AI赋能一人公司：AI工作流与传统技艺的双引擎实践

深夜十一点，我刚刚把AI生成的户型改造说明改完，客户在微信里发来三个大拇指。电脑左边是我反复调校过的AI工作流面板，右边是一把胡桃木托盘，还停在那天手工打磨到一半的状态。一个用AI跑流程、一个用手艺找意义——这在两年前听起来像两种人生，如今却是我身边越来越多“一人公司”的日常切面。

这个标题其实可以拆成两件事：一是AI把一个人做公司的成本压到不可思议的低，二是在效率被AI喂饱之后，人们反而开始回头看那些慢的、有温度、有人的痕迹的事情。这不是什么潮流叙事，而是一笔实打实的经营账。这篇内容想把这两条线串起来，聊聊我这一年多在一人公司里的完整实践：AI工具怎么落地、工作流怎么搭、为什么最后反而要靠传统技艺来扛溢价，以及一个人如何同时驾驭两种完全不同的工作状态。

如果你正在经营一个小工作室、刚起步做独立开发，或者只是一个用AI养活自己的自由职业者，这篇应该能帮你少走不少弯路。

1. 一人公司怎么忽然就成立了：效率账引发的连锁反应

先说清楚“一人公司”这回事。它不代表你一个人把所有活干完，而是说一个人能拥有一个完整公司的全部职能：产品设计、内容输出、营销获客、客户服务、财务结算、技术支持、交付验收。过去这套职能配齐，最少也得五六个人的团队，现在一个人加几个AI应用，再加少量外部协作，就能跑通大部分链路。

1.1 一人公司不是小公司，是整个能力的单片控制台

我自己的体会是，一人公司真正的难点不在于“活多”，而在于“角色切换”。上午是设计师，下午是客服，晚上又变成财务和内容编辑。以前这种切换很容易把精力打散，一天下来好像做了一大堆事，但核心产品没有任何推进。AI出现之后，角色切换的成本大幅下降了，因为很多角色里的机械动作被AI接走了，我只需要保留每个角色里最需要判断力的那部分。

现在我可以早上给自己泡杯咖啡，打开AI对话窗口把客户聊天记录直接转成结构化需求文档，再让AI按上次的项目模板生成一份初步方案。这不是说我就能午睡到三点了，而是说我把过去用来整理、检索、排版、写废话的时间全部解放出来，重新投向真正只有我能做的决策和创作。

一个通俗的类比是：你过去要雇一个团队，每个人各管一部分，AI相当于让团队里的“执行角色”全部换成了脚本和模型，而你从“老板兼员工”升级成了“唯一的合伙人兼技术总监”。

1.2 AI解决的不是努力问题，是“人手不够”问题

我见过很多自由职业者，业务能力不差，但一直困在低水平重复里，核心原因都是人手不够。要做一单项目，除了核心交付本身，还有沟通、报价、回款、售后、内容展示这些环节。这就像开一家餐厅，你拼命研究菜品，但每天都在自己洗碗、拖地、买菜，哪有精力研发新菜？

AI正好把洗碗拖地买菜这几项给兜住了。我做过一张表，盘点一个典型一人公司的职能效率变化，数字按我自己和几个同行的经验整理，算的是参考量级：

这张表看起来只是效率账，但它引发了一个连锁反应：当别人还在为一个文案熬一宿时，你已经有时间把同一件事打磨三遍，或者把精力挪去打造只有你能做的东西。这才是后来我决定重新捡起木工、开始做手作周边的原因——AI把时间还给了我，而时间一旦变多，你自然会去想：我究竟该把这多出来的时间花在哪儿？

当然，这种红利也不会自动落到每个人头上。能接住AI红利的人，通常要具备四种能力：能把需求说清楚的结构化提问能力、能判断AI输出好坏的验收能力、能把零散工具搭成流程的工程能力、以及最后决定这一切值不值得的商业判断力。这四点里，前两种门槛最低，后两种反而是一人公司的护城河。

2. AI同事的落地手册：从玩票到可复用工作流

很多人用AI的方式是“点状使用”，今天让它写个标题，明天让它做个图，后天问一个开放问题。这种用法不能说没用，但它不产生复利。真正让一人公司跑起来的是“可复用的AI工作流”，也就是把你日常反复出现的事情拆成固定步骤，每一步有明确的输入和输出，AI负责那些机械的部分，人在最关键的地方做决策。

