过去几十年,企业软件一直围绕一个基本假设设计:企业由人组成,软件服务于人,业务流程由人驱动。
因此,我们有了 OA、ERP、CRM、HR、IM 等企业软件。它们帮助企业管理员工、组织资源、传递信息和协同工作。
但 AI Agent 的出现,正在改变这个基本假设。
[Read More]过去几十年,企业软件一直围绕一个基本假设设计:企业由人组成,软件服务于人,业务流程由人驱动。
因此,我们有了 OA、ERP、CRM、HR、IM 等企业软件。它们帮助企业管理员工、组织资源、传递信息和协同工作。
但 AI Agent 的出现,正在改变这个基本假设。
[Read More]我跑了一段时间的实验:让一个 Agent 每天把我的一千多条钉钉消息编译成可核对的台账。第一版很糙——模型带着工具自己翻原始消息,单次任务烧掉约 83 万 token;后来改成「代码先采齐、模型只调一次」,同样的任务降到约 6 万(过程和实测在每天 1000 条钉钉消息,我让一个 Agent 先编译再开口里)。
相差 14 倍。这个数字放在个人实验里是有趣的,放在产品里是致命的:如果一个服务上万用户的 AI 产品,每个任务都按 83 万 token 的方式跑,两种架构的差别就是「毛利为正」和「每单都在流血」的差别。
这是本文的前半句:AI 产品的成本和弹性,是架构问题,不是运维问题。
后半句来自另一个观察:这两年见过不少「AI 产品」,是在老软件上钉了一个聊天框。用户照样翻菜单、填表单、手工同步数据,AI 只是一个更会说话的查询框。这类产品的架构可能很先进,但依然不成立——因为它的体验不是 AI 原生的。
所以我对 AI 产品的判断标准是两道及格线:技术的及格线是云原生,它决定产品能不能活;体验的及格线是 AI 原生,它决定产品配不配活。
[Read More]早上九点,我刚坐下,钉钉弹出一张卡片:你上周在群里答应过的事,今天到期,台账里还没关闭。卡片下面给了下一步:一键催办责任人。我愣了一下——这个承诺,我自己已经忘了。
这样的早晨,过去几个月几乎天天发生。我一直在让数字员工接手我自己的工作流:每天读一千多条钉钉消息,编译事项台账,跟进我拍过的板、许过的诺(见从群聊到数字员工:AI 正在编译企业的影子工作系统)。以前这些靠我脑子记,漏掉的承诺就是漏掉的管理;现在台账替我记,到期它主动来提醒。
跑下来,体感分两层:第一眼,工作还是那个工作,变的只是每一步由谁来做;再往深看,有些步骤正在消失,也有些新步骤长了出来。把这份体感放大到企业视角,就是下面这篇分享。
[Read More][Read More]面向在 Agent harness 上做应用的工程师。你已经会写插件、调 persona。这篇讲一件更朴素的事:一个员工的定义,是怎么变成一个能跑的进程目录的 —— 以及这一步里那些「违反时不报错」的坑。
案例来自本仓库:跑在 DeepSeek Harness(dsh)上的钉钉数字员工。入口是
make build,实现在bin/employee的build()。dsh 底座本身的理念与细节,见 DSH 微内核架构:数字员工的 To B 哲学 和 一切皆插件:DeepSeek Harness 真正硬核的是三个细节;本篇只讲组装的工程。
前几天我手工做了一份研发效能排名,把一群工程师某两天的 PR 产出按质量和效率排了个序。做完之后,记住的是两件事。
第一件:评审记录里抓出一个极端案例——评审意见指出问题之后 54 秒,代码就合入了。这种事实只能靠把时间戳逐条比对出来。它躺在数据里,但没有任何模型会替你「读」出来。
第二件:这份排名差点在第一步就错了。GitHub 账号、IM 身份、群里的那个「人」,是三套账号体系。有个账号明明就是某位工程师,但证据只有群里几句「@某某 #PR 号」的交叉引用。如果我图省事直接猜合,就会把别人的产出算到他头上——这是这类系统能犯的最坏的错。
排名做出来之后我想明白了一件事:难点根本不在统计,在四件性质完全不同的事——认人、算数、取证、判断。而让 AI 做效能度量,成败取决于你有没有把这四件事分给不同的角色。
