四月初的一个周二下午 4:30,我坐下来写第二季度目标——比规定时间晚了一天。我决定像个成年人一样,先盘点第一季度的“损失”。我是认真的。承诺的专栏只写了一半,另一个项目根本没启动。
我可以给出常见借口——季度太忙、项目遇到不可控障碍——但真正的罪魁祸首显而易见:我可能是个优秀的作家,但在项目管理上简直一塌糊涂。
15 年来,我通过回避来处理这个弱点。我不接受需要更强组织能力的管理职位,不接太多自由职业工作以至于无法在脑子里记住所有截止日期,也拒绝雄心勃勃的项目——因为活动部件太多。换句话说,我用胶带把这个问题粘起来,假装它不存在。
这种权宜之计一直有效,直到我决定在四月全职加入 Every。如果要作为正式成员承担更多责任,我必须认真对待项目管理。而在 2026 年,这意味着我需要引入 AI。
于是我为自己构建了一个项目经理:一个 ChatGPT 代理,它持有我的 OKRs(目标与关键结果,定义成功季度的指标),监控我的日历,阅读我的 Notion 待办清单,并帮我决定下一步做什么。否则,我的一天就是打开 Slack、刷新 X、轻度恐慌、重复。

【补充】OKRs 是 Objectives and Key Results 的缩写,一种目标管理框架。
大多数“AI 辅助工作”建议都从你已经擅长的部分入手:写得更快、编码更快、分析更快、交付更多。我感兴趣的是等式的另一边:用 AI 支持那些让你怀疑自己是否胜任工作的部分。
我同时在 Plus One 代理 Margot 和 ChatGPT 代理上设置了项目管理。这里重点介绍 ChatGPT 代理,但你可以用任何提供记忆、上下文和智能组合的系统创建自己的项目经理。
为什么 AI 现在能看管我的待办清单
我之前试过用 ChatGPT 做项目经理——去年自由职业的某个月,我把自己订得太满,截止日期像国税局的未读信件一样盯着我。我会打开新对话,输入类似这样的内容:“我有这个截止日期、那个截止日期、还有那个截止日期;这个会议、那个会议、还有那个会议。我该怎么办?”
对于一次性的紧急分类,效果还不错。问题在于它对我的了解——或者说缺乏了解。 每次回来,我都得重新解释一遍:客户、截止日期、进行中的工作、会议、优先级,以及为什么某个项目比另一个更重要——这些对我来说显而易见,对聊天窗口来说却是隐形的。

然后,在过去六个月里,几件事汇聚在一起,让使用 ChatGPT 进行更全面的项目管理成为可能。
首先,记忆功能改进到足以跨对话携带和应用上下文。接着是高级工具使用能力,使 AI 能够导航和使用浏览器及其他工具。集成功能意味着 ChatGPT 终于能_执行_操作,比如打开我的 Notion、检查日历、阅读 Slack。最后,OpenClaw 和 Every 的 Plus One 等产品将所有这些火力打包成连我这个技术小白都能使用的形式。
这揭示了一个重要原则:如果你一年前尝试用 AI 做某事——比如管理营销工作流或分析财务结果——但没成功,现在再试试。很可能模型和周边产品已经发生了对你有利的变化。是时候让我再次尝试 AI 原生项目管理了。
我构建了什么:一个项目管理代理
说“我构建了一个代理”让整件事听起来比实际更复杂。事实是 AI 完成了大部分工作——我只是把正确的信息放在 AI 能看到的地方,连接我工作所在的工具和软件,然后描述我想要完成的任务。
上下文塑造代理的记忆
有了上下文,代理可以把模糊的目标转化为周四的第一项任务。没有上下文,它就只是待办清单的魔法八号球。
所以,在设置代理时(可以直接通过聊天界面完成),我确保为代理构建器提供了大量文档。最重要的是,我给了它一个 Proof 文档链接,包含我的 OKRs:四个目标、十几个关键结果,以及项目的粗略优先级排序。然后我让它做我最不擅长的第一件项目管理工作:把“成功的季度”转化为具体的阶段、里程碑、截止日期和任务。

