她用 QoderWake 招了 7 个数字员工,把新品卖到了 150 万

简介: 阿里健康肆夜(化名)不写代码,用 QoderWake 把团队方法论变成七个数字 员工,三个月把新品做到全域曝光 2.3 亿+、营收破 150 万。

qoderwake.gif


“今天丹青出的海报好丑,状态不太行。”


“望舒那份竞品分析也有点水,就列了五个点,我让她重跑了。”


旁边的同事弱弱地问:“你们要不小点声吐槽同事?”


两个人对视了一眼:“哈哈,她们听不到。”


被吐槽的丹青和望舒,有名字、有岗位、24 小时在线,她们是跑在 QoderWake 上的数字员工。


这段对话发生在阿里健康自营品牌管理部。团队负责人肆夜(化名)不写代码,也不懂技术原理。过去三个月,她和七个没有工号的同事一起,把一款功效护肤新品从零做到全域曝光 2.3 亿+、三个月营收破 150 万。


我们回访了这个团队。数字摆在那里,更值得拆开看的是背后那个问题:当一个业务团队需要覆盖一条完整的链路,产品应该提供什么。


01.png


孵化一个品牌,需要多少种能力


从 0 到 1 孵化一个自有品牌,链路长得超出很多人想象:选赛道、注册品牌、法规与财务前置沟通、供应链评估、配方判断、SKU 与定价、品牌定位、多平台内容、达人策略、投放矩阵、会员体系、复购策略。


肆夜把它概括为一句话:


“我们真实的工作是一套非常复杂的全链路的品牌孵化过程,可以抽象为『察、创、定、造、种、产』。”


这条链路需要至少六种专业能力:洞察、品牌、产品、内容、增长、运营。大公司可以给每个环节配一个专家;刚起步的自有品牌团队配不起。更现实的情况是,一个人同时干三个环节,每个环节只能做到及格线。


他们决定换一种方式:把团队在品牌实战中沉淀下来的方法论,变成六个可以 7x24 运转的数字同事,再加一个总指挥。


image (3).png


  • 望舒(洞察官)

     负责竞品分析、赛道扫描、人群洞察。赛道结论是否成立,由人确认。


  • 云章(品牌官)

     负责一句话定位、心智锤、品牌故事、VI 方向。多版定位出来后,人选一版。


  • 启微(产品官)

     负责爆品概念、SKU 矩阵、合规预检。配方师结合经验做终判。


  • 丹青(内容官)

     负责多平台种草内容、达人策略、主图海报 KV。哪条内容「对味」,人来判断。


  • 辰砂(增长官)

     负责投放矩阵、大促节奏、ROI 归因。预算分配和加投决策,由人拍板。


  • 承光(运营官)

     负责店铺承接、会员体系、复购策略。账号操作仍由人执行。


  • 四叶草(总指挥)

     负责拆任务、按序派单、逐阶段质检。只看最终交付。


02.png


三级跳:这支数字员工队伍是怎么搭出来的


这套协作不是一次搭成的。它经历了三个阶段,每个阶段的卡点,恰好对应 QoderWake 的一层产品能力。


第一级:Skill 先行,但团队觉得这种形式用不起来不太顺手。


5 月,肆夜的做法是:把方法论写成 Skill,分享给团队同学使用。


「最早的时候我是先做了一批 Skill,想让自己团队的人使用。后来会发现那些 Skill 呢,大家装了以后会觉得非常的分散,因为没有把一些 Skill 串成一个个的 Agent,大家会感觉用起来比较散。」


Skill 解决的是「会不会做这件事」。但一个同学面对二十个 Skill,仍然要自己判断该用哪一个、按什么顺序用。能力有了,承载能力的角色还没有。


第二级:打包成 Waker,能对话了,但时间被切的很碎。


于是她把分散的 Skill 按职能打包,变成六个独立的数字员工。每个 Waker 有名字、头像、职责和技能包,团队同学可以直接找对应的「人」说话,不用再挑 Skill。


image (4).png


但是,新的问题随之出现:


