AI 同事 · 住在 Slack 裡

不是又一個 AI 分頁。
是 thread 裡的同事。

全公司 @mention 同一個 Franky，就在工作本來就發生的 Slack thread 裡。它記得你的組織、每個答案都附來源 —— 連那些從來不開 AI 工具的同事，都在用。

預約 Demo

我們自己公司 95% 的人每週都在用 Franky —— 而且 業務比工程師更快上手。

全員共用 · 組織記憶 · 答案附來源 · 非工程師也愛用

#ask-anything 204 members

mei.tan Marketing 3:42 PM

@franky 免費試用的用戶會收到 onboarding webinar 邀請嗎？這個 flow 現在是誰 own？

Franky App 3:42 PM

從 #growth-decisions 找到當時的決議：

會 —— 5 席以上的試用團隊自動收到 webinar 邀請
2026-03-14 決議；單人試用改走 email sequence
Owner：@kane.lin —— 自動化邏輯在 lifecycle doc 裡

需要 playbook 連結嗎？

來源：Slack · Drive · Notion decision-log

為這些產業而生

B2B SaaS（金流 & 資料 API）垂直 SaaS 行銷 & DX 代理商電子零組件通路金融 · 保險 · 證券電商平台

如果你的團隊每天在做重複但每次都要客製的客戶端工作 —— 提案、續約、客服回覆 —— Franky 就是為你做的。

「這不是早就有了嗎？」

模型不是護城河。
你的組織 context 才是。

Franky 跑在 Claude 上 —— 模型是最簡單的部分。自己拿 MCP 接聊天工具，得到的是 5 個工程師專屬的單人版神器：它不在其他 95% 同事工作的 thread 裡、每次對話結束就忘記你的組織、哪天有人改了 schema 就壞掉。下面是這個落差實際的樣子。

分頁裡的 AI

只有一個人變強。

一個漂亮的答案，鎖在一個私人視窗裡。分頁一關，context 就死了。同事看不到那個問題、那個答案、那招怎麼問的。

thread 裡的 AI

整個頻道一起變強。

同一個問題，問在大家工作的地方。答案公開、附來源、被記住 —— 下一個人搜 thread 就好，不用再問一次。

	ChatGPT / Claude	Claude + MCP （自己搭）	多請一個人	Franky
在 thread 裡、全員共用	✗	單人版	✓	✓
長期記得你的組織	✗	單次對話	3 個月後	✓
非工程師也會用	✗	只有 power user	✓	✓
每個答案都附來源	✗	✗	有時候	✓
有人幫你維護	n/a	你自己	✓	✓
每月成本	$20	$50–500 + 工程師時間	$8K+	$1–15K

每個模型現在都會規劃、寫 SQL、呼叫工具。護城河是這個 agent 住不住在你的組織裡 —— 而且記不記得它。

Franky 住在哪

就在 thread 裡 —— 不是要切過去的另一個分頁。

這就是非工程師真的會用起來的原因。不用裝新 app、不用學新後台 —— 在你本來就在的頻道 @mention Franky。整個 thread 的人都看得到答案，而且每次都附來源。

