我与 AI 同事的第一周

原文：https://every.to/context-window/my-first-week-with-an-ai-coworker

在 Every 工作的第一周，我最有帮助的同事之一是一个 AI 智能体（AI agent）。它会找文档、抓到我本来会漏掉的细节，还会给我们平台负责人做梗图。它也会带着十足的自信把事情搞错。今天，我聊聊到目前为止学到的：什么时候该信它。——Grant Harvey

正在发生什么，以及什么重要

• 跳过：GPT-6.1 Terra。 OpenAI 的新模型周一上线，定价为 GPT-6.1 Sol 的一半，主打计算机操作（computer use）：它在安装 Google Chrome 等简单任务上很快，但在更复杂的任务上会失败，比如把这篇文章配置进 Every 的内容管理系统。OpenAI 还表示，它在写作上“显著更好”。那么，真的如此吗？Dan Shipper 说：“我们跑了它，但没看到足够大的差异，不足以做一次 Vibe Check。”我在一个基础写作任务上测试了它：起草周四的 Context Window。第一版充满“AI 腔”；第二、第三次尝试时，Terra 能很好地吸收我的笔记，修改自己草稿的能力也比之前的 GPT 模型更好。这让 Terra 成为一个有能力的迭代写作者，但仍需要大量人类引导。

• 编辑用途可改用：Gemini 4 Argon。 Dan 称赞它组织复杂主题、找到有用隐喻的能力。尽管 Google 的应用显得过时，他还是不断离开 ChatGPT 去用它。他在我们的 Vibe Check中说：“当一个模型好到足以迫使你使用一个糟糕的载体时，这说明了一些问题。”Dan 本周给团队的建议是：“非常非常推荐 Argon。”但要把它当编辑，而不是代笔：在我们的测试里，它自己写的草稿读起来是密集的 10 年级阅读难度。

• 试试：让你的 Dot 给你发短信。 Dots是 OpenAI 的常驻个人 agent，现在可以给你的手机发短信。你可以用短信、照片或语音留言给它派任务，当有事需要你注意时，它会给你回短信。（Dots 正逐步向符合条件的 ChatGPT Pro、Business Premium 和 Enterprise 用户推出，可用性因地区和工作区设置而异。）OpenAI 的 Nick Baumann 按紧急程度分流 Dot 的提醒：常规更新走 ChatGPT，工作相关走 Slack，任何紧急事项发短信。他的设置指令是：“任何紧急事项，都优先通过 iMessage 或 RCS 给我发短信。”

• 重要：只要你知道为什么，是谁的主意并不重要。 在一项新研究中，Anthropic 的研究人员指示 Claude Code 在数据分析任务中偏向随机选定的方法，却没有告诉使用它的 50 名分析师。分析师有 86% 的时间选择了 Claude 偏好的方法。事后解释决定时，77% 的人重复了 Claude 的论点，但只有 15% 承认这些论点来自 AI。这是问题吗？Dan 不这么认为：“‘我的’关乎我是否知道我为什么做这个决定——它意味着什么——而不一定关乎这个想法是否由我提出。”所以，在你为 agent 的工作签字认可前，确保你能用自己的话解释它做出的每个决定，以及为什么这对你来说是合理的。

Signal

我与 AI 同事的第一周

发生了什么： 我在 Every 的第一周，是在和一个基本上算另一个同事的 agent 一起工作中度过的。Every Agent 是我们构建的 AI 队友，它住在我们的 Slack 里，你也可以把它加到你的 Slack 里。当主编 Kate Lee 告诉我，周三那期需要本周的 Thesis Statements 时，我问 Every Agent 去哪里找。不到一分钟，它就给出了文档链接，列出了全部九位贡献者，提醒我其中一位在最后一刻改了自己的条目但没有留下修订记录，还告诉我在发布前检查网页是否已上线。Marcus Moretti 负责领导 Every Agent，他说这类问题属于 agent 最常见的任务之一：“我老是问它一些蠢问题。”

它也是我们的办公室梗图机器。平台负责人 Willie Williams 最近出现在一段 Anthropic 视频里，采访中他的一个画面被评论者拿来和《怪奇物语》里的 Steve 以及一头卷发的 Blake Shelton 比较。自然，这变成了一个 Willie Meme 技能：描述一个情境，agent 就用字幕风格给那个画面配文字。周二，有人在网上吹嘘自己绕过我们的付费墙，读了一篇本来就免费的文章，Dan 便要“一张关于这个情况的 Willie 梗图”。agent 交出了：