“建立可靠的 Vibe Check 流程“是个具体目标,但不是你能在周四下午完成的事。代理把它拆分成更小的部分:审计现有流程、起草概述建议变更的简报、征求反馈、实施变更。
代理给我的第一个有用的东西是一份可以回应的草稿。 有些任务太抽象以至于我不知道从哪开始,有些又太庞大,实际上是伪装的项目。所以我和代理来回沟通设置参数——主要是告诉它“这对我来说太混乱,无法执行”——它就会拆分、重命名和重写条目,直到计划被分解为可执行的项目和任务。
然后任务进入 Notion,在那里变成带有截止日期、状态和关联 OKRs 的看板。
集成为 AI 提供行动场所
下一步是添加集成,让代理能够跨工具跟踪我的工作。
ChatGPT 代理现在让这变得简单到令人尴尬。几次点击,我就把代理连接到我工作已经存在的地方:Notion、Slack、Google Drive 和日历。

这是一年前不可能实现的部分。 那时,ChatGPT 只知道我记得粘贴到聊天框的内容——它无法代表我采取行动。现在代理可以读取我已经使用的系统。它能看到我周四上午的日历是空的,Slack 线程中的讨论为我创建了新任务,Drive 中某处存在一篇文章草稿,以及某个项目属于某个 OKR,而不只是 Notion 上漂浮的罪恶小云朵。
指令告诉代理做什么
上下文告诉代理什么重要。集成告诉它去哪里看。指令告诉它做什么。我需要写的指令比预期的少。
我打开 ChatGPT 代理构建器(在 ChatGPT 网页应用的左侧边栏可以找到)。然后我用简单的英语解释我想要什么:一个帮我组织每周工作并保持季度目标进度的项目管理代理。构建器将其转化为更完整的简报,包括角色、工作流程、如何交付响应的指令、在哪里存储信息以供将来参考,以及不该做什么(例如,编造状态或截止日期)。

归根结底,我关心的指令归结为:帮我组织一周,保持季度目标进度,先做有用的工作,而不是要求我输入太多以至于我还不如自己去看所有输入。
我无法自动化“我”这个部分
我可能正在卸载一种我讨厌且不擅长的工作,但我也在学习新技能——或者说为代理时代重新学习它们。大多数情况下,这些教训通过失败浮现。
失败往往是沟通问题。我花了时间才养成习惯,让代理及时了解它_看不到_的细节。文章发表了,我忘了告诉代理或移动 Notion 中对应的卡片。截止日期变了,Notion 还停留在旧日期上,代理就变得像我让狗去楼上拿玩具时一样没用。

我必须告诉代理草稿何时在审阅或已发表,截止日期何时变更,或会议中出现了新任务。更新 Notion 页面很烦人。但烦人总比把整个季度都装在脑子里好。
另一个问题是“我”的问题。代理无法改变我的个性。它无法让我不那么焦虑或对自己的想法更有信心。比如,我已经坐在第二季度最大项目的提案上一周了,因为我无法说服自己它足够好可以发送。代理知道这件事。它每天提醒我这已经逾期了。而我一直在逃避。代理可以起草邮件并标记延误,但它无法告诉我这个想法是否好。 那部分——决定相信你创造的东西——仍然是我的。事实证明,AI 无法匹敌我的神经质。
在还有时间时知道
每周快结束时,我会向代理要我过去最害怕的东西:状态报告。它审查应该完成的工作、什么推进了、什么延误了、哪些目标看起来越来越遥远。有时答案令人满意。有时它以准确事物的方式显得无礼。
最近有一天,我让它报告我的 OKR 进展:一个项目有势头但需要更清晰的交付路径;另一个看起来健康,但前提是我有代理看不到的成果;我的发布节奏还可以,但如果我建立代理和我讨论过的创意储备会更好。

