为什么现在是一个特殊的窗口期

Nav Toor 在 X 上发布的一篇长文指出，当前 AI 自动化服务市场存在一个正在快速扩大的供需缺口。这个缺口的核心结构很简单：一方面，数百万小企业主已经意识到 AI 可以节省时间，但尝试使用 Claude 等工具后，因为得到的回答过于 generic 而放弃；另一方面，一小群掌握子代理架构、MCP 服务器配置和技能文件设计的 builder，正在以每个项目 3,000 到 15,000 美元的价格接单，并且客户排队等待。

这个窗口期的本质是技能溢价。 当一项技术已经普及到"大家都知道它存在"，但还没有普及到"大家都能独立使用它创造价值"时，掌握中间层技能的人就能获得超额回报。Toor 认为这个溢价不会持续太久，因为供给正在快速增长。文章的核心论点是：未来 90 天是建立个人品牌和垂直领域专业地位的关键期，18 个月后市场将变得拥挤。

AI 自动化服务的定义与边界

Toor 所定义的 AI 自动化服务，并非简单的"用 AI 写文案"或"让 AI 回邮件"。它的核心特征是：将企业内 5 到 15 个高频率、可预测、遵循固定流程的任务，通过子代理架构和外部工具集成，转化为无需人工干预的自动化系统。

这些任务通常包括：研究报告生成、客户报告汇总、内容生产、客户邮件处理、文档准备、库存更新、会议记录整理、潜在客户信息 enrich 等。它们的共同点是：重复性高、流程明确、但每个企业又有细微的个性化需求。

与传统 SaaS 工具的区别在于，AI 自动化服务是定制化交付：每个客户的上下文文件、子代理配置和 MCP 工具链都是根据其具体业务场景量身打造的。这使得它更接近咨询服务的交付模式，但边际成本远低于传统咨询。

90 天行动路线图的六个阶段

Toor 将整个过程拆分为六个阶段，每个阶段有明确的时间边界和可交付成果。

第一阶段：搭建工具箱（第 1-14 天）

这一阶段的目标是掌握四项核心技能，而不是浅尝辄止。

上下文文件设计是起点。每个自动化系统的输出质量，取决于系统对客户的业务场景、受众特征、品牌语调和质量标准理解有多深。Toor 建议练习为三个不同行业的假想企业构建上下文文件：房地产中介、营销咨询公司、DTC 电商品牌。

子代理架构是引擎。与单一通用 agent 不同，Toor 强调为每个具体任务设计专门的子代理：代码审查员、周报生成器、冷邮件撰写员、会议记录整理员、bug 复现员。每个子代理需要经过 10 次不同输入的测试和迭代，才能达到可交付的可靠性标准。

MCP 服务器配置是将聊天机器人升级为系统的分水岭。Toor 列出了五个必须掌握的工具集成：Tavily（网络搜索）、Google Drive（文件存储）、Gmail（邮件）、Slack（通讯）、以及至少一个 CRM。练习目标是构建一个端到端工作流：搜索网络信息，保存摘要到 Drive，邮件发送给自己，在 Slack 发布通知，同时记录到 CRM。

定时自动化设计处理的是最高价值的场景：无人值守运行。每日简报、每周客户报告、月度发票处理，这些都需要理解调度机制、时区边缘情况和数据缺失时的优雅降级策略。

第二阶段：选定垂直领域（第 14-21 天）

Toor 对"不要试图服务所有企业"的强调非常强烈。他给出了四个选择标准：你对该行业的工作流程足够了解、客户有支付 3,000 到 5,000 美元的能力、至少有 5 个可自动化的重复任务、客户不会技术到自己动手做。

文章列举了八个正在产生实际收入的垂直领域：房地产中介、营销代理、电商品牌、专业服务公司、内容创作者、金融顾问、医疗诊所、律师事务所。每个领域都有 5 到 10 个高价值自动化场景等待被开发。Toor 的警告很直接：“选两个领域等于零转介绍。”

第三阶段：建立第一个案例研究（第 21-30 天）

这是整个路线图中最反直觉的一步：免费为第一个客户做自动化。Toor 认为这笔"免费"交易的价值远超金钱：你获得了一个真实运行的生产系统、一个带有具体数字的案例研究、以及一个真实客户的推荐语。

