4 周进度：一边午睡，一边构建 10-Agent 营销平台
我在 4 周里构建了 3 个 AI 营销 agents 和多租户架构——这已经等于我之前那个花了 7 个月上线产品在一个月里完成的工作量。
更新（2025 年 11 月）： STRAŦUM 现已上线！最初这个“4 周冲刺”最终演化成了完整的 9-agent 营销智能应用。完整发布故事见：STRAŦUM: The 9-Agent Marketing Application I Built in 75 Days
现在可试用： stratum.chandlernguyen.com（Private Alpha，邀请制）
我在发布 DIALØGUE 后只等了 6 天，就开启了下一个项目。
你可能会想：“你不是应该先去营销播客生成器、拉用户、修 bug 吗？”你这么想 完全正确。但问题是——我很想看看，在新一代 AI 工具加持下，我到底能把自己推得多远、多快。叫它 speed run 也行，叫它过度野心也行，叫它 Claude Code 和 Gemini 2.5 Pro 让构建重新变得 好玩 也行。
这条时间线本来不该成立
对比一下就知道有多离谱：
- DIALØGUE：从第一行代码到上线，6-7 个月
- Marketing Suite：第 4 周时，3 个 AI agents 已经能互相协同
回看 git 历史，到第 1 天结束时，我已经有：
- 多租户架构（organization → client → campaign 层级）
- 带认证的初始 React 前端
- 可用的 Business Strategy Agent，内置 11 个框架，覆盖不同区域。这些框架本身就是全球/区域头部咨询机构常用的方法。例如：
- 带 Row Level Security 的 Supabase 集成
这已经超过我做 DIALØGUE 第一个 月 的产出。
这些数字让我继续往前
过去 4 周的一些指标：
- 已交付功能：3 个完整 agents + 多租户架构
- 代码行数：约 117,000（Python: 39k，TypeScript: 58k，SQL: 20k，Javascript: 其余）
- 数据库表：39 张（每张都服务明确目的，后面会讲）
- Git commits：232（约 26 天）
- 咖啡摄入：别问
为什么这个项目实际上难 10 倍
DIALØGUE 当然也复杂：AWS Lambda、Step Functions，后来全迁到 Google Cloud Run。但本质上它是单目标工具：生成播客。单一用户类型、单一流程、单一 happy path。
这个 Marketing Suite 完全不是一个量级。看一个真实场景：
真实场景： 一家代理公司同时服务 Nike 和 Adidas（假设）。策略师用 Business Strategy Agent 分析 Nike，这份结果自动写入 strategy_outputs 表。切到 Persona Agent 时，它会读取 Nike 的策略来生成 persona——但绝不能看到 Adidas 的数据。同时，Nike 在 brand_guidelines 表中的品牌规范会向下传递到 Content Agent，确保每条内容都用 Nike 的语气，而不是 Adidas。
这背后需要：
- organizations 表（区分 SME vs AGENCY）
- clients 表（仅 agency 使用）
- campaigns（外键同时指向 org 与 client）
- strategy_outputs（campaign 级隔离）
- brand_guidelines（层级继承）
- 每一张表都要有 Row Level Security 策略
这还只是 一条 工作流。再乘以 10 个 agents，每个都有自己数据要求。
现在到底什么能用了（以及哪里还是一团乱）
能用的部分（3 个在线 Agents + Business Intelligence）
Business Strategy Agent：这不是普通 SWOT 生成器。它会套用 11 个完整框架：
- SWOT Analysis
- Porter's Five Forces（竞争强度、供应商议价力、买方议价力、替代威胁、新进入者威胁）
- Business Model Canvas（商业设计 9 大构件）
- ICE Prioritization（Impact、Confidence、Ease 评分）
- BCG Growth-Share Matrix（Stars、Cash Cows、Question Marks、Dogs）
- VRIO Framework（Value、Rarity、Imitability、Organization）
- Three Horizons Model（当前核心、新兴机会、未来押注）
- Blue Ocean Strategy（Eliminate、Reduce、Raise、Create）
- McKinsey 7S Framework（Strategy、Structure、Systems、Shared Values、Skills、Style、Staff）
- OKRs Framework（Objectives and Key Results）
- Jobs to Be Done（Customer jobs、Pains、Gains）
每个框架都会输出结构化数据，并供其他 agents 调用。你跑完 SWOT 后，其中的“Opportunities”会自动给 Marketing Strategy Agent 的增长战术提供输入。
Persona Agent：会生成 15+ 属性的详细 persona，而且更夸张的是——你可以直接“采访”它们。真实对话如下：
你：“你最受不了现有项目管理工具的哪一点？”
Persona（科技初创创始人）：“不停切上下文。我要看 Slack、再看 Asana、再看分析面板。等我搞清楚该做什么，30 分钟已经没了。”
每次采访回复会越来越聪明，因为它会读取 persona_interactions 历史。很多用户会在这里停留 20-30 分钟。有用户说：“这像即时焦点小组，而且真的有用。”
Marketing Strategy Agent：这是桥梁。它把你的业务策略、persona 理解，转成可执行 go-to-market 方案。它不是泛泛地说“用社媒”，而是把具体 persona 对应到具体渠道和具体信息表达。对 bootstrap 初创给零预算战术；对 SME 给 70-20-10 预算分配；对企业给多渠道编排。
Business Intelligence（隐藏 MVP）：你和任一 agent 的每次对话都会自动提炼洞察并积累组织知识。你和 Strategy Agent 讨论欧洲市场进入？这条洞察会写入 ai_insights 表。下周你用 Content Agent 时，它已经知道你的欧洲扩张计划。无需重复解释，不会丢上下文。
还在构建中的部分（剩余 7 个 Agents）
Campaign Execution Agent：这块开始进入高风险区。Google Ads、Meta、LinkedIn、TikTok 的 API keys 要怎么安全存？当前方案是 platform_credentials 表做加密存储，并给每次 API 调用加审计日志。但权限模型真的让我夜里睡不踏实。
