一間面向 agency 嘅 AI stack，係一間 agency 運行佢 AI 工作所依賴嘅五層：客戶 memory、orchestration、production、review 同 measurement。佢唔係一 folder 嘅訂閱。個 stack 嘅存在係令間 agency 更快、而唔係更唔負責，而唯一值得砌而非買嘅層，係嗰個承載間 agency 對佢啲客戶所知嘅嘢嘅層。
我見過 agency 買出一條 AI 故事，最後落得一份喺 pitch 度令人印象深刻、喺交付度令人困惑嘅工具清單。個 stack 問題其實係一個著住技術外衣嘅 operating model 問題，所以喺使錢之前值得將兩者分開。
點解數工具數係錯誤嘅框架
默認嘅直覺係數工具。十二個 platform、五個 model、一個 design 工具、一個 scraping 工具、一個 reporting 工具。工具數容易展示，亦都大體冇意義，因為兩間有相同訂閱嘅 agency 可以有好唔同嘅結果。一間將佢哋駁入一條 workflow、配單一客戶真相來源；另一間有十二個 tab 同零 memory。
重要嘅 stack 由層與層之間流動嘅嘢定義，而唔係由每一層入面坐住咩定義。如果一份 brief 入嚟一次、產出一個 plan、一次 activation、一份 report、以及一個餵俾下一份 brief 嘅學習，你就有一個 stack。如果每個工具都由零開始，你有一堆。嗰個區分就係全部遊戲，而佢喺採購表格度係睇唔見嘅。
五層
我見過嘅每條管用嘅 agency stack，都歸結到同樣嘅五層。佢哋唔係產品；係要做嘅工作，你可以按規模用唔同嘅砌／買／流程組合填充每一層。
| 層 | 工作 | 買定砌 |
|---|---|---|
| 客戶 memory | 保存 brief、過往工作、brand rules、結果 | 砌——呢個係護城河 |
| Orchestration | 路由工作、持有 context、跑循環 | 買，再配置 |
| Production | 起草 copy、creative、plan、code | 買——變化最快嗰層 |
| Review | 捉錯誤、執行 brand、核對事實 | 砌 rubric，買 tooling |
| Measurement | 將產出誠實咁綁到結果 | 數據買，框架砌 |
個次序好重要。Memory 坐喺一切之下，因為其他每一層喺讀得到間 agency 已知嘅嘢時都更有用。Review 坐喺 production 之上，因為冇 review 嘅 production，係 agency 高速交付自信錯誤嘅方式。
第一層：客戶 memory
呢個係我會先砌、亦都最用力守嘅一層。佢係間 agency 儲存對每個客戶累積嘅理解嘅地方：brief 歷史、brand rules、勝出同失利嘅 creative、measurement 讀數、決定以及點解做佢哋。冇一樣係稀奇嘅。所有都難以複製，因為佢特定於你做過嘅工作。
一個通用 model 知個 category。你個 stack 應該知你個客戶。嗰個差別，係一日之內做出一間 agency 做得到、而客戶嘅內部工具根本做唔到嘅事 嘅原因，而且每保留佢一個月就複利一次。如果你想要呢一層點解係持久嗰層嘅長版本，我單獨寫過客戶 memory data moat。
第二層：orchestration
Orchestration 係將一件工作搬過個 stack、同時攜帶 context 嘅管道。佢答好似噉嘅問題：當一份 brief 落地，咩運行、以咩次序、帶邊份 memory、以及喺一個嘢俾人發出之前邊度有人睇。喺細 agency 度，呢個成日係一個人加一張 checklist，噉係一個合法嘅答案。喺大啲嘅度，佢係一個 workflow 工具或者一個薄嘅內部 app。
陷阱係喺你知自己個 workflow 之前就買一個 orchestration platform。Software 會愉快咁編碼一個你冇設計過嘅流程，噉係 agency 最終自動化自己現有混亂嘅方式。喺紙上面先設計個循環，手工跑一個月，然後先搵嘢嚟承載佢。
第三層：production
Production 係會商品化嗰層，亦都係買幾乎總勝過砌嘅一層。起草 copy、生成 creative、組裝 plan、寫 code 嘅 model 同工具，改進得比任何 agency 內部追得到嘅都快。你喺呢度嘅工作唔係砌個引擎；係揀少量引擎並深入學習佢哋。
抵制每個禮拜加一個新 generator 嘅衝動。喺 production 度深度勝過廣度，因為一個隨意用嘅工具同一個用調好嘅 prompt、知道自己失敗模式嘅工具之間嘅質素差別，大於工具本身之間嘅差別。揀兩三個，寫低佢哋擅長同唔擅長咩，每季修訂嗰張清單。
要警惕嘅陷阱係嗰種感覺快、卻靜靜雞削弱團隊判斷嘅工具——一個我喺「快但削弱判斷」嘅工具陷阱寫過嘅失敗。嗰種工具比佢個訂閱更貴，因為喺起草時間上慳到嘅，會以冇人捉到嘅錯誤返嚟。
