上周刚被央视采访完「一人公司」的话题。
这三年做独立开发者、写书、做培训，我一直在干同一件事：帮更多人把人工智能用起来。
见了很多行业的人之后，有一个感受越来越强：AI在「做生意」这件事上的落地，比写代码难多了。 全球有几千万中小企业主和想创业的普通人，很多人连电商运营的基本概念都不清楚，但他们想搞一盘自己的生意。选品怎么选、供应商怎么找、店怎么开、价怎么定，这些事你让Claude或ChatGPT来帮忙，它们确实帮不上。不是模型不够聪明，是它们不懂这个行业。
然后我拿到了阿里新发的Accio Work内测邀请。
出厂就懂做生意的Agent团队
Accio Work是阿里在海外落地的第一个企业级Agent，3月24日刚面向全球市场发布。它面向的是全球的中小企业和个人创业者，一个美国大学生想在Shopify上开个小店，一个东南亚的小老板想从中国找供应商，都是它的目标用户。
跟我日常用的OpenClaw（龙虾）比，最大的区别是：龙虾是通用Agent，你得自己装技能、配工具、写prompt，才能让它干特定的活。Accio Work更像一支出厂就配齐的团队，每个Agent都预装了做生意的技能包。
三个能力让我觉得有意思：
开箱即用。 内置了电商运营、供应商管理、市场分析这些专业Agent，背后接的是阿里国际站、1688、速卖通等阿里生态积累了20多年的全球电商经验、数据。你不需要自己去找数据源，它已经知道哪个品类好卖、哪个供应商靠谱、利润空间大概多少。
团队协作。 可以拉多个Agent组团队，指定一个Team Leader统筹分工。比如我后面测试的时候就建了个「龙虾电商」团队，拉了3个Agent进来，一个管调研，一个管供应链，一个管建站。
远程甩手。 接入了Telegram、Discord、钉钉、微信、飞书，设好定时任务之后它自己跑，有进展推消息给你。你在睡觉，它在帮你发询盘邮件。
它还支持43种应用授权，可以直连Gmail、X、GitHub、TikTok、Shopify等平台，让Agent直接代你操作。一个德国采购商让Accio Work通过Gmail帮他跟供应商砍价，目标是30块人民币，Agent来回发了6封邮件，最终以38块成交。整个过程是自动的，Agent会根据对方的回复调整策略，该坚持的坚持，该让步的让步。
模型可以自己选，主流的都支持，Claude、GPT、Gemini、Qwen都有。我选了Claude Opus 4.6。工具里最让我注意的是品商搜索，能直接调阿里系的供应商数据，这个能力通用Agent没有。
实测：电商小白从零搭一家Shopify店
我给自己出了道题：完全以一个电商小白的身份，用Accio Work从零搭一家Shopify店铺。我对电商的了解基本为零，正好测测这东西对非专业用户到底友不友好。
创建了一个Shopify Dropshipper智能体，走完4步向导就能用。工具全开，品商搜索、Gmail集成、图像生成这些都预装好了。
然后我输入了第一条指令：
帮我创建一个龙虾周边品牌的Shopify店铺，品牌名叫Clawesome，主打龙虾主题的T恤、马克杯和贴纸，目标客户是北美年轻人。
阶段一：市场调研
Agent没有直接开干。它先判断当前处于产品验证阶段，然后用Jungle Scout去Amazon上拉真实销售数据。
它搜了三个品类：lobster t-shirt、lobster mug、lobster sticker，前后跑了6轮搜索。
然后它给了我一个我没预料到的答案：龙虾主题T恤和马克杯在Amazon上不是已验证的高需求品类。
这一刻我觉得挺有意思的。大多数Agent接到任务会埋头执行，先把事做了再说。但Accio Work选择了先告诉我：你想做的这个品类，数据上看不太乐观。
它给了三个替代方案。方案A是换赛道做已验证的高需求品类；方案B是品牌+爆品混合路线，T恤马克杯做品牌调性，加入派对用品走量带流量；方案C是纯龙虾IP路线，做全品类龙虾周边。
我选了方案B。 因为它的逻辑我觉得对：用有调性的产品建立品牌认知，用有市场数据支撑的爆品来实际出单。这不是一个AI在按流程走，是在帮我做商业判断。
阶段二：供应商寻源
选完方案后，Agent进入了阿里国际站（Alibaba.com）供应商搜索。5个品类分别搜索：T恤、马克杯、派对Banner、纸盘、餐巾纸。从150个搜索结果里筛出了最匹配的供应商，每个品类都给出了推荐供应商、单价、MOQ、交期、评分和资质。
