跳到正文

#Agent

今日 2 条
今天11月16日周一
  1. 36氪·AI39

    启明创投独家投资 CataX AI 种子轮,公司用 Agent 加速新药临床开发

    AI 制药公司 CataX AI 完成种子轮融资,由启明创投独家投资。公司由肿瘤学博士、前微软亚洲研究院高级研究员王子龙创立,2026 年 7 月成立于上海,不做靶点与分子发现,而是探索“一人全栈临床”模式,让 Agent 参与资料研究、文件起草与数据处理,通过许可引进或共同开发推进早期临床概念验证。

    决策要点

    这笔种子轮赌的不是分子发现,而是用智能体重构临床开发的组织方式,把 AI 制药战场从上游挪到临床下游。

    • 影响若一人全栈模式跑通,临床开发的成本结构与人力配置可能被改写;其效率来自资产筛选和减少内耗,随访等客观时长无法压缩;兼具临床认知与 AI 思维的负责人稀缺,会制约这类组织复制。
    • 参考可考虑盘点自家临床开发中资料研究、文件起草、数据处理等可交由 Agent 的环节;值得建立决策依据与专家反馈的留存机制,减少对个别骨干经验的依赖。
  2. 人人都是产品经理49

    从填表敷衍到自动驾驶:知识收割的阶段选型、实战方法与AI自动化终局(下篇)

    作者邬翔在知识收割系列下篇中提出研发经验沉淀的阶段选型、实战三步走与AI自动化终局框架。文章建议初创只抓事前排雷与复盘保命清单、成长期建CBB货架,用免责安全感、按调用率分红和技术冠名激励工程师,并给Checklist词条设18个月日落生命周期与80条上限。终局方案由AI从群聊日志自动生成回溯草稿并编译为IF-THEN规则,作者称Python加AI双擎伴飞可让人工查表负担锐减90%以上。

    决策要点

    研发经验沉淀失败的根源多在激励设计与根因分析能力,而非工具本身;AI 自动化是去摩擦的终局层,替代不了前两步。

    • 影响照搬大厂全套复盘体系对小团队是形式主义内耗,需按发展阶段裁剪;按文档篇数发奖会催生敷衍报告,改按调用率分红要重建度量与奖金口径;Checklist 只增不减会让评审门禁退化成打勾流程。
    • 参考可考虑盘点现有 Checklist 规模,给每条设 18 个月生命周期与 80 条上限;值得对重大事故立单一变量验证加反向注入复现的验收标准;试点 AI 从排障群聊生成回溯草稿前,先确认日志记录完整。
11月14日周六
  1. Seth Godin37

    Seth Godin 设想让双方的 AI 互相协商起草合同

    Seth Godin 撰文提出,AI 让在合同里埋藏晦涩、不公平或意料之外条款变得显著更容易,任何协议签署前都应先让自己的 AI 通读,重要合同再交由律师及其 AI 复核。他进一步设想,双方用平实的语言描述各自要约定的内容,由双方的 AI 共同商定成文合同,并把每个 AI 的解读附在合同本身之后;他强调这一过程不必是对抗性的,因为合同本应是双方合意的记录。

    决策要点

    合同里埋雷与识雷的能力被 AI 同时放大,签约前让 AI 通读条款正从可选项变成基本动作。

    • 影响对方可能在协议中埋入更隐蔽的不利条款,未经审读就签署的合同风险上升;作者设想的 AI 对 AI 起草流程若成为惯例,法务工作重点会从逐条阅读转向核对各方 AI 解读的差异。
    • 参考可考虑在采购、合作等签约流程中加一道 AI 通读环节,重要合同再交律师复核;值得测试把双方 AI 的解读随合同一并留存,便于事后比对理解差异。
11月13日周五
  1. 36氪·AI41

    牛津大学费豪发表 59 页观点文章,提出认知共生体补上物理 AI 的另一半

    牛津大学计算机系高级研究员费豪在 arXiv 发表 59 页观点文章,提出与 AGI 并行的 AI 增强人类智能(AHI)方向,承担该任务的系统称为认知共生体。

    决策要点

    这是一份研究议程而非可用产品,实质是把 AI 的评价标准从机器完成了什么,转向一个具体的人能多做成多少事。

    • 影响若方向成立,个人 AI 的竞争焦点会从单项任务能力转向对用户的了解程度与介入方式;知识工作者场景被文章认为最先可验证,教育与适老无障碍等场景多了一条路线参考;全天感知和长期记录会加重隐私与数据合规投入。
    • 参考可考虑对照六项属性评估自家知识工作工具在嵌入、实时、低摩擦上的差距,先算出会议实时副驾驶这类最接近落地场景的试点价值;做穿戴或个人助手方向的团队值得研究其 23 个开放问题以排研发优先级。
  2. 钛媒体58

    李彦宏在百度世界2026提出智能组织,称AI价值卡点在组织而非技术

    李彦宏在11月12日百度世界2026上提出智能组织概念,称AI效益不及预期是厂房没跟上而非电机不好,并给出打破岗位边界、沉淀隐性知识、设计流程闭环三条原则。

    决策要点

    AI的价值卡点正从模型能力转向组织适配,百度借智能组织概念把竞争叙事从技术指标拉向管理变革,并用自身实践作背书。

    • 影响AI投入的回报评估可能要从工具采购转向岗位与流程重构;个人提效不会自动变成组织增效,任务分工和知识沉淀方式需要同步调整;岗位合并会牵动汇报关系与考核体系,阻力主要来自人。
    • 参考可考虑先盘点内部已用AI的个人提效案例,测算多少真正转化为交付周期缩短或人手节省;值得参考FDE这类前后台合并角色的做法,选一个客户交付场景做打破岗位边界的小范围试点。
  3. 钛媒体62