Slack — Crescendo Lab

cs-tickets-active

maya.f 10:48 AM

@franky Acme 在問舊版 SMS 方案能不能延長。上一季的 grandfathering 決議是什麼？

Franky App 10:48 AM

在 #pricing-committee 2026-Q1 找到了：

舊版 SMS 沿用至 2026-09-30
轉移到 WA bundle 享 7 折
Owner：kane.lin

↪ 定價政策 · 決議文件

原生 Slack 整合

在任何頻道、DM、thread 裡 @mention Franky，桌機手機都能用。每個答案都附來源、連到文件、講出 owner 是誰。

Microsoft Teams — Marketing

Marketing

General

Q3 Campaigns

Brand

Analytics

Posts Files Notes

Krystal · 9:14 AM

@Franky — 拉五月 campaign 報告。花費、轉換、NPS，一頁就好。

Franky Bot 9:14 AM

五月「Summer Awakening」：

花費 $24,810（GA4 + Meta）
轉換 412 張票 · CTR 3.2%
NPS 8.4（Typeform, n=128）

投影片草稿 → Marketing/May-report.pptx

↪ GA4 · Meta Ads · Typeform · 售票後台

Microsoft Teams 支援

把 Franky 加進任何 Teams 頻道或群組。跨平台答案保持一致 —— 同一份記憶、同一套引用、同一個信任機制。

可讀取的資料源

GitHub

Asana

BigQuery

Drive

Metabase

GA4

Meta Ads

Gemini

+ 200 SKILLs

用架構保證信任

沒有來源，就不回答。

每個回覆都走同一條 pipeline —— 如果 Franky 沒辦法把一個說法錨在真實來源上，它會直接說找不到，而不是瞎掰。

1 · 你發問

@franky Acme 五月的用量為什麼掉了？

→

2 · 平行檢索

同時查詢所有接上的資料源

BigQuery · 用量事件 Slack · #cs-acme thread Asana · 未結 ticket Drive · QBR 筆記

→

3 · 附來源的答案

「5/12 API 遷移後用量掉了 31% —— 兩個 webhook 一直失敗，ticket 從 5/14 開到現在。」

↪ 連結 4 個來源 · 指名 owner

你不需要「相信」Franky。你驗證它附上的連結就好。

實證 · 我們自己天天在用

這不是 demo 數字。

漸強實驗室內部四個月的真實 production 使用。以下數字來自我們自己的 BigQuery telemetry。

95%

員工採用率
（近 30 天 138 人中 92 人活躍）

4,708

30 天內被 @mention 次數

重度使用者
（每週 10+ 次）

4 個月

持續 production 運行
自 2026 年 1 月起

來源：Cloud Logging · franky-franklin-production · 2026/4/13 — 5/13。B2B SaaS 業界採用率中位數為 30–40%。

重度使用者 · 原話

Franky 進到 workflow 之後，改變了什麼。

整理自漸強實驗室前 20 名最活躍 Franky 使用者的訪談。保留職稱、隱去姓名。

以前一份 BD 提案要 3–4 個小時。現在一小時內收工 —— Franky 給 60%，剩下我來塑形。

BD 主管 · 日本 · 2026 Q2

我不再等 data team 了。兩則訊息我自己撈。那種「我再回覆你」的等待，消失了。

資深 CSM · 台灣 · 2026 Q2

Franky 六七成的時候能猜中客戶真正想問什麼。那是 CS 工作裡最慢的一段 —— 直接不見。

CS 營運經理 · 2026 Q2

真實客戶 · 2026 年 5 月

一個活動製作團隊。
50 個人，5 個資料平台。

行銷團隊的售票 campaign 橫跨 GA4、Meta Ads、售票後台、Looker Studio、Typeform 問卷五個平台。以前每份 campaign 報告都是 4 小時的跨平台拼裝工程 —— 製作、行銷、工程各管一塊，沒有任何一個人看得到全貌。

我們把 Franky 裝進他們的 Slack workspace、接上五個資料源。現在行銷主管一句話：「拉這檔 campaign 的花費、轉換、問卷回饋。」一個問題，五個工具，每個答案都附來源。

2 週完成導入 · 2026-05-08 起正式使用 · token 計費

個資料平台，一個 Slack mention 統一查

2 週

從 kickoff 到全公司上線

位員工，橫跨三個部門

Franky 之前

4 小時

每份 campaign 報告 · 動用 3 個人

GA4 Meta Ads 售票後台 Looker Studio Typeform

手動跨平台撈資料

試算表複製貼上

等工程師匯出售票數據

寄出前再核對一次總數

一份第一次寄出沒人敢直接信的試算表。

Franky 之後

~8 分鐘

每份 campaign 報告 · 1 個人，在 Slack 裡

@franky 拉五月「Summer Awakening」——
                  花費、轉換、NPS、問卷重點。

Franky 同時查 5 個資料源，每個數字都附來源。

回一份可以直接貼的報告骨架。

行銷主管調整框架措辭，寄出。

同一份報告，第一次寄出就敢信。

Franky 實際怎麼運作

Franky 給你 60%。
你補上那 40%。

重度使用者不會問完 Franky 就直接交差。他們會先把問題釐清、問 Franky、驗證回覆，再為客戶潤飾。最慢的中段 —— 找資料、撈資料、拼資料 —— 消失了。留下的那 40% 本來就需要人的判斷，而且成果掛的還是你的名字。