第四層：review 同 QA
Review 係 agency 區分自己嘅地方，因為佢係客戶為之俾錢、而大部分 stack 無視嘅一層。AI 令 production 平、令 review 貴，意味住你一規模化嗰一刻樽頸就移到 review 步驟。一個冇 review 層嘅 stack 唔會規模化；佢會累積 review 債，直到某樣尷尬嘅嘢上線。
即便個 tooling 你買咗，都將個 rubric 砌起嚟。咩算啱 brand、咩算一個需要來源嘅事實 claim、咩算喺任何嘢靠近客戶之前嘅硬停止。個 rubric 係 agency 嘅判斷俾人講清楚，亦都係令一個 junior operator 喺冇 senior 盯住嘅情況下跑一次 senior 質素檢查嘅嘢。
第五層：measurement
Measurement 閉住個循環，佢嘅工作係誠實、而非量。個 stack 應該講得出：一件工作本該改變咩、實際郁咗咩、以及你對呢件工作導致咗佢有幾自信。噉比數產出更難，亦都係將一間辯護得到自己費用嘅 agency、同一間只展示得到活動嘅 agency 分開嘅嘢。
買數據管道，因為歸因數據住喺你控制唔到嘅 platform 度。砌個框架，因為個框架係判斷所在。一個薄而自律嘅框架——一個業務結果、幾個領先訊號、一條關於你歸因得到咩同歸因唔到咩嘅誠實筆記——勝過一個人人都不讀嘅二十指標 dashboard。
點樣俾砌嘢排序
由 memory 同一條手工跑嘅循環開始。將客戶知識放入一個地方，寫低一件工作經過嘅步驟，手工跑佢直到啲步驟唔再變。然後俾最痛嗰啲步驟加 production 工具。喺 production 快到足以製造 review 壓力時加 review。當你有值得 measure 嘅嘢時加 measurement。
嗰個次序喺第一個月感覺慢，卻慳一年嘅返工，因為每一層都喺下一層穩定嗰時先加上。掙扎緊嘅 agency，通常係嗰啲先買 production、然後試圖將 memory 同 review 由隔籬擰上去嘅。個 stack 一定要由 agency 已知嘅嘢向上長。
一次演練過嘅 stack review
每年一次，通過俾一件真實工作端到端行過個 stack 嚟 audit 佢。由一份 brief 入嚟嘅地方開始，跟住佢過 orchestration 同 production，點名人喺邊 review，結束喺 measurement 讀數。喺每一次交接，問兩條問題：context 穿得過嚟咩，一個新人跟唔跟得到而唔使問？如果 context 喺兩層之間唔見咗，嗰個係要先整嘅層，因為 memory 喺階段之間洩漏，係將五個工具變成五件唔相干 task 嘅嘢。如果冇人將一個結果追溯得返去產出佢嗰份 brief，個 measurement 層就係裝飾性嘅。呢次 review 花一個下午，比一次訂閱 audit 話你知更多，因為佢測試嘅係啲連接，唔係張清單。
FAQ
我哋需要自己嘅 model 咩？
幾乎從不需要。一間 agency stack 嘅價值喺 memory、orchestration 同判斷度，唔喺訓練度。Fine-tuning 只喺你有一個大、穩定、專有嘅數據集、以及一個通用 model 處理得好差嘅 task 嗰陣先值得。大部分 agency 兩者都冇，應該將力氣花喺 memory 層上。
我哋該砌幾多、買幾多？
買嗰啲改進快、且其他公司都用嘅層，因為你喺嗰啲上比市場投入唔到更多。砌嗰啲承載你特定知識、編碼你特定判斷嘅層，因為只有嗰啲競爭者買唔到。Memory 同 review 係砌嘅層；production 同數據係買嘅層。
最大嘅 stack 錯誤係咩？
喺設計同連接佢哋嘅流程之前就加工具。佢睇落似進步，產出一張續費清單，並令間 agency 帶住同樣嘅樽頸、加上更多訂閱。個 stack 應該跟隨 operating model，永遠唔係反過嚟。
我哋點樣令客戶數據喺呢一切入面安全？
將 memory 層當成個邊界。客戶數據住喺你控制嘅存儲度，工具只讀一件 task 需要嘅嘢，你保留一份咩入咗、咩出咗嘅記錄。噉係一場既關乎 governance、亦都關乎技術嘅對話，應該喺個 stack 規模化之前解決。
短版
一間 agency AI stack 係五層——客戶 memory、orchestration、production、review 同 measurement——圍繞 operating model 裝配。買會商品化嘅層，砌嗰個承載你所知嘅層，並令個 stack 由 memory 向上長。Execution 指南覆蓋呢個 stack 所服務嘅 workflow，面向 agency 嘅 lane將佢貫穿 agency operating model 嚟做。
如果你間 agency 反住砌咗個 stack——工具先行——我好想聽下係咩逼出咗個重設計。
Cheers, Chandler
本文提供繁體中文（香港）版本。課程材料（影片、template同配套指南）以英語同日語提供。本網站提供13種語言版本。