千问办公云栖大会摆摊 机器人经营Token卡生意

千问办公这次想展示的，可能远不止「机器人能不能和人聊天」，而是一个 AI Agent 能不能真正接手一件需要持续经营的工作。

先从现场这门小生意说起。

这次千问办公租下一个摊位，让 Agent 当一天店长。售货员是桌面机器人 Eva，负责站在前台接待顾客；背后的经营决策，则交给千问办公。

整个摊位的故事线我捋一下，是这样的，AI 老板雇佣机器人，卖算力给人类，买 Token 卡还送大蒜，还有这好事。

这套组合有几个很容易让人记住的元素：

• 卖的是 Token 卡，自带 AI 产品和技术属性；
  

• 站在前台的是机器人 Eva，具备直观的互动体验；

• 购买算力赠送蒜粒，用生活化的实物制造反差；

• 背后还有一个会经营、会补货、会复盘的 AI 老板。

但是如果只把它理解成一次机器人导购展示，可能会忽略这场活动真正有意思的地方，它把一个原本偏抽象的 AI 能力，放进了一个大家都熟悉的场景：开一家小店，然后想办法把生意做起来。

用户不需要先理解 Agent、工具调用、任务规划这些概念，他们可以直接走到摊位前问：

这些问题本身，就成了体验 AI 能力的入口。

从品牌传播的角度来看，Token 卡和蒜粒之间的反差，提供了一个很直接的记忆点。

算力是 AI 产品里相对抽象的概念，抓不到摸不着；蒜粒则是生活中非常具体的东西，有记忆感，也能摸得着看得见，用了就少一点的。

把两者放进同一个交易场景，用户一眼就能理解这个摊位的趣味性，也更容易拍照、录视频、发到社交平台。

尤其是小红书、抖音、微博这类平台，现场的视觉反差和可分享的互动内容，本身就具备传播潜力。

当然，实际传播效果还需要结合各平台的内容数据来判断。仅从活动设计来看，这种玩法至少让 Token 卡拥有了一个比普通产品展台更鲜明的现场记忆点。

而千问办公也借此把自己的能力展示，嵌入了一个更容易被围观和讨论的故事里。

如果说「买算力送蒜粒」解决了用户为什么愿意停下来，那么接下来真正值得探讨的问题是：机器人Eva 到底怎么卖货？

Eva 并非独立承担整个售卖过程，它站在前台与顾客对话，并实时调用背后的千问办公 Agent 能力。

可以把这套系统粗略理解为两层：

前台是机器人 Eva，负责与顾客交互、接待以及商品介绍和售卖答疑；

后台是千问办公 Agent，负责商品规则、经营策略、库存状态、工具调用、人员协作等。

这里最值得注意的是，前台交互与后台经营被放在了不同的角色中。Eva 负责把话术说出来、把客人引流进来，千问办公则负责处理更复杂的任务和决策。

比如顾客问：「2000 Token 能做什么？」

如果只是一个固定话术机器人，可能只能给出预先写好的产品介绍。但是我们可以让 Eva 根据不同用户的身份和问题，调用千问办公 Agent 的能力，提供更具体的解释。

面对一位市场从业者，它可以把算力和日常工作联系起来：

让商品介绍从参数说明转向实际使用场景——用户关注的可能并非 Token 本身，而是这些 Token 能否帮助自己完成工作。

很多 AI 产品演示，通常会围绕一个问题展开：给 AI 一个指令，它能不能完成任务？

比如写一篇文章、生成一份 PPT、整理一组资料，这类能力很重要，但对于企业实际工作来说，很多任务并不会在一次输出后结束：销售需要持续跟进，库存需要不断更新，运营需要观察数据，遇到异常还要联系其他人协作。

因此，这次千问办公小店里更值得关注的部分，是 Agent 如何从一次性的交互，延伸到持续经营。

我们可以沿着它的经营流程，拆出几个关键环节。

开店之后，千问办公需要持续关注销量和库存：

今天卖出了多少张 Token 卡？蒜粒还剩多少？

当前销售速度怎么样？哪些时间段客流比较集中？

这些信息构成了经营过程中的状态数据。

从 Agent 工作流的角度看，这一步对应的是对外部环境和业务状态的持续感知。如果 Agent 只能在用户提问时被动回答，那么它的工作边界就比较有限；当它能够持续获取业务数据，并在特定条件下触发后续动作，工作流才开始具备一定的自动运行能力。