STEP 01

你翻譯問題

客戶的語言很少能直接拿去問。你把它壓縮成一個清楚的請求 —— 跟團隊裡資深的人會做的是同一步。

人的工作

STEP 02

Franky 找 + 回

從接上的資料源撈取、交叉比對，回一份結構化的中間答案，每個來源都附連結。沒有來源，就不下結論。

Franky 的工作

STEP 03

你潤飾 + 交付

語氣、客戶脈絡、品牌聲音 —— 由你花幾分鐘補上。最終品質一樣，但最慢的那幾步（找、撈、組）只剩零頭。

人的工作

飛輪效應

每一個問題，都讓下一個答案更好。

每次互動都變成你組織專屬的記憶 —— 誰負責什麼、你們團隊怎麼說話、哪些決議是怎麼做的。這些通通不會離開你的 workspace。

所以第 6 個月跟第 1 週完全是兩回事。一般工具每次對話歸零；Franky 會複利 —— 跑得越久，就越難被任何從零開始的東西取代。

Franky 做什麼

真實的工作。真實的團隊。每天都在問。

六個由漸強內部最活躍使用者驗證過的工作 —— 客戶成功、BD、行銷、工程。

客戶成功

草擬客戶回覆

「@franky 客戶 X 在問定價轉換 —— 撈出 ticket 歷史、找到 playbook、擬好回覆草稿。」

行銷 / 產品

隨叫隨到的 cohort 數據

「@franky 三月 MAAC 試用轉換了幾家？—— 查 BigQuery、回 cohort 拆解，連 SQL 都附給你。」

BD / 業務

組一份客戶提案

「@franky 幫 Acme 擬提案 —— 他們做 B2B 物流、在評估 CAAC。撈過去類似案子、現行價格矩陣、競品 playbook，回一份 60% 的草稿。」

客戶成功經理

續約前的 context 包

「@franky 給我 Beta Co 的續約前情報 —— 用量趨勢、近 90 天 ticket、NPS、未結 feature request，並標出我該先處理的兩個風險。」

工程 / SRE

排查 production 事故

「@franky 結帳錯誤率為什麼下午三點飆高？—— 看 deploy 紀錄、Sentry、最近的 PR，直接指出是哪個 commit。」

客戶支援

回覆前先查歷史

「@franky 上一季我們跟這個客戶說過什麼遷移方案？—— 找出 ticket 歷史、當時套用的 playbook、決議 owner。一次回覆，口徑一致。」

Franky 適合誰

三個訊號，代表 Franky 會自己賺回票價。

從重度使用者訪談歸納出一致的模式：Franky 在「重複又客製」的工作、客戶接觸點、複雜知識三者交會的地方最有價值。

↻

同樣的工作，每次不同細節 —— 每週都在發生

BD 每個 prospect 組一份提案。CSM 每個客戶調一版續約。客服每張 ticket 改一次答案。形狀重複、內容從不重複 —— 這正是 Franky 那 60% 接手的工作。

客戶接觸點又多又密

Engage → 提案 → 簽約 → 導入 → 支援 → 續約。每個接觸點都要調組織知識 —— 每次交接都在掉 context，總有人要重撈一次。

SOT

知識複雜到背不起來 —— 但有被寫下來

定價規則、產品 edge case、過去的決議，散在文件、thread、ticket 裡。複雜到沒人記得住；但也豐富到 —— 一個有權限的 agent 就能答對，還附上來源。

