6个AI Agent替代增长团队 这条长视频拆解 Dami-Defi 的 X 长文：I Replaced My Entire Growth Team With 6 AI Agents。 *核心不是“一个万能 AI 助手”，而是一套能每天自动运行的增长系统： *1. CEO Agent：早上读日报，分配今天任务 *2. CMO Agent：读取竞品信号和洞察，生成内容脚本 *3. Lead Agent：检查线索阶段，防止跟进遗漏 *4. Outreach Agent：基于最新转化模式写外联消息 *5. Insights Agent：从内容、外联、线索数据里找模式 *6. COO Agent：晚上汇总日报，给第二天 CEO 决策 *真正关键的是：所有 Agent 读同一个 Notion 共享记忆库，由 N8N 定时编排，每天执行、学习、复盘。 *一句话：AI Agent 的价值，不是替你完成一次任务，而是把业务节奏变成可运行、可复盘、可进化的系统。 *#AI #AIAgent #增长系统 #自动化 #OpenClaw #N8N #Notion #Claude

如果你还在把AI Agent当成一个会聊天的助手，这篇文章值得认真看一遍。作者讲的是一个真实的增长系统，他把整个增长团队拆成了六个AI Agent，不是一个万能机器人，而是一套每天自动运行的业务班子。这个系统第一次真正跑起来时，他甚至还没打开电脑。早上九点前，三条内容已经发出去了，四个线索已经被判断跟进，分层外联消息在夜里自动发出，而且每一条都参考了这周真正转化过的角度。当天有一个线索预约了发现会议，另一个线索回复了外联消息。而那条消息用到的角度，是洞察Agent三天前从数据里发现的。这不是因为那条文案多么神奇，而是因为没有线索被漏掉、没有跟进被忘掉，每一条动作都来自系统里已经沉淀的记忆。 这篇文章的核心就是一句话：单个Agent构不成真正能跑业务的系统，能跑业务的是多个Agent加一个共享记忆库。大多数人做AI工作流，都是一个Agent干一件事：一个Agent写内容，一个Agent写外联，每个Agent都从零开始。内容Agent发现的洞察，外联Agent不知道；线索Agent看到的客户变化，内容Agent也不知道。所以他们看起来都很聪明，但系统整体很笨。 作者的解法是，所有Agent都先读同一个Notion数据库，做完以后，再把结果写回同一个数据库。下一个Agent启动时不再从空白开始，而是从所有人昨天、前天、上周留下的结果开始，这就是AI工具和AI团队的分水岭。单个Agent不一定更聪明，但系统因为共享记忆变聪明了。 整个架构很清楚：六个Agent，一个Notion数据库，n8n负责定时和编排，大模型负责每个Agent的推理。数据库有六张表：第一张是tasks表，记录谁要做什么、优先级、状态和截止日期；第二张是content表，存脚本、帖子、短视频brief和表现分；第三张是leads表，存所有线索的阶段、历史沟通和资格评估；第四张是outreach表，存外联序列、发送顺序、响应和转化情况；第五张是insights表，存系统从内容、外联和线索里发现的模式；第六张是daily reports表，存每天晚上由CO Agent汇总出来的日报。 这里有一个关键设计：每个Agent都能读所有表，但只写自己的表。CEO Agent可以读所有内容，主要写tasks表，这样既保证了全局上下文，又避免多个Agent胡乱改数据。 第一个Agent是CEO，他每天早上六点运行，读取昨天库写的日报，检查所有未完成的任务，然后给今天的每个Agent分配工作。没有CEO层，Agent只是并行干活，CEO的价值是决定今天先做什么、谁负责什么、哪些线索要优先跟进、哪些内容角度要加强。 第二个Agent是CMO，他每天七点运行，读取CEO分配的任务，然后搜索过去二十四小时里竞品表现最好的三条内容，分析它们为什么有效，再结合insights表里当前正在转化的模式，切出三条新的内容脚本。