这正是一个称职的项目经理可能在 20 分钟签到中注意到的事情。 这正是我想从代理那里得到的:在显而易见的事情变成延误、延误变成问题、问题滚雪球般变成失败的目标或更糟——失望的队友之前,让它可见。
在我职业生涯的大部分时间里,截止日期和优先级排序感觉像天气系统:突然降临、偶尔灾难性、大多在我控制之外。现在我可以及时看到锋面形成并采取行动。
如果 AI 只是在帮助你已经做得好的工作部分,试着把它指向你一直在回避的部分。如果 AI 的承诺是让人类腾出手来做只有人类能做的事,那应该包括把我们_从_讨厌做的事情中解放出来。否则,有什么意义呢?
我在项目管理上仍然很糟糕。让我觉得自己在假装成年的那部分工作仍然存在。但我现在有了支持,所以写作得到了它应得的时间。
构建你自己的项目经理
如果你想设置自己的项目管理代理,这是我建议在打开代理构建器之前收集的内容。
1. 上下文:要喂给它的文档
把这当作代理的入职材料。它能读到的关于你优先事项的内容越多,你在聊天中需要重复的就越少。
OKRs 或季度目标。 最重要的文件。如果你没有书面 OKRs,写一页版本的成功季度是什么样子——你的目标、证明它们的粗略指标,以及你已经承诺的任何项目。
战略或规划文档。 任何解释工作背后_原因_的东西:团队战略备忘录、年度计划、项目简报、启动文档。
工作流程文档。 你希望代理知道的常规职责,比如编辑日历、内容发布节奏、例会。
目标的优先级排序。 哪个 OKR 最重要?如果其他一切都延误了,你会保护哪个项目?把这写下来。
2. 集成:连接你工作的工具
连接工作实际发生的系统。
任务管理器。 Notion、Todoist、Asana、Linear,或任何你已经在用的。这成为你工作状态的真相来源。如果你没有,在构建代理之前先设置一个。
你的日历。 Google 或 Outlook。代理需要看到你的时间花在哪里,而不是你说会花在哪里。
Slack 或团队聊天。 这允许代理捕获在对话中分配但从未进入任务管理器的任务。
云端硬盘。 Google Drive、Dropbox、OneDrive,或任何你的草稿和工作文档所在的地方。
3. 提示词
这是我给代理构建器的简报。保留结构,根据你的工作调整细节。
你是我的项目经理。你的工作是帮我组织每周工作并保持季度目标进度。
你可以访问我的 OKRs、Notion 待办清单、日历、Slack 和 Drive。把我的 OKR 文档当作本季度重要事项的真相来源,把 Notion 当作项目状态的真相来源。
每周一,给我一页周计划:什么到期了、什么有风险、我应该优先关注什么,基于每个任务对应哪个 OKR。每周五,给我状态报告:完成了什么、延误了什么、哪些目标看起来越来越遥远。
当我问"我现在应该做什么?"时,检查我的日历看有空时间,检查我的 Notion 看板看待办任务,然后推荐一件事——不是五件。
不要编造状态、截止日期或任务。如果 Notion 中没有日期,就说出来。如果任务模糊,问我一个澄清问题而不是猜测。
保护我声明的优先级不受日常冲动影响。如果我请求帮助做不在 OKR 列表上的事,在帮忙之前先标记出来。
Katie Parrott 是 Every 的特约作者。你可以在她的通讯中阅读更多她的作品。
订阅 Every,在 X 上关注 @every 和 LinkedIn。
赞助合作请联系 sponsorships@every.to。
核心启示:AI 最大的价值不是让你擅长的事做得更快,而是为你不擅长但必须做的事提供支撑——这才是真正的生产力解放。





