过去我们聊 AI，大多是在聊写作、编程、搜索、客服。但我一直觉得，AI 最应该先进入的地方，可能不是大公司的会议室，而是那些只有三五个人、每天忙得脚不沾地的小店、小团队，甚至是慈善商店。
做这件事的起点是我们三个小伙伴经营着苏州的一个慈善实体，我们有一个小商店，商品来源都是来自捐赠，包括大型商超，食药监局等，所有销售收入也是直接进慈善总会的账户。目前整个慈善实体在一个公园中，周末或者节假日人流量很大，因此我们会招募各种志愿者。
问题就来了，志愿者的流动性是很大，因此我们无法每次给新来的志愿者都先花很多时间培训各种基本的技能，比如销售收银，商品进出库，以至于整个慈善实体的运行效率是很低的。这是我们不愿意看到，我们希望能有更多精力投入到针对弱势群体的帮助中，而不是被困在一个小小的慈善超市，有力使不出。
这就是我们做 Shop-Agents 的起点：
一套面向慈善商店和小型门店的本地优先 AI 智能体系统。
它不是一个单纯的 POS 收银软件，也不是一个只会聊天的机器人。我们希望它更像一个“低成本的门店运营中台”：前台志愿者可以扫码收银、拍照入库；运营人员可以看库存、做批量处理；财务可以导出流水；管理者可以在飞书里问 CEO Agent 今天卖了多少、哪些商品低库存、有没有异常交易。
换句话说，我们想把进货、入库、销售、支付、库存、财务和经营分析，串成一个真正能落地的闭环。
新一代 AI 赋能的慈善实体
慈善商店是一个很特别的场景。
它不像传统零售那样有标准化供应链。商品来自捐赠，品类杂、数量碎、状态不一。今天可能收到一箱旧书，明天可能是一批衣服、玩具、小家电。志愿者也不一定长期稳定，很多人没有时间学习复杂系统。
所以慈善商店真正需要的不是“更复杂的软件”，而是一个能把复杂性藏起来的系统。
在我们的设想里，AI 做三件事：
第一，降低录入成本。通过扫码、拍照、AI 视觉识别，把捐赠物资更快变成可管理的库存。
第二，降低运营门槛。志愿者只需要在 Web POS 里扫码、加购、结账，不需要理解背后的数据库和脚本。
第三，帮助管理者看见全局。CEO、运营、财务、宣传等 Agent 分工协作，把分散的数据整理成日报、提醒和行动建议。
这也是我理解的“AI 赋能慈善实体”：不是用 AI 生成几句漂亮文案，而是让一个真实空间里的日常工作变轻一点、清楚一点、可持续一点。
给三五个人小团队的小型 AI Agent 方案
很多小团队并不需要一套昂贵的 SaaS，也养不起专门的信息化团队。他们需要的是：
能在本地电脑上跑起来；
断网时核心数据不丢；
有网页界面，不要求每个人会命令行；
可以根据自己的业务改角色、改流程；
出了问题能备份、恢复、升级。
因此 shop-agents 采用的是 Local-First 架构。核心业务数据先写入本地 SQLite，Web UI 负责交互，Node.js 后端负责 API 和落账，Python 工具负责扫码、视觉识别、财务导出、标签打印等具体任务。
多 Agent 层则通过 Hermes、tmux 和飞书 Bot 串起来。我们把门店拆成几个自然角色：CEO、运营、财务、宣传。每个 Agent 有自己的职责，但它们共享同一个本地业务事实来源。
这套结构不只适用于慈善商店。稍作调整，它也可以变成宠物店、咖啡馆、社区小卖部、二手商店或小型仓储团队的 AI 运营系统。
之后接入收钱吧，做真正的业务闭环
目前系统已经有 POS 销售终端、库存管理、交易流水、支付记录和模拟收钱吧支付链路。模拟模式不会真实扣款，但可以完整测试“下单、支付、扣库存、写流水、记录支付状态”的流程。
这里我们很重视一个原则：支付成功前不扣库存，支付失败不写销售交易，支付处理中要保留状态但不能当成完成订单。真实支付不是“调一个接口”这么简单，它必须和库存、订单、退款、对账放在同一条业务链路里设计。
这个项目的技术选择都围绕“小团队真的能部署和维护”展开。
后端使用 Node.js + Express，前端是原生 HTML/CSS/JavaScript，没有复杂构建链路。数据库使用 SQLite 单文件，方便备份、迁移和恢复。Python 层负责更贴近业务现场的工具，比如扫码入库、视觉识别、财务导出和标签打印。
系统也内置了备份、恢复、系统事件日志、在线升级和离线 zip 升级。Mac 和 Ubuntu 都有一键启动脚本，尽量让一台新电脑也能自动补齐 Node、Python、tmux、视觉识别依赖并初始化数据库。
我个人最喜欢的一点是：Web POS 和命令行工具写入的是同一个本地数据库。也就是说，前台刚完成一笔销售，后台 Agent 立刻就能读到这笔数据，并把它纳入库存、财务和日报分析。这种“不是演示用，而是业务真实落账”的感觉很重要。
最后
shop-agents 不是要做一个庞大的企业系统。它更像是一个实验：如果 AI Agent 不只是陪聊，而是真的进入一个小型实体空间，它应该如何分工、如何记账、如何与人协作、如何在不稳定的现实环境里保持可靠？
我们选择从慈善商店开始，是因为这里的每一点效率提升都很具体：少录一次表、少漏一笔账、少找一次库存、让志愿者少学一个复杂系统。
未来我希望它能继续往前走：让多 Agent 协作做得更自然，让三五个人的小团队也能拥有过去只有大型组织才有的运营能力。
AI 不一定只属于大公司和复杂工作流。它也可以坐在一个小小的收银台旁边，帮人把每天真实发生的事情，认真地记录下来、整理出来、变成下一步行动。
如果您对这个项目感兴趣，欢迎联系我，希望能帮到您
