← Gimbo's Universe / Ideas / 人机混编团队
深度导读 · Anthropic 官方博客 · 公司的形态 #04 × AI 学习记录 #05

公司缩到几个人之后,
剩下的座位,
坐的是 agent.

Anthropic 把自己内部怎么和 AI agent 混编工作,写成了一份官方 playbook:《Building effective human-agent teams》。开头一句就是判断:工作不再是单人游戏(一个人对着一个聊天窗),而是多人游戏——一队人定战略,Claude 执行。「公司的形态」这条线我追了三篇:公司只有 300 年、正在收敛到几个人。这一篇补上了一直缺的那块:几个人的公司,里面到底怎么运转。这篇导读把它的三个技术前提、四条经验、两条深层机制,逐层拆开。

原文
Anthropic · Kristen Swanson · 2026.06.24
主题
人-agent 混编团队的运转规则
形式
深拆四条经验 + 读出两条深层线

agent 搬进了
工作发生的那个地方

过去两年我们默认的 AI 用法是「单人游戏」:一个人,一个对话框,聊完就散,记忆随窗口关闭蒸发。文章说 Anthropic 内部的工作已经不长这样了——agent 住进了 Slack 这类工作真正发生的地方,同时和多个人协作。让这件事成立的,是三个此前一直缺位的技术前提:

前提 一

持久记忆

agent 记得团队的目标,并朝着目标持续调整自己的执行——不再是每次对话从零开始的金鱼。记忆让它第一次有了「立场的连续性」。

前提 二

独立凭证

agent 的账号不挂在任何一个人类名下,在安全、可预期的护栏内自己行动。这一步比听起来重要:它把 agent 从「某人的工具」变成了「团队的成员」——有自己的身份,也有自己的权限边界。

前提 三

持续的宽信息访问

agent 能持续读到组织的公开讨论和文档,自己学会这家组织怎么运转,然后采取行动——而不是每次靠人把上下文一勺一勺喂进对话框。

三样凑齐,agent 才能「跨越整个团队做出有生产力的贡献」——谁都可以在线程里 @ 它,它接得住上文,记得住决定,干得完整段活。私下一对一的通道并没有消失(该私聊私聊),但工作的默认位置从私聊搬到了公共线程。这个位置的迁移,就是单人游戏和多人游戏的分界线。

「公司的形态」这条线走到这的接口:《公司可能是一个 300 年的临时实验》说公司在向 3–10 人收敛,《不是一人公司,是几个人的公司》说真要把体验做好最后是几个人——但「几个人 + AI」里那个 AI 到底以什么形态存在,一直是虚的。这篇给了具体答案:不是几个人加一堆工具,是几个人加一排有名字、有专长、有记忆、有信任等级的 agent 队友。人定战略,agent 干活。

四条经验,
每条都带具体做法

文章的主体是四条从内部实践里长出来的经验(lessons)。它不是四句口号——每条下面都有一份能直接抄的做法清单,和一个真实案例。

1

把工作公开做,给 agent 足够宽的上下文

Work in public and give agents broad context

整条原则可以压成文章里最锋利的一句话:「如果没写下来、agent 够不着,它就不存在。」人类队友之间靠隐性知识和茶水间闲聊补位,agent 没有这个通道。它的世界里只有两种东西:写下来的,和不存在的。

原文做法清单
  • 在公司层面选定少数几个安全边界,让工作区和文档分享设置与之对应——而不是一条一条内容地纠结「这个要不要给它看」。
  • 新开的沟通渠道默认对组织内公开;每一次决策都要落进 channel、文档或会议纪要。
  • 写文档和会议纪要时,把 agent 当成第一读者——原文的说法是:agent 如今是团队文档的「主要消费者」(primary consumer)。
  • 确保 AI 拿得到完成工作所需的工具和信息。
公开的回报 上下文够宽之后,agent 能干出人类经常干不了的事:认出「这个提案上个季度被毙过」、推荐团队里已有的最佳实践、发现两个小组正在重复造同一个轮子。组织的记忆第一次有了一个不休假、不离职的载体。
2

