（上）篇讲了 M1-M6 主里程碑。本篇（中）讲 M4 三类工作流 + M5 七大分支——这是技能树从”必修”到”选修”的转折点。

一、M4 三类工作流详解

M4 是”工作流搭建者”里程碑，要求完成任一类工作流作为通关。三类分别是：调度监控类、业务自动化类、IM 机器人类。

1.1 调度监控类

典型场景：定时任务 + 监控 + 报警

例子：

  • 每天 9 点拉取销售数据 → 写入数据库 → 异常时报警
  • 每小时检查 API 状态码 → 不正常就飞书通知
  • 每天凌晨清理临时文件 → 上传归档到 OSS

推荐工具：

  • n8n（开源 / 自托管）
  • Airflow（Python 生态 / 大规模 DAG）
  • Dagster（现代 / 强类型）
  • 腾讯轻联（国内 / 简单）

实战案例（每天 9 点跑）：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
# daily_sales_report.yml
name: 每日销售报告
schedule: "0 9 * * *"
steps:
  - id: fetch
    type: http
    url: "https://api.example.com/sales/yesterday"
  - id: save
    type: postgres
    query: "INSERT INTO sales (...) VALUES (...)"
  - id: notify
    type: feishu
    webhook: "https://open.feishu.cn/..."
    condition: "sales.amount < threshold"

M4 通关标志：跑 1 个月的 cron 工作流（能扛住节假日 / 异常 / 重试）

1.2 业务自动化类

典型场景：触发 → 处理 → 通知

例子：

  • 收到发票 PDF → OCR → 入账 → 通知财务
  • GitHub PR 合并 → 自动发版到测试环境
  • 表单提交 → 自动邮件确认 + CRM 入库

推荐工具：

  • n8n / Dify（可视化）
  • Zapier / Make（海外 / 商业）
  • 腾讯轻联（国内 / 商业）

实战案例（GitHub 自动化）：

1
2
3
4
5
6
7
8
# github_pr_workflow.yml
trigger: github.pull_request.merged
steps:
  - name: deploy_test
    command: "kubectl apply -f deploy/test.yaml"
  - name: notify
    feishu:
      message: "PR #${pr.number} merged, deployed to test"

M4 通关标志：1 个跑 1 个月的业务自动化流（节省每周 ≥ 2 小时人工）

1.3 IM 机器人类

典型场景：飞书 / 钉钉 / 微信 + 自动化

例子：

  • 群里 @ 机器人查订单 / 查库存
  • 机器人定时推送日报
  • AI 客服接入 IM

推荐工具：

  • 飞书 / 钉钉 / 微信 自带机器人 API
  • 扣子（Coze）（可视化）
  • Dify（可视化 + AI 集成）
  • OpenClaw（agent + IM）

实战案例（飞书机器人）：

1
2
3
4
5
6
7
8
9
10
11
# feishu_bot.py
from lark_oapi import LarkClient

@bot.on_message("/查订单")
async def query_order(event):
    order_id = event.text.split()[-1]
    result = await db.query(f"SELECT * FROM orders WHERE id={order_id}")
    return f"订单 {order_id}：{result.status}，金额 {result.amount}"

# 启动
bot.start()

M4 通关标志：1 个 IM 机器人跑 1 个月（每周 ≥ 10 次使用）

二、M4 三类工作流对比

维度 调度监控 业务自动化 IM 机器人
触发 定时 事件 消息 / 命令
处理 数据 + 报警 业务逻辑 响应 + 交互
价值 节省监控时间 节省人工操作 提升沟通效率
学习难度 中 中高 中
工具 n8n / Airflow n8n / Zapier Coze / 自建
复用度 中 中 高

3 类都做的社群 = 完整的工作流能力。只做 1 类也能通关 M4。

三、M5 七大分支详解

M5 是”AI 项目开发者”——必须选一个方向深耕。7 大分支任选一：

3.1 Skill 产品化

做什么：把可复用 Skill 做成可卖产品

代表场景：

  • 「公众号 10w+ 写作 Skill」¥999/份
  • 「财务报表分析 Skill」¥4999/份
  • 「学术论文综述 Skill」¥299/份

关键技能：

  • Skill 设计（单一职责 / 通用性）
  • 文档（README / 演示 / 案例）
  • 分发（GitHub / Skill 商店）

M5 通关：1 个 Skill 在公开渠道被 5+ 用户付费使用

3.2 工作流 SaaS

做什么：把工作流做成 SaaS 卖企业

代表场景：

  • 「电商客服自动回复」SaaS
  • 「周报自动生成」SaaS
  • 「简历自动筛选」SaaS

关键技能：

  • 工作流设计（用户痛点 → 自动化方案）
  • 多租户架构（数据隔离 + 计费）
  • 销售（BD + 客服）

M5 通关：1 个 SaaS Demo + 1 个付费用户

3.3 RAG 知识库

做什么：企业知识库 + 检索增强生成

代表场景：

  • 律所案件知识库
  • 医院病历问答
  • 制造企业产品手册问答

关键技能：

  • 数据清洗 / 分块 / embedding
  • 向量库（Milvus / Qdrant / pgvector）
  • 检索优化（BM25 / 混合检索 / rerank）
  • 评测（召回率 / 准确率）

