工资只要300块一个月的生鲜店长助理
转载自崔老板的”AI给生鲜店长当助理，一个月成本不到300块，凭什么？”
— Agents特区论坛第20期精华复盘
Agents特区论坛第20期，米总（David）做了一场分享。他用简单的技术解决了一个困扰了整个生鲜行业几十年的老问题。
今天我把这场分享的精华整理出来，希望能给正在琢磨”AI到底能干嘛”的朋友一些启发。
问题是什么：你以为生鲜门店很先进？
先说背景。
米总做的是香港的连锁生鲜门店。你想象中的生鲜超市，可能跟7-Eleven差不多——POS机一刷，数据全上云，库存自动更新，该补货系统自动提醒。
然后现实是啥呢？
就一个收银系统。没有库存管理。没有损耗追踪。没有进货计划。
老板每天最焦虑的事就是：今天的猪肉进了几头，卖了多少，扔了多少，还剩多少，明天该进多少？
没人知道。
店长也不知道。员工更不知道。收银系统只能告诉你”今天卖了多少钱”，但一头猪进去，出来的可能是排骨、五花肉、肉丝——计量单位对不上，你光看收银数据，根本还原不了库存状态。
这就像什么呢？就像你只知道钱包今天少了500块，但不知道是吃饭花了、打车花了、还是掉地上了。你光盯着余额，永远管不好钱。
再加上员工流动大，管理水平参差不齐，你指望每个店长都认真填Excel？别逗了。别说填Excel了，有些人连手机打字都费劲。
这就是生鲜行业的现实：利润薄如纸，损耗大如牛，管理粗如泥。
解决方案：不是什么黑科技，就是”翻译”
米总的方案，核心思路一句话就能说清楚：
用AI把人的语音、图片、文字翻译成系统API调用。
就这么简单。
他没有搞什么大模型直接管理库存——那不靠谱，大模型算数容易飘。他也没有搞什么全自动智能补货系统——那是整虚的，门店的实际情况太复杂，全自动化不现实。
他的做法是：
后端：传统的数据库系统，库存管理、人员管理，该有的都有，提供RESTful API。
前端：两个入口。一个是传统的Web管理后台，给管理人员用的；另一个是AI聊天终端，通过OpenClaw（龙虾）接入WhatsApp和Telegram，给门店员工用的。
AI的角色，就是中间那个”翻译官”。
店长对着手机说一句语音：“今天排骨还剩三斤，五花肉没了，两盒蔬菜品质不好要扔了。”
AI把这句话翻译成API调用，自动更新库存。
就这么个事。
大模型用国产的就行，DeepSeek、Kimi、千问，随便选。逻辑不复杂，不需要什么编程能力，做的是意图识别加参数提取，小学生级别的推理就够了。
这就像什么呢？就像你请了个翻译，不要求他会做生意，只要他能把老板的方言翻译成普通话，让系统能听懂就行。你不会指望翻译替你做商业决策吧？
五个关键设计决策，每个都是踩坑之后的结晶
方案说起来简单，但里面有几个关键的设计决策，我觉得特别值得分享。
决策1：使用门槛降到极致
这是整个方案最妙的地方。
米总没有给员工装任何App，没有让他们学任何新系统。就是在WhatsApp或者Telegram上加个机器人，然后发语音。
对，就是发语音。
店长下班的时候，对着手机说两句”今天的库存情况”，发张进货单的照片，完事了。不用打字，不用开电脑，不用学新东西。
语音转文字、图片识别，全部由AI处理。
这玩意儿的逻辑就是：你要让人用起来，就得降到他现有习惯的水平。员工已经在用WhatsApp聊天了，你让他多聊一个对象而已。你不能要求一个50岁的店长去学一个新的管理软件，那不现实。
传统SaaS为什么在蓝领场景推不动？不是因为功能不够好，是因为门槛太高了。你让一个生鲜店长打开电脑、登录系统、找到库存模块、逐项录入——这一套流程下来，他宁愿凭感觉进货。
决策2：Skill固定功能范围
这个也特别关键。
米总定义了14-15个功能模块（API接口），然后通过Skill告诉AI：“我只会做这些事。”
AI收到用户的任何输入，第一步是判断”这属于哪个功能”，然后调用对应的API。不在Skill范围内的请求，AI直接说”我做不了这个”。
这就是为什么这个系统敢真的用。