当 Token 卡或蒜粒库存接近临界值时，千问办公会判断是否需要补货，并通过钉钉通知工作人员。工作人员收到的消息可能是：

这些动作如果全部依赖工作人员手动完成，就会增加运营成本，也容易出现信息延迟。Agent 的作用，则是把其中一部分重复性的判断和协作动作交给系统处理。

当千问办公发出通知后，工作人员真的拿着 Token 卡或者一筐蒜过来补货。

这一幕有意思的地方，在于 AI 的经营行为并没有被限制在数字空间里：它可以发现问题、发出请求，再由现实中的人完成物理世界的动作。

补货完成后，千问办公同步库存，Eva 继续接待下一位顾客：

当任务涉及商品、设备、场地、人员时，Agent 的价值也就不止是生成内容，而是帮助整个流程持续运转。

如果 Agent 只会按照预先设定的流程工作，那么无论客流怎么样、成交情况如何，它都可能重复相同的话术。

但一个真正需要经营的生意，往往需要根据结果调整动作。

有这样的真实场景，过去一个小时，路人很多，也有不少人询问 Token 能做什么，但实际购买率并不高。千问办公据此判断，问题可能在于顾客还没有理解算力的实际价值。

于是，它调整经营策略。原本的主文案是「买算力，送蒜粒」，可以调整为：

这个过程可以用一个相对简化的 Agent 经营闭环来理解：

1. 观察经营数据：客流 · 提问 · 销量 · 库存

2. 分析当前问题：理解不足？库存不足？转化偏低？

3. 调整经营策略：优化话术 · 调整展示 · 触发协作

4. 继续观察结果：检验调整后的经营表现，回到数据，持续经营

案例中展示的是 Agent 可以根据经营情况调整策略的设计思路，从业务工作流的设计方向看，这种从状态感知到策略调整的思路，确实比单纯执行固定指令更接近真实的经营任务。

一天结束之后，这家小店并没有立即结束所有工作——千问办公还需要整理当天的经营情况，它会自动汇总销量与库存、客流和用户问题、补货记录、各个时段的经营表现，然后生成一份经营日报。

例如：

这里的日报承担了一个比较明确的功能：把当天发生的经营事件，整理成可阅读的结果。

但千问办公还设计了另一种输出形式：店长日记。它可以用更像真人店长的方式，记录当天的观察与思考：

从工作流的角度来看，这意味着任务的结束条件可以延伸到复盘与报告生成——Agent 不只负责完成一笔交易，还可以把当天的业务数据沉淀下来，为下一次经营提供参考。

把整个千问办公 Token 卡小店重新梳理一遍，可以发现，它并非只围绕一个聊天机器人设计。

从任务范围来看，至少包含以下几个层面：

这里需要区分两个概念：角色划分是业务层面的设计，具体由哪些 Agent、模型、工具或自动化模块来实现，需要结合实际系统架构判断。

它把 Agent 放进了一个有目标、有状态、有工具、有协作对象的任务环境——这与很多只关注单次回答的 AI 使用方式，存在明显差异。

回到这次活动本身。

从品牌营销的角度，千问办公选择了一个容易理解、容易参与的场景，让 Token 卡不再只是一个需要解释的技术产品。

从 Agent 能力展示的角度，它又把小店设计成一项需要持续经营的工作，让用户能够看到销售、库存、补货和复盘等不同环节。

这里面还有一个值得关注的传播思路，当 AI 能力被放进具体的生活场景时，用户分享的可能不仅是一张产品海报，也可能是一段真实互动、一场有趣的现场经历，或者一个值得讨论的技术案例。

不过，传播创意与产品能力之间仍然需要保持清晰边界。「买算力送蒜粒」能够制造记忆点，但用户最终是否理解 Token 的价值，还要看产品介绍、实际体验和后续转化能否形成完整链路。这也是为什么，千问办公在案例中设计了从趣味文案到工作价值表达的策略调整。

如果一个 Agent 真正参与了经营，它需要处理的就不只是如何让人停下来，还包括如何解释商品、如何响应需求、如何维持库存，以及如何根据经营结果继续行动。