    李彦宏为什么要建AI时代的新厂房,解读百度智能组织构想

    李彦宏在11月12日的2026百度世界大会上提出“智能组织”理念,主张AI投入难兑现利润的症结在于企业只换了工具、未重新设计组织,组织将转向以任务为中心。他提出组织进化三原则,并披露百度内部日活智能体数一年从日均0.5万增至3.7万,智能体有效任务从每周8.4万个增至超100万个,沉淀Skill超2万个(官方口径)。

    决策要点

    李彦宏把AI投入回报不足的症结从工具侧移到组织侧,比拼的重心正从模型能力转向谁能围绕任务重构流程和权责。

    • 影响个人提效不等于利润改善,按部署数量或节省工时算账容易高估AI回报;智能体承接任务后,数据权限、结果验收和失败接手会改变分工与考核;把员工经验封装成可复用模块可能成为新的竞争差异。
    • 参考可考虑先追踪省下工时的去向,找出流程交接和审批环节的卡点;选一条端到端流程试点智能体改造,事先约定谁验收结果、失败由谁接手;考核口径可从部署数量转向任务完成率这类结果指标。
  4. 人人都是产品经理30

    AI下半场:告别单点工具化,重构超级个体人机共创的底层逻辑

    鑫酱在人人都是产品经理发文提出,AI下半场的破局点是从把AI当单点工具的线性指令,转向人类定规则、AI做涌现的平等共创生态。

    决策要点

    这是一篇个人观点文,核心主张是人的价值从指挥AI执行转向制定规则与提供真实洞察,组织形态可能从团队堆叠转向超级个体加AI矩阵。

    • 影响若方向成立,个人或小团队用AI可完成从生成到验证的完整流程,传统岗位配置和跨部门协作成本要重新衡量;管理层的精力需从审批AI产出转向定边界和规则;论点多靠案例与推演,缺数据支撑,组织调整不宜一步到位。
    • 参考可考虑先测一个小场景,对比个人加AI与现有小组跑通验证的耗时和产出;值得盘点团队花在审批AI内容上的工时占比,再决定流程和岗位是否调整。
  5. 极客公园60

    李彦宏在百度世界 2026 提出,智能组织是 AI 时代的新厂房

    11 月 12 日百度世界 2026 上,李彦宏提出智能组织是 AI 时代的新厂房,称当前 AI 未产生预期经济效益是因为企业只更换了电机、没有重新设计工厂。

    决策要点

    李彦宏把 AI 投入不见利润归因于组织未随工具重构,将行业竞争重心从技术能力转向组织能力,同时为百度全栈产品定调。

    • 影响工具部署完成而利润未同步的企业,瓶颈更可能在流程、协作与考核等组织层面;组织重构动的是岗位边界与知识沉淀方式,不只是新增采购;百度将理念与自家全栈产品打包输出,评估时需区分方法论与产品卖点。
    • 参考可考虑盘点已上线试点是否改善了整体经营指标而非只有个人提效;值得测算智能体承接执行性工作后岗位与考核的调整成本;采购模型时可比较词元所这类平台的验真机制与直连厂商的成本差异。
  6. 人人都是产品经理40

    前端与AI工程师的规则产物流转拆解,产物从哪来、反馈往哪去

    魏雯 Akir 在人人都是产品经理发表系列文章,把前端与AI工程师消费规则产物的来料与回流定义成输入输出契约,用上游症状定位表和下游消费遥测、三类消费侧反馈解决反馈进黑洞的问题。

    决策要点

    把规则约束与反馈回流写成双方契约,用机器遥测和版本回执替代人工自觉,解决反馈进黑洞的信任问题。

    • 影响对用 AI 辅助开发的团队,契约化消费能让违规拦截与误报处理可追溯,减少口头协调成本;前提是上游已有编译产物和评审契约,消费端单独落地作用有限;案例显示临时绕过校验会让字典外值漏到线上,流程上应禁止临时放开。
    • 参考可考虑取一份已评审契约,把 JSON Schema 挂到构建流程、契约引用块放进 AGENTS.md,按文中六步验证拦截可追溯与反馈通道;值得把临时放开校验改为显式豁免清单处理。
  7. 人人都是产品经理43

    Axure 为何被闲置,产品死亡的真相是任务被 Agent 替代而非竞品

    作者复盘自己一年多没打开 Axure 的经历,判断这款原型工具的沉寂不是输给墨刀、Figma 等竞品,而是画原型这个任务被 WorkBuddy、Codex 等 Agent 产品直接替代。

    决策要点

    Axure 式退场的实质不是输给竞品,而是任务被 Agent 产品整体接走,竞品名单外的对手不给任何战役预警。

    • 影响存量市场里踩竞品的话术只在客户仍需选型时有效,任务被 Agent 对话替代后选型环节会整体消失;自家产品承载的任务能否被一句对话完成,决定现有竞争名单是否还有意义。
    • 参考可考虑盘点自家产品替用户完成的核心任务清单,逐项判断哪些能被 Agent 一句话完成;值得检查销售话术与竞品分析是否默认了选型前提仍在。
11月12日周四
  1. Josh Bersin36