寻找第一个免费客户的方法包括：在垂直领域的社区发帖、通过个人网络寻找、或者直接向 10 家企业发送 cold outreach。Toor 给出的转化率预期是 10 条消息换 1 个 yes。关键在于测量一切：手动处理任务需要多长时间，自动化后需要多长时间，质量差异是什么，每周节省多少小时。

第四阶段：打包定价（第 30-35 天）

Toor 明确反对按小时收费。他的定价逻辑基于价值交付：如果一个自动化系统每周节省 10 小时，按每小时 75 美元的内部成本计算，每月价值 3,000 美元。一次性收取 3,000 到 5,000 美元的建设费用，对客户来说是显而易见的 ROI。

对于复杂的多代理系统、自定义 MCP 服务器或跨平台集成，价格区间提升到 5,000 到 15,000 美元。交付包包括：2 小时的需求调研、3 到 5 个定制子代理、MCP 服务器配置、定制上下文文件、两周测试优化期、维护文档、以及上线后 30 天支持。

第五阶段：寻找付费客户（第 35-60 天）

Toor 列出了三个有效渠道。内容营销的核心是展示 before/after：“我为一家营销代理构建了一个自动化系统，将客户报告从 3 小时缩短到 3 分钟。以下是具体做法。“每周一篇，四个月后会有自然流量。直接 outreach的目标是每天 3 到 5 条消息，100 条消息产生 10 通电话，转化为 2 到 3 个成交。转介绍的关闭率高达 50% 到 70%，一个优质转介绍的价值等于 10 封 cold email。

第六阶段：规模化到月入 10K 美元（第 60-90 天）

当拥有 3 到 5 个付费客户后，模式会自然浮现。每个营销代理都需要同样的 3 个自动化，每个电商品牌都有同样的 5 个痛点。这就是护城河：将常见模式产品化，用模板替代从零开始构建。

Toor 还建议增加月度维护服务，收费 500 到 1,000 美元/月，负责优化自动化、添加新功能、以及确保模型更新后系统稳定运行。数学很简单：5 个维护客户 × 750 美元/月 = 3,750 美元经常性收入；每月 2 个新建设 × 5,000 美元 = 10,000 美元项目收入；总计 13,750 美元/月，折合 165,000 美元/年。

工具栈与成本结构

Toor 强调这个业务的工具成本极低。整个栈只需要五个工具：Claude Code 或 Cowork（子代理运行环境）、Notion 或 Obsidian（上下文文件和案例研究管理）、Cal.com（预约调研电话）、Stripe（发票和收款）、Loom（异步客户更新）。总月成本低于 200 美元。

这与传统软件开发或咨询业务的成本结构形成鲜明对比。没有服务器费用、没有团队工资、没有办公室租金。唯一的成本是时间，而时间投入在前两个阶段后会被模板化大幅压缩。

三个最常见的失败模式

Toor 指出 90% 的尝试者会倒在三个陷阱上。

工具完美主义：花 8 周学习而不是动手做。Toor 的立场很明确：两周练习足够，第一个付费客户教给你的比两个月理论更多。

定价过低：因为"还在学习"而收 500 美元。Toor 认为这反而会杀死交易，因为客户信任高价信号所传递的专业度。最低收费 3,000 美元。

没有垂直领域：试图服务所有企业，最终谁也服务不好。选定一个行业，做深，再扩展。

这个窗口期为什么正在关闭

Toor 的"不舒服的真相"在于市场动态本身。当前能交付 AI 自动化系统的 builder 供给极小，相对于需求来说几乎可以忽略不计。这解释了为什么客户愿意接受小作品集、为什么 competence 本身已经足够、为什么溢价可以维持。

但 18 个月后情况会不同。更多人会掌握这些技能，更多模板会被开源，更多 SaaS 产品会封装这些能力。届时市场将转向价格竞争，而提前建立垂直领域专业地位的人会拥有定价权。

文章结尾的断言很直接：大多数人会读完这篇文章，想几周，然后什么都不做。而那些本周就预约第一个调研电话的人，会在夏天结束前拥有月入 10,000 美元的业务。

参考来源

• Nav Toor, “The full playbook for becoming an AI automation builder in 90 days”, X (Twitter), 2025. 原文链接