本文来自微信公众号： 时光笔记簿 ，作者：Hanni
很多市场人谈起AI，又爱又恨。
爱是真的爱。
本来想法就多，自己搭个Agent，手搓个vibe coding小产品，可以兴奋得晚上不睡觉。
恨也是真的恨。
群里有位小伙伴说，老板遇到问题，就会说“问问AI，让AI帮你干”。
假如回答“AI目前无法做到”，转头就收到登味十足的回复：“那是因为你对AI的理解还不到位，学习力还不足...”
还有小伙伴说公司为了降本增效，明示、暗示：“市场部要在AI时代证明自身价值…”
于是用AI写文章、做海报、搞视频...一通操作猛如虎，来来回回修改、去AI味，反而加班更多，创意更少，越来越累。
我说，要不先搭几个Agent？看看AI自己干得到底行不行。
也表个态，证明学习力强，懂AI。（比老板懂）
说干就干，我自己也搭了几个Agent。
原本以为内容生成Agent会最有价值，结果它是第一个被我搁置的。产出快，但是修改的时间太长，不如直接使用大模型。
最后留下来的是这三个：竞争情报Agent、产品叙事Agent和增长分析Agent。
共同点是促进跨部门团队合作，让市场部的价值被看见。
为了测试效果，每个Agent背后我都用了不同的大模型，文章最后我也简单聊聊，作为一个非技术出身的人，用了哪些工具，踩了哪些坑...
先来看这几个Agent。
1：竞争情报Agent
这是我第一个搭的Agent。
最初的想法很简单，定期的竞争对手分析一直是老板、销售部、技术部门的需求，规模稍大的公司会购买第三方的舆情分析，现在AI就能搞定。
我的逻辑是先输入公司业务概要，然后指定竞争对手的范围，再让AI找他们的媒体采访、融资、招聘、案例等最新信息，收集整理后给出初步行动建议。
生成的报告每周一早上9:00，自动发送到飞书群里。
月度竞争分析报告在每月第一个工作日9:00发。和周报不同的是，分析面更广，包含了替代者、潜在对手、客户自研等六个竞争维度。
看起来没难度，对吧，但在过程中，我发现AI对信息的真实性无法判断，甚至还主动造假。
比如说好的本周信息，怎么还是4月份的旧闻；给出的信源链接打开是404...
还有的内容，市场营销人一看就明白，是为了吹捧企业多牛的软文，甚至是为了GEO而写的互联网垃圾...
这哪是竞争信息，分明是噪音。
于是我加了一套规则：必须要有链接，优先行业权威媒体和官方信源，时间必须是本周，榜单、推荐和排名类内容需降低权重，或者标记为待验证…
调了很久，算是完成了1.0版本。这张图是AI发到飞书群的第一稿，持续迭代中。
（上图还没有增加社交媒体的搜索，下一步优化）
这个Agent的好处是每周定时发，初筛了软文，信源比较可靠，有行动建议。
但是缺点也很明显，只能找到公开信息，时效性还是差一点...
为了解决这个问题，我增加了月度报告。
当周报发出后，迅速收集各个部门的反馈，手工输入来自客户、销售拜访中真实信息，并结合社交媒体声音、第三方机构的数据，综合生成。
市场人和Agent打配合：Agent负责干活，市场人负责指挥，并根据经验判断，还要亲自验证真实性。
这样产出的高质量的报告，自然对业务决策有帮助。
2：产品叙事Agent
三个Agent里，我投入时间最多的是这个。
当初的设想是设计写产品内容的Agent，根据不同平台的特点自动调整形式和风格。
但真正用起来才发现，如果产品策略不明确，后面的内容根本出不来。
比如产品到底帮客户解决了什么问题，适用于哪些场景，差异化价值在哪…
输入端讲不清，输出端也很难有好的产品叙事。
测试了一款睡眠app的叙事，大部分内容都还行，唯独差异化始终没有说服力。
我又把喂给它的材料翻了一遍才发现，问题不在Agent，是团队没有想清楚：“有了睡眠数据，然后呢？能给客户带来什么价值…”
后来我干脆把这个发现做进了流程：
接到任务先不写，先对输入做一轮叙事诊断，打个分，把缺口一条条标出来，补齐了再写内容。
（为了演示效果，我让AI做了个html展示）
GTM负责人在输出内容之前，先组织跨部门头脑风暴。一起探讨：
“客户是谁，真正的问题是什么，客户现在怎么解决，现有方案差在哪里，哪些证据能建立信任。”
这些问题没想清楚，AI写出来的内容再顺，也打动不了人。
拿着这个Agent跟产品、研发团队沟通，把技术思维慢慢转到市场、需求思维上来，对GTM的效率很有帮助。
第二版我也增加了官网、社交媒体、销售工具包的内容建议...有了前面的产品内容基础，这个反而不难。
（第一稿，内容没有打磨）
有了产品叙事、内容框架，后面就剩下优化、润色，发挥创意啦！
3：增长分析Agent
这个Agent还没有做完，却是我认为最有潜力的一个。
市场部门本身数据就多，公众号后台有数据，广告平台有数据，官网有数据，CRM还有数据...
有的公司上了系统，但大部分是过程数据，也没有深入的分析洞察。
我让Agent把外部声量、用户行为、线索来源和销售转化放进同一个视图，从触达、点击、互动，到商机和成交，尽量还原完整链路。
这个过程比想象中复杂，困难很多。
外部数据不好对接，内部系统没打通，关键数据没沉淀。
不过，就算是只有一点点数据，放在一起也有价值。
（这只是个演示，数据还是手工输入的）
真正用起来的时候，维度更丰富，更能让市场部的价值更清晰。
4：Agent用了哪些工具，踩了哪些坑？
第一个竞争情报Agent，我先尝试用了Coze扣子，但对垃圾信息的识别比较差，放弃了。
后来用了小龙虾openclaw，“自主性”太强，输出不太稳定。
最后选了Claude Code，API接了DeepSeek和另一个搜索API，基本排除了噪音，未来打算持续优化。
第二个产品叙事Agent，我用了Codex。明显感觉界面更友好，速度也快，也没那么费Token。就是ChatGPT写的内容，我还是觉得AI味太重，下一步要好好去AI味。
第三个增长分析Agent用的是Work Buddy，当初的想法是会不会对接入微信生态的数据更友好？结果用的过程中正好赶上了系统中断，体验感并不太好，这几天再试试。
说了这么多具体操作，最后说说我在这个过程中最大的感受。
搭Agent本身不难，只要把需求讲清楚，给出上下文、方法论，就能有个初版。但是调试、优化需要花大功夫，这其中人的经验、判断、审核尤为重要。
作为市场人，我们的优势是同理心、叙事、审美，这些都是用好AI的加分项。
这些能力过去一直存在，只是被淹没在大量琐碎工作里。
当竞争情报稳定输出，产品叙事持续打磨，增长数据被清楚地连起来时，市场人有了更多的精力深入了解需求，广泛拓展合作，发挥创意潜力...
而这些，正是新产品推出、开发新市场以及最终商业成功的关键。
此时，市场部门的价值不需要自证，所有人都看得见。
AI替代不了市场人，只会放大市场人的能力，这是我越发确信的事儿。