框架思维 · 0→1 五步建设法 · 业务树索引 · 公司级打包 · 附四家自动学习沉淀横向对比
前 15 篇回答的是"研发怎么用 Agent 做工程"。这一篇回答一个更大的问题：业务小编、市场分析、运营——不写代码的人，能不能也拥有自己的 Agent 工作台？答案是能，而且方法和这个系列完全同构。本篇给出万能公式、0→1 建设法、业务树索引与公司级打包的完整路径，附分角色起步提示词。
一、先回答：前 15 篇的内容，跨岗位"支持"吗
我把系列里已经讲过的能力逐条对照一遍，看它们离开研发场景还成不成立：
| 能力 | 专栏出处 | 跨岗位是否可用 |
|---|---|---|
| SKILL.md 结构与触发词 | 第 11 篇 | ✅ 直接可用，触发词换成业务说法即可 |
| 只读 / 可写双模式 | 第 2 篇 | ✅ 直接可用：默认只分析，显式指令才产出 |
| MCP 资源绑定 | 第 6 / 12 篇 | ✅ 概念直接可用：绑素材库、数据表、报告库 |
| RESOURCE_INDEX 知识沉淀 | 第 7 篇 | ✅ 直接可用：别名 / 域 / 标签 / 指针四字段岗位无关 |
| 学习引擎 | 第 10 / 14 篇 | ✅ FlowMind 的学习与技能体系本身不限于开发 |
| L4 / L5 自进化 | 第 15 篇 | ⚠️ 注意区分：那是Agent 自升级的等级；本篇的 L1–L5 是工作台成熟度，两个维度不冲突 |
结论：方法论层早已支持，缺的只是一层"翻译"——把研发术语换成岗位语言。这篇就是那层翻译。
二、工作台万能公式：与岗位无关的五个要素
拆开这个系列做过的所有 Skill，会发现它们共享同一个骨架：
工作台 = 触发词 × 工作流 × 标准模板 × 资源绑定 × 沉淀索引 （何时唤醒）（按什么步骤）（输出长什么样）（接哪些数据）（越用越强）
五个要素换一换内容，就是另一个岗位的工作台：
先说清一件事：这五个要素没有一行代码。触发词是你平时说的话，工作流是你做事的顺序，模板是你交出去的东西长什么样，资源是你的表格和文档，索引是一张"叫什么→在哪找"的清单。写 SKILL.md 用的是 Markdown——就是带井号标题的纯文本。所以这套框架真正的含义是：不懂代码不但没有关系，而且你完全可以把自己当成一名"AI-Agent 工程师"——你工程的不是代码，是工作流。系统学完这个系列，你交付的"系统"是自己的自动化工作台。
| 角色 | 典型工作流 | 典型资源绑定 |
|---|---|---|
| 研发工程师 | "开始设计开发" → 自动生成设计四件套 + 任务拆解（第 3 篇） | 数据库 / 接口平台 / 日志系统 |
| 业务小编 | "写一版推文" → 先检索爆款素材库，按仿风格模板产出初稿 | 素材库 / 平台规范 / 往期数据 |
| 市场分析师 | "分析 XX 品类" → 套用分析框架，按图表模板输出结论并标注来源 | 行情数据 / 报告库 / 竞品动态 |
| 人事 HR | "筛这批简历" → 按岗位画像卡先检索历史录用沉淀，输出初筛清单 | 简历库 / 岗位画像 / 录用记录 |
| 财务 | "核对这月账单" → 按对账清单模板逐项过，异常项标红给依据 | 账单表 / 报销记录 / 对账规则 |
| 法务合规 | "审这份合同" → 按审查清单扫风险条款，引用往期案例沉淀给建议 | 合同库 / 条款清单 / 案例沉淀 |
再往下数还能一直列：采购比价、销售跟进话术、客服工单应答、行政会议纪要、老师出题做课件、运营活动复盘……凡是"重复出现 + 有固定讲究"的劳动，都能套进这个公式。岗位词汇表会变，五个要素一个不变。
注意最后一点是乘法不是加法：缺任何一个要素，工作台都会退化——没有触发词，每次都要重新解释；没有模板，输出质量随机波动；没有索引，用一个月还是从零开始。
三、0→1 怎么建：五步建设法
被问得最多的问题是"道理懂了，从哪开始"。答案可能出乎意料：你的工作台就藏在你过去和 AI 的对话记录里。
Step 1 · 对话盘点：给历史对话做一次考古
导出近 30 天你与 AI 的过程对话，按工作事项粗分组，然后打三种标记：重复出现的请求、每次都要重新解释的背景、产出让自己满意的。判断标准只有一条：
重复出现 ≥ 3 次的请求，就是你的第一个 SKILL 候选。如果一件事你需要"再解释一遍"，它就该被固化。
我在自己的工作台上做过这个考古，几个真实发现：
| 对话里反复出现的请求 | 固化成的技能 |