「我把它组装成了按功能的小 Agent,我们叫原子 Agent,之后我还是觉得很散。因为对于我自己使用来说,我经常会发现,比如望舒给我的东西是不符合我预期的,我要打回去,这样的话我同时跟六个人对话,我会很累。」


Waker 解决的是「这件事该找谁」。但六个专家各干各的,协同成本全部压在唯一的人类负责人身上。她的时间被切成碎片。


第三级: 加一个总指挥,配一套 WakerFlow。


关键的第三步:在六个专家之上,再建一个 Waker,四叶草她的定位是总操盘。


「从我的角度,这个中间的过程我就让她来把关了,我就不用一个一个在那里搞,否则我的时间就会拆得很碎片。」


四叶草做两件事:编排和质检新课题进来,她自动拆任务、按依赖关系派单;每个阶段的产出她先做质检,不合格打回重跑,合格的才汇总送人审核。


品牌孵化有严格的依赖关系。洞察必须先于品牌,品牌必须先于产品,这条串行主链顺序颠倒会乱套。启微产出 PRD 和供应链方案后,丹青、辰砂、承光可以并行启动,压掉彼此等待的时间。在「产品到内容」和「内容到投放」两处,设四叶草质检关卡,不达标就打回重跑。如果某个节点反复不合格,四叶草会自己补充上下文、换角度重派,不需要人介入。


搭建这套流水线也不需要从零写代码。在 WakerFlow 里用自然语言描述流程,系统自动生成画布。


三步走完,产品能力的分层就清楚了:Skill 解决「会不会做」,Waker 解决「该找谁做」,WakerFlow 解决「多人怎么配合」。


层级

解决的问题

QoderWake 中的对应能力

能力层

会不会做

Skill

主体层

该找谁做

Waker(Identity / Persona / Bible)

协同层

多人怎么配合

WakerFlow 编排


肆夜总结搭建的工作量:


不需要写代码,主要工作是三步:定义角色、挂载技能、编排协作。


03.png


四叶草是怎么学会主管的品位的


总指挥最难的环节不是派单,是质检。派单可以靠流程图,质检靠的是审美和经验,这恰恰是最难规范化的部分。


肆夜找到了一个办法:


我把以前跟望舒或者云章对话里面,他们那些 bad case 和我觉得很好的 good case 喂给它,告诉它说,比如你在洞察里面,哪些是我觉得 OK 的,哪些是我觉得不 OK 的,不 OK 是因为它没满足什么。


她在 Qoder IDE 里把这些标注生成了一个专门用于质检的 Skill,挂到四叶草身上:


我让它给我新做一个 Skill,这个 Skill 是适用于帮 AI 员工判断交付质量的,然后我喂给它过往的 case,它就会帮我搓出这个 Skill 来。


一个人长期积累的主观判断标准,就这样变成了一份可复用、可挂载、可迭代的资产。


四叶草这个 Skill 最重要的就是学习到我自己的个人偏好,特别是对于内容的把关。它通过学习我以前的判断就可以知道了。


QoderWake 用角色、风格、方法论三份文档来定义一个 Waker,而不是一段系统提示词。这样拆开维护,「学习老板偏好」才能落在具体的 Skill 上,不会把所有东西糊成一段越改越乱的提示词。


文件

核心问题

主要内容

Identity.md

我是谁、负责什么

角色定位、目标、职责范围、能力边界、完成标准

Persona.md

我以什么方式思考和沟通

性格特质、表达方式、判断倾向、沟通策略、反模式

Bible.md

我具体怎样把事情做完

标准工作流、阶段门禁、技能编排、验证规则、交付要求


04.png


WakerFlow:把一条复杂业务链路写成流水线


品牌孵化不是六个人各交一份作业。它有严格的依赖关系:洞察必须先于品牌,品牌必须先于产品,产品定完了内容和投放才能并行。


肆夜把这条链路画成了一张拓扑图,交给 WakerFlow:


image (5).png


对应的执行策略有四条:

  • 串行主链望舒 → 云章 → 启微。顺序颠倒会直接乱套。


  • 并行段启微产出 PRD 和供应链方案后,丹青、辰砂、承光并行启动,把三个人的等待时间压掉。


  • 强制质检关卡在「产品→内容」「内容→投放」两处设四叶草质检,任一维度不达标就打回对应 Waker 重跑。


  • 异常兜底某节点产出不合格,四叶草补充上下文后重派或换角度重跑,不需要人介入。


WakerFlow 用 JavaScript 脚本描述流程,提供六个编排原语:


原语

作用

phase()

划分阶段

log()

输出进度

worker()

派单给某个 Waker

parallel()

并行执行

pipeline()

逐项流水线

askUser()

人工介入决策


每个 worker 通过 resolve: { kind: 'waker', wakerId: 'xxx' } 绑定到具体的数字员工。


搭建方式有两种,都不需要从零写代码:


方式 A(推荐)新建 WakerFlow,在「输入你的想法」里用自然语言描述流程——"先让望舒做行业洞察,再让云章做品牌定位,接着启微做产品定义和供应链,然后丹青和辰砂并行推进,承光做运营承接,最后四叶草质检并合并"——系统自动生成画布,再切到脚本 Tab 微调。


方式 B直接粘贴脚本,画布 Tab 会自动渲染出流程图。


跑起来之后,触发方式变得很轻:


“我想孵化一个 XX 品类的新品牌,走完整孵化链。”


四叶草会自动拆解,按流水线依次召唤六位专家,最后把合并后的完整方案交回来。


image (6).png


05.png


从工作台走进 IM:数字员工需要一个组织身份


编排跑通之后,还有一个问题:这些能力只在肆夜自己的工作台里。


“我很多同学更需要在钉钉随时找到Waker交流,但目前Waker搭建依赖于我的电脑在线,就很麻烦。实时IM钉钉对话使用场景肯定更大。”


她的诉求很明确:希望运营同学和承光成为固定 partner,能多多交流和脑暴;希望团队在钉钉群里随时 @四叶草就能发起任务,而不是每次都需要回到PC端工作台。


QoderWake 原生支持连接钉钉。在渠道管理中添加钉钉用户,QoderWake 会自动安装 DWS 并跳转登录认证;随后在会话管理中添加配对会话,建立钉钉会话与 Waker 的绑定关系。配置完成后,团队成员就可以在钉钉里直接与数字员工对话。


“我把四叶草Waker链接了钉钉机器人,也拉进了团队的钉钉工作群。同事在群里 @ 四叶草就能发起对话:'帮我看看这个竞品最近的动态'、'出一份下个月内容排期'——她在群里直接回复,需要的时候自己调度其他 Agent。”


5eecdaf48460cde5dcce1851127cea4a58c17bb4e85bda5775b8339e1c4c24831b75b38faadcd24bec177c308ebd5304a781fba20d04c17659442914008e7e26afa9c6c5efcb8ae83cf6d30e05c013e4e65d97595e7b40ac4fb4c8ed7016461c.png


这里有一个容易被忽略的设计选择:钉钉机器人和数字员工账号不是一回事。


机器人申请简单、不需要权限管理,直接绑定个人账号更方便。但数字员工是一个真实的员工账号,有自己的独立权限和完整操作记录。它解决的是执行身份问题——Agent 查询或操作内网平台时,用的是数字员工自己的权限角色,而不是某位同学的凭证。人的操作记录和数字员工的操作记录天然分离,权限可以围绕这个身份单独申请、调整和回收。


对业务团队来说,这件事的价值在权限收敛的场景里体现得最明显。肆夜自己就画了一条线:


“奈妍是我们的自营店铺,权限比较大。所以我们现在还没有让 Agent 直接去登录我们的账号做事情,还停留在让它做一些前置的内容发散、给我们方案建议,最后的操作还是人来做把控。”


而在这个团队后续规划的外部品牌孵化场景里,同一套 Waker 的权限边界就可以放宽——经品牌授权后,Agent 可以登录生意参谋做发品、写商详这类具体操作,进一步解放生产力。


