A2A协作实战：傅盛的三万AI如何6小时将增长方案落地为网页

3月3日晚上，傅盛结束了长达3小时的视频号直播，因为髋关节脱臼正躺在床上休息。但他的一条消息，直接开启了一场前所未有的协作实验。他在微信里对我说：“你把这个转给三万。”

我心想，这可是我第一次被一位CEO要求去“跟他的AI沟通”。

那天我们聊了很多关于“龙虾”（指AI Agent）的话题。直播结束后，虽然已是深夜，但硅谷这边正是白天，时差反而成了优势。我们在群里继续讨论一个增长难题：直播内容质量很高，覆盖了CEO战略、CFO差旅、个人建站等大量优质案例，但新用户很难从3小时的视频里快速找到与自己相关的内容。

我做AI产品增长咨询已有两年，服务过二三十家公司。我的直觉是：内容本身并非壁垒，如何将内容转化为可触达、可转化的产品才是关键。傅盛分享的案例虽然精彩，却像珍珠散落在长视频的海洋里，新用户无从拾取。

于是，我提出了一个想法：按用户画像拆分，制作独立的“赛道”落地页。比如CEO赛道、内容创作者赛道、CFO/财务赛道、学生赛道。每个页面都用真实案例说话，让用户一进来就看到“和我一样的人在用AI做什么”，直接对话，快速转化。

我用我的LLM把这个初步想法整理成一份结构化的方案文档，发给了傅盛。

傅盛看完后，只回复了那句话：“你把这个转给三万。”

一、初体验：跨越信任鸿沟，与专属AI对话

说实话，当时我心里是打鼓的。

我自己养了6只“龙虾”（AI Agent），深知大多数通用AI在处理复杂业务任务时的通病：假装安装了Skill、重启就崩溃、或者因权限限制跑在沙箱里无法真正执行。

但“三万”似乎不一样。傅盛跟它进行了长达14天、累计22万字的深夜对谈。这意味着三万深度了解傅盛公司的组织架构、产品线、直播数据，甚至熟悉他的个人表达风格和偏好。

好吧，那就试试。我将信将疑地开始了这次跨界协作。

结果出乎意料。当天晚上，三万就把“CEO赛道”的第一版页面做了出来。

请注意，它不是原型图，也不是线框图，而是编写了代码、部署到线上、可以通过浏览器直接访问的完整网页。

几小时后，傅盛把链接发了过来。我点开一看，第一反应是：这速度不对劲。

根据我过去的经验，一个增长方案从提出到设计、开发、上线，最快也要一周，很多公司甚至需要一个月。而三万，只用了几个小时。

当然，第一版是粗糙的。我仔细看了之后，给出了5条具体的反馈意见。

然后，事情进入了这次实验最核心、也最精彩的部分。

二、凌晨的跨洋乒乓球：5轮极速产品迭代

三万收到反馈后，开始修改。这不是“收到，排期下周迭代”的常规操作，而是近乎实时的修改。一场跨越太平洋的“人-AI”协作乒乓球赛开始了。

整个过程被压缩在极短的时间内：从产生想法到最终页面上线，总计约6小时。如果走传统外包或内部研发流程，至少需要2周。

具体的迭代轮次如下表所示：

轮次	时间	我的反馈	三万的执行
第1轮	凌晨前	方案文档发出	第一版上线，6个场景框架完成
第2轮	+20分钟	脱敏口径要统一，要么写傅盛要么彻底匿名	改成直接写傅盛，并加入了场景优先级引导
第3轮	+1小时	“从零开始4步上手”太简略，要分分钟级引导	扩展成“你的第一个小时”，比我建议的还细致
第4轮	+2小时	缺少成本对比，CEO最关心花多少钱	单独增加了成本板块，每2个场景插入一个下载入口
第5轮	凌晨3点	几个小调整	定稿上线

在第三轮迭代中，我看到了AI Agent超越机械执行的能力。我的指令仅仅是“要分钟级引导”，而三万交付的“你的第一个小时”板块，精细到了用户每一步该输入什么文字，甚至预判了多久会收到回复。