    Josh Bersin 发布 Galileo for Workday,HR 智能体深度集成 Workday 平台

    Josh Bersin 公司在 Workday Rising Barcelona 前发布 Galileo for Workday,将 HR 智能体深度集成进 Workday 平台,员工、经理和 HR 专业人员可直接就员工发展、绩效、领导力提问并获得对标最佳实践的方案。

    决策要点

    HR 研究机构把自身知识库与管理方法论嵌入主流 HCM 平台,人事系统正从记录工具变成随取随用的管理顾问。

    • 影响使用 Workday 的企业能以较低改动获得嵌入式 HR 顾问与教练能力;智能体会读取会议、目标、绩效等内部数据,数据边界和员工知情需提前约定;近零 token 成本目前只是官方口径。
    • 参考已部署 Workday 的企业可考虑在绩效计划起草或招聘流程专业化等低风险场景试点;先梳理智能体会读取哪些员工数据并明确使用边界,再对比外部 HR 咨询预算决定采购节奏。
  2. IT之家·人工智能43

    AWS 首席 AI 与技术官马特·伍德:优秀的工程师要爱上问题,而非现成解法

    据《商业内幕》报道,亚马逊云科技(AWS)首席 AI 与技术官马特·伍德认为,优秀工程师应把热情放在问题本身,借助 AI 深入分析问题并同时尝试多种解法。亚马逊上月发布新版软件工程师岗位指引,提出文艺复兴式开发者时代,不再强调尽可能多用 AI,转而看重工程师为客户和业务带来的长期价值。

    决策要点

    头部云厂商正在重新定义优秀工程师的标准,AI 分担写代码后,问题定义与判断力取代代码产出成为考察重心。

    • 影响技术团队的招聘与晋升标准会跟着岗位指引调整,考察重心从代码产出转向长期价值;开发成本下降后多方案并行试错变得可行,代码审查和人工测试成为新的时间瓶颈。
    • 参考可考虑先修订工程师岗位说明,把价值标准从代码产出量改为问题定义与审查质量;值得盘点团队在代码审查和人工测试上的等待耗时,评估 AI 生成代码后的新瓶颈。
  3. 爱范儿37

    折叠屏竞争焦点转向阔折叠 华为三星小米苹果相继推出宽比例机型

    折叠屏行业在大折叠历经七年走向成熟之际,2026 年竞争焦点转向宽比例阔折叠,华为 Pura X Max、三星 Z Fold8、小米 18 Fold 与苹果 iPhone Duo 相继入场。

    决策要点

    大折叠输掉的不是硬件而是场景,内容视频化与 AI 智能体交互正把屏幕形态标准推向宽比例

    • 影响应用适配重心会随苹果 iPhone Duo 入场向宽比例屏幕迁移,方屏分屏适配的投入价值下降;供应链与排产已在向阔折叠倾斜,大折叠短期仍是新技术首发平台;AI 智能体的监看式交互让宽幅横屏成为新的界面考量
    • 参考可考虑盘点自家应用在宽比例折叠屏上的适配清单,优先覆盖 iPhone Duo 与三星 Z Fold8 的屏幕比例;做智能体相关产品的团队值得按下达指令后监看进度的方式重新排布界面
  4. 人人都是产品经理44

    前TikTok核心成员Jet创办CocoViral,称每月2500美元Token费用让Agent承担20人工作量

    前字节TikTok核心团队早期成员Jet创办AI视频平台CocoViral,其个人网站称每月约2500美元Token费用可让Agent承担相当于20人的工作量,对应人工成本超2万美元。

    决策要点

    这是一份自我报告的超级个体样本,实质是把重复性运营交给Agent、把人留在审核和决策环节的分工实验。

    • 影响对人力紧张的创业团队,重复性事务可从固定薪资转为随用量伸缩的Token成本,流程跑不通时能暂停再改;但审核、权限管控和数据回写仍需要人,人手不会因此降到只剩老板;2500美元顶20人的换算是创业者自述,照此测算用人预算会有偏差。
    • 参考可考虑先挑一件高频琐事让单个Agent稳定接手,跑通人工审核和数据回写后再扩范围;值得参考文中销售流程,用Apollo整理名单、n8n串联服务并在Slack保留审批记录;涉及付款和客户信息的环节,先限定Agent操作权限再部署。
11月11日周三
  1. TechCrunch · AI51

    Databricks 发布 AI 智能体 Genie 升级版,CEO 借它听取内部真实情况

    Databricks 发布 AI 智能体 Genie 升级版,官方称它可无监督完成耗时较长的多步骤任务,并被定位为企业管理层的常驻助手。CEO Ali Ghodsi 向 TechCrunch 展示了自己的真实使用,包括分析员工满意度调查低分项、复盘一次失败的销售演示和准备播客访谈,他借邓巴数 150 人解释称员工超过 150 的公司都能从中获得价值。

    决策要点

    Databricks 借自家 CEO 的日常使用把智能体从程序员工具推向企业管理层,卖点是让高层绕开层级过滤听到一线真实信息。

    • 影响满意度调查、失败销售复盘这类容易被层级过滤的信息可由智能体直接送达高层,改变管理层了解内部的路径;常驻运行的智能体会推高 AI 用量成本,预算和管控需同步安排。
    • 参考可考虑盘点高层平时听不到的一线信息清单,选员工调查或销售复盘这类场景小规模试点;值得先算清智能体常驻运行的用量成本,并确认所购平台能否设用量上限、换用更便宜的模型。
  2. 人人都是产品经理35