同样的能力,不同的授权范围。这正是数字员工账号相比机器人的意义:权限不是绑在能力上,而是绑在身份上。


06.png


反黑家族:三个月,从概念到 150 万


奈妍是这个团队孵化的功效护肤品牌。今年 5 月,奈妍上了一款新品反黑瓶。团队的打法是:把反黑瓶和两个老品(反黑贴、反黑凝胶)打包成「反黑家族」,配合夏季主题「夏日追光不暗沉」,新品带老品,场景带产品。


这个方向的每一步背后都有一个数字同事。


望舒从阿里健康大药房的真实交易数据出发,扫了一轮赛道:哪些功效词在涨、哪些成分在起势、竞品在打什么概念、用户评论在吐槽什么。结论清楚,「反黑」这个需求存在,但还没有品牌占住这个心智位置。


启微把「反黑」拆成产品矩阵:反黑瓶做爆品打心智,反黑贴做流量品拉新客,反黑凝胶做利润品提客单。


云章给奈妍的品牌定位是「分阶护肤」,心智锤是「皮肤知道答案」。这决定了后面所有内容怎么说、怎么拍、怎么种草。


丹青把策略翻译成内容作战地图:哪个平台推哪个 SKU、给哪个达人、配什么话术。不止出文案,直接做成能上线的主图、海报和包装 KV。


概念和内容就绪后,团队在三个场景做了落地。三亚联合飞猪做场景营销,把产品放进 Voco 酒店,开了闪购 O2O 体验店。校园配合天猫毕业季,7 所高校快闪、500+ 块电子屏,触达 400 万+ 校园人群,学生订单增长 98%。淘宝 510 单周拉新 2 万+ 新会员,承光在后面接住流量:店铺详情页、会员体系、客服话术、复购策略,让进来的人下单,然后还会再来。


反黑瓶 5 月上线,反黑家族三个月破 150 万,全域曝光 2.3 亿+。


不是 PPT 上的规划数字,是团队和七个 QoderWake 数字员工一起跑出来的真实结果。


07.png


判断留给人


数字同事可以出十版品牌定位方案,选哪版,是团队的判断。数字同事可以跑完大促全链路排期,预算怎么分、要不要临时加投,是人拍板的。数字同事可以批量生成五十张海报,哪张「更符合品位」,是人的审美和经验决定的。


被改变的是每个人手上的杠杆:


之前做赛道洞察要一周,望舒几个小时出完,省下来的时间团队用来做更深的策略讨论。以前一个人盯一个平台的内容,丹青一次交付七个平台的内容 demo,人只管判断哪一条内容能够打中用户。


四叶草已经进了团队的钉钉工作群。同事在群里 @她就能发起任务,不用回到 PC 端工作台。数字员工有独立账号、独立权限、完整操作记录,和人的操作天然分离。


肆夜自己也画了一条线:奈妍是自营店铺,权限敏感,目前数字员工还没有直接登录账号做操作,前置的发散和方案建议交给她们,最终操作由人把控。


怎么让更多 Waker 自然地融入团队每一位同学的日常,怎么从内部提效走向对外的会员陪伴场景,这些她们还在和我们一起推进。


“经验是珍贵的,如果能把它变成可复用的能力,一个小团队也能拥有体系化的品牌作战能力。”


懂业务的人不必先成为工程师,就能把自己的方法论变成一支队伍。


你可以这样开始,在 QoderWake 搭建出你自己的数字员工团队:


  1. 定义角色为每个 Waker 写清职责、性格和工作方法


  1. 挂载技能把方法论和经验封装成 Skill,挂到对应 Waker 上


  1. 编排协作在 WakerFlow 里用自然语言描述流程,自动生成画布


  1. 接入 IM添加数字员工账号,建立会话绑定,群里 @ 就能工作


关于 QoderWake :qoder.com/zh/qoderwake


本文案例内容经阿里健康自营品牌管理部授权发布。文中部分素材包含 AI 生成/合成内容。

目录
相关文章
|
14天前
|
人工智能 定位技术 API
高德汽车业务 AI Native 工程实践|基于 Qoder 的业务知识工程建设实践
高德企业业务通过 Qoder 知识引擎构建业务知识的"生产—调优—更新—消费"体系,同一类错误不再发生第二次,任务一次性通过率从 37.3% 提升至 61.5%。
203 0
高德汽车业务 AI Native 工程实践|基于 Qoder 的业务知识工程建设实践
|
12天前
|
人工智能 JSON Java
插件上新:给鸿蒙开发者的 Cangjie 工具箱
Cangjie 插件上线 Qoder Desktop,集成570+篇仓颉官方文档,覆盖语言特性、标准库、工具链等6大技能。AI写代码时自动查文档,确保语法正确、API精准、编译通过,专为鸿蒙开发者打造。
128 1
|
13天前
|
人工智能 安全 语音技术
当语言被困住:我们和 Qoder 跑通了一条有尊严的表达链路
MeantByMe是一款由Qoder赋能的语音补全产品,专为失语患者设计:实时补全含糊话语,经用户确认后播报,守护表达权与尊严。五天内,三人小队借助Qoder知识引擎与多Agent协作,高效完成全栈开发。
111 0
当语言被困住:我们和 Qoder 跑通了一条有尊严的表达链路
|
14天前
|
监控 Shell API
Qoder CLI /loop 大升级:Agent 自调节奏,盯盘场景交给它就行了
Loop Engineering 新增动态唤醒机制:`/loop` 不再依赖固定间隔,Agent 可自主决定检查频率、触发时机与终止条件。支持 Monitor 事件秒级响应、三模式自动路由、TUI 管理面板及持久化任务,让盯盘、告警监控等弹性场景真正实现“交出判断权”。
193 0
|
15天前
|
人工智能 运维 机器人
服务10万阿里人的「答疑数字员工」,在 QoderWake 上岗了!
QoderWake推出「群聊答疑专员」数字员工——不止知识库+AI,更具备主动找人、自进化学习、低成本配置和自然交互能力。已在阿里内部服务10万人,答不出时精准求助专家,答对后自动沉淀知识,三步即可上岗,让答疑真正推进问题解决。
159 0
|
16天前
|
人工智能 IDE 安全
阿里云Qoder CN全解析:AI编码智能体全场景功能深度指南
阿里云Qoder CN(原灵码)是阿里云推出的全栈式AI智能体产品系列,定位为覆盖编码、办公、终端、云端的一体化AI开发与协作平台,以多模态编程、智能体自主执行、全端覆盖、企业级安全合规为核心优势,深度适配国内开发者与企业的研发、办公、运维全流程需求。平台内置多模型自由切换、工程级代码处理、智能体任务编排、多模态交互、企业知识库集成等核心能力,提供桌面IDE、JetBrains插件、CLI终端、云端智能体、桌面办公助手等全形态产品,实现“一个账号、全场景覆盖、Credits共享”的一体化体验,是国内领先的AI编码与智能体协作平台。本文从产品矩阵、核心能力、全端接入、实战代码、企业级特性、订阅方
234 2
|
18天前
|
人工智能 前端开发 数据库
一人用 Qoder 开十二个对话,五天写完全部代码
瑕玉Xiayu 在 AdventureX 黑客松比赛中开发了多智能体决策系统 Ludus,5 天时间 + 12 个 Qoder Agent 并行完成。系统以“可追溯、可审计、可复盘”为核心,通过规则先行、跨会话记忆、契约卡点保障质量,实现结构化决策支持。
245 0
人工智能 数据可视化 安全
127 0
|
18天前
|
人工智能 监控 安全
从 Context 到 Graph:Agent 工程的四个层次
本文系统解析AI Agent工程演进的四大层次:Context(上下文管理)、Harness(执行环境构建)、Loop(目标驱动的持续执行)与Graph(多Agent协作编排)。以Qoder CLI和Qoder Cloud Agents为例,阐明各层如何随模型能力提升而动态迁移工程重心,体现“本质未变、瓶颈转移”的演进逻辑。
213 0
|
18天前
|
Web App开发 监控 前端开发
你的 Chrome,现在也是 Qoder Agent 的工作台
Qoder Desktop 新增「Connect My Chrome」功能:安装扩展后,Browser Agent 可直连用户的 Chrome,复用当前标签页、登录态及所有扩展(如React DevTools、uBlock Origin),无需重复登录或切换窗口,大幅提升调试与协作效率。
149 0