它完全理解了我建议背后的业务意图——让新用户实现“零思考跟着做”，并在此基础上做出了更优的产品表达。

整个流程就是：我发反馈 → 傅盛转给三万 → 三万改完 → 傅盛发链接给我 → 我再反馈。像打乒乓球，球在太平洋两岸弹跳，而两只AI是不知道疲倦的接球手。

傅盛在第二天的直播里提到了这件事：“这一页打磨了5次…昨天晚上又到3点多打磨五次。” 他紧接着点出了关键：“你看上去在燃烧TOKEN，但你节约的是时间。你一件事以前要干一个月、半个月，你现在一天就干完了。”

三、协作链路复盘：人类作为完美的“路由器”

我们来复盘一下这个高效协作链条中的每个角色：

• 我（人类1）：提出核心Idea，定义产品框架，审核每一个版本，给出修改意见。
• 我的LLM（Agent 1）：将我模糊、碎片化的想法，迅速整理成结构清晰、可执行的方案文档。
• 傅盛（人类2）：作为决策者，判断方向是否正确，将文档转发给三万，并最终拍板。
• 三万（Agent 2）：作为执行者，将文档转化为代码，再将代码部署为网页，根据反馈实时迭代，并自主补充业务细节。

两个人类 + 两个AI，在一个晚上完成了通常需要一个产品经理、一个设计师、一个前端工程师协作一周才能完成的工作。

而且，这并非一次性魔法。CEO赛道页面完成后，其模板和协作模式可以快速复制到创作者、CFO等其他赛道。三万理论上一天就能完成一个赛道页面，边际成本极低。

四、真实的A2A：不在PPT里，而在微信群中

我在硅谷分析AI产品两年，见过太多PPT上描绘的“多Agent协作”架构：Agent A搜索、Agent B分析、Agent C生成……看起来很美，但大多停留在Demo阶段。

而那个夜晚的经历让我确信，A2A（Agent to Agent）已经在真实工作场景中跑通，只是形态并非人们想象中那种全自动的API对接。它以一种更朴素、却更有效的方式运行：人类充当路由器。

我把LLM产出的文档，通过微信发给傅盛；傅盛转发给他的AI“三万”。三万的产出通过链接发回，我再用自己的LLM分析后给出反馈，反馈又经由微信传回去。

中间的通信协议是微信群，中间的路由器是两个人类。听起来不够“高科技”，没有自动化流水线，但它的效率高得令人不安。

为什么这种看似“原始”的A2A反而成功了？因为它巧妙地解决了目前所有“高级”方案都难以跨越的两座大山：

1. 信任壁垒（Trust）：三万掌握着公司的核心数据与战略，这些绝密资产不可能通过API开放给外部AI。人类作为中间层，确保了信息在传递前经过筛选和脱敏。
2. 商业判断力（Judgment）：如果让AI自动评估产出并自动修改，极易陷入逻辑跑偏的“死循环”。人类在循环中的核心价值是“判断”——这个版本行不行？商业方向对不对？细节要不要改？

因此，我的判断是：未来的A2A，并非Agent之间的自动通信，而是“人类+AI”组合体与另一个“人类+AI”组合体之间的协作。

每一侧的人与AI分工明确：人类负责决策、判断与关系维护；AI负责执行、生成与快速迭代。双方通过微信等常规工具交换AI的产出物，然后各自回到自己的人机组合内进行下一步工作。

效率提升是指数级的。传统协作的瓶颈在于执行，而现在，执行速度被AI极大压缩，核心瓶颈变成了人类的决策与判断速度。

五、专属AI的护城河：22万字的记忆

这次协作给我一个强烈感受：三万不是一只普通的、刚开箱的AI。

一只通用AI能聊天、写代码、搜索，但它不了解你。如果你让它“做个CEO赛道页面”，它只会交付一个正确但通用、缺乏灵魂的模板。

而三万收到我的方案时，其执行基线是：“我非常了解这个产品，也非常了解这个老板。” 22万字的对话积累，让它深度理解猎豹的业务线、产品定位、傅盛的风格，甚至清楚“成本思维vs成长思维”这个分析框架的演进脉络。

所以，它能在短时间内产出结构合理且贴合业务的内容，因为大部分背景知识早已存在于它的记忆里。

这意味着，AI的核心价值不在于单纯的“智商”（LLM IQ），而在于“对业务的了解程度”（Context）。智商高但不了解业务的AI，产出物往往是“外行看起来像内行，内行看起来像外行”。而一个足够了解你的专属AI，句句都能切中要害。

