用 AI Agent 团队搭建一人咨询公司

2024 年做咨询，一次只能服务一个客户。客户 A 的项目没交付完，客户 B 只能排队等。我的月收入上限大约 $12K，瓶颈是我自己的时间。

2026 年初，我同时服务 4 个 retainer 客户 + 穿插 1-2 个项目制客户。月收入在 $18K-$22K 区间。工作时间没变，每天大概 6-8 小时。

差别在于：2024 年我做所有事。2026 年我做决策和客户关系，6 个 AI Agent 做执行。

这篇文章把我的一人咨询公司架构完全公开：哪些 Agent 在做什么、成本多少、收入多少、以及过程中踩过的坑。

---

架构总览：6 个 Agent 各管什么

Agent 1：Research Agent（研究员）

职责： 每个新客户项目启动前，Research Agent 负责搜集行业信息、竞品数据、技术方案调研。

实现： Python 脚本 + Claude API + WebSearch。输入是一个研究提纲（我写 5-10 个关键问题），输出是一份结构化的研究报告。

效果： 原来我做一份行业调研报告要 6-8 小时。现在 Agent 出初稿 45 分钟，我花 1 小时审阅和补充，总共 2 小时以内。

月度成本： API 费约 $15-25，取决于当月项目数量。

Agent 2：Report Agent（报告员）

职责： 每周给 retainer 客户生成性能报告。自动拉数据、做分析、生成图表、写 executive summary。

实现： Python + Supabase（数据源）+ Claude API（分析和写作）+ Google Sheets API（输出）。

效果： 4 个 retainer 客户每周各一份报告。原来每份要 1-1.5 小时，4 份就是 5-6 小时。现在 Agent 自动生成，我每份扫 10 分钟确认关键数据无误，4 份总共 40 分钟。

月度成本： API 费约 $20，Supabase $25。

Agent 3：Email Agent（邮件助手）

职责： 草拟客户邮件、跟进提醒、会议纪要整理。

实现： n8n 工作流 + Claude API。会议结束后我把录音丢进去，Agent 出会议纪要 + action items + 跟进邮件草稿。

效果： 我的邮件量从每天花 1.5 小时降到 30 分钟。Agent 草拟，我修改和确认发送。重要邮件我自己写，但日常跟进类邮件 Agent 处理 80% 以上。

月度成本： n8n 自托管 $5，API 费约 $12。

Agent 4：Proposal Agent（提案助手）

职责： 生成项目提案初稿。根据客户的行业、痛点、预算范围，从我的提案模板库里选合适的结构，填入定制化内容。

实现： Claude API + 一个自建的提案模板数据库（15 个模板，按行业和项目类型分类）。

效果： 原来写一份提案要 3-4 小时。现在 Agent 出初稿 20 分钟，我修改 45 分钟，总共 1 小时左右。更重要的是，提案的一致性和专业度提升了——因为每次都从经过验证的模板出发。

月度成本： API 费约 $8（提案频率低，每月 2-4 份）。

Agent 5：Content Agent（内容助手）

职责： 帮我写 LinkedIn 帖子、Twitter 内容、和社群分享。基于我的文章和项目经验，生成不同平台的内容变体。

实现： Python + Claude API。我写一篇长文，Content Agent 自动拆解成 3-5 条社交媒体帖子，按平台特点调整格式和长度。

效果： 我现在每周发 5-7 条 LinkedIn 帖子，但实际写作时间只有 2 小时左右（主要是写一篇长文 + 审阅 Agent 的帖子变体）。社交内容是我获客的主要渠道，没有 Agent 我根本没时间保持这个频率。

月度成本： API 费约 $10。

Agent 6：Admin Agent（行政助手）

职责： 日历管理、发票生成、时间追踪、和客户续签提醒。

实现： n8n 工作流 + Google Calendar API + Notion API。

效果： 这些杂活原来每周要花 3-4 小时。现在基本全自动：月初自动给 retainer 客户发发票，续签到期前 30 天自动提醒我，会议安排自动查冲突并发邀请。

月度成本： n8n + 各 API 合计约 $8。

---

成本和收入全景

月度成本明细

类目	月费
6 个 Agent 的 LLM API 调用	$65-$90
Supabase	$25
n8n 自托管（Railway）	$5
Cursor（开发和维护 Agent）	$20
Claude Pro（我自己用）	$20
其他 SaaS（Notion、Luma、Buffer 等）	$45
总计	$180-$205

月度收入结构

来源	月收入	说明
Retainer 客户 x 4	$12K-$16K	每个客户 $3K-$4K/月
项目制（平均）	$5K-$8K	每月约 0.5-1 个项目
总计	$17K-$24K

利润率

月均收入：~$20K
月均成本（工具 + API）：~$190
毛利率：99%+

但这个数字有误导性——因为最大的成本是我的时间。如果按我自己每天 7 小时、每月 22 天算：

投入时间：~154 小时/月
有效时薪：~$130/hr（含非计费时间）

$130/hr 的有效时薪比市场上大多数 AI 咨询师的计费时薪低（市场平均 $200-$400），但区别是：我的利用率接近 85%（大部分执行工作由 Agent 承担），而一般咨询师的利用率只有 40-60%。