    刀姐doris谈AI时代创作模式:不要总结,用Typeless语音直接口喷

    刀姐doris分享她在上过周宏骐教授AI营销课后改变的创作方式:打开语音工具Typeless直接口喷,不再先想清楚再写,她称之为喷射式创作法。她体感说话时输出速度比打字远超四倍,Typeless官网也标注速度比打字快4倍,刷牙、走路等边角时间都能变成输出时间,再配合flomo和agent整理成文。

    决策要点

    这是一篇创作者个人工作法的经验分享,实质是把创作瓶颈从写作能力转移到开口表达的意愿上。

    • 影响内容与营销岗位可低成本借鉴口喷加 AI 整理的产出方式;文中速度对比是作者体感与官网口径,引入前需按自己团队情况测算;方法不涉及采购决策,主要考验个人习惯能否养成。
    • 参考可考虑让内容团队里容易卡稿的成员试用一周语音口喷并记录产出量对比;值得把口喷素材接入 flomo 或 agent 的整理流程,跑通后再评估是否推广。
11月10日周二
  1. 36氪·AI45

    腾讯研究院:进入双智能时代,人类该如何与AI相处

    腾讯研究院发布长文,提出人类正进入人类智能与AI并存的"双智能"时代,传统工具定义已不适用于如今的AI。文章归纳AI可自主规划行动、内部机制不透明、目标可能失配并参与改进自身研发四个新特征,并引用OpenAI宣称其内部模型解开纳维-斯托克斯千禧年难题(官方口径,仍伴随争议)以及Anthropic、DeepMind、微软研究院在数学难题上的进展作为依据。

    决策要点

    文章认为AI已不只是工具而是一种新的智能主体,主张以保留否决权的共生关系即人本智能来定位人机协作。

    • 影响企业用AI正从执行指令转向可自主规划的智能体,权限与审核流程需要随之调整;文章列举的目标失配与机制不透明,提示引入智能体的企业要为监督、中止与纠错预留管理成本。
    • 参考可考虑按文中四个特征盘点现有AI应用,凡能自主调用工具的场景先明确目标设定权和审核中止流程;值得评估高风险环节是否只让它承担辅助角色而非受托行动。
  2. 人人都是产品经理54

    千问办公 2.0 发布:个人效率之外,还有组织效率这道题

    千问办公于 11 月 9 日发布 2.0 版本,推出面向个人与组织协作的 Team Agent,为产品上线三个月以来最大的一次升级。新版本通过协作空间把群聊、表格和文档信息汇成项目上下文,人机共创支持对话与文档双屏,可圈选文档段落、Excel 单元格或 PPT 幻灯片精准修改,自动任务则在群里出现用户回访记录等业务事件时自动触发并在云端运行。

    决策要点

    AI 办公的竞争重心正从个人提效转向组织协作,千问办公 2.0 用 Team Agent 把协作链路交给 Agent 承接。

    • 影响若场景合适,群聊信息整理、反馈跟进等重复性工作可交给 Agent 承接,降低人工汇总成本;群聊和文档数据会流入 AI 协作平台,数据边界与权限管理需先行评估;已在用钉钉的团队试用的接入成本较低。
    • 参考可考虑挑一个流程固定、协作群活跃的项目做试点,记录信息汇总与反馈跟进环节的耗时对比;先盘点群聊和文档中的敏感数据范围,确认权限与隔离设置后再扩大使用。
  3. 爱范儿54

    苹果新 CEO 特努斯施压费德里吉,要求加速推进 AI 路线

    苹果新任 CEO 特努斯掌舵刚满两个月,据彭博社披露,他在闭门会议中警告软件工程主管费德里吉,苹果 AI 已远落后对手,必须拿出同等紧迫感加速推进路线图。同期国行 iOS 27.3 测试版里 Siri 仅从玻璃球换成跑马灯,下一代 Siri AI 在国行与欧盟市场暂缺,爱范儿实测调用阿里千问的体验与第三方 AI App 拉不开差距。

    决策要点

    苹果的实质卡点是隐私架构与智能体路线的根本冲突,特努斯施压标志着靠小步修补 Siri 的时代走到头,但转型尚未落地。

    • 影响苹果生态的企业应用开发者将获得 Skills 框架与 MCP 接口等新的系统级集成入口;苹果在自主代劳场景推进偏慢,端侧隐私处理与智能体所需的长期记忆存在冲突;国行 Siri 仍是单次请求单次反馈,跨应用长链操作与 Android 阵营存在代差。
    • 参考可考虑评估 iOS 27.3 的 Skills 框架与 App Intents 能否把自家服务接入系统级工作流;依赖苹果生态的团队值得先在 iWork 的 MCP 接口上做兼容验证;规划移动端 AI 体验时不宜把国行 Siri 现状当对标上限。
  4. 人人都是产品经理49

    数字员工为何是AI Native组织的新流水线,天猫技术的协同层思考

    淘天集团天猫技术团队发文提出,数字员工的价值不在自主执行任务的执行层,而在对齐目标与上下文的协同层,其形态应是绑定业务单元、随时在线的PM角色,通过IM群、协作板和会议感知信息、拉齐上下文并派发任务,沉淀组织资产而非个人效率;作者判断执行层工具已相对成熟、短期红利在此,长期胜负手在协同层,文末提到天猫技术的数字员工实践NC(恩熙同学)。