注意，他不是盲目抄竞品，他做的是“竞品表现好”加上自己品牌的历史转化洞察，再生成适合自己品牌调性的内容。 第三个Agent是Leads Pipeline，他每天八点运行，检查所有线索有没有超过跟进窗口：新线索会被打分，老线索会被判断是否变冷、需要重新激活。这一步很现实，很多公司不是没有线索，而是线索被忘掉了。超过二十四小时不跟进，转化概率就会明显下降。Leads Agent的职责就是不让任何线索掉到缝里。 第四个Agent是Outreach，他每天九点运行，读取今天的外联任务，再读取insights表里当前有效的角度、主题、报价和跟进节奏，为不同线索段写个性化邮件和短信序列。普通外联失败是因为所有人都收到同一套模板，这个Agent的价值是用昨天刚验证过的数据去写今天的消息。 第五个Agent是Insights，他下午四点运行，读取过去七天的content、outreach和线索数据，找出哪些内容表现高于平均、哪些外联角度回复最多、哪些线索来源更容易成交。它是让系统变聪明的Agent，没有insights，每个Agent只能基于静态假设干活；有了insights，整个系统每天都在更新判断。但这里作者提醒了一个关键缺口：社交平台数据不会自动出现在Notion里，X、YouTube、Instagram的互动数据需要另外用API或n8n在下午三点先拉进content表，否则insights Agent读到的就是空数据，只会生成泛泛而谈的观察。 第六个Agent是COO，他每天晚上九点运行，读取所有表，把当天完成了什么、哪里有风险、哪些数字值得看、明天应该关注什么，整理成一份日报，写进daily reports表。第二天早上，CEO读取这份日报再分配新任务，于是一个闭环形成了：CEO分配，Agent执行，Insights学习，CO Agent汇总，CEO第二天再调整。 这套系统最值得借鉴的地方，不是六个Agent这个数字，而是它的节奏：早上决策，中午执行，下午学习，晚上复盘，第二天继续校准。但它也有三个限制：第一，冷启动是真的存在。第一周insights表是空的，CMO写内容只能参考通用最佳实践，Outreach做外联也没有历史转化数据，所以第一周的重点不是自动化，而是校准提示词、字段和输出格式。第二，外联不要第一天就全自动发送，作者建议至少先手动审核两周，确认个性化逻辑没有错、分组没有错、消息没有引用过期信息，再打开自动发送。错误外联被放大，比手动慢一点更危险。第三，Agent会冲突。比如Leads Agent早上八点刚把线索阶段改了，Outreach Agent九点如果读的是旧缓存，就可能给错误阶段的人发错消息。解决办法很简单：每个工作流都必须在大模型节点前实时从Notion重新读取数据，不要使用早先缓存的变量。 真正的搭建步骤也不复杂：第一步，建Notion数据库，六张表先搭起来，字段名要稳定，因为Agent的提示词会直接引用字段名。第二步，部署n8n，云端和自托管都可以，如果在意数据安全就选自托管。第三步，每个Agent建一个工作流，定时触发，读取Notion，调用大模型，写回Notion，流程简单，但字段和上下文必须严谨。第四步，第一周手动运行，不要急着自动化，逐个看输出，修提示词，修字段，修报告长度，修JSON格式。第五步，开启定时：CEO六点，CMO七点，Leads Agent八点，Outreach Agent九点，Insights Agent十六点，CO Agent二十一点。 三周后，变化才会明显。第一周系统能跑，但还不会真正学习，你会发现字段写错、输出格式不稳定、日报太长，这些都要人工修。第二周到第三周，真正的拐点会出现：Outreach Agent发出一条消息，引用了Insights Agent三天前发现的转化角度，线索回复了，你可以一路追溯这条消息来自哪条洞察，洞察来自哪组内容或外联数据，最后又如何触发了真实成交。这时这套东西就不是概念演示了，而是业务资产。 对做增长的人来说，这篇文章的启发很直接：客户真正要的