这篇把我此后一直遵守的通律写下来:AI 度量研发效能,精度分三层——事实高、判断中、因果低。 以及一个更反直觉的结论:排名只是副产品,真正的资产是它底下那层确定性事实——建好之后,一整张管理问题表都是近零边际成本白得的。
[Read More]我先讲一个自己跑了一段时间的实验:让一个 Agent 每天读我的一千多条钉钉消息,先编译、再开口——我拍过什么板、许过什么诺、哪些事还没落地、哪些风险没人提醒我(详见每天 1000 条钉钉消息,我让一个 Agent 先编译再开口)。
这个实验让我确认了一件更朴素的事:这些真正推动我工作的东西,一直躺在聊天记录里,从来没有被任何正式系统替我记住过。
我个人的困境,放大几个数量级,就是企业的困境。
每个企业都有一套正式的工作系统。
项目管理软件里有任务,CRM 里有客户,ERP 里有订单,OA 里有审批。它们共同构成了企业的信息化基础设施。
但如果仔细观察真实的工作过程,会发现一个有趣的现象:
真正推动企业运转的,往往不是这些正式系统,而是那些没有被正式记录下来的协作信息。
一个项目什么时候真正启动?可能是项目群里的一句「我们今天开始」。
一个任务什么时候被承诺?可能是某个人在群里回复「这个我来跟进」。
一个项目什么时候出现风险?可能是连续三天没人回复,或者负责人在会议中说了一句「这个事情可能要延期」。
一个决策什么时候发生?可能是老板在群里说了一句「就按这个方案执行」。
这些信息散落在群聊、单聊、会议、文档、邮件和各种业务系统中。
它们没有统一的数据结构,没有标准的状态机,也没有完整的生命周期管理。
但它们真实地决定着企业每天如何运转。
我们可以把这套系统称为企业的 影子工作系统(Shadow Work System)。
它不是一个软件,而是由人的沟通、承诺、决策、协作和执行共同构成的动态系统。
群聊就是其中最典型的载体。
过去二十年,企业数字化的基本思路是:
先定义业务流程,再设计软件系统,最后要求员工按照系统规定的方式工作。
这套方法非常有效,但也有明显的局限。
项目管理软件要求人主动创建任务、更新进度、维护状态;CRM 要求销售人员及时录入客户跟进记录;知识管理系统要求员工主动整理和沉淀知识。
这些工作本身并不创造业务价值,却成为使用系统的必要成本。
于是出现了一个普遍现象:
正式系统记录的是应该发生的事情,影子系统承载的才是真正发生的事情。
企业买了很多软件,却依然需要大量的人来追进度、催反馈、整理会议纪要、维护项目台账。
问题不是企业缺少软件,而是软件没有真正理解人的工作。
AI 带来了一个新的机会:
不再要求人把工作搬进系统,而是让 AI 进入人的工作现场,理解正在发生的事情,并自动构建工作系统。
这是一种根本性的范式变化。
[Read More]写给偏传统团队的项目管理者:没有 Jira、没有 Notion,或者买了但没人更新的那种。
偏传统团队的项目管理现状:没有 Jira、没有 Notion,或者买了但没人更新。真正承载项目的是钉钉群——重大讨论在群里、每日例会在群里、日报周报在群里、风险同步在群里、甚至口头承诺和拍板决策也在群里。
群聊是事实上的「影子项目管理系统」:信息全在里面,但是非结构化、易逝、依赖人脑记忆。产品机会不是再造一个系统让团队搬家,而是把这个影子系统编译成正式系统。
这正是 从程序编译器到企业上下文编译器 那条判断在一个具体场景里的落地:记录不等于理解,消息不等于组织状态——但消息可以被编译成组织状态。
| 损耗 | 表现 | 代价 |
|---|---|---|
| 记忆损耗 | 「上周拍板的事谁还记得?」「那个风险谁在跟?」 | 决策重复讨论、承诺无人认领、风险靠人记忆 |
| 编译损耗 | PM 每天手工翻群拼日报、周会前突击汇总 | PM 80% 时间花在信息搬运,不是判断 |
| 响应损耗 | 延期 3–5 天才被想起来上报 | 风险发现永远滞后于风险发生 |
AI 原生 ≠ 让人学会用 AI 工具。
