B2B营销团队如何搭建AI工作流？知识库、Skill、自动化与人工判断的分工

一套可以长期运行的B2B营销AI工作流，通常包含知识库、记忆、主模型、专项工具、Agent、Skill、代码与自动化，以及承担最终责任的人。

每一部分解决的问题不同。知识库保存事实和方法，Skill保存执行规则，Agent组织任务和调用工具，代码处理稳定流程，记忆保存使用偏好，人负责目标、例外、风险和最终验收。

分工清楚以后，AI才能持续参与营销工作。

B2B营销AI工作流包含哪些部分

实际项目不一定需要一次搭齐所有部分。团队可以从一个高频任务开始，根据任务复杂程度逐步增加能力。

知识库负责保存能够被核验的信息

知识库适合保存企业可以追溯的事实和经验，例如产品资料、服务范围、项目记录、案例、会议纪要、文章、研究材料和历史版本。

每条重要信息都应尽量保留来源、时间、状态和适用范围。发生更新时，系统需要知道哪一个版本仍然有效。

例如，企业三个月前使用过一套GEO解释框架，后来根据项目实践进行了修订。旧版本可以继续保留，新任务应优先调用当前版本。出现分歧时，团队也能回到原始来源检查变化过程。

知识库在AI工作流中承担事实基础。主模型、Agent和Skill可以调用这些内容，但不能自行把未经确认的材料升级为公司正式口径。

关于知识如何进入内容流程，可以继续阅读《如何从知识库淬炼内容？一套适合B2B企业的生产流程》。

记忆负责保存偏好和柔性规则

记忆适合保存相对稳定的使用习惯，例如文章采用正常段落、外部表达保持保守、不使用过度承诺、报告默认采用某种结构。

这类信息能够帮助AI减少重复确认，提高协作连贯性。

产品参数、客户数据、合同金额、项目结果和当前政策不适合只放在记忆中。这些信息需要正式来源、版本和访问权限，应进入知识库或业务系统。

判断一条信息应该进入知识库还是记忆，可以看它是否需要被核验。需要引用来源、控制版本或者承担业务责任的信息，应进入知识库。

主模型负责理解任务和组织工作

主模型接收业务目标、知识材料和执行要求，负责拆解任务、规划步骤、组织结构和形成初步判断。

例如，企业准备发布一篇官网文章，主模型可以完成以下工作：

1. 判断文章要回答的核心问题；
2. 检查知识库是否有足够依据；
3. 形成内容简报；
4. 规划正文结构和伴生问答；
5. 提出需要人工确认的事实；
6. 根据审核意见修改内容。

主模型的输出质量受到输入信息、知识来源和验收标准影响。业务目标越模糊，模型越容易生成表面完整、实际缺少判断的结果。

因此，每项任务都要明确服务对象、业务问题、输出形式和验收条件。

专项工具负责完成特定任务

写作、图片、视频、数据分析和网页操作对模型能力的要求不同。团队可以根据任务类型选择合适的专项工具。

例如，一篇B2B文章的生产过程可能同时用到：

• 语言模型整理结构和正文；
• 数据工具检查表格和计算；
• 图像工具制作配图；
• 浏览器工具检查页面；
• 自动化工具完成构建和提交。

视频生产的差异更加明显。人物表达型视频需要关注人物一致性、口型和表达自然度；工业产品视频更适合使用真实素材，通过抽帧、分类、匹配和剪辑完成。

主模型负责理解整体任务，专项工具负责完成具体工作，最后回到统一的验收标准。

Agent负责协调知识、Skill和工具

Agent可以根据当前任务判断下一步需要什么能力，并调用相应的知识、Skill和工具。

以官网内容发布为例，Agent可以按照流程执行：

1. 读取已经确认的文章和发布要求；
2. 调用内容检查Skill；
3. 生成待审核的SEO标题、摘要和关键词；
4. 检查文章链接、作者和来源；
5. 在人工确认后调用发布工具；
6. 检查公开页面；
7. 保存发布结果和异常记录。

Agent需要明确的权限边界。内容生成、内部检查和草稿提交可以拥有较高自动化程度；正式发布、客户数据修改、预算调整和对外沟通通常需要人工批准。

现有的AI Agent词条进一步说明了Agent的基本概念和使用边界。

Skill负责保存专业判断的执行顺序

Skill用于保存相对稳定、能够重复使用的方法。

一套完整的Skill通常包括：

• 任务要解决什么问题；
• 需要哪些输入；
• 按照什么顺序检查；
• 使用哪些判断标准；
• 结果采用什么格式；
• 哪些情况需要停止；
• 哪些情况必须交给人；
• 如何验证执行结果；
• 当前版本和更新时间。