让我最服气的是它的利润分析。每个品类算到了到手成本（含运费、关税），然后按北美市场的定价区间给了零售价建议。比如：
T恤到手成本6美元，建议零售价24.99美元，毛利71.9%。派对Banner到手成本2美元，建议零售价14.99美元，毛利81.8%。桌布到手成本1.5美元，建议零售价12.99美元，毛利83.2%。
这些数据不是AI编的，是从阿里系真实供应商报价和北美市场定价反推的。如果我是一个真想在Shopify上开店的人，看到这份报告已经可以做决策了。
阶段三：建站上架
确认了选品和供应商之后，Agent准备通过Shopify API直接创建产品和上架。它问我要了Shopify店铺URL和API Access Token，还引导我通过QuickToken来获取Token。
阿里给的内测demo里有完整跑通的案例，效果相当惊人。Agent并行生成了12款产品图，品牌视觉统一，黑底红龙虾主题，四大品类分好：Best Sellers、Apparel、Home & Gifts、Accessories。Slogan写的是「Help a lobster take over the world」，移动端适配也做了。
更让我意外的是建站过程中的自我修复能力。当Agent发现首页Hero Banner的文字被图片遮挡了，它没有报错停下来等我处理，而是自己写了CSS代码去修复这个Bug，反复验证直到显示正常。这就不只是「填表格」了，这是一个能发现问题、解决问题的团队在干活。
从输入第一条指令开始，Agent自己走完了调研、选品、找供应商、算利润、建站、做图、修Bug这整条链路。一个电商团队的活，一条指令启动。
后来我还测了团队功能。建了个「龙虾电商」团队，拉了3个Agent进来，指定一个当TL统筹分工。最多支持10个成员。多Agent协同做一件事，比单个Agent单打独斗强太多了。
为什么通用Agent做不了这件事
试完之后我认真想了想：同样的事，我用Claude或者OpenClaw能做到吗？
理论上能。但我得自己去找Jungle Scout的MCP插件，自己接阿里国际站（Alibaba.com）的供应商API，自己写一套选品策略的prompt，自己搞清楚Shopify的API怎么调。光是把这些工具链搭起来，可能就得花一两天。而且因为通用Agent没有电商行业的知识，它不会在调研阶段主动告诉你「这个品类数据不好」，也算不出精确到运费和关税的利润率。
Accio Work能开箱即用，不是因为它底层模型比Claude更强。我用的还是Claude Opus 4.6。真正的差异在于阿里把26年的电商经验、供应链数据和行业know-how灌进了Agent里。150个供应商的数据不是网上爬的，是阿里国际站和1688上真实在做生意的供应商。利润测算不是GPT编的，是基于真实交易数据的反推。
这不是模型之争，是数据和场景壁垒。
我越来越觉得，Agent的下一步不是「更通用」，而是「更专业」。每个行业都需要有自己的行业级Agent，把行业数据、行业流程、行业经验封装进去，让外行人也能做内行事。Accio Work给全球电商打了一个样。
一人公司之后，下一步是什么
央视采访我的时候问了一个问题：一人公司的边界在哪？
我当时说，通用Agent让一个人能做十个人的工作。但试完Accio Work之后我想补充一句：行业Agent让一个人能做自己完全不懂的行业的工作。 前者是效率的提升，后者才是真正的质变。
以前你想做一个不懂的行业，要么花几年去学，要么花钱雇懂的人。现在行业Agent替你补齐了行业经验。你出想法和判断，它出专业知识和执行力。
Accio Work目前已经上线，大家可以直接下载使用：https://www.accio.com/work
如果你想感受一下行业级Agent和通用Agent的差异，或者你身边有做电商的朋友，值得推荐试试。对本地文件的操作会先征求你的同意，安全这块不用担心。通用Agent是这两年的热门叙事，但真正改变行业的，可能是那些默默在干实事的垂直Agent。这类实践案例和深度思考，也正是像云栈社区这样的技术社区所关注和探讨的核心议题。
发表于 昨天 23:19
|
查看: 5|
回复: 0
