既然不想招人，我就用 Agent Swarm 编排了我的“财务部”。这话说得轻巧，背后是去年被团队管理折腾到 PTSD 之后，对“人”这个变量的彻底绝望。招人？面试、培训、磨合、管理、情绪安抚、离职交接……每一环都是时间黑洞。我宁愿花一百小时去调教代码和 Prompt，也不想再花十小时去处理人的问题。钱能算清楚，情绪算不清楚。
所以当 GPT-4 API 开放，我第一个念头不是写诗，是能不能用它来替代那些重复、琐碎、但又需要一点“人味儿”和“判断”的文案工作。我手头有个成都方言的语料库，是前几年做本地生活小程序时攒下的，一直没用上。现在想法很简单：用 AI 把标准化的产品介绍、活动文案，批量转写成带点“川味”的版本，增加辨识度，对抗全网同质化的 AI 内容。
第一步就踩坑。直接扔给 GPT-4 一句“用成都话改写下面文案”，出来的东西像外国人说相声。“巴适得板”乱用，“瓜娃子”出现在产品介绍里。这不行，不是注入语气，是搞破坏。我得让它理解“语气”是个系统，包括词汇替换、句式节奏、甚至某种“懒散”的语感。
我的调教是从限制开始的。Prompt 第一段不是指令，是禁令：“禁止直接使用‘巴适’、‘安逸’、‘瓜娃子’等刻板词汇。禁止过度使用‘嘛’、‘噻’等语气词。” 我得先把它从旅游手册的刻板印象里拉出来。然后，我给了它几个“非典型”但真实的成都生活化句子案例，比如“这个功能稳当得很，莫得问题”，或者“搞快点儿，限时优惠要过了”。重点不是词汇，是那种“笃定中带点随意”的节奏。
接下来是语料库的用法。我不能直接把几 MB 的 txt 文件扔进去，Token 烧不起，也没用。我用 Python 做了预处理，提取了高频的、非俚语的特色动词和形容词搭配，比如“理抹”（处理）、“经事”（耐用）、“搞不赢”（忙不过来）。整理成一个结构化的 JSON 小词典，作为系统 Prompt 的一部分喂给它。这相当于给了 AI 一套“合规的方言词库”。
真正的难点在“句式传染”。光换词不行，句子骨架还是普通话。我尝试在用户 Prompt 里加入一个隐藏指令：“在改写时，请尝试将部分‘如果…就…’结构，转化为‘要是…嘛，那就…’的假设句式；将‘非常…’的强调，转化为‘…得很’或‘…惨了’的后置补语结构。” 这需要 GPT-4 对语法结构进行拆解和重组，而不仅仅是词汇映射。
实验了大概几十轮。中间过程极其枯燥，就是不停地生成、比对、调整 Prompt 权重。我发现，在系统指令里为 AI 设定一个“角色”非常有效。我最后固定的版本是：“你现在是一个在成都生活了十年、从事互联网运营的本地人，性格踏实，不喜欢夸张表达。你的任务是用自然、生活化的成都口语风格改写以下文案，使其听起来像一个朋友在随口推荐，核心信息必须准确保留。”
效果出来了。一句干巴巴的“本课程教授 Python 自动化技巧，能显著提升工作效率”，被改成了“这个课教 Python 自动化的那些技巧，学完理抹日常工作效率要高得多，经事得很。” 没有一个刻板方言词，但那个味道对了。它甚至自己学会了把“显著提升”这种书面语，转化成“理抹…要高得多”这种动态比较。
这根本不是什么“伪原创”，这是一次对“人”的语言习惯的逆向工程。我调教的不是一个文案机器，我是在试图封装一个拥有特定地域文化背景和性格特征的“虚拟员工”。Agent Swarm 的概念不就是这个吗？每个 Agent 负责一个狭窄但需要智能的任务，用精准的 Prompt 定义它的技能和性格。我的财务部？可能还早。但我现在有了一个不知疲倦、不会抱怨、自带“川普”滤镜的初级内容编辑。下一步，我准备给它配上 n8n 的工作流，让它自动抓取产品更新日志，转换成这种风格，直接发布到草稿箱。管理？我只需要管理好那段几百字的 Prompt。这比管理一个大活人，简单一万倍。
成本？API 调用费用比起一个员工的工资，可以忽略不计。时间？前期的几十小时投入是沉没成本，但一旦这个“Agent”训练完成，它就是可复制、可迭代的资产。这才是 AI 时代“超级个体”的扩张方式——不靠增加血肉之躯的团队，靠封装和编排数字化的“技能与人格模块”。我好像，终于从那个需要不断说服人、安抚人、管理人的噩梦里，找到了一条冰冷的、但清晰无比的出路。
