资管小镇：从 0 到 1 的未来平台概念设计
「资管小镇」是某头部资管公司开展的一项未来资管概念探索。项目设想投资者与资管员工通过数字分身调用AI能力、协作完成任务，并能够了解工作过程、参与关键判断。团队需要将这些设想展开为概念方案与演示视频，呈现对未来AI资管工作方式的设想。
承接客户沟通，在团队已有的机制构想基础上展开待解问题，并根据研究执行中的困难尝试调整研究切入点；独立开展AI产品机制分析与未来趋势探索，参与团队关于能力组织和人机协作的机制讨论，为方案探索提供产品与业务参照。
2024 年初，网络上关于AI讨论的关键词仍然是“AIGC”的时候，一家头部资管公司开始思考一个面向未来的议题——
而这样的思考议题的背后，是具体的行业现状、技术发展及内部AI建设需求带来的挑战：
2024年投资收益持续下行且暴雷频发，资管公司正面临投资者信任危机，越来越多投资者开始探索自行投资方式。
AI 能力发展可能让人人都具备和专业投资人员持平的投资能力，投资机构如何构建自己的价值壁垒？
资管行业的核心知识资产掌握在业务员工手中，但当时 AI 建设主要由技术人员推进，应该如何调动业务员工共同建设的积极性？
面对这样的挑战，对资管公司而言，思考未来方向与推进当下的 AI 建设，需要同时进行。该项目由这家资管公司的战略与创新部门发起，其核心意图是——
未来图景需要一个具体的平台作为想象载体，在此基础上细化并探讨可能性。
在“斯坦福小镇”的启发下，客户提出了“资管小镇”平台的初步设想：让资管从业者拥有自己的数字分身，将部分专业知识与能力构建到数字分身身上，让不同角色在不同工作场所中，围绕工作任务与服务需求展开互动和协作。
“斯坦福小镇”是一个由 25 个 AI Agent 生活其中的模拟环境，它们能够记住经历、与其他角色交流，并组织派对等群体活动。这样的实验平台为客户带来了具体的启发：
因此，客户选择以小镇为载体，探讨资管语境下人机协作完成各项工作的新可能。
带着这个初步设想，客户找到了我们。“资管小镇”已经有了一个可以想象的样子，但里面的工作具体怎样发生，还有许多关系没有明确。
要把这幅图景展开清楚，我们团队需要进一步回答三个问题：
专业知识与能力如何配置、组合和调用，支持不同业务任务。
任务怎样开展，人与 AI 如何分工，哪些环节需要人参与判断。
不同角色如何承接需求、衔接工作产出，形成面向投资者的服务流程。
作为团队的用户研究员，我与团队一起完善小镇的机制设计与概念定义，并通过 AI 产品研究为讨论提供依据。在项目中，我的贡献可概括为对以下的执行难点的解决——
一个关于未来资管工作方式的初步构想，经过机制探索、研究与讨论，逐步形成整体产品规划，并最终转化为设计与演示成果。
和团队共同推进
基于初步设想，梳理小镇中的角色、能力与协作关系，形成初步机制假设。
围绕角色、任务与场景展开讨论，将抽象构想整理为可进一步讨论的机制框架。
由我负责
开展AI产品研究，为小镇机制细化提供现实参照。
对照通用与金融投资类 AI 产品，整理核心能力、组织方式、工作流与人机参与方式。
和团队共同推进
围绕能力搭建、数字员工体系与智能办公场景，逐步细化小镇的运行机制。
从角色分工、机制逻辑与典型场景切入，明确模块定位、协作方式及旅程原型。
和团队共同推进
综合前期讨论与研究形成产品规划，明确产品核心机制、系统架构与演进路径。
形成产品规划报告，作为后续交互与视觉设计的依据。
其他成员负责
将整体产品规划转化为具体的交互与视觉方案，并制作资管小镇演示视频。
完成关键页面原型、视觉与形象设计，将机制及产品规划转化为可演示的运行方式。