每个人、每个 agent,都有明确角色和趁手工具

Every human and agent get a defined role with the right tools for the job

混编团队最怕的不是 agent 不够强,是没人说得清谁负责什么。文章的解法是一份「共同名册」(roster):人和 agent 并列在同一张表上,各自的任务、边界、工具写清楚。

原文做法清单
  • 议定的任务分工:团队的人类和 agent 就「谁做什么」达成一致——不是默认 agent 什么都顺手做一点。
  • 人和 agent 在同一条共享线程里干活,任何人(或 agent)都能接手别人放下的活。
  • 每个成员——无论人还是 agent——都要有完成自己那份工作趁手的工具
  • agent 的角色和边界要有成文描述;专长用 skill 文件定义,让「专业化」变得容易。
文中案例 一个工程团队给自己的 roster 添了一名专管发布的 release manager agent——发布流程从「轮到谁谁倒霉」变成一个有专人(专 agent)负责的常设岗位。
3

设一颗北极星,agent 才会主动

Set a north star to make agents more proactive

光派活,agent 永远是被动的:活来了干活,活没了闲着。文章说要让 agent 从「执行者」变成「主动的支援者」,前提是它得知道团队在朝哪走——原文:「清晰的北极星给了 agent 一个稳定的方向,和主动支援团队工作的真实机会。」

原文做法清单
  • 人类先讨论、辩论、然后写下来一个有野心的北极星目标——注意顺序,吵架的部分是人的活,agent 不参与定方向。
  • 把北极星共享给团队里的 agent,并显式点名哪些 agent 有权主动建议新的工作流——主动权是授予的,不是默认的。
  • 把人的高质量时间在日历上保护起来,会议只聚焦最重要的工作——agent 接走杂活之后,人的时间要花在刀刃上,而不是被更多杂事回填。
文中案例 一个内部工具团队把北极星设为「让产品上手过程更有帮助」。agent 没等人派活,主动建议改进 onboarding 的报错文案——改完之后,次周的上手成功率有了可测量的提升。北极星在这里起的作用很具体:agent 知道「什么算值得主动去做的事」。
4

信任不是给的,是随时间挣出来的

Build trust over time

这条是全文最重、也写得最细的一条。核心一句:「团队按 agent 已证明的可靠度,按比例授予自主权。」文章把它拆成了三个阶段——

原文做法 · 按阶段
  • 早期:人工审查 agent 的每一份产出,给反馈,顺手把审查标准沉淀成任务验证清单;同时让 agent 调用一个验证者 agent(verifier)检查执行者的工作——执行和验证分开,agent 不给自己批卷。
  • 中期:把反思装进循环——让 agent 复盘自己的失误,工作质量随时间自我改进;并且按任务类型追踪:每个 agent 在哪类任务上已经挣得了自主权。
  • 后期:某类任务重复成功之后,按任务类型扩大授权范围;同时教 agent 把人类注意力当稀缺资源——提问要批量、关键上下文要主动重复、控制沟通总量;再给 agent 的日工作量设护栏
文中案例 一位工程负责人先让 agent 读 backlog、判断归属、打复杂度分——都是低风险的分诊活。信任攒够之后,agent 独立处理了 500 个 bug 修复,靠的不是逐条盯,而是每周一份「lessons & missteps」报告持续纠偏:错误不是事故,是喂给下一周的训练数据。

我从四条经验里,
读出两条深层线

四条经验各管一摊,但把它们叠在一起看,下面压着两根更结构性的梁——这两样才是这篇 playbook 真正区别于「又一篇 AI 协作 tips」的地方。

深层线 · 之一

信任第一次被「工程化」了:不是开关,是一部有刻度的梯子

大多数团队对 AI 的信任是二元的:要么不敢放手,要么一把梭。这篇文章里的信任是一个可计量、可升降的工程对象:按任务类型记录成功、连续做对才扩一级授权、执行者和验证者分离、失误落成每周报告。「按已证明的可靠度,按比例授予自主权」——这句话里每个词都是刻度。

