去年年底，一个带三十人团队的朋友跟我吐槽：「我团队执行力特别强，交代什么做什么，但就是没人主动提新想法。」
我问他：「你的绩效考核怎么算的？」
他说：「Bug 修复数、代码行数、需求交付准时率。」
我说：「那你训练出来的不是工程师，是 KPI 优化器。他们不是不会探索，是探索了没奖励。」
他愣了一下：「这跟训练 AI 有什么区别？」
区别不大。真的。
[Read More]两个数字员工，一个组织：企业数字员工开发最佳实践
Two Digital Employees, One Org — A Reference Architecture for Building AI Workforce
上个月我在钉钉群里发了一句话：「给数字员工加一个查闲忙的能力。」
十分钟后，我收到了三条消息。第一条来自 Coding Agent：「✅ 已创建 Issue #12：日程能力——支持查询闲忙。」第二条还是它：「✅ 开发完成，15/15 测试通过，已 push，CI 运行中。」第三条来自数字员工本身：「🤖 v1.3.1 已上线，日程插件已更新，随时 @我 开始工作。」
从一句话到生产环境上线，我没有打开电脑，没有写一行代码，没有手动跑一次部署。
这不是 Demo。这是我过去三周每天在用的工作方式。
为什么 AI 选人、选品、选股、选爆款，都不太灵
The Structural Reason AI Struggles with the Four Hardest Selections
上周跟一个做消费品的朋友聊天，他说：「我们去年花了大几十万买了一套 AI 选品系统，模型跑出来的 TOP 10 推荐，没有一个最后卖爆的。反而是我们产品经理在逛小红书时随手截图说『这个感觉会火』的一款，成了年度销冠。我跟老板汇报的时候都不知道怎么解释——AI 花了五十万选不出来，人刷了五分钟手机选出来了。」
我听完笑了——不是因为 AI 不行，而是因为这种故事太常见了。选股、选人、选品、做爆款内容，四件事看起来领域完全不同，但如果你仔细看它们失败的方式，几乎一模一样。
这不是 AI 暂时不行，是 问题结构决定了 AI 天然受限。
数字分身和数字员工的分界线：不是能力，是服务关系
The Line Between Digital Avatar and Digital Employee Is Service Relationship, Not Capability
上个月，一个 CEO 朋友给我看他的 AI Executive Assistant。
这个 Assistant 每天帮他看邮件、总结会议、安排董事会、订机票、写讲话稿。用了大半年，CEO 说：「它比我的真人秘书更懂我。」
然后他问了一个问题：「我想让它也帮其他高管安排行程、协调董事会会议、统一管理行政资源。行不行？」
我说：行。但你要意识到， 你正在把它从一个分身变成一个员工。
他笑了：「不就是多服务几个人吗？能力是一样的。」
我说：能力是一样的。但 身份、权限、审计、责任归属，全部要重来。你现在的 EA 出了错，你骂它一顿就行。总裁办的 EA 出了错，谁负责？你？行政总监？还是那个 Agent 自己？
他笑不出来了。
让组织可编程：一位连锁门店老板教会我的事
Making the Organization Programmable — What a Chain Store Owner Taught Me About Enterprise AI
上个月，一位做连锁门店的朋友给我看他的钉钉后台。
他管 7 家门店、几十号员工。没有 IT 部门，没有开发团队，不会写一行代码。
但他给我看的东西让我愣住了：门店排班系统、每日任务打卡、AI 照片核查、经营日报自动生成、工资预审流程、设备报修闭环——全部跑在钉钉上，全部是他和 AI 一起搭出来的。
我问他：「你什么时候学会写代码的？」
他说：「我不会写代码。我只是告诉 AI 我想怎么管门店，它帮我搭出来的。」
然后他说了一句让我想了很久的话：
「以前很多事情不是不会，是没有时间做。现在想到一个新的管理流程，先让 AI 帮我搭出来，再不断调整。试错成本下降了很多。」
这不是「自动化」。自动化是把已有的流程跑快。他做的是 把以前根本不存在的流程变成现实。
Agent 跑了两小时，你一无所知：长程任务的人机通信协议
Designing the Communication Layer Between Humans and Long-Running Agents