    决策要点

    数字员工之争的实质不是再造更多执行角色,而是由谁承担人与AI之间的目标对齐和上下文串联,组织重构比工具选择更关键。

    • 影响执行层工具繁多且趋于成熟,企业的现实命题是收敛与复用;协同层缺位说明组织瓶颈在人和人、段和段的衔接处;个人数字分身只提升个人效率,解决不了组织级瓶颈。
    • 参考可考虑先为各业务单元划清协同边界,再评估现有工作流能否跨团队沉淀复用;值得盘点内部正在分散建设的执行层Harness与知识库,算出收敛空间。
  5. 人人都是产品经理31

    如何让 AI 帮自己投简历?作者开源自动投递全链路

    作者离职后用 AI 搭建自动投简历链路,每天定时在 XX直聘 自动投递,累计发出大几百份,并将项目开源。链路分两步,AI 先读取并优化简历,也可用述职报告提炼生成新简历,再按城市、方向、薪资筛选匹配的 JD 并点「立即沟通」。

    决策要点

    求职者把 AI 智能体用在简历投递上,招聘流程的第一触点正在从人工点沟通转向机器代发。

    • 影响招聘端首轮触达的简历量和甄别成本会上升;求职竞争的比拼点从筛 JD 前移到沟通与面试环节;在职员工拿述职材料喂第三方 AI 生成简历,存在业务数据外流风险。
    • 参考招聘团队可考虑在首触环节加入结构化问题或附件简历要求,把甄别点移到 AI 难代答的部分;HR 也值得提醒员工,述职材料含业务数据,交给外部 AI 前先脱敏。
11月9日周一
  1. 36氪·AI61

    不想当管理者,就用不好 Coding Agent?Anthropic 工程师长文谈 Agent 管理实战

    Anthropic Claude Code 工程师 Addy Osmani 11 月 8 日发表长文《Your Coding Agents Made You a Manager》,称深度使用 Coding Agent 的工程师实际已在做管理工作,方法包括让 Agent 自行验证结果、先制定计划再写码,可以委派任务但不能委派判断。

    决策要点

    Coding Agent 把工程师的瓶颈从写代码移向验证与取舍,产出上限取决于验证机制而非并行数量。

    • 影响引入 Coding Agent 的团队,产出评估口径需从代码量转向 PR 完成周期与返工回滚率;并行扩容会带来协调、审查和上下文切换负担,工程师可能成为新瓶颈;入门级任务被 Agent 接管后,初级工程师的实践机会需要有意安排。
    • 参考可考虑把 PR 完成周期、返工与回滚率纳入 Agent 试点指标;值得先为无人值守任务明确完成标准、权限与费用上限,并从批量修改三个文件这类小规模试运行开始。
  2. 人人都是产品经理60

    天猫技术团队谈AI Native团队:串联者从人换成Agent,难在知识底座

    淘天集团天猫技术团队作者书牧发文提出,AI提效单点见效而全局低效的根源是协同缺失,主张把生产流程的串联者从人换成Agent,构建知识底座、Agent、人三层协同的AI Native团队形态,人定目标做判断,Agent承担传递、判断与衔接。

    决策要点

    这篇文章的实质是把AI提效的重心从单点工具转向生产关系重构,真正的分水岭不在工具选型,而在各业务能否建起自己的知识底座。

    • 影响只叠加单点AI工具而不动流程,端到端收益有限且协同成本仍由人扛;知识底座不可跨业务复制,存量业务梳理隐性知识投入大;文中警示无历史包袱的竞争者可能以同形态跑出数倍效能。
    • 参考可考虑先盘点现有AI项目属于单点提效还是流程串联,再选一个小业务单元试点梳理规则与流程知识并设计自动保鲜机制;协同工具选型上可先评估内部已有方案能否复用,避免各团队自建重复。
  3. IT之家·人工智能42

    微软 CEO 纳德拉设想未来可能有 2000 万个 AI 智能体与 20 万名员工协同工作

    微软 CEO 纳德拉设想,公司未来可能有 2000 万个 AI 智能体与现有 20 万名员工协同工作。这段视频出自里德·霍夫曼主持的播客《Possible》今年 6 月 5 日一期,纳德拉以假设口吻提出该设想,但后续节目中再次提及 2000 万这一数字。他还表示编程的演化预示所有工作的方向,自述已同时打开 100 个 CLI 会话运行智能体,微软为其开发了智能体开发环境系统。

    决策要点

    2000 万智能体是纳德拉的假设性愿景而非运营计划,但微软已在为管理大量智能体开发内部系统。

    • 影响智能体与员工的数量配比进入 CEO 公开讨论,企业未来的人员和预算结构可能需要把智能体纳入考量;管理智能体的认知负担在 100 个规模时已实际出现,监控与协调会带来新的管理成本。
    • 参考可考虑在试点并行智能体时记录人工监督与协调耗时,算清真实管理成本;值得评估是否需要统一的智能体管理界面,再决定扩大并行规模的节奏。
  4. 量子位57

    开源项目LobeHub实测:Agent组队写代码、派任务,8分钟产出6条选题

    量子位作者实测开源AI协作平台LobeHub,主管Agent可拆任务、派活、临时招募Worker,人工保留最终验收权。文章披露其Agent Harness用Kimi K3在FrontierHarness 30道软件工程任务中通过21道(通过率70%),单任务成本中位数1.68美元;作者组建AI编辑部实测,不到8分钟产出6条选题简报,约30分钟接力生成可筛选搜索的资讯网页。

