最近，我完成了一个 AI 智能体 (n8n工作流) 的定制项目。客户是一家的新加坡会计公司，拥有近千名客户。

为什么他们会愿意让我这样的一位独立开发者来完成这个项目？要知道，我们连一次面都没见过。

下面，是我的复盘

项目的核心需求并不复杂：制作一个工具，帮助他们通过输入邮箱或公司名，快速从Zoho CRM客户管理系统中调取发票、项目进度和税务申报等关键信息。

在技术层面，这个项目并没有遇到太大的阻碍。但是，谈到如何测试 AI 效果的时候，客户居然直接发来了系统的登录凭证，并开放了 Zoho CRM 的 API 接口供我测试。

感谢他们的信任与积极配合的同时，我不禁开始复盘。作为一个远隔重洋、素未谋面的独立开发者，究竟是哪些因素促成了这份信任？

AI替代不了的信任构建

什么认真负责，按时交付，等等，太常识性的就不说了。重点在于以下几点：

1. 多多选择会议视频沟通

相比于微信上的信息来往，我更希望选择与对方语音或者会议去直接沟通。不为别的，有什么问题当场就能问，需要讨论的经常当场就能出结果。节省了大家的时间与精力。

2. 不要太依赖AI会议纪要

我觉得市面上的 AI 会议纪要工具都很好用，但我也清楚的知道，AI 会议纪要需要真实的会议中，“聊到了”同时“确定了”正确的信息，才能被更好的总结下来。

在与客户沟通前，通常会预想一个初步的实施方案。那么为了做到这个方案，实现中需要对方给我提供哪些信息，我都会与对方逐一确认与沟通。就算话题聊远了，也要记得拉回主题线。这样确保我都“聊到了”方案实施的所有点。

更重要的是，在每个大的沟通节点结束后，我会主动承担起“AI 会议纪要”的角色，主动总结我们刚才聊到的所有核心内容，并复述我的理解，确认双方是否达成了共识。

或许，这样的沟通方式，也让对方能感觉到，我是有在认真倾听、思考和沟通的。

3. 项目文档好好写

在这次项目中，项目文档的撰写占据了远超技术实现本身的时间。但我认为，这些时间是绝对值得的。

一份详尽的项目文档，其价值远远超出了明确责任和义务的范畴：

梳理需求：很多时候，客户提出的是模糊的痛点，通过文档的非技术视角拆分，我能让他们更好地理解我们要制作的内容到底是什么，以及为什么报价是这样一个逻辑。

功能交付：以功能效果的方式确认交付内容，能达到客户满意的效果最重要。

撰写方案：文档中融入了“适量”执行方案，一定程度展示专业度的同时，为方案执行上留下空间。

这个过程，这种通过反复沟通、确认，将模糊的业务需求转化为精准的文档语言的过程，让我深刻体会到：

技术落地：在方案对比中寻找最优解

当业务需求被梳理清楚后，技术实施反而成了相对轻松的一环。在这个项目中，最终确定的技术栈是n8n配合Zoho API。

在动手之前，我脑海中构想了三种实施方案，并进行了对比：

1. 直接调用方案：让 AI 大模型通过 API 实时读取各个模块的内容，依靠提示词来输出结果。

2. 子工作流方案：构建一个子工作流，输入邮箱与公司名后，先由程序获取所有需要的结构化数据，然后只让 AI 大模型对内容进行整理与呈现。

3. 预处理表格方案：构建一个实时更新的表格系统，将数据提前整理好，AI 大模型直接读取这些结构化数据。

经过思考和评估，我最终选择了方案 2。

方案 1 虽然看似简单，但存在大模型“幻觉”的风险。我不敢确信大模型能百分百正确地调用复杂的工具链，这意味着后期的测试和纠错成本会非常高。

方案 3 虽然稳妥，但执行起来比较复杂，更适用于那些需要提前对复杂结构数据进行深度清洗的场景，对于当前的项目需求来说，显得有些“杀鸡用牛刀”。

方案 2 则是一个完美的平衡点：程序负责精准获取数据，AI 负责提炼呈现。

实践证明，这种结构化处理加 AI 总结的方式，客户反馈非常好，既保证了准确性，又提供了良好的阅读体验。

从“技术能力”到“项目能力”

这次合作的结果是令人欣慰的，客户不仅对项目非常满意，随后又向我提出了其他 AI 项目的定制化需求，双方的合作进入了一个良性的循环。

复盘整个项目的全过程，我发现对我个人而言，最有价值的收获并不是技术实现的学习经验，而是从“技术能力”转化到“项目能力”的重新思考。

AI 时代，技术门槛已被拉低。而如何理解需求、如何建立信任、如何通过沟通将技术与现实连接起来，或许才在 AI 时代核心的竞争力。