|---|---|
| "帮我把这批商品导入测试门店"（每次都要重讲门店与模板规则） | 菜单导入技能：一条指令 + Excel 模板直接执行 |
| "查一下这个 traceId 的线上报错"（每次手动贴日志再人工聚合） | 异常定位技能：自动拉日志、聚合错误、扩窗分析 |
| "开始设计开发这个需求"（每次重新约定产出物格式） | OpenSpec 自动激活（第 3 篇） |
Step 2 · 提示词分析：从散话到结构
把候选事项相关的原始提示词原样抄出来（不做修饰），然后走四步：收集 → 聚类 → 提取 → 抽象。用第 3 篇的 OpenSpec 触发词举例子，原始对话里其实是这些散话：
# 原始提示词（散话） "开始设计开发这个需求" "启动需求开发，按老规矩来" "帮我设计开发 XX，直接开工" # 聚类提取 → 触发词表（写入 SKILL.md） 开始设计开发 / 开始设计 / 开始开发 / 启动需求开发 / 按需求开始开发 / 帮我设计开发 # 抽象 → 固化行为 命中触发词 → 自动进入写入模式 → 创建标准产出目录
关键转换只有三句：触发说法 → 触发词；口头背景 → 资源绑定；"老规矩" → 标准模板。这三句就是提示词分析的全部。
Step 3 · 骨架落盘：写出 SKILL.md v1
不要追求一次写全，最小可用结构只要四块（第 11 篇讲过完整版）：
--- name: my-first-skill description: 一句话说清什么时候用它 --- ## 触发词 # 什么话出现时激活 ## 工作流 # 按 1-2-3 步骤做 ## 边界 # 绝不做什么（最重要的一节） ## 输出模板 # 产出长什么样
Step 4 · 真实验证：跑一次真实任务
挑一件本周真实要做的事，用这个 SKILL 走一遍完整流程，然后修三样东西：触发词（没激活或误激活）、边界（它做了不该做的）、输出格式（离预期差在哪）。没在真实工作里跑通的 SKILL 不算存在。
Step 5 · 索引沉淀：让下次能找回这次
验证通过后，把产出归档进知识树并登记索引（下一节详述）。从此这个技能进入积累飞轮：使用 → 沉淀 → 被检索 → 被复用 → 再沉淀。
四、业务树与索引：没有索引的沉淀等于没有沉淀
第 7 篇讲过 RESOURCE_INDEX，跨岗位通用化之后就是一棵"业务树"：
~/my-workbench/knowledge/ ├── INDEX.md # 索引总入口（唯一） ├── 业务域A/ （别名：A, a-缩写） │ ├── 主题1-沉淀.md （标签：方法/踩坑） │ └── 主题2-模板.md （标签：模板） ├── 业务域B/ └── 素材与数据/ # 跨域共用层
建树口诀：域按业务分，文件按主题分，一个入口不迷路。索引里每条沉淀只登记四个字段：
| 字段 | 作用 |
|---|---|
| 别名 | 你怎么随口叫它（含缩写）——检索时全靠它命中 |
| 域 | 属于哪块业务——决定它在树上的位置 |
| 标签 | 什么场景用——方法 / 模板 / 踩坑 / 数据，可多标签 |
| 指针 | 文件在哪——唯一路径指向正文 |
五、L1–L5 工作台成熟度（和第 15 篇的 L4/L5 不是一回事）
先澄清一个容易混淆的点：第 15 篇的 L4 受监督自治 / L5 受治理自进化，衡量的是Agent 升级自己的能力；本篇的 L1–L5 衡量的是你的工作台的成熟度。两个维度可以同时达标：
| 等级 | 一句话 | 判定标准 |
|---|---|---|
| L1 能用 | 一个 SKILL.md | 定义了核心行为与边界 |
| L2 有据 | 标准 / 模板层 | 产出有模板、检查有清单（第 4 / 8 篇） |
| L3 自动化 | 触发即工作流 | 资源绑定 + 触发词自动激活（第 2 / 3 / 6 篇） |
| L4 可沉淀 | 越用越聪明 | 业务树索引 + 学习反馈闭环（第 7 / 10 篇） |
| L5 可发布 | 技能变资产 | 细粒度打包、独立安装回滚、团队复制（下一节） |
六、从个人到公司级：四项上传标准 + 一条安全红线
工作台做到 L5 的标志是：你的技能可以被同事独立安装、独立回滚。我在公司内部按这个标准发布过 4 波共 35+ 个细粒度技能包（1 个服务底座 + 10 个场景技能 + 5 个业务知识库 + 资源管理工具组），每个包上传前必须同时过四项：
| 标准 | 判定 |