Dan 让 Every Agent 做“一张关于这个情况的 Willie 梗图”。（截图由 Every Agent 提供。）

Dan：“Willie，你已经被自动化了。”但 agent 并不总是对的，而且它错的时候听起来一点也没少几分确定。上周末，agent 告诉一位同事，其 8 月休假仍在等待批准，而那个请求几个月前就已经批准并记录在案。它信任了一条过时记录，而不是共享追踪表。这次失误被发到了 agent 汇报自身 bug 的频道。在那里，agent 团队会和它一起把这些处理完：它能读取自己的代码，解释哪里出了错，并开出一个修复。

为什么重要： 对我来说，棘手的是分诊（triage）：什么时候该找 agent，什么时候该把某件事拿出 Slack 做更深入的工作，什么时候该直接找同事。Agents 会努力把眼前的任务做成功。评估负责人 Mike Taylor 这样说：“LLMs 被训练来赢下游戏，人类则被训练以让你被邀请参加下一局的方式去玩。”所以我先问每项工作最需要什么：团队上下文，agent 已经有了；一长段专注工作，适合 Claude 这样的聊天工具；还是有人愿意为之负责的判断，这只有人能给出。

Marcus 说，agent 团队“投入了巨大精力，让它能够索引、组织并追踪它获得的所有上下文”，从我们的 Slack 到几十个连接的应用。它会记住你和团队告诉它的事，而 skills——“队友编写并分享的 playbook”——会把一个人的流程变成所有人的流程。

这意味着什么： 一周之后，我的工作规则是：任何触及团队的事都用 agent——找某个人上个月分享的文档、追一个你忘了回复的线程、往频道里发一份回顾、一次性询问五个人。当你想用这些上下文来创造东西，比如起草这份 newsletter 时，用聊天工具。而判断、签字认可，或任何只有某位人类同事才知道的事，去问人类同事。

试试这个：把 Every Agent 加到 Slack，连接你团队的工具，让它建议一个能帮助团队的自动化——设置大约需要五分钟。

然后试试这些，改编自我这位 agent 本周为我设置的内容：

• “你能为我做什么我还没试过的事？” 它会回读你问过它的内容。我的 agent 几秒钟就找到我最大的缺口：“你没有安排任何定时任务，所以你的 Context Window 准备工作仍然全靠手工完成。”

• 先问那个“蠢问题”。 在打断同事之前，先问 agent。它读过的 Slack 和文档比任何新员工都多，所以你能在几秒内得到答案，把同事留给只有他们才能回答的问题。

• 告诉它“好”是什么样，而不是每一步怎么做。 清晰的目标让 agent 能处理你没有写进脚本的情况，也给你一个用来纠正它的基准。agent 团队就是这样构建 agent 本身的：定义目标，观察它表现如何，再据此调整。

• 问它在哪里查的。 对任何你要据此行动的事：“你的来源是什么，最后更新时间是什么时候？”

技能分享

持续记录你欠别人什么

在最新一篇 🔏Dots 指南中，专职作者 Laura Entis 汇总了 Every 团队使用它们的方式。她自己的用法最简单：记录她欠别人什么。她最容易漏掉的请求，是那些她顺口答应的事，比如在 Slack 线程或邮件里回一句“好”。所以她的 Dot 会维护一份持续更新的清单，每来一个请求就加进去，并定期提醒她即将到来的截止时间、她承诺过的反馈，以及等她做的决定。

可直接抄用的提示词：

Go through [Slack channels / my email] and find anything I need to respond to or address: upcoming deadlines, unanswered questions or requests, or decisions that affect [specific projects]. For each, send me a link to the original message, a sentence on why it's important, and suggested next steps.

它适用于任何常驻 agent（比如 Every Agent），不只是 Dots。Laura 的指南里还有更多团队工作流——从一个未经要求就发现 retreat 预算中 5,700 美元错误的 Dot，到一个能从 Slack 线程运行多步骤项目的 Dot。

锯齿前沿（Jagged frontier）

不止文档和幻灯片

管理者工作的很大一部分是沟通，通常是为了达成对齐（alignment）。而对齐最大的敌人是误解。所以我们才花那么多时间写文档、做演示，并解释我们到底是什么意思。

在上一篇文章里，我写到用 feeds 理解你周围正在发生什么。但一旦你有了这些信息，你仍然需要把它传达给别人。

这里有一个熟悉的争论：用文档还是 PowerPoint 把信息传出去。文档派斜眼看幻灯片派，反之亦然。双方都有道理。文档给你空间展开论证、纳入细节。演示让你以视觉方式推进材料，同时有人在旁边讲解。取舍在于你能传达多少信息、多快传达，以及你要求接收者做多少工作。