2.1 先识别确定性任务，再谈AI Agent

我第一次尝试搭建AI Agent时踩过一个误区：一上来就想做一个全能助手，让它什么都能干，结果什么都做不好。后来才明白，判断一项任务适不适合交给AI Agent，核心就看一个词：确定性。

所谓确定性任务，就是它有清晰的输入格式、处理逻辑和输出模板。比如“把一段客户语音转成文字摘要”、“把聊天记录整理成需求清单”、“把产品参数表生成一页落地页文案”，这些都是确定性任务。你完全可以定义清楚AI每一步应该干什么，然后让它自动跑完。

反过来，像“帮我想想品牌未来两年怎么发展”这种问题，虽然AI也能给出很漂亮的回答，但你很难设定验收标准。这类任务不该交给Agent，而该留给你自己思考，AI最多扮演一个提问伙伴。

我的建议是，一人公司上手AI Agent，不要在第一个任务上贪心。选一个你每周都要做三次以上、而且你早就做成模板的任务。对你来说它也许是家常便饭，但对AI来说，只要提示词给得够清楚，它第一次可能只会做60分，但你把规则补丁打上几轮之后，它真的会变成“另一个你”。

我自己最早跑通的是“聊天记录转项目简报”。原来客户在微信里发一堆语音和照片，信息又碎又多。现在我的工作流是这样的：先导出聊天记录文本，交给AI按固定格式抽取客户诉求、当前进展、待办事项和风险点，输出一个Markdown清单，然后我再花五分钟核对补充。下面是那段提示词的简化版，你可以直接拿来改：

你是一位擅长结构化整理的项目助理。请把以下对话记录中的关键信息整理成： 1. 客户核心诉求 2. 当前推进进度 3. 下一步待办事项 4. 需要关注的风险点 只输出Markdown清单，不要添加任何评价性语言。 对话记录如下： [粘贴聊天记录]

关键在于，这类任务做一次不算本事，做成一个可以反复调用的固定流程才算。你可以在自己的笔记软件里建一个“AI工作流”目录，把这种提示词像代码文件一样管理起来，每次用出问题就修订一版，几个月后它就是真金白银的资产。

2.2 提示词管理的三层结构

说到提示词管理，这里值得单独展开。我见过不少人把提示词存在聊天记录里，用的时候翻半天。更麻烦的是，同一个AI上午回答得像个严谨的审计师，下午又飘得像脱口秀演员，原因是他们从来没有给AI设定过稳定的“身份和边界”。

我自己的提示词库分三层：

第一层是全局规则，相当于公司的员工手册。里面写着我是谁、我的业务是什么、对外的语气是什么、哪些话不能说、哪些信息必须确认。在任何新对话开始之前，我会先把这一层喂给AI，让它带着这套背景去做任务。

第二层是项目级规则，放在具体项目文件夹里。比如某个设计项目的风格偏好、材料清单、合作客户方背景、过往沟通记录索引。AI只要读过这一层，就不用你每次重复交代背景。

第三层才是单次指令，也就是针对当下这个具体任务的prompt。这一层越具体越好，最好说清楚输入、处理逻辑、输出格式和验收标准。

你可以在任何一款支持Markdown的笔记工具里维护这三层结构，也可以用飞书文档或者Notion的数据库来组织。更新的频率比数量更重要。用完一遍觉得哪里不顺，马上修订，不要拖到下次再踩同一个坑。

顺便说一句，很多人问我要不要学一些“提示词技巧”。我的回答是，技巧远没人设和上下文重要。你真正需要花时间的，是把你的业务逻辑拆清楚，而不是学什么花哨的prompt模板。AI应用本质上也是应用。你给它写的使用说明越清晰，它越像你的同事，而不是一个每问一次都重新认识你的陌生人。

2.3 多AI协作的分工矩阵

等你对单条工作流足够熟悉了，就可以尝试多AI协作。说白了，就是别让一个AI从头干到尾，而是让不同的AI承担不同角色，人站在中间做交接和验收。

我常用的一套分工是这样的：

• 信息收集与检索AI：负责从公开资料、文档库里捞出候选内容，它的任务是广撒网。
• 生成与创作AI：基于收集回来的信息撰写初稿、生成图片和方案。
• 风格与语言调整AI：负责把初稿改成更贴我语气和人设的版本。
• 校验与审查AI：检查事实性错误、格式问题、合规风险，相当于QA岗位。