|---|---|
| 能复用 | 不是一次性脚本，而是可套用的流程、模板、清单或验证方法 |
| 有边界 | 明确适用 / 非适用场景、前置依赖与禁止行为 |
| 能自解释 | SKILL.md + README + manifest 足够让人独立安装和触发 |
| 已验证 | 真实工作完整跑通至少一次，包内保留脱敏验证证据 |
⚠ 安全红线：包内不得含密钥、私钥、session、日志或真实业务数据截图；所有凭证走环境变量或公司网关；个人绝对路径一律清除。这与第 14 篇 FlowMind 的发布门禁（secret-scan / local-data-scan）是同一套思想——发布前脚本扫描，机器替你把关。
发布顺序上有一条铁律，也是整个系列反复出现的主题：先在真实工作里跑通，再固化为标准，最后才打包发布——顺序不能反。
七、横向对比：FlowMind 与 Codex / Claude / WorkBuddy 的自动学习沉淀
自动学习沉淀（从你的纠正和偏好中自动积累经验、跨会话生效）是本篇框架里"L4 可沉淀"的关键能力，也是 2026 年各家 Agent 产品竞逐的主战场。很多读者问：FlowMind 和 Codex、Claude Code、WorkBuddy 比处在什么位置？下面用公开资料和本地数据做一次诚实对比（信息截至 2026-11）。
7.1 四家的机制对比
| 产品 | 自动学习机制 | 存储形态 | 生效方式 |
|---|---|---|---|
| OpenAI Codex | 两阶段异步管道：会话空闲后提取结构化记忆 → 全局合并（2026-04 发布，memory v2 于 10-27 默认） | ~/.codex/memories/：MEMORY.md + memory_summary.md + skills/，SQLite 索引 | 新会话启动时读 summary（约 5,000 token 预算），按需 grep 长记忆；默认仍需手动开启 |
| Claude Code | 双轨：CLAUDE.md（你写的规则）+ Auto Memory（Claude 从纠正中自己记笔记，默认开启） | ~/.claude/projects/<项目>/memory/MEMORY.md | 会话即时学习即时生效；每次会话自动载入前 200 行 / 25KB；/memory 可管理 |
| WorkBuddy | 云端记忆（服务端画像）+ 本地工作区 memory 日志 + Skill / Expert 生态；多角色协作沉淀 | 云端托管为主 + 工作区.workbuddy/memory/ | 跨设备跨项目注入；对使用者透明，不可直接编辑底层 |
| FlowMind | 学习引擎（2,477 行）：学习记录 / 偏好 / 场景映射三层 + 技能路由学习（频次提升·时间衰减·纠正惩罚） | ~/.flowmind/：records/<skill>/preferences.json + learned-routes，纯 JSON 可审计 | 纠正即沉淀，跨入口（CLI / Codex / MCP 客户端）共享同一份记忆；learning bundle 一键导出分发 |
7.2 建设时期与成熟度对比
| 维度 | OpenAI Codex | Claude Code | WorkBuddy | FlowMind |
|---|---|---|---|---|
| 起点 | 记忆功能 2026-04 发布 | Auto Memory 随 2026 年版本默认开启 | 产品级云端记忆，持续运营 | v1.0.1 起步于 2026-06-24 |
| 最新进展 | v0.165.0（2026-10-27）：memory v2 对新 profile 默认，可导入 Claude Code 记忆（实验 flag） | 官方文档已将 Auto Memory 列为一等公民，Subagent 也能各自维护记忆 | 连接器 + 专家包 + 技能市场生态持续扩充 | v2.3.1（2026-09-23），31 个版本，持续至 2026-11 |
| 记忆可移植 | 原生不支持，靠实验性导入 Claude 记忆 | MEMORY.md 纯文本可手动迁移 | 云端托管，随账号走 | bundle 一键导出/安装/团队分发（自动脱敏） |
| 工程审计 | SQLite + Markdown，机制公开 | 单文件 Markdown，可读可改 | 云端黑盒，对用户透明 | 纯 JSON + CI 459 项测试 + 发布三道扫描 |
