Single Company Brain：如何搭建一个公司大脑
公司大脑不是普通知识库，它需要把捕获、检索、可信来源、权限和反馈循环接起来。
你的公司本来就有一个“大脑”。只是它分散在 Slack 、 Gong 、 HubSpot，以及那个今天刚好不在的人那里。
讨论公司大脑时，很多人漏掉了这一点。
价值不在于弄一个巨大的公司知识文件夹。每家公司早就有这样的东西。
优势来自一层智能层：它位于所有上下文和团队要完成的工作之间。
公司大脑的价值不在记得更多，而在知道该检索什么、该相信什么、谁可以看到什么，以及如何把纠正变成之后更好的工作方式。
我们在 Single Grain 是吃过苦头才明白这一点的。
一开始搭建内部 Agent 群时，最显然的答案是“记忆”。给每个 Agent 更多上下文，保存有用笔记，保留通话转录，让系统保存人会忘掉的东西。
这套做法大概有效了三个星期。然后，记忆本身变成了瓶颈。
我们的持久化记忆文件开始占掉大约 40% 的上下文窗口。 Agent 拥有了更多信息，却不总能在正确时间取出正确的信息。
系统在技术上更聪明了，运营上却更混乱。
我们用这套五层系统修复了问题
坏掉的版本是这样的：
Call transcript
↓
Random notes
↓
Human remembers
↓
Agent starts cold
↓
Human re-explains
这个循环无法扩展。
人变成了路由器。每个 Agent 的输出，都取决于有没有人记得那通正确的电话、复制了正确的笔记、贴上了正确的上下文，或者第五次纠正同一个错误。
所以我们围绕另一个思路重建了系统。
记忆是原材料。检索才是操作层。
能工作的版本更像这样：
text
Calls ─────┐
CRM ───────┼──► Retrieval ─► Agent ─► Work
SOPs ──────┤ ▲ │
Slack ─────┘ │ ▼
Human correction ─► Rule
这个变化听起来很小，但会改变整个公司的工作方式。
在 SG，这套系统已经跑在真实工作流里。我们有 50 万+ token 的持久化记忆、 90+ 个每日定时任务、多个专门 Agent，以及数千通销售电话持续进入系统。
其中一组来源包含 2862 份 Gong 通话转录，被转成可执行的运营手册。在一次每日摄取示例中，15 通电话产生了 390 条洞察、 470 个事实和 125 个框架。
重点不是数字大。重点是系统可以把分散的公司“尾气”，转成可复用的运营智能。
一通电话不再只是一通电话。它可以变成：
- 异议库
- 销售培训输入
- 定位信号
- 内容创意来源
- CRM 风险标记
- 之后的 Agent 指令
公司大脑应该把知识转成更好的执行。
可以把架构理解成五层。
┌──────────────┐
│ Execution │ agents, workflows
├──────────────┤
│ Feedback │ corrections → rules
├──────────────┤
│ Permission │ who can use what
├──────────────┤
│ Source Truth │ what to trust
├──────────────┤
│ Retrieval │ right context now
├──────────────┤
│ Capture │ calls, CRM, SOPs
└──────────────┘
第一层：捕获
团队通常会从这里开始，也通常会停在这里。
他们录会议，转录电话，保存 Slack 讨论，把文档丢进向量数据库，然后把它叫作大脑。
那只是一个仓库，不是大脑。
捕获很重要，因为你需要原材料。但原材料不会做决定，不会排序，不知道哪个事实已经过时、哪条笔记是敏感信息，也不知道两个文档冲突时该信哪一个。
在 Single Grain，捕获包括通话、 CRM 活动、内容决策、内部 SOP 、 Agent 输出、每日日志，以及人类的纠正。目标不是囤积更多信息，目标是让工作的表面每周都变得更聪明。
第二层：检索
到了检索层，系统才开始真正有用。