如果這些重複工作已經痛到你願意花錢解決 —— 而答案其實就在你組織的某個角落 —— Franky 的第一份工作就是把它們撈出來：快、附來源、在 Slack 裡。

定價

低門檻起步，隨用量成長。

三個方案，對應自然的採購旅程：試用 → 採用 → 全面標配。

Pilot

$1–2K/ 月

1 個團隊 · 用量上限

比一個工讀生還便宜。

30 天試用
Slack workspace 安裝
Onboarding skill 起手包
Email 支援

開始 Pilot

多數客戶選這個

Growth

$5–15K/ 月

全公司 · 依用量計費

比一個新進員工便宜 —— 但全公司都能用、24 小時不下班。

員工人數不限
超過基本量按 token 計費
自助 SKILL 編寫
共用 Slack 支援頻道

Enterprise

$30K+/ 月

私有部署 · SLA · SOC 2

取代一整個團隊份量的「幫忙查一下」。

客製 GCP 部署
專屬 CSM
客製 SKILL 開發
SOC 2 & 資安審查

聯絡業務

所有方案都採 token 透明計價 —— AI 模型用量 × 1.4（公開的 40% 服務費，涵蓋編排、權限、監控與支援）。你花的每一塊錢都看得到，完全跟著實際用量走。POC 試用以成本價起跑。

常見問題

大家都在問的。

買家在安裝 Franky 前最常問的問題。

導入 Franky 要多久？

Pilot 安裝一個下午就好 —— Slack app + 2–3 個唯讀資料源（GitHub、Drive、Metabase）。組織專屬的 SKILL 會在接下來 2–4 週陸續上線，依你們團隊實際的使用情況決定先做哪些。

Franky 會讀到什麼資料？

只讀你接上的資料源，而且權限跟發問的人一樣。Franky 在查詢當下繼承 Slack、GitHub、Drive 的權限 —— 發問者本來看不到的東西，它也看不到。

Franky 答錯了怎麼辦？

「沒有來源，就不回答」寫死在 system prompt 裡 —— 每個說法都連回它的出處。Persona-drift 偵測器會在 Franky 超出依據範圍時標記。誠實說：單一領域的查詢是我們最強的；跨產品、跨領域是最弱的 —— 我們會顯示信心程度而不是藏起來，而且 Q3 正在重建這塊。

Franky 回覆要多久？

快取過的 SKILL 和直接查詢秒回。跨來源整合（BD 提案、續約情報包）需要 10 秒到幾分鐘。重度使用者把 Franky 當 async 用 —— 丟出問題、先做別的、回來收一份結構化答案。UI 預設 async 模式 2026 Q3 上線。

Franky 符合 SOC 2 / GDPR 嗎？

SOC 2 Type II 排在 Enterprise roadmap 的 2026 Q4。Enterprise 部署完全跑在你自己的 GCP 專案裡 —— 資料不出門。Pilot 和 Growth 方案跑在漸強託管的 GCP 上，支援區域資料落地。

如果不續約，我們的資料怎麼辦？

全部帶得走。接上的資料源從來沒被複製到我們的機器 —— Franky 是即時查詢。你們團隊互動累積的組織記憶可以隨時匯出成結構化 JSON，解約後 30 天內從我們系統刪除。不鎖你，是設計出來的。

價格怎麼隨用量變化？

Pilot（$1–2K）固定價、限 1 個團隊。Growth（$5–15K）全公司使用，含基本用量、超過按 token 計 —— 多數客戶落在月均 $8K 左右。Enterprise 依私有部署 + SLA 需求客製報價。

不同團隊可以在同一個 workspace 跑不同的 sub-agent 嗎？

可以 —— 每個團隊都能在同一個 Franky workspace 下配置自己的 SKILL 組合、persona 和資料源。CS 的 Franky 和工程的 Franky 看到的是不同的世界；權限跟著 Slack 頻道走。一張帳單，多個專精的 agent。

我們可以自己寫 SKILL 嗎？

可以 —— Growth 和 Enterprise 方案都含自助 SKILL 編寫。客戶常把 SKILL 貢獻回共用庫（目前 200+ 個），每個新上線的 SKILL，所有組織都受益。

別再「問一下同事」。
問 Franky。

把 Franky 裝進你的 Slack workspace，讓散落各處的組織知識變成同一個 source of truth。

或來信 [email protected]

不是又一個 AI 分頁。是 thread 裡的同事。

模型不是護城河。你的組織 context 才是。