我的团队里，一个人类都没有

一个人怎样把聊天机器人变成可靠的 AI 团队？关键在于明确角色边界、工作流、并行协作、故障恢复与人的责任。

“我的团队里，一个人类都没有”，这标题听起来像句狂话，但真相恰恰相反。软件确实能承担调研、起草、事实核查、设计、制作和校验，可总得有人来确定目标、划定边界、审查结果，并为最终的发布决定负责。真正的突破不是把人踢出局，而是不再让一个人亲手包办所有工作。

聊天机器人负责应答，Agent 追求结果

AI Agent 绝不是换了个响亮名字的聊天机器人。聊天机器人主要响应提示词；Agent 则被放进一项具体工作里：它接收指令，获准使用特定工具和信息，为达成目标采取行动，最后提交自己做过什么的证据。OpenAI 在《构建 Agent 实战指南》中，把核心要素概括为模型、工具和指令。围绕这些要素搭建的工作流，则补上角色、约束和“做到什么才算完成”。

认清这点，管理方式就会改变。如果指令只是笼统的“帮帮我”，每个缺失的细节都会变成模型猜测的空间。可如果角色定义是“对照一手来源核实这些事实主张，记录证据，找不到来源就停止”，模型就有了一份边界清楚、结果可查的工作。

把 AI 团队想成一座工地

本期用建筑工地作为核心比喻：Agent 是专业施工队，工作流是施工图，验收测试就是质检。人类业主决定盖什么、机械可以在哪些区域作业、哪些事项必须经过批准。Token 像油耗表——不过，这个比喻必须有边界。

Token 是模型处理或生成内容时所用表示中的基本单位。许多服务会按照输入和输出 token 统计用量与费用；OpenAI 的 token 指南解释了主要类别。因此，token 可以反映活动量，却不能充当生产力分数。机器烧油，可能是在推进工程，也可能只是在泥坑里空转。更值得关注的指标是：每一单位资金、时间和人的注意力，换来了多少经过验证的有效产出。

动静大，不等于价值高。结果经得起检验，工作才算数。

从助手到操作系统的四个阶段

这四个阶段是一套教学模型，不是行业铁律。它描绘了一条实用路径：一个人如何逐步搭起一支可靠的机器团队。

1. 得力的学徒

给一个模型派一项任务，检查产出，再要求修改。处理一个页面、一张图片、一份文档摘要，或者一处范围明确的代码改动，这种方式很有效。但一旦任务超出单次对话能够承载的范围，它就会变得脆弱：早先的决定被遗忘，模糊地带诱使模型自信地猜测，人也就成了全职纠错员。

2. 工作流

先规定路径，再索要产出。哪些文件可以改？哪些来源算有效证据？返回格式是什么？必须通过哪些检查？输入缺失时怎么办？工作流把重复的决定固化成规则，把重复的操作封装成工具，把质量要求变成关卡。模型依然要判断，只是它的判断被放进了清晰的边界里。

3. 并行班组

彼此独立的工作可以拆开：一个 Agent 搜集资料，另一个同时检查项目；脚本通过后，不同的图像 Agent 可以各自负责一组场景。现在的 Agent 系统已经能够并行工作——例如 Codex 应用发布公告就描述了多个 Agent 在独立线程中运行——但速度最终仍取决于架构。两个工人同时修改同一份事实源，造成的返工可能比一个人认真做完还多。

并行成立的前提是：每个工人职责清楚，共享同一套事实源，交接明确，产出还能独立验收。先理清依赖，再谈并发。

4. 通宵运转的机器

最后这个阶段，绝不只是“让 AI 替你熬夜”。它意味着工作流有完整的异常处理规则：一张图片失败，是重试、跳过还是停机？两份来源冲突，谁来判断？工具报告成功却产出空文件，靠什么证据识别？一项对外操作可能造成损害，审批关卡应该放在哪里？

本期讲到的图片失败案例揭示了真正的教训：所谓自主性，很大一部分其实是故障恢复设计。只覆盖顺利路径的流程，只能证明任务跑得起来；可靠的流程还要懂得暂停、保存现场、暴露问题，并在不掩盖失败的前提下继续。

人必须守住什么

真正有用的边界，并不是简单的“人决策，机器执行”。模型早已可以在限定范围内作出许多判断。更合理的规则是：能约束、可核查的决定可以下放；定义目标、品味、风险和责任的决定必须留在人手里。

目标：这个问题值得解决吗？
品味：技术上合格的结果，是否清楚、诚实、有生命力？
风险：哪些错误可以挽回，哪些必须叫停？
责任：系统出错时，谁承担后果？

Agent 可以扮演一个角色，却无法替业主承担责任。因此，一人 AI 公司绝不是“没有管理的公司”。恰恰相反，管理——设计角色、证据、交接、决策权限和恢复机制——会成为其中杠杆最高的工作。

设计你的第一个 AI 角色

先选一个范围窄到足以验收的角色。写清它需要哪些输入、可以使用哪些工具、应该返回什么格式、要通过什么验收、必须提供哪些证据，以及遇到异常时怎么办。然后再指定一项必须交回给人判断的决定。这些字段如果模糊，增加更多 Agent 只会放大混乱；如果定义清楚，即使只有一个 Agent，它也会开始像一位可靠的同事，而不再只是一个聊天窗口。

那么，你会先雇佣哪个边界清楚的 AI 角色？又有哪些决定，是你绝不会交出去的？

Watch more first-principles field guides on Wiki4What, or read the essays at blog.wiki4what.com.