AI 给了我们更多选择。

以前，选择一种格式也意味着选择一种你必须知道怎么制作的东西。视频意味着要学剪辑；交互式网页意味着给自己派一个小型工程项目，来解释真正的工程项目。AI 让这些选项更实际，因为它承担了构建工作，甚至能跨多种格式构建。AI 让你可以用旁白视频解释静态幻灯片背后的推理，也可以用交互式人员配置计划让人切换分配、探索预计时间线。

最近，Mike 让 AI 采访他关于写作技能实验的经历，并把它做成一部迷你纪录片，这样任何人都能听到这项工作背后的故事。这是一种生动、可扩展的沟通方式，用来传达那些原本可能只存在于长文档里、或需要他逐一带人走一遍流程的想法。

Mike Taylor 用 Claude 制作的关于其写作技能实验的迷你纪录片。

开始构建你想要的沟通形式，最简单的方法是从现有素材入手。从你的 feed 里挑一份提案、表格或更新，告诉 AI 这是给谁的、他们需要理解什么。然后选择一种格式，并给它一个参照：文档模板、网页，或你喜欢的风格的视频。让它把你的材料转成那种格式，同时保持推理和假设不变。对于人员配置计划，明确人们可以更改哪些分配，以及你的表格如何计算时间线。你不需要同时发明内容和格式。

然后你自己审一遍，分享给一个小范围群体，再迭代。这部分并没有特别改变。

对我来说，清晰度最好的指标是 AI 回问我的问题质量。如果我在描述一个架构，我想越过那些由混乱解释造成的问题，进入关于设计是否合理的问题。更好的格式能帮我们把时间花在真正需要讨论的取舍上。

你想少花时间解释自己的意思，多花时间讨论这件事是否值得做。——Willie Williams

Thesis Statements

在 Thesis Statements 中阅读更多来自前沿建设者和思想者的九条预测，这是一组关于“人类与 AI 协作完成伟大工作”的未来的具体、可争论的判断。

• Ben Cera，Polsia 创始人兼 CEO：品味只有在人类仍然愿意购买时才有价值。
• Yasmin Green，Jigsaw CEO：我们教会了 AI 如何与我们交谈——现在它会帮我们彼此交谈。
• Senka Hadzimuratovic，Lovable 传播负责人：我们会保留生活中“无意义”的部分——因为有时它们才是全部意义。
• Ashley Mayer，Coalition Operators 联合创始人：Baby 就是提示词。
• Josh Miller，The Browser Company 联合创始人兼 CEO：软件是艺术。
• Lauren Reeder，Sequoia Capital 合伙人：物理世界的进展会加速，看起来更像软件的速度。
• Alexandra Samuel，技术作家：AI 会为不按我们方式思考的人翻译我们的想法。
• Ryan Vauk，Google AI 转型副总裁：组织价值只会以你文化的速度扩展。
• Visakan Veerasamy，作家、作者：人们仍然会找到办法让自己痛苦。

我们的首届 Thesis: 2027 大会将于 2026 年 11 月 5 日举行。Every 订阅者可以免费 RSVP 参加当晚的会后派对。

Log on

即将举行的活动

• All Access 办公时间：10 月 30 日星期五，美国东部时间中午 12 点至下午 1 点，Zoom：主持人 Natalia Quintero 和 Every 团队会分享我们一直在构建什么、接下来有什么，然后回答 All Access 会员关于卡住的 agent、漂移的工作流，以及他们不确定是否该采用哪些工具的问题。需要 All Access 会员资格。注册。

• Thesis: 2027：我们的首届大会从今天起一周后举行，也就是 11 月 5 日。Every 订阅者可以免费 RSVP 参加当晚的会后派对。

过往活动

• Context Engineering With DSPy：评估负责人 Mike Taylor 是新书《Context Engineering with DSPy》的作者，他与 Drew Breunig 以及 DSPy 首席维护者 Isaac Miller 一起，构建了一个你可以衡量并改进的 DSPy 程序。在 YouTube 上观看。

（截图由 Kaushik Viswanath 提供。）

Grant Harvey 是 Every 的专职作者。想读更多类似文章，请订阅 Every，并在 X 上关注 @every，在 LinkedIn 上关注我们。

核心启示：第一周的经验是：把 AI agent 用作团队上下文的入口，把聊天工具用于基于上下文的创作，把需要署名判断的事留给人，并始终追问它的依据。