7.3 诚实结论：谁更前沿，谁更成熟
前沿性：Codex 的两阶段异步管道（并行提取 + 串行合并）和 Claude 的"即时学习即时生效 + Subagent 分忆"代表了大厂的产品化前沿；FlowMind 的记忆可移植（bundle 分发）与可审计（纯 JSON + 全量测试）是差异化亮点——大厂记忆基本锁定在自家生态内。
成熟度与数据积累：WorkBuddy / Claude Code / Codex 背靠海量真实用户与云端运营，产品成熟度和数据厚度远超任何个人开源项目，这是客观事实。FlowMind 的优势不在规模，而在个人可控：31 个版本、四个多月的迭代节奏、学习数据 100% 本地且永不进发布包——你积累的经验归你所有。
给你的建议：大厂 Agent 的自动记忆解决"它记住你"；本篇框架 + FlowMind 解决"你拥有它"。两者不冲突——我自己的工作台就是 WorkBuddy + FlowMind + Claude Code 混用，记忆与技能沉淀放在自己手里。
八、起步提示词：拿来即用
# 研发 结合知识树历史沉淀，分析 XX 需求的原理与影响面（只读） 开始设计开发 XX 需求 → 自动生成标准设计产出物 + 任务拆解 # 业务小编 先检索素材库同类爆款，仿照往期风格写一篇 XX 主题推文，按发布模板输出 把这篇终稿按标签归档到素材库，更新 INDEX，记录本次可复用的写法 # 市场分析师 绑定行情数据源，按标准分析框架输出 XX 品类报告，图表套用模板，标注数据来源 把本次分析结论与数据口径归档到市场知识树，登记别名与标签，供下次复用
九、与 FlowMind 的关系：跨岗位读者怎么起步
第 14 篇开源的 FlowMind 本身就是这套方法论的实现，而且它的能力并不绑定开发场景：
| 本篇概念 | FlowMind 对应物 |
|---|---|
| SKILL.md 五要素 | 内置 31 个技能 +~/.flowmind/skills私有技能目录（不进 git / 发布包） |
| 业务树 / 索引 | knowledge-ops 技能 + 学习记录 / 偏好 / 场景映射三层沉淀 |
| 团队复制 | learning bundle 一键导出、安装、分发（自动脱敏绑定信息） |
| 资源绑定 | resource-bind 声明式接入，只读 / 可写隔离 |
不写代码的读者，从flowmind init开始，把本篇的五步建设法套在自己的对话历史上，当天就能拥有第一个属于自己的技能。
写在最后
这个系列前 15 篇讲的是"研发如何工程化地使用 Agent"；这一篇把它推广成：任何岗位的人——不懂代码完全没关系——都能用同一套框架把重复劳动变成可发布的资产。系统学完，你交付的"系统"就是自己的自动化工作台，你也完全可以自称一名AI-Agent 工程师：你工程的不是代码，是工作流。方法论是完全同构的——触发词、工作流、模板、资源、索引，五个要素换个内容就是另一个工种的工作台。
如果要给团队做培训，我的建议是：不要讲理论，现场让每个人做一次对话考古，找出自己重复 ≥ 3 次的请求，当场写出第一个 SKILL.md——做出来，才算学会。
系列导航：00 开篇导览 · 01 本地资料优先 · 02 只读/可写模式 · 03 OpenSpec 工作流 · 04 设计规范加载 · 05 多服务并行 · 06 MCP 资源绑定 · 07 知识沉淀闭环 · 08 质量门禁 · 09 SLS 线上排查 · 10 学习反馈 · 11 Skill 架构 · 12 MCP 架构 · 13 Skill 编排 · 14 FlowMind 开源（github.com/Eleven-M/flowmind）· 15 L4/L5 自进化 ·16 本篇（人人工作台 · 含四家自动学习沉淀对比）
参考来源：Claude Code 官方记忆文档（code.claude.com/docs/memory）；Codex CLI rust-v0.165.0 release notes（2026-10-27）及社区分析；FlowMind 本地 CHANGELOG（31 版本，v1.0.1 2026-06-24 → v2.3.1 2026-09-23）与 learning-engine 源码；WorkBuddy 产品实测。对比信息截至 2026-11，能力迭代很快，以各家官方文档为准。
到正文引用的一条线)