整个链路看起来复杂，其实就跟一条生产线一样：物料进来，每过一个工位被加工一道，最后到质检员（就是你）手上。质检员的角色永远不能丢，因为AI的幻觉和偏差会在串联过程中被放大。你以为每个环节都只错一点点，叠加起来就是一份不能交付的成品。

多AI协作还有一个很实用的场景，就是同样的材料用不同模型各做一版，放在一起对比取舍。比如同一个设计需求，让两个不同风格的AI各生成一套配色方案和空间布局，你反而更容易看出哪些是套路、哪些是真有想法。人当裁判的时候，AI的多样性就是你的创意弹药库。

2.4 模型部署与知识库：让AI认识你的私人资料

前面讲的都是工作流层面的东西，最后说一个技术底子：如果你的业务里有许多个人资料、行业报告、客户沟通内容，每次都复制粘贴喂给AI既不现实也有泄露风险。这时候值得花一晚上时间搭一个私人知识库，也就是RAG检索增强生成。

原理不复杂。你把常用文档切成小块，转成向量存进数据库，AI在回答问题之前，先从你的资料库里检索相关段落，再结合检索结果生成答案。这样一来，它就不是靠通用知识瞎猜，而是能“读”过你的资料之后给建议。

现在市面上的工具已经把这个过程压得很简单了。你可以用Dify、Coze这类平台的可视化编排，也可以本地部署开源模型加向量库。对一人公司来说，数据安全要求不高就用云服务，资料敏感就本地部署。我说的本地部署并不神秘，现在有大量开箱即用的部署脚本，关键是把你自己的文档先整理干净，这一步比选哪个模型都重要。

我自己的知识库里现在存着过去三年所有项目的沟通记录、复盘文档、客户反馈和素材资源。每次启动一个新项目，AI先检索知识库，再结合当前需求输出建议，效率提升非常明显。这种感觉就像你雇佣了一个把所有历史资料都背下来的老助理，它从来不嫌你啰嗦，也不会忘事。

3. 传统技艺为什么在这个时点“复兴”：效率贬值之后的世界

聊完AI的落地，我想换一个话题。过去一年我越来越强烈地感觉到，AI能解决的效率问题正在迅速贬值，因为每个人都能用AI的时候，效率就不是稀缺品了。你半小时出一张图，别人也能。你会写高效的提示词，别人也能。那么问题来了，客户凭什么选你？

答案恰恰在那些AI不能替代的部分。这就是标题里的“传统技艺”和“意义复兴”的语境。

3.1 当效率变成标配，标准品开始不值钱

AI带来的一个隐含后果是：所有标准化产出的价格都在向下走。你让AI生成一张商业海报，虽然不一定能用，但成本确实已经接近零。同样的道理也适用于文案初稿、会议记录、基础代码。当一个产出物的价值主要由信息密度和工作时长构成，它的价格就会在AI的冲击下迅速缩水。

这反过来让那些“非标准”的东西变得更值钱了。什么叫非标准？就是它严格依赖某个人的判断、品味、双手和经历，没办法用投产比来衡量。这可以是一件手作木器，也可以是一个经验丰富的人给方案做的最终决策。换句话说，AI越强，人手越贵，人味越值钱。

我有一位朋友做私人旅行定制，他会用AI把所有目的地信息、航班、酒店、天气和预算快速拉出来，然后据此输出一份方案初稿。但他不会直接把这份初稿发给客户，他会把路线整体的节奏重新梳理一遍，甚至会亲手画一张手绘地图附在方案里。客户拿到东西的那一刻会愣住，因为没人会为一张普通地图停留五秒，但一份用力做出来的手绘路线图会被人贴身收藏。

这件事的本质是：AI承担了获取信息、整理信息的大量成本，而人负责让信息变成跟这个具体的人有关的建议。效率解决了“信息不可能”，意义靠的是“完全由你定制的那一小段旅程”。

3.2 三个走向“AI先锋加传统技艺”的身影

我见过做旧房改造的设计师，白天用AI出拆改方案、算报价表、做效果图初稿，晚上在灯下手绘一本改造故事板。他说客户看方案很少看完整份PPT，但会反复翻那本画了他们家猫和玄关柜的本子，因为那里面藏着“只替这一家人设计”的东西。

