聊天记录、网页、表格、内部文档
Conpera Agent Workflow
把任务交给 AI，
让工作自己往前走。
Conpera 不只回答问题。它读取上下文、拆解步骤、生成交付物、等待确认， 最后把一次任务沉淀成团队可复用的企业应用入口。
conpera.agent.run
Task
帮我把客户资料、会议记录和订单表整理成经营复盘，并给出下一步动作。
拆任务、定检查点、标记风险
报告、图表、行动清单、SOP
来源、假设、边界、下一轮修改
ready
Founder OS / Research / Analytics / Support
Concrete Tasks
先从这些具体任务开始。
不需要先设计系统。把已有资料放进来，让 AI 直接产出可检查、可修改、可交付的结果。
会议纪要 → 行动清单
把 1 小时讨论压成 5 个下一步。
输入录音转写或聊天记录，输出结论、负责人、截止时间、待确认问题和跟进话术。
搜索资料 → 研究报告
把网页、案例和内部材料整理成报告。
适合行业调研、竞品分析、客户背景研究，并保留来源、引用和风险边界。
表格数据 → 图表结论
从订单、客户、财务表里找异常。
先清洗归类，再生成指标图、经营摘要、异常订单和需要人工确认的数据缺口。
复杂目标 → 迭代方案
围绕交期、成本、质量一轮轮优化。
用 Goal 模式记录每轮方案、指标变化、取舍原因、失败尝试和下一步实验。
Workflow Product Film
60 秒看 AI 工作流怎么跑起来。
主线按视频同步推进：一句话任务、上下文整理、搜索交付、可验证工作流、企业应用入口，最后用公开案例数据收尾。 屏幕主文案、中文字幕和 AI 配音使用同一份脚本。
把客户资料、会议记录和订单表交给 AI，先明确目标和交付标准。
聊天、会议、表格和客户反馈进入同一个上下文，并保留事实、缺口和风险。
搜索网页、知识库、数据库和脚本资产，生成可审查的经营复盘交付物。
最后只选一个公开案例，集中展示客服入口、自动处理、人工升级和经营反馈。
Execution Loop
一个真实任务，会这样推进。
以“客户经营复盘”为例：AI 不是直接写一段总结，而是把资料、判断、交付和下一轮动作拆开处理。
先定交付标准
明确这次要输出经营复盘、客户风险清单、下周动作，以及哪些结论必须有来源。
读取业务现场
把 CRM 记录、订单表、会议纪要、客服反馈和产品资料放进同一个项目上下文。
生成可检查结果
输出报告结构、关键指标、异常解释、客户分层、图表和负责人行动清单。
把判断摊开
列出依据、假设、风险、数据缺口和需要人工拍板的取舍，让负责人能审查。
沉淀为入口
把这次复盘流程保存成“客户复盘助手”，下次只换资料就能继续跑。
Delivery Gallery
少讲概念，多看它交付什么。
非视频区域需要承担解释产品的责任：真实输入是什么、AI 中间做了什么、最后能交给团队什么。 下面四个场景对应企业最常见的复杂信息工作。
Search to Report
搜索复杂问题，生成带来源的报告。
适合行业调研、竞品分析、客户背景、政策资料和技术选型。
Meeting to Mind Map
聊天和会议，整理成脑图。
从混乱讨论里抽出主题、分歧、负责人和下一步。
Table to Dashboard
表格数据，自动变成判断。
清洗、分组、出图，再把异常和建议写成经营摘要。
Goal Mode
围绕指标，一轮轮优化复杂方案。
排程、预算、路线、库存、交付策略，都可以把目标和约束放进同一个迭代过程。
Workspace View
管理者看到的是任务控制台。
它把“AI 正在做什么”拆成可检查的状态：资料是否读完、报告是否生成、风险是否需要确认、 哪些结果已经能交给团队执行。
12 份文档 · 4 张表 · 2 段会议记录 · 36 条客户反馈
经营指标、异常订单、客户分层、关键风险、下一步动作