M5 通关：1 个企业级 RAG Demo + 100 条真实问答测试集

3.4 AI 应用开发

做什么：完整 App + 前端

代表场景：

  • AI 笔记 App
  • AI 翻译 App
  • AI 客服 SaaS

关键技能：

  • 前端（Vue / React）
  • 后端（Node.js / Python）
  • AI 集成（MCP / API）
  • 上线（部署 / 监控）

M5 通关：1 个完整 Web App + 100 注册用户

3.5 Agent 系统

做什么：复杂多 Agent 协作

代表场景：

  • 自动化办公（写文档 + 审核 + 发送）
  • 软件开发（需求 → 设计 → 编码 → 测试）
  • 科学研究（文献调研 + 实验设计 + 数据分析）

关键技能：

  • Agent 框架（LangGraph / CrewAI / OpenClaw）
  • 多 Agent 协作（消息传递 / 任务分配）
  • 错误处理（Agent 会失败）

M5 通关：1 个多 Agent 系统 Demo + 1 个实际任务跑通

3.6 模型与算法

做什么：微调 / 训练 / 评测

代表场景：

  • 行业大模型微调（医疗 / 法律 / 金融）
  • 模型蒸馏（把大模型能力给小模型）
  • 评测体系（业务指标 + 通用指标）

关键技能：

  • 数据准备（清洗 / 标注）
  • 训练框架（Transformers / PEFT / LLaMA-Factory）
  • 评测（lm-evaluation-harness / 自建）

M5 通关：1 个微调模型在 1 个业务场景比基线提升 10%+

3.7 多模态内容生产

做什么：AI 视频 / 图像 / 音频

代表场景：

  • AI 短视频（脚本 + 配音 + 剪辑）
  • AI 图像（海报 / 头像 / 商品图）
  • AI 音乐（BGM / 配音）

关键技能：

  • 文生图（Midjourney / Stable Diffusion）
  • 文生视频（Runway / Sora / 可灵）
  • 文生音（Suno / Udio）
  • 工作流（ComfyUI / Coze）

M5 通关：1 个完整 AI 内容流水线 + 100 个作品

3.8 OPC 出海商业化

做什么：一人公司 + 海外市场

代表场景：

  • Indie Hacker 套现
  • 海外 SaaS 起步
  • AI 工具出海

关键技能：

  • 海外支付（Stripe / Paddle）
  • 海外营销（Twitter / Product Hunt）
  • 海外客服（Intercom）

M5 通关：1 个海外产品 + $100 MRR

四、7 大分支对比

分支 现金流 难度 适用人群
Skill 产品化 中 低 副业 / 内容创作者
工作流 SaaS 高 中 创业者
RAG 知识库 高 中 企业服务者
AI 应用开发 中 高 全栈开发者
Agent 系统 高 高 AI 工程师
模型与算法 中 高 研究员
多模态内容 中 中 创作者
OPC 出海 中 中 独立开发者

五、3 条选分支建议

5.1 看自己过去的经验

  • 写过文章 → Skill 产品化
  • 搭过自动化 → 工作流 SaaS
  • 建过网站 → AI 应用
  • 搞过 ML → 模型与算法

5.2 看市场需求

  • B 端付费意愿强 → RAG / 工作流 SaaS
  • C 端流量大 → AI 应用 / 多模态
  • 副业试水 → Skill 产品化

5.3 选 1 个深耕，不并行

  • ❌ 同时做 3 个方向 = 啥都不精
  • ✅ 选 1 个方向，6 个月做透

六、本文 + 后续

  • （上）M1-M6 主里程碑（已写）
  • （中）M4 三类工作流 + M5 七大分支（本文）
  • （下）M7-M10 企业岗位并行 + 实际应用

M4-M5 核心洞察：M4 学”工作流”是工程化基础，M5 选”分支”是职业化方向。3 类工作流任意一类都通关，7 大分支任选一都达标——没有”正确的选择”，只有”你的选择”。下一阶段（M6+）再做技术深化和企业级能力。