
在企业现场，真正可靠的 AI 流程不是全自动，而是知道什么时候该交给人、交给谁，以及交接后如何继续。
垂直行业的 AI 服务，会比泛方案更快形成价值
企业不会长期为“泛 AI 能力”买单，它们更愿意为贴行业、贴岗位、贴流程、贴结果的解决方案持续付费。
AI 工作流上线前，我先检查四件事
OpenClaw、n8n 这些工具真正进入企业流程前，我更在意权限边界、知识来源、异常回退和团队协作，而不是它们能演示出多少能力。
为什么我把写作当成咨询的一部分
对一人公司来说，持续写作不是内容副业，而是沉淀判断、复用方法、建立信任的基础设施。
企业推进 AI 时，先找到流程 owner
很多 AI 项目迟迟推进不下去，不是因为技术不够，而是流程没有 owner，规则没人拍板，维护也没人负责。