我认识一个写行业专栏的作者，长期用AI做资料搜索、访谈录音整理和文章框架，但他每一篇的核心观点和每一段的节奏都是自己手写的。他跟我说过一句话，AI让写文章变得很快，但也让绝大多数文章变得不值得看。他只有在键盘前一字一字把段落磨出来的时候，才觉得这行字对得起署名。

还有一个做手工皮具的独立制作者，他的电商页面、产品文案、客服沟通几乎全部由AI辅助完成，节省下来的每天三四个小时都花在缝线和封边上。他的一只植鞣革包卖得不便宜，但等待名单已经排到下个季度。客户买回去之后不会问这包是不是手工做的，每一条收边都有答案。

这三个身影的共同点不是“拒绝AI”，也不是“沉迷手工”，而是把AI用在了后勤线，把人力全部压到了最有质感的那道工序上。这不是情怀，是清醒的定位——AI负责把成本打下来，人负责把价值和价格顶上去。

3.3 “意义复兴”到底是什么

所以我理解的“意义复兴”，不是复古，也不是反技术。它说的是一个顺序变化：过去我们为了生存，必须先按效率组织一切，手工和慢节奏只能沦为爱好；现在AI把生存层面的压力大幅降低，人们终于有余力重新把意义请回到生产流程里。

意义是怎么形成溢价的？我总结了四条线索：

• 慢，本身变成了稀缺资源。AI能三秒生成一百个方案，但三秒钟出来的方案没有“花时间思考”的重量。人愿意为“被人认真对待过”的体验付费。
• 痕迹，让人感受到存在。每一件手作作品都不一样，这种不完全可控的变化，反而构成了确定性的反义词，让拥有者觉得它是活的。
• 故事，让物超越物本身。客户买的不是一只托盘，而是那个打磨它的人握过它的时间。
• 双向感，让人参与其中。定制、预约、沟通、等待，这些流程让“消费”变成“完成一次共同创作”。

这里要插一句，传统技艺在我们这个语境里不一定是非遗或老行当，它也完全可以是你长期积累的独特判断力、一种纯手动的工作方法、一次陪客户慢慢挑选的耐心。关键是，它必须刻着你这个人的指纹，没法轻易被一个提示词复刻。

4. 双引擎模型：AI负责承担成本，手艺负责创造溢价

关于一人公司怎么同时装下AI和传统技艺，我自己最常用的是双引擎模型。这个模型不复杂：一家一人公司最好同时拥有两个引擎，一个是AI引擎，一个是手艺引擎。它们分工不同，但互为燃料。

4.1 AI引擎与手艺引擎的分工表

AI引擎的核心指标是规模、速度和客单价的下探空间。它负责获客内容、客服应答、行政流程、文档生成、数据处理、自动化和基础产品交付。手艺引擎的核心指标是独特性、口碑和客单价的上探空间。它负责核心创意、最终决策、定制服务、品牌叙事和那些高溢价的实体或体验。

我用一张表来梳理这两个引擎的关系：

这套模型的运行逻辑是：AI引擎创造现金流和流量，帮你把业务盘子接住；手艺引擎创造差异化和口碑，让业务盘子不会被低价竞争者卷走。

4.2 一次定制交付流程的改造：从40小时到22小时

理论说多了容易飘，我把一个典型定制服务改造前后的流程拆给你看。这里以我一位做空间改造的朋友为例。

他过去接一单定制方案，差不多要花40个小时。这些时间里包括找参考图、整理原始户型资料、出初稿、做效果图、排版说明文档、整理材料报价、反复修改沟通。真正能体现他设计判断力的部分，可能只有12个小时左右，大部分时间都被杂务吞噬了。

现在他的流程变成了这样：客户需求对接之后，AI先把原始聊天记录整理成需求摘要，再根据需求自动检索过往案例和参考图库，输出一份初步的概念方向。他在这份基础上做核心方案的判断和手绘草稿，大概4到6个小时。然后AI把草稿转成效果图草模，他再修两轮。最后文案、排版、报价全部由AI按模板生成，他在交付前花2小时校验。整套流程下来，总时长降到22个小时左右，其中核心创意12小时、AI机械工作4小时、手工细节6小时。