3 个假设 · 5 个风险 · 1 个关键数据缺口 · 2 个需要负责人拍板的取舍
客户复盘助手 · Analytics · Support · Goal Mode · Founder OS
Capability Ladder
从小事情开始，长成公司级能力。
企业使用 AI 不需要一上来重做全部系统。先让它处理确定、重复、耗时的信息工作， 再逐步接进项目、流程和团队知识。
一句话任务
老板或负责人说出目标：帮我整理这件事，告诉我下一步。
资料整理
聊天、文档、截图、表格和客户反馈进入同一个上下文。
项目推进
自动拆出任务、负责人、时间点、风险和验收标准。
业务流程
销售、客服、招聘、运营等重复场景变成稳定流程。
企业 AI 工作流
把流程沉淀成模板、知识库、SOP 和可复用的协作系统。
Advanced Use Cases
不止日常事务，也能处理更难的项目。
企业家更关心的是：能不能把专业资料、数据、自动化工具和算法目标串起来。 Conpera 适合把这些复杂任务拆成可验证、可复盘、可继续迭代的工作流。
专业检索
公开案例 / 技术资料 / 内部知识库 / 风险边界
搜索难题，整理成有证据的行业报告。
研究企业知识库、AI 客服或行业自动化方案时，先检索公开案例和技术资料，再结合内部材料输出来源索引、风险边界和落地路径。
自动化数据分析
销售漏斗 / 交期看板 / 异常订单 / 财务复盘
从原始表格到指标图表和结论。
订单、客户、生产、财务数据先被清洗、归类、出图，再生成异常解释、经营摘要和下一步动作。
快速部署一套方案
采集线索 / 去重分类 / 生成路线 / 当天部署
把想法变成可运行的自动化流程。
例如用 OpenCLI 从小红书收集旅游信息：抓取笔记、评论、地点和图片，去重归类后生成路线、预算和可复用采集脚本。
Goal 模式持续优化
我们的排程场景 / 多目标约束 / 指标对比 / 复盘记录
让 AI 围绕指标一轮轮迭代。
排程算法可以设定完工时间、延期订单、设备换线、人员负载等多个目标，让 AI 每轮修改方案并对比指标变化。
App Entry
最后，它会变成一组企业应用。
不同团队不需要看到同一个聊天窗口。研究、数据、自动化、排程、客服和经营复盘， 都可以形成自己的入口、模板和结果。
Research
行业研究
检索来源、整理证据，输出带引用的行业简报。
Analytics
数据看板
清洗表格，生成趋势图、异常解释和经营摘要。
OpenCLI
旅行情报
采集小红书笔记、评论和地点，去重后生成路线、预算和脚本。
Goal Mode
排程优化
把工序、设备和交期约束放进 Goal 模式持续迭代。
Support
客服知识库
用工单、FAQ、截图沉淀知识库，生成回复草稿和升级边界。
Founder OS
创始人运营台
把目标、会议、风险和复盘资产沉淀成可复用经营工作流。
Prompt Templates
常见工作，一句话就能开始。
不需要每次重新组织语言。下面这些模板可以直接复制，再把业务背景、资料范围和目标替换掉。
只整理不下结论
请先只整理资料，不要急着给结论。请区分已确定信息、待确认问题、可能风险和下一步建议。
直接生成交付物
请根据这些资料直接生成一份可交付结果。先说明你的结构，再输出正文，最后列出依据、风险和需要我确认的地方。
检查当前结论
请检查当前结论是否站得住。优先指出证据不足、逻辑跳跃、遗漏风险和表达不清的地方。先列问题，再给简短总结。
Daily Rules
几个日常边界。
不要把敏感信息直接粘贴进聊天
客户数据、数据库密码、真实密钥和内部账号信息应放在本机配置或脱敏后再说明。
重要结论要要求验证
只看“已经完成”不够。让 AI助手给出来源、检查过程、结果证据，或者说明为什么无法验证。
提交和部署需要明确授权
如果不希望它提交、推送或同步服务器，就在任务开始时说明“不要提交、不要部署”。