两周搭建，一周磨合

整个过程分两步走：先花两周时间搭建了一组投资分析 Agent，每个 Agent 配备了专属的技能包（skills bundle），各自负责不同方向的分析任务。然后让这些 Agent 之间互相对话、协作了一周，处理不同的风投侧需求。

经过这轮磨合之后，工作流变得极其简单——把项目 BP 的链接丢进群聊，这些 Agent 就会自动完成路演准备工作：梳理关键信号、标记风险点、提出需要深挖的问题。实际效果比人工团队更稳定，因为不会遗漏、不会疲劳。

技能交叉学习是意外收获

更有意思的是 Agent 之间的技能交叉污染效应。其中一个 Agent 最初只是出于实验目的搭了一个「宏观事件模拟器」，结果其他投资分析 Agent 学会了这个能力，开始自发地用它跑投资模拟。这种能力的自然迁移，是多 Agent 协作架构中非常值得关注的现象。

整套系统的运行成本：每月200美元。

对「一人公司」的启示

这个案例的核心价值不在投资领域本身，而在于它验证了一个模式：用多 Agent 协作替代一个小团队的分析职能，成本可以压缩到几乎可以忽略不计。

几个值得注意的实践要点：

  • 为每个 Agent 设计专属技能包，而不是让一个通用 Agent 做所有事。专精带来的输出质量远高于通用型
  • 让 Agent 之间有对话和协作的空间，技能交叉学习会带来意想不到的能力涌现
  • 先跑一周磨合期，观察 Agent 的实际表现再调优，而不是试图一步到位

从更大的视角看，这位实践者提出了一个值得思考的判断：我们可能正在进入一个「高增长、低就业」的时代——经济增速很高，但传统岗位需求反而在下降。对独立开发者和一人公司来说，这恰恰是窗口期：当大公司还在犹豫是否裁减分析团队时，个体已经可以用几百美元月费获得同等甚至更强的分析能力。

关键不是 AI 会不会替代人，而是会用 AI 的个体，正在获得原本只有团队才拥有的杠杆。