    决策要点

    Agent协作正从聊天框走向任务型工作流,拆活、派活、接力、验收都能交给智能体,LobeHub给出了一个已在自家研发落地的样本。

    • 影响研发里的拆任务、写代码、审查环节可由Agent承担,人力与流程结构需要相应重排;共享工作空间让成果跨轮次复用,交接和传话成本下降;质量闸门仍在人工验收,组织要配套验收标准和证据要求。
    • 参考可考虑选一个流程固定、可验收的研发或内容任务试点主管Agent加Worker的分工模式;值得先把测试结果、截图等验收证据写进交付标准;也可先算出单任务成本中位数再定试点预算。
  5. 量子位45

    腾讯全球数字生态大会提出以人为本 AI 原生生产力飞轮,主张 AI 提速时代三件事要慢下来

    腾讯在 2026 全球数字生态大会提出以「以人为本」为轴心的 AI 原生生产力飞轮,由 AI 原生工作流、可管可控技术架构与 AI 原生组织三环构成。

    决策要点

    这是腾讯借自身大会数据输出的价值主张,实质是把企业级智能体的竞争重心从单点提效转向可管可控与组织融入。

    • 影响办公智能体已从个人尝鲜走向企业规模落地,对账、诊疗等场景的提效幅度有了可对标的公开数字;权限边界、审计与回退机制成为规模应用的前置条件;不改流程先融入现有系统的路径可降低转型阻力。
    • 参考可考虑先用第三方榜单与同行案例算出自家对账、纪要等重复环节的基线耗时,再选单一场景试点;值得盘点现有 IM、文档与 ERP、CRM 接口清单,并评估智能体权限与二次确认机制是否满足内控。
  6. 人人都是产品经理40

    前端与AI工程师的规则消费:从按图施工到按契约施工

    本文解析前端与AI工程师在Schema-As-Code体系中的规则消费方式,规则从需要阅读的文档变成挂在工具链上的机器产物。三层设计分别落地为代码中的枚举值、类型系统里的Props约束和CI流水线的可追溯拦截报告,作者给出的消费纪律是不绕过枚举、按场景选类型、机器没见过时上报而非就地发明枚举。

    决策要点

    AI生成代码普及后,规则执行正从靠人读文档和模型自觉,转向挂在工具链上的确定性契约拦截,约束可靠性的重心从人移向机器。

    • 影响散文式约束属概率执行,模型可能忘记且无遵守读数,安全类规则不能只靠它兜底;Schema与CI属确定执行,拦截可追溯但成本转移到上游契约编写与评审;作者判断该岗位不消失,变的是交付物上游形态。
    • 参考可考虑盘点团队AGENTS.md与CLAUDE.md中手写的散文约束,涉及语义边界的规则改走机器校验产物;值得检查现有CI拦截报告是否含条款编号、出错位置和修复指引三要素。
11月7日周六
  1. 人人都是产品经理51

    OpenClaw 推出多人实时协同模式,多台电脑可同时操控同一个智能体

    开源智能体 OpenClaw 在 2026年11月5日 GitHub Universe 现场演示多人实时协同,两台电脑同时操控同一个智能体,输入内容跨设备实时同步,无需重新交代背景。

    决策要点

    OpenClaw 把智能体从单人助手改造成多人共享的协同入口,用免费开源打法冲击按人头计费的协同订阅模式。

    • 影响团队围绕同一个智能体协作,可减少上下文在成员间倒手时的丢失;工具免费且可自部署,试用成本主要是部署与权限管理;大型企业落地前需先解决算力账单归属与指令冲突的责任划分。
    • 参考可考虑让产品与研发在同一个共享会话里试跑一个需求,记录上下文交接损耗的变化;值得先算出自部署网关与现有按人头订阅工具的年成本差。
  2. 量子位54

    Jeff Dean对谈李飞飞:递归自我改进有物理极限,Discovery Loop已运行约20个自动改进循环

    Jeff Dean在斯坦福HAI与李飞飞对谈,介绍新公司Discovery Loop已有约20个自动改进循环在运行,目标是把领域专家生产力提高20到50倍;公司为公益公司,由Dean、Sanjay Ghemawat、Quoc Le、Oriol Vinyals四人联合创立,前三周完成了400场面试,初期聚焦机器学习研究、机器学习工程和硬件设计。

    决策要点

    Jeff Dean把递归自我改进从无限加速的想象拉回工程现实,同时以新公司押注自动化实验循环能放大专家产出。

    • 影响研发组织可能朝少量专家带大量智能体的模式演变,顶尖AI人才竞争会更激烈;自动实验循环目前只聚焦数字环境内可完成的问题,物理实验为主的领域短期受益有限;对AI自我改进无限加速的预期回落,有助于校准对技术节奏的判断。
    • 参考可考虑盘点自身团队中能在数字环境内自动迭代的实验或分析流程,估算省去等待时间后的提速空间;招聘上可留意兼具研究背景与智能体协作经验的人;对AI进展的内部规划可按工程系统节奏而非无限加速来设定。
  3. GitHub Blog47

    GitHub 开发者指南:超越代码生成,用智能体覆盖开发全流程

    GitHub 官方博客发布开发者指南,主张把 Copilot 智能体引入 Plan、Build、Verify、Observe 四个开发阶段,而非只用于代码生成。

    决策要点

    代码生成提速没有自动转化为同等生产力,瓶颈转移到评审与上线观察,厂商的解法是把智能体铺进开发全流程。

    • 影响按 Faros AI 数据,AI 采用度提高后 PR 审核时长增加 441%,省下的编码时间可能被评审排队吃掉;落地智能体要同步改造评审与上线观察环节,而不是继续堆生成量。
    • 参考可考虑先统计团队 PR 审核等待时长与返工轮次作为基线,再挑一件本周最耗时的开发任务接入智能体试跑,比较前后耗时后再决定是否扩展到全流程。
11月6日周五
  1. 36氪·AI59

    周畅庞天宇相继离职,多模态生成失宠了吗?