由我负责 · 与上述主流程并行开展
开展 AI 未来发展趋势研究，为小镇设想提供未来工作方式的趋势线索。
比较 30 余款主流 AI 产品的形态、场景关联度与用户技能要求，梳理值得关注的发展方向。
项目启动后，团队需要在资管小镇的初步构想基础上，进一步明确能力如何配置、不同角色如何协作，以及未来业务服务如何展开。
但能力、分工与服务彼此关联，讨论其中一项，总会碰到其他尚未明确的内容。如何将初步构想转化为具体的研究与设计任务，并明确后续工作的开展方式，是项目首先需要解决的问题。
面对这个问题，我和团队先将小镇的关系机制，整理为一套原型模型。在这个模型基础上，我将需要细化的机制问题一一拆解，帮助团队明确后续需要继续讨论的内容。
但我逐渐发现，机制问题并不等于研究问题。即使明确了哪些机制需要讨论，我们仍然不知道应该收集什么信息、研究哪些对象，以及需要什么依据，才能为后续设计提供参考。
为了找到更适合研究执行的切入点，我调整了原有的思考起点：不再只从小镇机制还需要明确什么出发，而是先思考最终的概念方案与演示视频需要呈现哪些变化。
再从这些变化出发，反推需要先厘清的信息、需要回答的研究问题，以及支撑后续判断的依据。
在明确研究切入点后，我进一步将待解决的问题组织为具体的研究方向，并逐一梳理每个方向需要回答的问题、研究依据与预期交付之间的对应关系，让团队能够明确后续需要开展哪些研究，以及每项研究将如何支持机制讨论与概念方案规划。
通过这轮梳理，团队明确了后续研究方向、工作安排与分工，也进一步厘清了各项研究与机制讨论、概念方案之间的关系，为后续研究执行提供了依据。
围绕小镇的机制设计，项目开展了多个方向的研究探索，包括数字员工的能力配置、人与数字员工的协同方式等。
能力配置是小镇需要进一步定义的机制之一。对于公司分析、行业研究等不同业务任务，团队需要进一步思考：这些能力如何拆解和组织，如何将能力配置给不同数字员工，以支持具体业务任务？
在团队构想中，资管业务能力将被拆解为不同层级的能力单元。用户搭建 AI 能力时，可以像搭积木一样，逐层组合和调用这些能力。
例如，「基本面分析」可以拆解为「公司分析」「行业分析」等工作流；「行业分析」又可以进一步拆解为「信息抓取」「数据分析」等具体节点。
但业务任务的拆解方式，与 AI 产品本身的能力组织方式并不是一套现成对应关系。团队需要进一步理解：AI 产品中的基础构件、工作流和智能体如何组织与调用？不同能力又如何进入数字员工的具体工作场景？
为了理解 AI 能力本身的组织方式，我首先分析了 Coze 的基础构件、工作流与智能体，梳理不同构件的作用，以及它们之间的组合、复用与调用关系。
其中，我重点关注了两种能力使用方式：一是原子化的 AI 能力可以作为独立能力被选择和调用；二是不同能力可以被模块化组织，进一步配置给 AI 应用使用。
在此基础上，我进一步比较了不同 AI 产品中相近业务用途的实现方式，例如 ESG 搜索、股票分析等场景，观察相近的业务需求在不同产品中如何组织工作流、组合能力。
这些比较帮助我从具体应用场景中，进一步理解 AI 能力如何围绕实际任务组织和使用。
基于这些分析，我与团队进一步讨论数字员工的能力组织与构建方式，形成了三项设计参照：
原子化 AI 能力可以作为独立能力，供用户直接选择和调用。
用户可以组合不同能力模块，并配置给数字员工使用。
普通用户可以通过角色定义与持续补充知识，逐步塑造数字员工。
这些思路最终体现在团队方案的“能力展柜”，以及“普通用户与专家用户两条数字员工构建路径”中，为能力层与应用层的机制设计提供了参照。