以前大家不敢在企业场景用AI，最大的顾虑是什么？是AI的发散性。你让它更新库存，它可能给你写首诗；你让它查销量，它可能跟你聊人生哲学。这种不确定性，在企业场景里是致命的。
米总的做法完美解决了这个问题——AI只做翻译，数据归数据。Skill框死了功能边界，API保证了数据准确性。AI再怎么放飞自我，也跳不出这14-15个功能框。
这就像什么呢？就像你给翻译一张词表，上面只有200个词，他说什么你只管翻这200个词。超出范围的，直接摇头。简单粗暴，但是有效。
决策3：权限控制在API层面
每个员工有自己的JWT token，绑定了他所在的门店和他的角色（店长还是普通员工）。
权限控制是在API层面做的，不是在龙虾层面做的。
这意味着什么呢？龙虾只负责翻译，不做权限判断。A门店的店长查库存，龙虾把请求翻译成API调用，API那边一看token，发现你是A门店的，就把A门店的数据返回给你。你要是想去查B门店的数据，API直接拒绝。
这个设计的好处是，安全和权限逻辑集中在一个地方管理，龙虾不需要关心这些。
决策4：架构分离——龙虾和数据库严格分开
米总反复强调了一句话：“不要把龙虾和数据服务器放在一起，分开就好。”
龙虾只做”自然语言到API调用”的翻译。数据存储、业务逻辑、权限控制，全部在独立的服务器上。
这样做有几个好处：
数据安全：核心数据不在AI Agent的服务器上，AI只接触接口，不接触数据库。可维护性：后端系统可以独立升级，不影响AI前端。可扩展性：一个agent可以同时接入多个channel（WhatsApp、Telegram、甚至以后加微信），一台云主机就能支撑一个门店。
决策5：部署极其简单
员工这边怎么用？
扫一个链接，安装Skill。第一次登录的时候输入账号密码，保存token。然后以后就只用发语音、发图片就行了。
所有的功能更新、系统升级，都是服务端做的。员工不需要关心版本更新、不需要下载安装包。
这就像手机App更新一样——后台自动就更新了，用户无感。只不过这里连App都没有，就是聊天机器人变得更聪明了。
功能都有啥？不只是库存管理
这14-15个功能模块，我列几个比较有意思的：
- 库存查询和补录：店长语音反馈”什么卖完了、剩多少、品质不好”，AI自动更新库存。
- 进货单录入：拍照识别各种格式的单据。不同供应商、不同模板，AI都能识别并提取关键信息。
- 销售预测：基于历史数据，AI建议明天该进多少货。这个不是大模型自己算的，是后端系统算的，AI只是把结果用自然语言告诉店长。
- 智能促销：AI根据实时销售数据建议打折方案——比如”排骨还剩15斤，按往常今天关门前能卖8斤，建议下午4点开始7折促销”。
- 竞品情报：抓取其他门店的价格信息，做对比分析。
- 简历管理：招聘用的，向量搜索匹配候选人经验。
- 收银数据自动整合：下班之后自动导入收银数据，生成日报。
这些功能单拎出来，没有一个是AI的”独门绝技”。但组合在一起，加上语音和图片这种零门槛的交互方式，它就变成了一个真正能用起来的管理工具。
成本多少？说出来你可能不信
算一笔账：
- 云主机：一台就够，100-200元/月
- API费用：大模型调用，每月大约100多元
总共不到300块一个月，一个门店的管理系统就跑起来了。
你想想，传统SaaS进销存系统，一年几万到几十万不等。对那些年利润几百万的小企业来说，这笔钱不是掏不起，而是掏了也不一定用得起来——因为门槛太高了，员工不用，系统就是摆设。
米总的方案，用不到传统SaaS十分之一的成本，实现了80%以上的核心功能，而且员工真的在用。
马工在讨论环节的总结特别到位：“从技术上来说真的很简单，但是从业务上来说价值非常大。最重要的是把传统SaaS的使用门槛极大地降低了。“
讨论环节的三个醍醐灌顶时刻
这场分享最好玩的部分，其实是讨论环节。几个人从各自角度补充了一些特别有价值的观点。
时刻1：这不只是生鲜的事
Gpt（徐武）指出，这个场景的适用范围远不止生鲜超市。