对传统团队,「原生」指的是工作流的产物机器可读、步骤 agent 可执行、闭环可自我迭代——而人留在自己的原生环境(群)里,习惯一点不改。
传统工作流:
人聊天 → 人记忆 → 人手工编译 → 人写日报 → 人追风险 → 人回答「那事怎么样了」
AI 原生工作流:
人聊天(不变)→ AI 编译(时间线/承诺台账/风险册)→ AI 召回(日报/预警/问答)
→ 人做判断(高质量输入 + 决策)→ 反馈回写,闭环迭代
# generated by hugo AI
我们的共识是:预配置数字员工可承接 80% 日常项目管理工作,人只负责提供高质量输入和线索。但有一个前提——agent 弥补不了人的不齐:团队没有 spec/规范共识,agent 也跑不顺。所以规范先行,不是工具先行。
[Read More]前阵子给工作助理 Muse 算账的时候,我发现一个很尴尬的数字:它每天写一篇工作日记,最早的做法是让模型带着工具自己去翻素材,一次要烧掉约 83 万 token,因为同一份上下文被来回重发了 9 次左右。改成「代码先把素材采齐、模型只调用一次」之后,降到约 6 万 token,耗时几乎不变。
省钱只是表面。更让我在意的是,第一种做法里模型每次都在 重新理解同一批原始消息:谁是谁、哪句话是承诺、哪件事已经关掉了。理解了一遍又扔掉,下次再来一遍,而且每次理解的结果还不完全一样。
这件事让我对知识编译(Knowledge Compilation)形成了一个明确的判断:
目前实现知识编译最合适的工程范式,是 Harness Engineering + Models。模型负责理解和推理,Harness 负责把理解和推理变成一个可靠、可持续运行、可评估、可迭代的工程系统。
这个边界很重要。只有模型,你得到的是一次次聪明但不可复现的理解;只有 Harness,你得到的是一套规则写死、碰到自然语言就失效的 ETL。两者分开各管一摊,知识编译才能成为一个工程系统。
我在 从程序编译器到企业上下文编译器 里讲了「企业上下文编译器」是什么:词法分析、符号表、IR、链接、增量编译怎么一一对上。这篇不重复那个类比,回答的是下一个问题:用什么工程范式把它造出来,以及怎样把它抽象成一套通用的知识编译架构。
[Read More]写给已经在用 Coding Agent 写代码的工程师。
之前两篇文章(《用 SPEC 和 Evals 把数字员工做成一个能自我改进的系统》、《做好一个钉钉数字员工,只有三件事》)讲的是 单个系统怎么建:SPEC、Evals、基建。
这篇往前站一层,谈整个研发组织:当 10 倍效率成为明确的战略要求时,瓶颈就从「怎么建系统」转移到了「组织里谁在建、怎么验收、怎么分配杠杆」。
先把结论放在前面:
10 倍不是让每个人写代码快 10 倍,而是把从需求到结果的闭环时间压缩一个量级。代码已经不稀缺,稀缺的是判断:定义什么是对的,证明交付确实是对的。一个研发组织 10 倍效率的上限,取决于它的判断密度,而不是程序员的数量。
下面五节,分别是这个结论在效率、环境、测试、人才和知识沉淀上的推论。
[Read More]昨天那篇 每天 1000 条钉钉消息,我让一个 Agent 先编译再开口 是从一个 ❌ 开始的:我在单聊里问一位同事某件事要不要先做,他回了四个字「今天弄好」;5 分钟后,我的工作助理 Muse 把这句话当成急事推给了我——而我 7 分钟前就在和他聊这件事。
那次修的是推送时机。但这四个字之后一直在我脑子里,因为它暴露了另一个问题:同一件事,在我的台账里是「等别人交付」,在他那边是「我要办」。 Muse 只编译了我这一半。他那一半在他脑子里、在他的待办里,或者哪儿都没有。
把一个人的工作流编译成 AI 能用的上下文,444 那篇已经跑通了。这篇往上走一层:一个组织的工作流,能不能像程序一样,被一台编译器编成 AI 可以执行的上下文?
我的回答是能,但前提是把「编译器」这个类比当真——不是借个名字,而是把词法分析、符号表、中间表示、链接、增量编译一一对上,再老实承认它在哪里不成立。恰恰是不成立的那几处,决定了这台编译器该怎么设计。
[Read More]