$

企业智能体 · AI-My-Chats

5 美元，
换回一个人一周

我们如何用 AI，把碎片化的聊天、邮件、截图，
沉淀为企业可追踪、可复用的知识

老孙正经胡说 2026 · 08

核心数字

每个月，我们花

$5

=

省下
一个人一周

每条节省 15～30 分钟，一个月处理 100+ 条碎片化知识

切换到开源模型后，这个成本最近进一步降到了约 $3.1 / 月

一段聊天，直接变成 GitHub Issue

转发到指定邮箱，AI 自动提炼上下文、TODO 和附件，在目标仓库创建结构化 Issue——还能指定输出语言。

整体架构

多源输入 → 人工筛选 → AI 处理 → 多出口分发

为什么要做这件事

企业知识沉淀的两个问题

问题一 · 摩擦

邮件、聊天、截图、日志……
每天都在产生有价值的信息

不是没有知识，是整理成本太高

问题二 · 数据敏感

内部项目、技术细节、业务数据
能放心交给外部模型服务吗？

用户主动选择、模型自由组合，AI-My-Chats 正面回应

设计选择

不接入聊天平台，让用户主动提交

✋

不自动采集全部对话

自动读取所有沟通内容并不是理想方案——噪声大，也更敏感

主动权在人

🎯

提交本身就是一次筛选

用户决定什么值得沉淀，系统只处理明确提交的内容

数据边界清晰

📧

邮件作为统一入口

聊天工具本来就能转发到邮件，不用改造任何平台

零迁移成本

模型怎么选的

模型只是可替换的组件

第一版

GPT-4.1 mini
+ 微软 OCR

→

降本

GPT-5 nano

→

现在 · 开源

DeepSeek V4 Pro
+ 千问 3.6 Plus

效果差距不再明显时，成本、可控性和部署灵活性就变得更重要——真正重要的是让整套流程稳定、可控、能长期运行。

多模态

OCR 只认字，
多模态才懂"为什么发这张图"

纯 OCR

识别图片里有哪些字
但看不懂图和上下文的关系

多模态模型

同时理解图片内容 + 完整上下文
准确判断背景、意图和后续动作

从单一产品到可扩展平台

一份信息，不止一个用途

🧠

AI-My-Chats

理解 · 结构化 · 路由

→

Jira

GitHub Issues

飞书多维表格

知识库

不是把信息固定转换到某个系统，而是先整理成有效知识，再路由到企业真正需要它的地方。

一个判断

越通用
越没用

企业真正需要的不是无限的组合方式，
而是针对具体问题、经过验证、能直接使用的产品。

FDE · Forward-Deployed Engineer

像 "预制菜" 一样交付，FDE 现场适配

核心能力和主要流程已经跑通，FDE 到客户现场完成最后的配置、微调和集成——不是每次从零构建。

结论

这不只是一个工具

而是企业沉淀知识的一种新方式——

🔓

开源可控

Devify 开源，模型、部署方式自由组合

💰

成本可持续

$3.1/月，验证了低成本稳定运行的可能

📚

知识可复用

碎片化沟通变成可检索、可追溯的企业知识

💬

Q & A

github.com/cloud2ai/devify · aimychats.com

← → 翻页 F 全屏老孙正经胡说

5 美元， 换回一个人一周