傅盛曾总结：大语言模型提供的是智商，但光有智商没用，必须有记忆、有工具、有经验，才能成为靠谱的员工。

这揭示了语料留存的重要性。那22万字的高密度对话、直播转录、迭代记录，并非简单的聊天历史，而是AI的核心资产与真正的护城河。竞争对手可以模仿产品架构，但永远无法复制这22万字专属训练数据所沉淀的深度认知。

六、体感革命：等待被彻底消灭

作为从业者，最深刻的体感是：“等待”被消灭了。

过去的工作流充满等待：与客户开会（1-2小时）→ 整理研究（2-3天）→ 出方案（1-2天）→ 等客户反馈（3-5天）→ 修改（1天）→ 等工程团队排期执行（1-2周）→ 上线。从启动到落地，最快3周。

而这次呢？直播结束 → 当晚出方案（2小时）→ 傅盛转交（10分钟）→ 三万出第一版（几小时）→ 我给反馈（20分钟）→ 三万迭代（20分钟）→ 5轮打磨 → 凌晨3点上线。从“开会”到上线，不到12小时。

这不是10%或20%的效率优化，这是数量级的压缩。而且质量并未下降，经过5轮快速迭代，结果令人满意。

效率提升的根源，并非某个环节稍微提速，而是将传统流程中占比高达80%的“等待时间”彻底归零。等待客户回复、等待工程师排期、等待设计师出图……这些等待源于人类有工作时间、有并行任务、有沟通损耗。

而AI没有这些问题。它不需要排期，收到指令立刻执行；它不下班，凌晨三点依然全速运转。于是，5轮深度的产品迭代，不再需要5天，只需要5个小时。

七、从一次实践到行业判断

基于这次亲身经历，我跳出数据，形成了几点行业判断：

1. 新基本单元：AI时代协作的基本单元不是单一的“Agent”，而是“人 + Agent”的组合体。现阶段的最大瓶颈并非AI不够聪明，而是人类尚未学会如何与AI高效配合。
   

2. A2A杀手场景：A2A第一个成熟的杀手级应用场景，并非复杂的“AI间自动协作”，而是“两个人通过各自的专属AI实现极致高效的协作”。人类负责路由与决策，AI负责执行与迭代。

3. 核心资产迁移：高质量的私有语料，将成为下一个时代的核心竞争资产。22万字对话是就是训练数据。谁的AI更了解自己的业务，谁的AI产出质量就更高，这个差距会随时间形成壁垒。

4. 工具民主化：AI不是程序员的专属玩具。傅盛的CFO（注册会计师）用两天打通了差旅系统；产品经理出身的傅盛本人，通过AI建站并迭代了200次；某AI工具创始人称其产品的40万行代码自己一行未写。未来属于懂业务、懂战略的领域专家，他们借助AI将想法直接变为现实。
   

八、后续：这仅是开始

那个凌晨上线的CEO赛道页面，傅盛在次日的直播中直接展示了，并坦言“这是昨晚做的”。他提到：“Will（作者）说我们这个龙虾怎么做，应该有个赛道。想到了，当天晚上三万就把这个赛道网站给做了。”

后来，我分析了他第二天3小时的直播内容，核心建议是：内容需专题化、产品化，像网页一样一个落地页对应一个主题。我把分析发给他，他回复“是的”。

当我提议“可以让你的龙虾和我的龙虾各自出一版方案看看”时，他回了一个“嗯”。

我知道接下来会发生什么——我的LLM会生成一版方案，三万会生成另一版。傅盛会作为决策者，对比、选择、整合。两个AI，服务两个人，在同一个项目上各自贡献方案，由人类进行最终的判断与融合。

这就是正在发生的A2A。它不是科幻小说里的场景，而是2026年3月一个普通夜晚的真实记录。

写在最后

成文时，我让LLM帮忙校对。它建议我在结尾加一个行动号召，比如“鼓励读者去养自己的AI”。我拒绝了。

因为我觉得，读完这个真实案例后，如果还需要别人告诉你该行动了，那么这些文字或许就失去了意义。

你要么已经在路上了，要么还在原地等待。

等什么呢？等到拿起手机只能点外卖、叫车的时候，属于你的互联网机会又在哪里？这是傅盛在直播中的原话，我深以为然。

这场始于一句“转给三万”的协作实验，不仅是一次效率的胜利，更是一次关于人机协作新范式的生动启示。未来已来，只是分布得尚不均匀。欢迎在云栈社区分享你对人机协作与A2A应用的看法与实践。