小工厂的进销存、餐厅的库存管理、五金店的采购管理……中国大量的蓝领密集型企业，都有同样的痛点——有需求、没工具、用不起、不会用。
中国的地级市、县级市，有多少企业一年利润几百万，不可能花几十万买SaaS，但确实有库存管理、人员管理的需求？
这些企业，才是AI落地的最大战场。
不是所有AI都要去”颠覆”，有时候能把门槛降下来，就已经是颠覆了。
时刻2：信息差才是真正的差距
我自己分享了一个感悟。
我一直在想，传统的夫妻老婆店、生鲜门店，跟7-Eleven这种便利店巨头之间的差距到底在哪？
以前我觉得是供应链，是品牌，是规模效应。
听完米总的分享我明白了：核心差距就是信息采集能力。
7-Eleven每个门店的数据，实时汇总到总部，供应链精确到小时级。而传统门店呢？老板连今天剩了多少肉都不知道。
AI不是要替代人做决策，AI是要把那些”人本来在做但做不好、或者根本没在做”的事情做好。数据采集，就是第一件事。
时刻3：我们也在干类似的事
说个题外话，我听完之后特别有共鸣，因为我自己的公司也在做类似的事情——绿化采购询价。
以前供应商报个价，要打电话、发微信、对比表格，一个采购员忙一天也就处理十几个询价。现在通过AI Agent，供应商直接发语音报价，AI自动提取价格信息、对比历史报价、生成询价报告。
体验上呢？挺丝滑的。
所以米总的方案给了我很大的信心——这条路走得通，不是个案。
实话实说：也有不足
不能光说好的，也说说坑。
第一，大模型偶尔还是会”翻译错”。尤其是语音识别在嘈杂环境下（生鲜门店嘛，切肉声、叫卖声、空调声），准确率会下降。识别错了，API调错了，数据就错了。这个需要定期人工抽查。
第二，供应商单据格式千奇百怪。AI识别进货单不是万能的，有些手写的、模糊的、格式不规范的，识别率确实不够高。目前对于复杂单据还是需要人工复核。
第三，网络依赖。这玩意儿毕竟是云端的，门店网络不好就抓瞎。香港还好，国内一些网络基础设施不太好的地方，可能需要有本地缓存的方案。
这些问题米总也在持续优化，但至少目前来看，瑕不掩瑜。
如果你想复刻，怎么做？
最后，给有类似需求的朋友一些可复制的行动建议。
第一步：梳理你的业务流程，找到”数据断点”。哪些信息目前是靠人工口口相传的？哪些数据是员工”应该记录但懒得记录”的？这些就是AI介入的切入点。
第二步：先建后端，别急着上AI。数据库、API、权限控制，这些传统的东西先搭好。AI只是前端的”皮肤”，骨架得是传统的、稳定的。
第三步：定义Skill，框死功能范围。不要让AI做太多事。10-15个核心功能足够了。宁可少做，不要让AI做超出能力范围的事。
第四步：选择员工已经在用的通讯工具作为入口。WhatsApp也好、微信也罢、钉钉也行。不要让员工学新工具，就在他们已经习惯的地方加一个机器人。
第五步：选便宜的大模型。DeepSeek、Kimi、千问，一个月API费用百来块。不要迷信贵的，翻译工作用不着博士生来做。
第六步：先把一个门店跑通，再推广。一把梭全上，容易翻车。先在一家店试点，跑两三个月，发现问题解决问题，然后再复制到其他门店。
最后说两句
这场分享给我的最大感触，不是”AI多强大”，而是”AI把门槛降到足够低之后，原来被忽视的需求会自己冒出来。”
传统SaaS行业做了十几年进销存系统，花了无数钱做UI、做培训、做实施，结果蓝领用户就是不买账。不是因为功能不对，是因为交互方式就不对——你让一个每天跟猪肉打交道的人去对着电脑填表，这本身就不合理。
AI改变了什么？改变了交互方式。从”人适应系统”变成了”系统适应人”。
米总的方案，技术含量高吗？说实话，不高。但他做到了很多技术大牛没做到的事——让技术真正服务于一线劳动者。
这就是实用主义的力量。不整虚的，能解决问题就行。
最好的AI应用，不是那些让你惊呼”卧槽”的炫酷demo，而是那些让你觉得”嗯，就该这样”的朴实工具。
不要问AI能做什么，问你的用户需要什么，然后看看AI能不能把门槛降到他们够得着的高度。
技术不值钱，值钱的是把技术送到需要它的人手里。