Analytics Agent：先接哪个 API？Google Analytics 4？Meta Ads？LinkedIn Analytics？难点不在“拉数据”，而在“跨平台归一化后还能正确比较”。
ROI & Budget Agent：多平台、不同归因模型下的实时追踪。如何把 Google 的 data-driven attribution 和 Meta 模型对齐？还在摸。
其余 4 个 Agents：Quick Wins（挖即时机会）、Competitive Intelligence（合规竞品分析）、Client Success（留存策略）、Content Agent（其实已可用，但还需打磨）。
那些让我睡不好的硬问题
- 品牌名：这个应用到底该叫什么？ :P 有好名字请留言！
- API 安全：多广告平台 API key 怎么管，才不会变安全灾难？
- 一致体验：怎么让 10 个专用 agents 看起来是一个统一平台，而不是 10 个工具用胶带绑一起
- 以及更多 :)
架构进化：从痛里学
做 DIALØGUE 时，我在 race condition 上吃过大亏。还记得那个 3 分钟注册 bug 吗？新用户会一直等待，因为 auth trigger 和 Edge Function 同时抢着创建同一条用户记录。
这一次我从 Day 1 就按正确方式来。举个两天前的真实例子：
问题： Marketing Strategy Agent 需要知道已有哪些 personas、哪些策略已经生成、要遵循哪些品牌规范，同时必须维持严格数据隔离。
解法： 不让每个 agent 分别查多张表（慢、复杂、易错），而是做一个 Enterprise Context Service，作为单一事实来源：
// Before: Each agent making multiple queries
const personas = await supabase.from('personas').select()
const strategies = await supabase.from('strategies').select()
const guidelines = await supabase.from('brand_guidelines').select()
// After: One intelligent service
const context = await getEnterpriseContext(campaignId)
// Returns filtered, cached, properly-scoped data in 45ms
结果是：Content Agent 能一次调用就拿到品牌语气规范、看到该写给哪些 personas、理解当前营销策略，而且整个过程自动遵守数据边界。
速度差异是真实存在的
9 月 14 日那天很夸张。看带时间戳的真实 git log：
08:04 AM - Migrated frontend to standardized API client
08:19 AM - Completed API standardization (100% coverage)
11:34 AM - Phase 1: Centralized route configuration
(no more hardcoded URLs anywhere)
1:00 PM - Phase 2: Standardized all 10 agent pages
(consistent URL patterns like /agents/strategy/:campaignId)
1:10 PM - Phase 3.1: Core context management
(workspace → client → campaign hierarchy in URLs)
4:31 PM - Phase 3.2: Navigation components became context-aware
(breadcrumbs show "Nike › Summer Campaign › Strategy Agent")
4:38 PM - Phase 3.3: All agents integrated with context system
(switching campaigns preserves your place)
5:03 PM - Phase 3.4: Testing & Polish
(92% bundle size reduction through code splitting)
六个重大架构改动。仅 URL 系统一项就触及全库 40+ 文件。若没有 AI 辅助，这在过去基本是一个星期级重构，中途还大概率会引入一些坏功能。
而且 我大部分时间其实 不在 电脑前 :D
那天是周日，我们去教会、逛超市、吃了完整海鲜午餐、午睡、去 Costco、还玩了会 iPad 游戏。这在 AI assisted coding 下变得可能。感谢 Claude Code 和 Gemini CLI！
这次 URL 标准化对用户的实际意义是：
// Before: Lost context when switching between agents
"/strategy" // Which campaign? Which client? Who knows?
// After: Context preserved in URL
"/workspace/nike/campaign/summer-2025/agents/strategy"
// Bookmark it, share it, refresh it - context stays intact
为什么 DIALØGUE 刚上线就做这个？
因为我能。因为工具已经好到这个程度。因为在广告行业 20+ 年后，我终于具备了把“我一直想用的营销平台”亲手做出来的能力。
更重要的是：我想记录“领域经验 + 现代 AI 工具”结合后到底能做到什么。这不是替代开发者，而是放大开发者。四周前，这种复杂度通常需要一个团队；现在它需要的是决心、靠谱 AI 助手，以及危险剂量的咖啡。（当然后来我在 不懂 Swift 的前提下做原生 iOS 应用 时也更明确地看到：AI 约能把你推到 60%，最后 40% 的审美和打磨仍然完全是人类工作。）
接下来做什么？
我目标是在 10/11 月做 alpha 发布。还需要：
- 完成剩余 7 个 agents
- 做出 campaign planning 界面
- 解决广告平台集成的安全问题
- 让 agency UI/流程真正可用可懂
- 用真实用户测全链路（很吓人）
仅 Analytics Agent 就要把 Google Analytics、广告平台和内部指标汇总成统一看板。ROI Agent 还要在多平台下做接近实时预算追踪。
每一个都可单独成项目。但按现在这个速度？它真的开始变得“可实现”了？？？
想继续跟进？我会持续更新构建进展。
公开构建的意义，就是胜利和混乱一起公开。现在大部分还是混乱。但它是 有产出的 混乱，这才重要。
一个月后再来看。如果顺利，你将能测试一个由 AI agents 承担“整套营销部门工作量”的平台。如果不顺利……至少博客会很好看。 :P
