这一周，我是怎么把AI用进B2B数字营销里的

AI的模型能力会越来越接近，真正能拉开差距的，是它和实际工作的结合程度。只有把AI接进真实业务，才会看到原来的流程哪里可以改，哪些工作没必要继续靠人工，也会慢慢出现一些原来没有的业务机会。

B2B数字营销里有很多这样的环节。知识怎么积累，内容怎么复用，PPT怎么管理，CRM怎么维护，网站怎么持续更新，过去都有一套工作方式，现在都值得重新做一遍。我的公众号刚刚也改了名字，后面会继续记录我们怎么把AI用到B2B营销里。少讲概念，多讲具体做了什么、为什么这么做，以及最后有没有用。

这一周主要做了7件事。

1、搭建物理知识库，并让AI负责知识治理

先把公司的物理知识库重新搭了一遍。过去积累的售前方案、项目方案、案例、PPT、文章、研究资料、演讲和课程，分散在飞书、网盘、本地电脑和聊天记录里。资料少的时候还能靠记忆，几年下来以后，文件在哪里、哪个版本最新、哪些内容还能继续使用，已经很难靠人记住。

这次先定一个最基础的规则：本地文件夹作为主知识库，Google Drive或者GitHub负责备份。重要资料最终都要有稳定的本地文件，不只存在某个平台里。另外加了一条规则：以后公司重要的对外内容，先进入知识库，再从知识库出去。比如一篇B2B营销文章，不再是写完直接发布，原始资料、最终版本以及里面值得继续使用的知识，先进入知识库，再发布到官网、公众号或者其他平台。PPT、课程、案例也是一样。

以前很多内容的路径是“制作—发布—结束”，接下来希望改成“进入知识库—加工—输出—再回到知识库”。这样做以后，一篇内容不是用完一次就结束，而是继续成为后面工作的原材料。

知识库还有一个问题：不能继续靠人长期维护。传统知识库需要人分类、命名、打标签、归档、更新，工作一忙，这些动作最容易停下来。我的设定是，人正常工作，做方案、开会、写文章、做PPT、项目复盘；AI负责后面的分类、关联、去重、版本识别和知识提取。人负责产生知识，AI负责治理知识，这应该比要求所有人长期保持良好的知识管理习惯更现实。

2、让持续更新的资料进入知识库，并不断做新的萃取

知识库搭好以后，还要解决更新的问题。如果里面只有过去的资料，它很快就会变成一个档案库。

公司的知识其实每天都在变。飞书文档会更新，售前方案会出现新的表达，新项目会形成新的案例，SEO、GEO和内容营销的方法也一直在变化。这些持续更新的资料都要进入知识库，而且不是简单做一次备份。

比如三个月前，我们在一份方案里用一种方式解释GEO，最近的方案里已经换了一套更完整的表达。旧文件可以保留，但AI要能够识别这部分知识发生了变化，并把新的内容重新萃取出来。文件管理解决的是“这个东西在哪里”，知识管理还要解决“我们现在对这件事到底是怎么理解的”。

这也是为什么我把录音接了进来。我平时开完会、做完项目、见完人，或者临时想到一个问题，会直接用得到大脑录下来。录音转成文字以后进入本地知识库，再由AI提取里面的观点、案例、待办和新的信息。

很多B2B营销经验，本来就不会以正式文档的形式出现。可能只是做完一个项目以后的一句判断，或者跟别人聊完以后发现某个问题以前想错了。这类东西过去很容易丢掉，现在至少可以先留下来，再由AI处理。之前做知识库时，其实就已经专门考虑过把会议、讨论和临时产生的判断通过录音保存下来。

3、建设PPT的智能化管理和生产能力

PPT也是这一周重点处理的内容。我们这些年做过很多售前方案、年度复盘、客户培训、行业分享和公开演讲。过去的管理方式很简单：保存完整文件，下次再做PPT的时候，找几份以前的文件，从里面复制几页。

文件多了以后，这种方式越来越低效。一份80页的PPT，真正值得长期复用的可能只有其中几页：一个案例、一组数据、一套方法或者一种做得比较好的版式。

所以我把PPT分成两类碎片来管理。一类是内容碎片，包括案例、方法论、数据、流程图、SEO和GEO的解释、行业判断等；另一类是风格碎片，包括封面、案例页、数据页、时间线、左右结构、三列结构等页面形式。

下一步是让AI同时管理这两类碎片。以后做一份新的售前方案，先把这次的业务、问题和表达目标交给AI，再从历史内容里找到合适的案例、数据和方法，从风格库里选择适合的页面形式，最后重新组合成一份新的PPT。

我不太希望AI凭空帮我生成20页PPT。B2B方案真正值钱的还是过去做过的项目、积累的方法和真实案例。AI更适合做的是，把这些东西管理起来，需要的时候快速找出来，再重新组装。