这里有一个反直觉的点：总时长虽然缩短了，手工和创意的时间反而增加了。过去客户拿到一份40小时堆出来的文件，里面真正打动人的部分很少；现在他拿到的是22小时的结果，但里面有12小时的深度思考、6小时的手工细节，AI只占4小时。这一减一增之间，单价反而敢往上提了。

关键是，AI省下的时间不要继续拿去接更多同样的单，而是投入到手艺引擎里，让每一次交付都更有不可替代性。很多一人公司做不起来，不是效率低，而是效率高之后反而被卷进更大的同质化竞争中。

4.3 定价锚点从“工时”移到“判断与痕迹”

说到单价，一人公司的定价逻辑也得跟着变。传统定价是按工时算的：你做这件事花了多长时间，就按时间乘以费率收钱。AI介入之后，这个逻辑首先崩盘，因为AI把机械工时压缩掉了大半。如果你还按工时报价，等于自己砍自己的收入。

现在合理的锚点是判断费和痕迹费。客户付的钱，一部分买的是你的判断能力，也就是从一百个可能里挑出那个最适合他的答案。另一部分买的是你动手留下的痕迹，也就是那个最终文本、手绘稿、手工品或者面对面的策略陈述。判断和痕迹都是没法被AI批量生产的，因而可以理直气壮地收溢价。

我自己有一个平衡原则：能用AI补短板，但不让AI替代长板。长板是你手艺引擎锚定的位置，这个位置一定要牢牢握在自己手里。如果一门手艺已经完全不需要你了，那它要么是夕阳产业，要么是AI替你选错了赛道。

5. 一个人的组织架构：所有权的边界、AI岗级与时间块

一旦AI工作流和手艺引擎都跑起来，一个人要面对的新问题就是组织管理了。但这里管的不是团队，而是“一个人加三个AI加若干个外包伙伴”的混合系统。没有边界，很快就会被自己卷死。

5.1 所有权清单：哪些事绝不能交给AI

我给自己列了一张所有权清单，每半年更新一次。清单里写的是：哪些事无论多忙多贵，都必须由我亲自完成；哪些事可以放心交给AI，哪些事可以外包给临时合作者。

永远保留的包括：客户关系的核心触点、项目的创意方向和最终验收、对外发布的品牌表达、财务与价格的决策、个人成长相关的思考复盘。放心的包括：信息收集与归纳、格式转换与排版、初稿生成、客服例行应答、日程安排和提醒。外包的包括：专业度要求高但量大的执行环节、线下手工协助、短期冲刺的体力活。

这套边界画的不是能力，而是责任。一旦你把客户关系最关键的那句话交给AI去说，你就失去了这个客户对你唯一的信任理由。AI可以替你准备这句话的无数种说法，但最后怎么说、什么时候说、说给谁听，必须是你自己的判断。

5.2 给AI同事定岗级

我在内部把AI应用分成三个岗级，这样安排任务时心里有数：

• 实习生级：适合做信息收集、内容整理、格式转化、资料检索。它的输出默认需要人工复核，你明确告诉它“不要自作主张添加不存在的数字”，它才会规矩。
• 专员级：可以承担有明确规则和模板的生成任务，比如文案初稿、常规代码、客服回复、价格测算。它已经懂你的业务口径，输出达到70分，你只做关键修正。
• 专家级：在给足上下文和验收标准后，它可以独立完成一整个模块并直接交付初版。达到这一级的条件不是它有多聪明，而是你已经通过大量踩坑把规则沉淀成了可复用的流程。

你不需要真的给AI取名字或者设工位，但岗级思维能帮你避免两个极端：要么什么都不放心它做，要么什么都不检查就发出去了。无论是做代码、写文案还是画图，AI输出的质量直接取决于你给它定义的标准和它在你工作流里的位置。

5.3 用“时间块乘以作品流”切换两种模式

AI工作和手艺工作其实是两种截然不同的状态。AI模式需要你高频切换、快速决策、大量使用屏幕；手艺模式需要你深度专注、低速重复、尽量少受打扰。把这两种模式混在同一个时间段里，你的大脑会持续震荡，最后两边都做不好。