    字节Seed核心负责人周畅与腾讯混元多模态强化学习负责人庞天宇一周内先后被曝离职,周畅将创业方向定为Physical AI。文章分析,随着Agent等业务崛起,算力和预算转向看得见增长的业务,多模态生成被视作“期权型业务”,外媒称Sora每天算力成本100万美元、上线约半年即关停,字节为Seedance配备上千人评测团队。

    决策要点

    多模态生成正从大厂主线叙事降级为期权型业务,组织与算力随之向主线智能和Agent倾斜。

    • 影响视频图像生成类产品的厂商投入可能收缩,采购这类能力要把供应商持续投入意愿纳入评估;预算流向Agent等业务,企业可用的Agent供给会增加;离职人才流向创业公司,供应商选项增多但路线变数也变大。
    • 参考可考虑重新评估在用的视频与图像生成工具,核对厂商路线图与退出条款;值得盘点依赖多模态生成的业务场景,先算出切换供应商的替换成本。
  2. 人人都是产品经理47

    AI产品经理转型指南:六大方向与能力模型

    老曹在人人都是产品经理发文,将AI产品经理分为AI原生应用、AI+、企业级Agent、AI平台、大模型、策略算法六类,称六类岗位的技术门槛、薪资和发展空间差别很大。

    决策要点

    AI产品经理岗位正在分化,AI标签的薪资溢价在回落,企业真正付高价买的是行业理解与落地能力。

    • 影响招聘AI产品经理需按岗位类型定薪,不能凭AI标签给高薪;企业做Agent落地缺的是懂业务流程的人,内部资深B端产品经理可先转岗再补AI能力;只加聊天框的功能集成上线后容易无人使用。
    • 参考可考虑先盘点内部产品经理的行业积累,对照六类岗位匹配转岗或招聘方向;筛选候选人时值得要求提供带评测数据的真实项目;AI项目立项前先算清Token调用成本和可替代的人工工时。
  3. 人人都是产品经理40

    如果 AGI 三年内到来,读博士和终身教职规划还有意义吗?

    Anthropic 科学家、扩散模型早期研究者 Jascha Sohl-Dickstein 在 2026 年 6 月斯坦福大学的演讲中提出,若 AI 能力继续指数增长,传统科研职业路径和研究项目的生命周期可能被改变。

    决策要点

    这篇文章把 AGI 时间线当作职业规划的压力测试而非预测,实质是科研工作的执行层正被自动化,选题和判断仍属于人。

    • 影响长周期科研项目存在中途被新模型复现的风险,价值建立在模型暂时不会做的事情上的方向贬值更快;科研人才培养和评价的重心会从执行能力转向选题与判断能力;研究流程是否接入 AI 将拉开团队探索成本的差距。
    • 参考可考虑用算力增益、成果可积累性、人类判断占比和项目周期四个维度盘点现有研究方向;值得先在头脑风暴、数据分析和可视化环节试点接入 AI,同时保留选题与结论的最终判断权;有意读博者可在不同 AI 进展速度假设下测试所选方向是否成立。
  4. 人人都是产品经理26

    为什么你总用不好AI?差距在说清需求、独立判断和结果检验

    作者付永承在人人都是产品经理发文认为,普通人用不好AI的差别不在提示词是否专业,而在于说清需求、带着自己的判断对话、用实际结果检验这三件事。文章举例说明,讲清目标、限制和原因的描述比一句「帮我做个旅游攻略」更容易得到可用方案,并建议先形成自己的判断再让AI找证据对比,通过追问推理过程和脱稿复述检验理解。

    决策要点

    拉开AI使用差距的不是提示词技巧,而是说清需求、独立判断和结果验收这套工作习惯,工具本身不是主要瓶颈。

    • 影响同样的AI工具在不同员工手里产出差距明显,瓶颈在需求表达和验收习惯而非工具;给任务先定清验收标准后,可让AI按循环自查减少逐步盯梢;重要数据和正式交付的最终判断要留人工把关。
    • 参考可考虑把这三条作为员工AI使用培训的框架,练习需求描述和脱稿复述;值得为高频AI任务先定一套验收标准,比如文件数量和内容完整性,再放开自动循环。
11月5日周四
  1. 人人都是产品经理50

    83.7K Star 的 LobeHub 实测类 Super-agent 协作,对照 DeepSeek 架构设想

    作者袋鼠帝对照 DeepSeek 上周六发布的 Super-agent 架构设想长文,解读并实测了 83.7K Star 的开源多智能体平台 LobeHub,称其半年前已在生产环境运行类 Super-agent 体系,实现主管与执行 Agent 分层、事件驱动触发、云端调度加本地执行的存算分离和以 Task 为锚点的上下文管理。

    决策要点

    多 Agent 协作正从概念推演进入工程落地阶段,竞争焦点开始从模型跑分转向工程架构,开源社区已出现可上手的样板。

    • 影响研发与内容团队的人机分工可能重排,人从盯会话转为验收关键项;云端调度加本地执行降低了多 Agent 试用门槛;文中效率对比出自作者单人测试,不能直接套算团队收益。
    • 参考可考虑让工程团队用官网账号花十几分钟跑一次小任务试点,记录任务拆解与验收耗时;值得盘点现有单 Agent 会话中靠人工复制上下文的环节,评估哪些适合交给任务看板托管。
  2. 人人都是产品经理61