---

每周时间分配

活动	时间/周	说明
客户沟通（会议 + 邮件）	10-12h	这是我做的最核心的事
战略思考和方案设计	6-8h	只有我能做的决策型工作
内容创作	3-4h	长文 + 审阅 Agent 内容
Agent 审核输出	3-4h	检查报告、邮件、提案
Agent 维护和优化	2-3h	prompt 调优、修 bug
行政和管理	1-2h	Agent 处理后剩余的
总计	25-33h

注意最大的两块是客户沟通和方案设计——这两个是纯人类工作，AI 替代不了。我的 Agent 解放了我的执行时间，让我把 70% 以上的精力花在这两件事上。

---

搭建过程中的三个关键决策

决策一：先做最痛的，不是最酷的

我最先搭的不是最有技术含量的 Research Agent，而是 Report Agent。因为每周给 4 个客户写报告是我最大的时间黑洞——重复、固定格式、但又不能不做。

先自动化最痛的任务，立刻释放出时间做其他事。那些"有了会更好"的 Agent 排后面。

决策二：每个 Agent 的输出都必须经过我

我的所有 Agent 都是 "黄区" 操作——Agent 生成，我确认后才执行。没有一个 Agent 是全自动对外输出的。

这意味着每天多花 1-2 小时审核 Agent 的输出，但也意味着所有对外内容的质量都在我的控制下。作为一人咨询公司，你的声誉就是你的全部。一封质量不过关的邮件、一份数据有误的报告，代价可能是丢掉一个 $4K/月的 retainer 客户。

决策三：用 Python 脚本而不是 No-Code 平台

很多人推荐用 Zapier、Make 之类的 No-Code 平台搭自动化。我选择了 Python 脚本 + n8n（自托管），原因有两个：

一，成本。 Zapier 的 Pro 方案 $49.99/月，能做的自动化步数有限。n8n 自托管月费 $5，没有步数限制。

二，可控性。 当 Agent 的行为需要微调时，改 Python 代码比在 No-Code 平台上拖拖拽拽精确得多。特别是 prompt engineering——我经常需要根据客户反馈调整报告的措辞风格，在代码里改一行就行。

代价是需要一定的编程能力。但作为 AI 咨询师，如果你完全不会写代码，你的可信度和能做的事都会受到明显限制。

---

踩坑记录

坑一：Agent 输出的一致性问题

Report Agent 刚上线时，同样的数据每次生成的报告结构和用词都有差异。客户习惯了上周的格式，这周突然变了，会问 "你是不是换人了"。

解决方案：把报告的固定格式部分（标题、章节结构、固定用语）写成模板，只让 Agent 填入变量部分。一致性从 70% 提升到 95%+。

坑二：客户发现你在用 AI

有一次客户在会议中说 "你那份报告是 AI 写的吧？有几句话的语气不太像你"。

我选择了诚实回答："分析和初稿是 AI 辅助完成的，核心结论和建议是我写的。这样我能把更多时间花在给你做方案设计上，而不是排版和拉数据。"

客户的反应出乎意料——他说 "那很好，只要结论是你的就行"。

但这个经历教会我两件事：一，Agent 的输出需要更深度的人工编辑，特别是关键分析段落；二，在合适的时机向客户透明化你的工作方式，比被动发现要好。

坑三：扩张太快

2025 年底，我尝试同时服务 6 个 retainer 客户。理论上 Agent 能 handle 执行工作，但我没算准的是客户沟通的时间——6 个客户意味着每周多 6-8 小时的会议。我的总工作时间涨到每天 10 小时，开始影响工作质量。

后来砍回 4 个 retainer，把报价提高了 25%。总收入差不多，但工作强度降了很多。

教训：一人公司的瓶颈永远是创始人的注意力，不是 Agent 的产能。

---

给想开始的人

如果你现在做的是传统咨询，想搭一套 Agent 团队来扩大产能，我建议的起步路径是：

第一个月： 选你每周花时间最多的重复性任务，搭一个 Agent 自动化。不需要完美，能把这个任务的时间减少 50% 就行。

第二个月： 用省下来的时间去接更多客户或做内容获客。同时优化第一个 Agent。

第三个月： 搭第二个 Agent，目标同样是自动化一个具体的重复任务。

三个月之后： 你应该有 2-3 个 Agent 在稳定运行，每周为你省出 10-15 小时。用这些时间来接更多客户、提高报价、或者做自己的产品。

不要一上来就搭 6 个 Agent。先搭一个，跑顺了再加。每个 Agent 上线后需要 2-3 周的磨合期——调 prompt、修 bug、处理异常情况。

---

三条核心 Takeaway

第一，一人公司的 Agent 化不是技术项目，是商业决策。 先想清楚你的时间瓶颈在哪、哪些任务是纯执行、哪些任务是核心决策，然后只自动化前者。

第二，控制权不能让渡。 所有对外输出必须经过人类审核。一人公司没有"团队"帮你兜底，你的 Agent 发出的每一封邮件、每一份报告，都直接代表你的个人品牌。

第三，瓶颈在注意力，不在产能。 Agent 可以 24 小时工作，但你一天只有那么多小时做决策和维护客户关系。扩张的上限由你的注意力带宽决定，不是由 Agent 的数量决定。

你现在的咨询工作中，哪个重复性任务是你最想自动化的？