我的方案是时间块加作品流。白天大脑更活跃的时候，安排AI协作和商务沟通，比如上午十点到下午三点集中处理客户消息、内容生产、方案生成。下午三点以后进入手艺时间，这时候手要离开键盘，去做打磨、手绘、或任何需要慢速投入的工作。晚间再花半小时回看当天AI产出的内容，做归档和复盘。

还有一种周级时间块。周一到周三处理AI和业务运营，周四到周五集中做手艺项目，周末整理作品、写内容、更新知识库。这样跨周期的安排，能保证你的手艺引擎不会被日常琐事完全吞掉。

你还可以利用AI来学习新的手艺。比如我最近在学英语写作，不再报班上课，而是每天用AI当陪练，让它出题、批改、点评。隔一天再把练习题丢回知识库，让AI追踪我的薄弱点。这种学法很适合一人公司的节奏，它把学习安排切成小份，塞进时间块的边角料里。

6. 常见误区与排查思路：这些坑我先替大家踩过了

最后把这些年在一人公司模式下踩过的坑集中盘点一遍，每一条背后都有真实的成本，希望能帮你省掉一点学费。

6.1 为了效率把灵魂丢了

最常见的错误，是把AI用在所有环节，包括那些不该用的环节。客户拿到的方案虽然快，但里面没有任何人的判断，结果客户觉得“这东西我也能用AI生成”，你作为人的价值瞬间归零。

排查思路其实非常简单：每次交付之前问自己一个问题，这份东西里面，人的判断在哪里？如果答案是“没有”，那它就不应该收费，也不该代表你的品牌发布。你要做的不是删掉AI流程，而是把判断重新塞回核心节点，哪怕只是追加一段手写开场白，整份东西的温度都会不一样。

6.2 产出量很大，但没有对话发生

一人公司利用AI最多的情况是内容生产。很多人一天能产十篇笔记、二十张图，发出去后却一个互动都没有。原因很简单，AI生产的内容在信息上是正确的，在关系上是无效的。因为它们没有个人立场、没有可反驳的观点、没有你真正想说的东西。

排查思路是，把所有AI产出的内容都当成草稿素材，发布前的最后一公里必须由你亲自完成。你可以让AI帮你做行业分析、找数据、梳理信息，但你总得自己说一句有倾向的话。一句有倾向的话，才能换来一条评论，一条评论才可能变成一次合作。没有对话的产出等于为零。

6.3 手艺人和AI势不两立

另一种相反的极端我也见过不少。一些手艺人非常抗拒AI，理由是怕AI抢走手艺的纯粹性。但现实是，他们大量时间花在整理素材、回消息、做文案、处理订单这些杂务上，真正留给手艺的时间反而不多。到最后手艺没有输给AI，而是输给了商业效率。

我建议手艺人把AI用在一个很窄的范围内：它帮你做所有“手艺之外”的工作。你可以设定一条铁律，AI生成的任何东西都不得流入成品，只能用于效率层面。文案写得不满意就自己重写，图片用AI做草稿再自己画，影响不到手艺的纯粹性。

6.4 每周五小时复盘例会

一人公司最大的问题是没有外部反馈，你不知道自己的流程是不是又在悄悄跑偏。我给自己定了一个强制机制，每周五下午抽出一个小时做流程复盘。打开本周所有的AI对话记录、项目交付清单和客户反馈，逐条回看哪个环节卡壳了、哪条提示词还能优化、哪类工作其实可以交给外包。

这个复盘不需要写长文，只记三栏：这周哪里浪费了时间、哪里交付得不够好、下周要改掉什么。我每周改掉一件事，一年就是五十多个微调，两年足够让整套一人公司系统变成一台越跑越顺的机器。

最后分享一个小技巧：你可以在复盘时顺便问AI要一份本周工作报告。给AI一份本周的聊天记录和记录列表，让它按统一格式输出总结。你自己再对照真实体验补充修改。这既是工作留痕，也是一种低成本的自我管理手段，试过就知道很有用。

一个人做公司，到后期拼的往往不再是技术和工具，而是你有没有一套稳定运行的秩序，以及你对自己“为什么要做这件事”的答案清不清晰。AI把前半段的效率问题解决得很彻底，传统技艺和手艺引擎把后半段的意义问题重新抬了起来。二者合在一起，才构成了一人公司的完整图景。我自己在这套模式里尝到了甜头，也希望这篇梳理能给你一个可以参考的起点。