Agent 不需要公司完整的历史。它只需要当前任务所需的 6 片关键上下文。
如果它要写一封外呼邮件，它需要 ICP 、报价、异议、过往活动表现、品牌语气和当前活动目标。
如果它要审查销售管道，它需要交易阶段变化、停滞账户、最近通话记录、异议、下一步动作，以及 CRM 现在记录了什么。
如果它要写内容，它需要我们实际的观点、最近表现、已批准的论断、已经用过的案例，以及这篇文章对应的证据层。
很多 AI 系统就是在这里悄悄失败的。演示时看起来很聪明，因为上下文是手动喂进去的。进入生产环境后就散掉，因为没有人搭检索层。
第三层：可信来源
一旦 Agent 能检索上下文，下一个问题就是信任。
哪个来源优先？
销售电话？CRM 字段？Slack 里的纠正？旧 SOP？最新周报？创始人最新的语音备忘？
如果不回答这个问题，Agent 会变成排版更好的自信骗子。
我们必须把来源层级当成运营设计问题。有些来源是实时事实，有些是历史上下文，有些只是灵感。有些永远不该用于公开内容，有些可以帮助判断模式，但不能被引用。
公司大脑越大，这种区分越重要。
一个好的 AI 系统回答，必须准确，也必须知道自己的来源。
第四层：权限
当每个 Agent 都能看到一切时，公司智能会变得危险。
营销 Agent 不需要看私人 HR 信息。内容 Agent 不需要看客户财务。销售 Agent 不需要每一条内部管理层笔记。
真正可用的公司大脑需要工作流级别的权限。系统在开始生成答案之前，就应该知道这个任务允许使用哪些信息。
这对代理公司和服务型公司尤其重要。客户上下文、内部上下文、潜客上下文、财务上下文和战略上下文都挨在一起。如果不尽早建立权限边界，要么会泄露信息，要么只能把系统阉割到没用。
目标不是一个没有墙的大脑。目标是给正确的工作流配正确的大脑。
第五层：反馈循环
这一层让系统开始复利。
每次人纠正 Agent，那次纠正都应该变成之后的行为。
如果 Agent 用了生硬的表达，语气规则就该更新。如果它引用了不安全的例子，来源规则就该更新。如果它漏掉了 CRM 风险信号，管道扫描就该更新。如果它把工作路由到错误位置，工作流规则就该更新。
公司智能在这里变成公司学习。
没有反馈循环，你只是在照看软件。
有了反馈循环，每一次纠正都会变成整个运营系统的一次训练。
如果明天要在一家公司里搭这套东西，我会先做这个审计：
最快的测试很简单。
选一个已经反复浪费时间的周期性工作流。周报、销售管道复盘、内容起草、销售电话跟进、客户入职、提案制作，都可以。
然后问 6 个问题：
- 这个工作流依赖哪些来源？
- 当来源冲突时，哪一个是事实来源？
- Agent 每次都需要哪些上下文？
- 哪些上下文 Agent 永远不该看到？
- 哪些人类纠正会反复发生？
- 一次纠正如何变成之后的规则？
如果这些问题答不上来，就还没准备好自动化这个工作流。你只会让混乱变得更快。
我们在报告流程里见过这个问题。
旧流程是拉数据、人工解读、领导层追问，然后更多澄清。一个周报循环可能包含大约 25 分钟拉数据，再加上数小时后续沟通。
当公司大脑拥有正确上下文后，答案可以在 60 秒内返回。
节省时间当然不错。但更大的收益是决策延迟降低。
当一家公司能更快提出更好的问题，运营方式就会变化。管理者不用等别人拼仪表盘。执行者不用从零开始。 Agent 也不会每天早上醒来都像失忆一样。
这就是 Single Brain 的优势。
它让公司更不容易遗忘，更容易训练，也更容易运营。
能靠 AI 赢的公司，不会是 prompt 库最大的公司，而是智能层最干净的公司。
捕获工作。 检索正确上下文。 知道该相信什么。 保护不该被使用的信息。 把每一次纠正变成规则。
公司大脑就是这样产生复利的。
如果企业需要别人帮忙搭建 AI 系统，可以看 https://www.singlebrain.com
如果需要营销帮助，可以去 https://www.singlegrain.com
想看更多类似内容，可以加入 Leveling Up newsletter： https://levelingup.beehiiv.com/subscribe
如果想加入他们的团队，先“beat AI” ;)