一个构想变得具体，并不意味着它所设想的未来就会发生。我们需要从当时的产品现状与技术变化中寻找线索，让构想更靠近未来。
除了展开小镇自身的机制，我们也需要从当时的 AI 产品现状与技术变化中寻找线索，让未来构想不只停留在想象之中。
我走查了30余款当时的热门 AI 产品，包括 ChatGPT、Claude 等通用大模型产品，以及 Coze、Gamma、Perplexity 等不同形态的 AI 应用。我从场景关联性、用户技能要求、交互形态及使用方式等维度进行比较，整理不同类型产品的特点与优劣势。
在对照中，我注意到：有些产品提供通用能力，需要用户自行拆解任务和组织工作；也有一些产品将 AI 能力组织进具体场景，降低了用户完成特定任务的门槛。
最终，我将30余款 AI 产品的走查与比较整理为《智能化产品生态研究报告》，通过产品类型对照与未来应用方向示意，归纳不同 AI 产品在场景关联性、用户技能要求和交互方式上的差异，并尝试为资管小镇未来的应用形态提供参考。
用户可以上传研究框架、方法材料和任务模板，也可以为数字分身选配已有能力。在实际任务与对话中，人继续补充知识、反馈结果，让它逐步适应自己的工作要求。
以行业研究为例，用户提出目标，数字分身分头搜集资料、开展分析。人可以查看进展，调整数据来源或报告结构，再查看和确认最终成果。
一项投资需求进入业务大厅后，由研究员、基金经理、交易员等不同角色的数字员工协作处理，串联投研分析、组合管理、风险评估与交易等环节，并向投资者反馈处理结果，实现透明、精准、高效的投研交流程。
2026年再回看这个项目，我对当年的构想有了新的理解。
这两年，Agent逐渐进入人们的实际工作，我们曾经想象的未来，正在以更轻便、灵活的方式出现。
比如，Skill通过 Markdown 文档承载知识与技能，比当年设想的构建方式更方便，应用场景也更灵活；OpenClaw等Agent工具则能够围绕个人需求调用工具、组织任务，不必预先搭建一套完整的虚拟业务场域。
这些变化让我意识到：我们当年关注到了人、AI与工作关系可能发生的变化，却没有充分预料到，它会如此快速地在资管行业之外、更广泛的工作场景中展开。
这也让我重新看待小镇项目本身。
当年，公司希望将员工的专业知识和经验积累下来，形成可以持续复用的 AI 能力。小镇承担的是其中的一步：让员工看见未来的工作方式，理解自己的经验能够发挥什么作用，从而更愿意参与建设。
但今天再看，员工可能已经在企业外部体验到 AI 的价值，尝试新的工作方法，再把形成的经验与期待带回企业。
这意味着，企业不仅需要让员工理解和愿意参与，还要进一步思考：当外部已经有了丰富的 AI 工具，内部产品应该提供什么？如何将员工正在尝试的工作方式接入业务，并把使用中的知识与经验积累下来？
小镇之后，我继续参与了这家公司的数字分身产品研究与企业内部 AI 应用研究，让当年关于员工参与 AI 建设的思考变得更加具体。
数字分身产品体验优化｜2026.01—02
通过产品分析与内部访谈，研究数字分身应该支持哪些工作场景，以及如何让员工更方便、更愿意使用。
企业 AI 落地应用研究｜2026.02—05
通过内部访谈与数据分析，梳理不同部门的 AI 使用情况与应用障碍，为平台建设和组织支持提出研究建议。
这两项研究让我从描绘未来工作方式，进一步接触到员工真正开始使用 AI 时，面临的产品问题与组织条件。
当年，我们希望通过小镇，让员工看见未来、愿意参与。今天回看，员工也可能先在企业之外走进这个未来；企业需要思考的，还有怎样把他们的新经验、新需求，接入自己的业务与 AI 建设。