上周，一个 FDE 给我发了条消息：「我让 Agent 帮我做一份竞品分析，它说『好的，我开始处理』，然后就消失了。两个小时后我实在忍不住，去群里问『你还在跑吗』，它回了句『是的，还在处理中』。又过了半小时，终于出来了——结果质量不错，但这两个半小时里我完全不知道它在干嘛、做到哪了、有没有卡住。」
这个场景太常见了。而且它暴露了一个大多数 Agent 平台都没认真对待的问题： 长程任务的人机交互设计。
不是模型能力的问题，不是工具调用的问题——是 **通信协议 **的问题。Agent 和人之间，缺少一套关于「什么时候说话、说什么、怎么说」的共识。
[Read More]三步上线一个数字员工：开源脚手架背后的交付范式
From Harness Theory to an Open-Source Scaffold Anyone Can Fork
上周一个 FDE 跟我说：「我在客户现场搭一个群聊数字员工，从建账号到调通花了两天。其中一天半在处理断线重连、图片下载、消息去重这些脏活。」
我给他看了 dingtalk-opencode-tag：下载 opencode + 装 dws + 钉钉扫码授权，三步上线。跑在免费模型上，起步成本为零。
他试了一下，十分钟就通了。然后说了一句让我印象很深的话：「这不只是一个脚手架，这是一种交付范式。」
他说得对。这个项目的意义不在于它做了什么——文本对话、图片识别、文件解读，这些功能谁都能写。意义在于它 把生产环境的脏活封装成了可复制的 Harness，让数字员工的上线门槛从「一周的工程工作」降低到「三分钟的配置」。
[Read More]AI 钉钉的护城河不在 AI，而在组织图谱与协同飞轮
The Moat Is Not the Model — It's the Org Graph and the Learning Loop
上个月，一个做汽车零部件的客户给我看他们的数字员工矩阵。
七个 Agent，分布在不同的钉钉群里，覆盖销售跟进、采购审批、质检报告、供应商对账、项目进度追踪、会议纪要生成、新员工入职引导。每个 Agent 都有组织身份——有工号、有权限、有审批链、有审计日志。它们不是独立的聊天机器人，而是组织的一部分。
然后他问了一个让我想了很久的问题：「如果有人要换掉钉钉，这七个 Agent 能带走吗？」
答案是不能。不是技术上搬不走——代码和数据可以导出。而是这七个 Agent 的每一个都 深度嵌入 了钉钉的组织图谱：审批链上的层级关系、群里的权限配置、通讯录里的汇报线、上下游组织的合同状态。换一个平台，这些上下文全部归零。
这就是护城河。但它不是大多数人以为的那种护城河。
数字员工驱动的工作流：数字原生工作方式的转折点
When the Subject of Workflows Shifts from Humans to Digital Workers
上个月，我去一个客户的运营部门看他们的周报流程。
过去的方式：周五下午，运营主管花两小时从三个系统里扒数据，手动填 Excel，写总结，发邮件给 VP。每周一早上开会讨论。
现在的方式：周一早上 8 点，数字员工「数据周报 Agent」自动从三个系统拉数据，生成周报，发到运营群里。主管花 10 分钟审核、批注，回复两个字：「OK」。
这看起来只是效率提升——从两小时变成 10 分钟。但仔细看，主语变了。
过去的周报流程，主语是 人：人去扒数据、人去写报告、人去发邮件。AI 最多是个辅助工具。
现在的周报流程，主语是 Agent：Agent 去拉数据、Agent 去生成报告、Agent 去发送。人变成了审核者和决策者。
这不是工具升级。这是工作流范式的迁移。
模型与 Agent 的边界正在消失，但企业会选择看不见的那条线
When Models Swallow Agents, Data Sovereignty Draws the Line
上个月和一个做制造业的客户聊。他们花了三个月，把内部的工艺参数、良率数据、供应商评分全部结构化，喂给了一个通用模型的 RAG 系统。效果确实好——Agent 回答的工艺问题比他们自己工程师还准，内部试用两周，业务部门已经开始依赖了。
然后 CTO 问了我一个问题：「如果我的竞品也买了同一个模型的 API，我的这些知识会不会变成模型的一部分，间接服务于他？」
我沉默了几秒。不是技术上做不到隔离——模型厂商的合同里确实写着不训练、不留存。但我没法告诉他怎么 验证 这一点。这是一个 信任问题，不是技术问题。
这个问题让我意识到：关于「模型和 Agent 的边界」的讨论，我们一直只从技术视角切入。但实际上，决定这条边界的不是能力，而是 数据主权。
[Read More]