    深度拆解 DeepSeek 开源的 Super-Agent,程序规则如何给多 AI 派活

    DeepSeek 于 10 月 31 日开源 Super-Agent,用写死的程序规则替代模型自觉,承担多 AI 协作中的派活调度,开源两天 GitHub 获 1.2 万 Star。

    决策要点

    Super-Agent 的实质是把多智能体协作的调度权从提示词挪进写死的程序,用硬限制换稳定,方向清晰但它自己也只挪了一半。

    • 影响多 AI 并行任务下人工开窗、传话、盯进度的协调成本有明确压缩空间,思路是可用程序规则替代提示词约束;安全上 Worker 用用户账号跑命令免审批、部署隔离未解决,直接引入存在越权风险;数据只增不清,长期运行要预留维护成本。
    • 参考可考虑把文中五步法搬进自家工具链,先开只读总台窗口和任务状态文件,发布按钮留在人手里;值得先用 observe 方式让 AI 列出它本可做的事,逐条确认后再放权;若要试装本体,先算清隔离机器与 Node.js 环境的部署成本。
  3. 36氪·AI48

    Vercel 创始人 Guillermo Rauch 访谈预判将出现 1 人的万亿美元公司,程序员只剩给 AI 批预算

    Vercel 创始人、Next.js 之父 Guillermo Rauch 在 Delphi 播客访谈中预判,编程 Agent 带来上千倍人效杠杆,未来会出现只有 1 个人、市值 1 万亿美元的公司,人类工程师的核心工作只剩为 Agent 分配 Token 与算力预算。

    决策要点

    这是基础设施厂商创始人对 Agent 时代软件生产方式的判断,论点与其自家 Agentic 基础设施的卖点高度一致,宜当作厂商叙事而非中立结论来读。

    • 影响按其说法,软件选型会更看重 API、CLI 与 MCP 接口能力,低代码类采购面临被代码加 Agent 组合替代的压力;工程团队岗位重心从写代码转向验证评估与预算分配;这些结论出自受益于该趋势的厂商,落地节奏未必如其描述。
    • 参考可考虑盘点现有软件供应商的 API、CLI 与 MCP 支持情况并纳入续约评估;值得在工程团队试点把考核从代码产出转向端到端测试质量;低代码平台续约前可先算一笔 Agent 加自写代码的成本对比。
  4. 人人都是产品经理59

    AI原生组织,不是AI多的组织

    作者结合半年主导企业AI原生组织转型的实践,认为最难的不是技术而是组织与人才,AI原生组织的关键是围绕AI重构运行机制而非堆砌工具。文中套用新加坡国立大学庞严教授的五要素框架,即组织与人才重塑、智能体设计、工作流重构、数字底座建设、治理机制建立,并附双轨六阶段路线图。

    决策要点

    AI原生组织的实质是围绕AI重新设计运行机制与工作流,卡点在组织变革,而不是采购多少AI工具。

    • 影响走全员AI路线的企业需先沉淀统一的tools、链接器与知识库供业务人员调用,否则智能体止步于个人提效;管理对象将从人扩展到人机组合与流程边界;可复用能力若缺乏调用量统计,沉淀的真实价值难以判断。
    • 参考可考虑先盘点现有业务系统和可复用的tools、链接器、知识库,确认智能体能否直接调用;值得给关键智能体写一份含使命、权限、KPI等八要素的岗位说明书,并建立调用量统计口径。
  5. 36氪·AI64

    8.4万Star的LobeHub用Agent组织自家研发,人类退到审批与验收环节

    白鲸实验室在36氪发布的报道实测了开源Agent协作平台LobeHub,该项目约8.4万GitHub Star,过去大半年用自家Agent系统组织研发,10月31日凌晨AI账号lobehub-coder与Codex就代码审查意见多轮交流,全程无人类参与,合并请求#21852从提交到合并仅由人类点击过一次合并按钮。

    决策要点

    让Agent分工协作开发软件已从设计探索变成可运行的日常流程,人的角色从写代码转向拆任务与验收,多任务效率的瓶颈回到人的注意力。

    • 影响研发人力重心可转向拆解需求与验收,逐行读代码被验收报告替代;不同厂商的模型和工具能混编进同一条任务流;授权配置、环境维护和意见回传仍需人工,这决定无人值守的边界。
    • 参考可考虑从重复且结果可观察的开发任务中选一个小流程,试点主管Agent加执行Agent的分工,记录人工介入次数;值得把验收标准写成逐项可核对的清单,再对比报告耗时与人工检查成本。
  6. 36氪·AI56

    Claude Code工程师Addy Osmani的Agent教程,如何防止被AI养废

    前Google Cloud AI总监、现Claude Code工程师Addy Osmani发文提出认知投降概念,指工程师从亲自写代码变成给Agent盖章,批准自己解释不清的代码。

    决策要点

    AI编程把工程师的主要工作从写代码变成审批代码,风险从写错转向看不懂就放行,审查纪律成为新门槛。

    • 影响产出速度可能超过理解速度,理解债会转化为维护成本和故障排查风险;多Agent协作时总结层层传递丢失关键细节,审核压力随并行数量上升;个人技能退化影响团队长期能力储备。
    • 参考可考虑在评审流程中加入追问Agent未测场景和未授权决定的环节;值得为高风险变更引入另一个Agent独立复核;可试点每周独立编码练习,按月盘点已外包给AI的技能清单。