基于文章:Who Isn't Using GPT 5.5
🌱 发芽一:权力的迁移——为什么顶级 CTO 选择"降级"?
技术行业的权力正在发生一场静悄悄的转移。六位独角兽公司的 CTO 辞去高管职位,加入 Anthropic 做个人贡献者——这不是职业倒退,而是对"影响力本质"的重新定义。
1980 年代,施乐 PARC 实验室的研究员们发明了图形界面、以太网、激光打印机,但这些革命性技术的商业化却由苹果和微软完成。那些研究员后来回忆说:"我们离技术太近,却离权力太远。"2026 年,剧本反转了:那些曾经"离权力最近"的 CTO 们,主动选择"离技术更近"。因为在 AI 时代,模型就是新的操作系统,提示词就是新的编程语言——谁掌握了模型的训练和调优,谁就掌握了未来十年的话语权。citation
HashiCorp 创始人 Mitchell Hashimoto 在 2021 年就做出了类似选择:从 50 亿美元公司的 CTO 回归全职工程师。他在博客中写道:"作为高管,我在会议室里讨论技术;作为工程师,我在代码里创造技术。"三年后,当 AI 重构了整个工程范式,那些留在会议室的管理者发现,自己已经听不懂团队在说什么了。citation
✨ Aha 瞬间
"职业阶梯的方向,取决于价值创造的重心在哪里——当技术变革的速度超过组织决策的速度时,最聪明的人会选择回到变革发生的地方。"
🌱 发芽二:沉没成本的陷阱——为什么"更好"不等于"会用"?
GPT-5.5 在速度和稳定性上优于 Opus 4.7,但大多数用户拒绝切换。这不是技术问题,而是行为经济学中的"禀赋效应"在起作用。
诺贝尔经济学奖得主理查德·塞勒做过一个经典实验:给一组人发咖啡杯,然后问他们愿意以多少价格卖出;给另一组人钱,问他们愿意花多少买同样的杯子。结果:卖价是买价的两倍。人们对"已经拥有的东西"的估值,远高于"尚未拥有的东西"——即使两者客观价值相同。
Every 咨询团队的 Mike Taylor 说得很直白:"我已经把 Claude 设置成我喜欢的样子,Codex 有些地方不一样。"这句话翻译成行为经济学语言就是:迁移成本 = 学习新工具的时间成本 + 放弃旧工具熟练度的心理成本 + 不确定性带来的风险溢价。即使 GPT-5.5 能节省 20% 的时间,如果迁移成本超过这个收益,理性选择就是不动。
更深层的问题是:当工作流已经"足够好"时,优化的边际收益递减,而迁移的边际成本递增。Claudie 在销售提案中击败 GPT-5.5,不是因为 Claude 更强,而是因为团队已经为 Claudie 优化了三个月的提示词和插件——这些沉没成本构成了真正的护城河。
✨ Aha 瞬间
"技术竞争的终局不是性能跑分,而是生态锁定——当用户的工作流、数据和习惯都绑定在一个平台上时,'更好的工具'只是理论上的可能性。"
🌱 发芽三:老虎机心理学——AI 如何劫持创造者的注意力?
"编码感觉像是在玩老虎机"——这句话揭示了 AI 工具设计中一个被刻意隐藏的真相:LLM 的随机性不是 bug,而是 feature。
心理学家 B.F. Skinner 在 1950 年代发现:间歇性强化(intermittent reinforcement)是最强的成瘾机制。如果每次按按钮都得到奖励,老鼠很快失去兴趣;如果从不奖励,老鼠立刻放弃;但如果随机奖励——有时有,有时没有——老鼠会疯狂按按钮,直到精疲力竭。社交媒体的"下拉刷新"正是利用了这一机制:你不知道下一条内容是否有趣,所以你停不下来。citation
LLM 的工作方式天然具备间歇性强化的特征:同样的提示词,每次生成的结果都略有不同。有时第一次就完美,有时需要调整三次,有时调整十次还不对——这种不可预测性让你相信"下一次就是完美的那次"。文章作者承认:"我调整提示词,再次拉动杠杆。一次又一次,直到不知怎么就到了凌晨 3 点。"
更可怕的是,AI 工具的设计者完全知道这一点。Kieran Klaassen 一天合并 24 个 PR,表面上是效率革命,实质上是将人类从"执行者"降级为"审核者"——你不再创造,只是在 AI 生成的多个版本中选择。这看似解放了创造力,实则是用选择的幻觉替代了创造的自主权。
✨ Aha 瞬间
"当工具开始替你思考时,你以为自己在驾驶,其实只是在选择目的地——而真正的自由,是决定要不要上车。"
💭 你的思考空间
基于这些发芽,你可以思考:
应用层面
- 你当前的工作流中,哪些部分是真正的"护城河"(难以被 AI 替代),哪些只是惯性?
- 如果要为团队设计 AI 迁移策略,如何量化"迁移成本"与"效率收益"的平衡点?
批判层面
- 文章假设"离模型越近就越有权力"——但如果模型本身的训练数据和架构由少数公司控制,个人贡献者真的拥有权力吗?
关联层面
- 将"CTO 回归工程师"与其他行业的"去中心化"趋势(如创作者经济、DAO 组织)对比,是否存在共同的底层逻辑?
延伸层面
- 当 AI 的"间歇性强化"成为常态,未来的教育应该如何培养"知道何时停止优化"的元认知能力?
核心洞察:技术变革不仅重新定义工作方式,更重新定义权力结构、决策模型和注意力经济——在这场变革中,最稀缺的不是更强的工具,而是知道何时使用、何时拒绝工具的判断力。