入坞科技 Dockingtech · Overtake.AI

做真正能用的 AI Agent,需要工程 Hack 能力。

我们既懂 SMB 商业化,也懂把模型能力跑进真实工作流。团队从一开始就围绕同一个命题组织:让 AI 员工不只会回答,而是真的能学习、操作、校验并每天运行。

SMB 商业化 Agent 工程化 战略与经营分析
入坞科技三位团队成员在成都办公室外合影
成都入坞科技办公室外的三位核心成员。
李禹衡 Harvey

创始人 & CEO

李禹衡 Harvey

  • UC Irvine - Computer Science / Quant Economics
  • 连续创业者,深耕中国 SMB SaaS 商业化
  • 垂直行业头部 SaaS 产品经验
  • 前海华盈方向、商业化与整体战略
吴涛 Karl

联创 & CTO

吴涛 Karl

  • 10+ 年工程架构经验
  • AI Agent / GUI Automation / Workflow System
  • 负责 Watch & Learn、Harness、OS/GUI 执行系统工程化
  • 驱动自动化方案落地,做可每天运行的产品
银子 Ziggle

AI R&D

银子 Ziggle

  • 牛津大学经济学 MPhil
  • 澳大利亚昆士兰大学经济学博士
  • 宏观分析与经营分析
  • 支持产品判断、行业研究与商业模型搭建
  • 前研究与数据支持公司长期决策

核心命题

学习后接管电脑,是 AI 员工进入真实工作的关键路径。

线索型 SMB 的业务发生在屏幕里:公域内容、评论私信、微信跟进、CRM、ERP、开票、库存、表格和内部系统。LLM 再强,也不会天然知道一家公司的内部 workflow、知识库和 SOP。

入坞科技的判断是:模型负责理解,Harness 负责可靠执行,Workflow Learning 负责把一次次真实操作沉淀为可复用 Skill。

3,600+ 中国 SMB 的电脑上雇佣炼刀 AI 员工
3,858 Step 1 付费客户
¥1,800 万 ARR,8 个月稳定
100+ 行业覆盖

三步走

不等待最终态,沿着 AI 能力曲线做当下最有商业价值的 workflow。

  1. Step 1 · 已落地

    Predefined Workflow

    预定义获客、接待和运营场景,让客户上传资料后,AI 按既定逻辑完成重复执行。

  2. Step 2 · 下一拐点

    Watch & Learn & Execute

    老板演示一次,AI 拆解步骤、识别界面、补充规则并保存为 Skill,之后自动执行。

  3. Step 3 · 等待解锁

    Autonomous Learning & Execute

    AI 持续观察公司工作流,主动发现任务、挖掘隐性机会,并形成长期自动化闭环。

入坞科技 BP 中的三步解题路线