换个说法:公司第一次需要给 agent 建一套「人事制度」——试用、考核、转正、扩权、降级,一样不少。500 个 bug 修复不是从天而降的胆量,是从「读 backlog 打分」这种低风险分诊活一级级爬上来的。信任的来源不是模型多强,是轨道留下的记录

深层线 · 之二

稀缺资源换位了:从「执行产能」变成「人类注意力」

文章后半段的每一条纪律,其实都在围着同一个新事实转:agent 的产能近乎无限之后,整个系统里最稀缺的资源变成了人的注意力。所以提问要批量、关键上下文要重复(别让人翻记录)、沟通总量要限制、agent 的日工作量要设上限、人的高质量时间要在日历上圈起来保护。

最值得咀嚼的是护栏的双重目的:日工作量上限不只是防 agent 刷屏——原文说得很清楚,它保证人类还能「有意义地参与工作」,并且保住自己看重的那些技能。防的不只是 agent 泛滥,还有人的空心化。一个把人彻底架空的混编团队,短期看效率,长期看是把「设战略、守品味」的那一半也蒸发掉了——而那一半恰恰是人在这个形态里仅剩的座位。

这些不是 AI 创新,
是好团队实践变成了必需

文章结尾自己把谜底揭了:「这些模式没有一条是新的——至少对人类不是。」目标清晰、角色明确、文档要强、质量有门、错误变成学习——健康团队的基本法则,管理学一百年前就会念。它接着说:获益最大的,会是那些最有意图地把这些基本面做扎实的团队。

真正的变化在「必需」两个字上。人类团队里,这些是可选的好习惯——文档烂一点,靠隐性知识和茶水间闲聊也能兜住。agent 没有隐性知识,没有茶水间:只有写下来的才存在。所以 AI 把好管理从一种美德,变成了一个接口。管理,第一次从软技能变成了硬技能。

文末给了五个自检问题——写给任何想组人机混编团队的团队,拿来照一照自己:

五问自检 · 原文清单
  1. 1agent 和人需要的所有信息与权限,是不是公开的、可搜索的?
  2. 2你能不能一口气写出团队名册——每个人、每个 agent、各自负责什么?
  3. 3每个成员(人和 agent)是不是都有完成自己工作趁手的工具?
  4. 4关键的工作产出,有没有评分标准或测试能验证好坏?
  5. 5整个团队有没有一颗大家都在参照的北极星?
如果没写下来,
它就不存在.

全文我只带走这一句当座右铭。它表面上是 agent 的认知限制,实际上是给所有组织的一记警钟:你的团队里有多少东西,只活在某几个人的脑子里?人类队友会替你兜着,agent 不会——而当 agent 成为团队的一半,兜不住的那天,就是清算的那天。写下来,不再是为了留档,是为了让一半的队友能看见。

好的管理,
第一次成了必需品.

「公司的形态」这条线走到第四篇,轮廓越来越清楚:公司在变小,但它不是变成一个人加一堆工具,而是变成一支混编团队——几个人定战略、守品味、对结果负责,一排 agent 有名字、有专长、有记忆、有信任等级。而这支团队能不能转,考的全是那些最老的功课:写下来、定角色、立目标、验产出。Anthropic 这篇的价值,是把「几个人的公司」内部那台机器,第一次拆开给你看了零件图。

附 · 一点 builder 批注

我业余搭过一年这种形态的单人版(一个人 + 一排各管一域的 agent),对照读下来,四条经验大都能对上——这大概说明它们不是 Anthropic 的独门配方,而是混编团队这个形态自带的物理规律,谁认真跑谁就会撞见。真正被我带走的是两样:把「永不」型的静态红线升级成有刻度的信任梯;把自己的注意力当稀缺资源,立成显式纪律。单人版是彩排,多人版是正剧。

—— 这是「公司的形态」专辑第 4 篇,也是「AI 学习记录」第 5 篇。看到什么、动手改了什么,都收在这里。