4、重新学习Skill和Agent，并开始封装自己的Skill

这一周还重新学了一遍Skill和Agent。以前知道这两个概念，但真正开始搭以后，分工才比较清楚。

Agent负责判断要做什么，Skill负责把具体的事情做掉。比如一个助理收到一段话，需要判断这是CRM信息、发票问题还是报销问题，这是Agent负责的；真正更新CRM、查询发票、记录报销，则交给不同的Skill。也就是说，一个Agent可以调用很多Skill，不需要每一项工作都单独做一个机器人。

按照这个逻辑，我开始在GPT里封装一些自己经常使用的方法。过去用AI，经常要反复解释同一套规则。一篇B2B文章应该怎么检查，一个案例怎么拆，一份售前方案应该看哪些问题，如果方法已经稳定，就没必要每次重新写一遍Prompt。

这些东西可以直接做成Skill，下次再遇到类似任务就直接调用。它和过去做SOP有一点像，但SOP主要是告诉人怎么做，Skill可以让AI直接按照这套方法执行。

5、在飞书建立助理Agent，把CRM、发票和报销接进去

Skill和Agent的逻辑理顺以后，我在飞书里做了一个助理Agent。目前已经接入几个Skill，其中最重要的是CRM Skill。

我们的CRM本来就是用飞书多维表格搭的。问题一直不是系统不好用，而是CRM需要额外维护。一次沟通结束以后，还要再打开表格，找到对应公司和联系人，更新沟通情况、项目阶段和下一步动作。每一次只要几分钟，但非常容易拖。

现在我把CRM的入口从填表改成对话。我直接告诉助理今天发生了什么、沟通了哪些内容、下一步准备做什么。Agent判断这是CRM信息以后，再调用CRM Skill，把自然语言转换成对应字段，写进飞书多维表格。这样记录业务和维护CRM就变成了同一个动作。

同样的方式，我还接了发票管理和报销管理Skill。跟客户之间有哪些发票往来、哪些已经开出、哪些还需要处理，以及哪些费用要报销，都可以从这个助理入口进入。

我不想为每一件事情做一个单独的机器人。更希望只有一个入口，我告诉它我要做什么，后面的判断、调用Skill和更新系统由它完成。

6、用GPT和豆包的自动化处理内容分发

这周还继续测试GPT和豆包的自动化功能，先放在内容分发上。

B2B内容完成以后，后面还有不少重复工作。官网、公众号、LinkedIn、知乎、小红书，对标题、篇幅、格式和表达方式都有不同要求。如果全部人工做，内容团队会花很多时间在改格式和重复发布上。

我把这套流程拆成两部分。前面是原始内容，事实、观点、专业判断和核心表达要认真做；后面是平台适配和分发，原始内容确认以后，再让AI按照不同平台要求调整标题、长度和格式，通过自动化完成部分发布，或者先进入待审核状态。

目前还没有做到完全自动。有的平台格式仍然需要检查，标题也需要人工判断。但工作方式已经从“每个平台重新做一遍”，变成“先完成一个高质量母版，再处理不同平台版本”。

对内容团队来说，这比让AI多写几篇文章实际得多。内容质量还是最重要的，重复操作没有必要占用太多人的时间。

7、继续运营AI-Native官网：学习频道和“一张图读懂”

这一周投入时间最多的是官网内容，大概用了9个小时。

先增加了一个“学习”频道。过去我们做过不少演讲和客户分享，每次准备内容都要花很多时间，但讲完以后，大部分PPT就留在电脑里，很少再系统使用。

这次把过去的演讲材料重新拿出来，用AI做了一轮整理。先整理原始PPT和相关资料，再判断哪些内容值得长期保留，补齐过去必须配合现场讲解才能理解的部分，最后重新整理成可以独立阅读和学习的课程。

这个过程花的时间比预期多。演讲PPT和课程不是一回事，很多PPT页面只有几个关键词，真正的信息在现场讲解里，所以不能简单把PPT搬到网站，需要重新组织内容。

另外还开始做“一张图读懂”系列。这个场景很适合AI-Native网站后续运营。

以前如果要给几百篇文章分别做一张真正有内容的图，是一个很大的工程。不是找一张图库图片放上去，而是要先读文章、理解内容、提炼重点，再设计成图。几百篇一起做，人工成本很高。

现在可以先让AI理解文章，提取最适合视觉化的信息，再按照统一规则生成“一张图读懂”。以前因为工作量太大做不了的事情，现在开始可以持续做，网站上的内容形式也会更丰富，不再只有文字。

这也是我做AI-Native网站以后比较关注的一部分。AI不是建站的时候用一次就结束，网站上线以后，课程整理、历史内容再利用、文章配图、知识更新、新页面生产，都可以继续用AI。

前面的知识库也能和这些工作接起来。新的售前方案进入知识库以后，其中好的方法可以成为PPT碎片；演讲材料进入知识库以后，可以重新做成课程；文章发布以后，可以再做“一张图读懂”；新的项目经验继续回到知识库，后面的Agent再调用这些内容。

这些工作目前都还在推进，没有哪一项已经做到完全自动化。但方向已经比较清楚：不是让AI替我们多生产一点内容，而是把原来分散的知识、内容和工作流程重新接起来，让已经做过的东西可以继续使用。