以SEM关键词分析为例，Skill可以规定先检查账户目标和产品范围，再检查关键词分类、搜索意图、历史数据和线索质量，最后输出增加、保留、观察或排除建议。

Skill能够提高团队执行的一致性。项目中出现新的情况以后，运营人员还要检查规则是否需要更新。

关于如何把项目经验转化为团队能力，可以继续阅读《做完一个项目之后，营销团队留下了什么？》。

代码与自动化负责稳定执行

当一个流程的输入、步骤、检查和输出已经相对确定，就可以考虑交给代码和自动化。

以官网发布为例，经过人工确认的文章可以继续执行以下技术步骤：

• 检查页面结构和链接；
• 生成或更新TDK；
• 生成Canonical和结构化数据；
• 更新Sitemap和相关文章；
• 构建网站；
• 上传文件；
• 刷新CDN；
• 提交搜索引擎；
• 保存发布版本和执行报告。

每一步都需要返回结果。出现构建失败、文件缺失、页面异常或者搜索提交失败时，流程应停止并保留日志。

自动化的成熟度取决于流程是否清楚。团队可以先手工跑通一条完整路径，再逐步把确定的部分交给代码。

业务系统之间的自动化，可以参考《B2B营销自动化系统怎么连接内容、表单、CRM与销售》。

怎样判断一项能力应该放在哪里

同一项工作可以按照以下方式分类：

需要长期核验的事实，放进知识库

例如产品参数、公司口径、案例材料、项目记录、研究依据和历史版本。

需要长期沿用的偏好，放进记忆

例如表达语气、版式习惯、文件命名和常用工作方式。

可以重复说明的专业方法，整理成Skill

例如文章事实检查、SEM账户诊断、落地页评估和视频素材分类。

步骤固定且必须稳定执行的任务，交给代码

例如文件校验、数据同步、网站构建、上传和状态检查。

需要上下文理解的工作，交给模型和Agent

例如分析业务问题、选择Skill、安排任务顺序和处理反馈。

涉及风险和责任的决定，由人确认

例如预算变更、客户承诺、正式发布、品牌立场和最终业务判断。

这种分工可以减少信息错放，也便于团队后续更换模型或工具。

从一个真实任务开始搭建

B2B营销团队可以选择一个高频、可检查的任务进行试点。

比较适合的起点包括：

• 官网文章从资料到发布；
• SEM周报和操作记录；
• 会议纪要进入CRM；
• 一份旧PPT拆解和重新组合；
• 视频素材分类和脚本匹配；
• 官网抓取、索引和页面状态巡检。

试点可以按照以下步骤推进：

1. 明确任务目标和最终负责人；
2. 整理输入材料和事实来源；
3. 写出当前人工执行流程；
4. 标出可以沉淀为Skill的判断；
5. 标出可以交给代码的固定步骤；
6. 设置人工审核和停止条件；
7. 连续运行并记录错误；
8. 把有效反馈更新回知识库和Skill。

完成一个闭环以后，再复制到其他任务。这样更容易发现哪些能力可以复用，哪些环节仍然依赖具体业务。

如何衡量AI工作流是否有效

团队可以从五个方面观察效果：

1. 结果质量

事实错误、遗漏和不符合要求的输出是否减少。

2. 人工返工

团队花在重复修改、重新整理和跨系统搬运上的时间是否下降。

3. 执行稳定性

相同输入能否得到结构基本一致、可以检查的结果。

4. 过程可追溯

团队能否找到输入来源、执行步骤、使用版本、人工修改和最终结果。

5. 经验复用

一次任务中形成的判断，能否在下一个项目中继续使用，并根据新结果得到修正。

评价AI工作流时，还要记录失败情况。只有成功案例会高估系统的实际能力。

常见的三个问题

把所有任务交给同一个模型

策略分析、事实核验、图片生成、视频制作和网站操作具有不同要求。合理分工有助于提高稳定性，也方便定位错误。

方法只保存在一次对话中

一次有效的提示词需要继续整理输入要求、判断规则、适用条件和失败边界，才能逐步形成团队可复用的Skill。

过早自动化尚未跑通的流程

规则不清楚时，自动化会更快地产生错误。团队应先手工验证任务路径，再处理重复、稳定的部分。

结语

B2B营销AI工作流的建设，需要让知识、规则、工具、自动化和人工判断各自承担清楚的任务。

知识库提供事实和历史，记忆保存使用偏好，Skill承载专业方法，Agent组织执行，代码保证稳定运行，人负责目标、例外、审核和结果。

团队可以先选择一项真实任务，完成从输入、执行、审核到反馈的闭环。运行中形成的新经验继续进入知识库和Skill，工作流也会逐步稳定。

资料来源与编辑说明

• 作者：赵岩
• 资料范围：本文综合基于此前确认读取的2026年8月31日至9月3日群内记录。由于微信访问权限未获批准，未补读2026年9月9日至23日的新消息，本文不代表完整的“最近半个月群精华”。
• 公开边界：正文未使用群友身份、个别案例、报价和无法独立核实的市场判断。
• 编辑说明：AI辅助去重、语义查重、结构整理和语言校对，最终公开版本由赵岩确认。