面试官臭显摆：“我们公司几百个 AI，你能 hold 住么？” 我不屑：“给我一天，把 tokens 烧光！”

大家好，我是程序员鱼皮。

赌一包辣条，你肯定听说过 OPC 一人公司的概念吧？

一个人，驾驭几十个 AI，效率贼啦高，年收入破百万，想想都很威风~

虽然实际上很少有人能做到这种程度，但不可否认的一点是，很多公司都开始引入 AI 员工了。

毕竟 AI 无所不能，关键是它完全不会累、效率还贼高。

Claude 背后的公司 Anthropic 正在探索一种跟 AI 协作的新方式，他们把 Claude 拉进工作群，只要艾特它 @Claude，就可以让它按照要求去干活。

听起来很简单，但他们在实际运用 AI 的过程中，也遇到了不少痛点。

比如 AI 很死板，没有写进协作文档的内容、没发在工作群里的消息，它一件也不知道。

你不给它分工，它也不知道自己该做什么。。

好在，Anthropic 官方发布了一篇文章 《打造高效的人机协作团队》，分享了一套如何让 AI 高效地融入团队的方法。

原文地址：https://claude.com/blog/building-effective-human-agent-teams

如果 AI 真的成了团队成员，我们要怎么和它一起工作呢？

点个收藏，我来给你答案。

如何带好一个 AI 同事

Anthropic 分享了 4 条非常有价值的经验，一起来学习一下。

一、写清楚协作信息

一般来说，AI 能读取到的，只有「写下来的东西」。

AI 主要通过文档、工作群聊天记录、会议纪要、代码等等可检索的信息来理解团队。

所以很多人类团队口头达成共识的默认信息，其实 AI 完全不清楚。

比如，我们开会时说过的话、员工之间的私聊、某位老员工脑子里的业务背景，AI 是看不到的。

如果项目已经暂停了，但这个信息只出现在几个人的私聊里，AI 就可能继续按照旧计划推进。

所以对 AI 来说：没写下来的事情，就等于没发生。

Anthropic 的做法，是让重要信息尽量同步到公开的工作空间里。项目进展、任务负责人、关键决定，都应该记录在团队能够访问和检索的地方。

以前我们写文档，可能只是为了方便团队查阅。现在，文档还承担了另一个作用：给 AI 同事提供工作背景。

其实，这个建议不仅仅是和 AI 协作时才适用。平时大家在团队中工作也是一样的，有什么想法、决定，及时同步出来，别憋在心里，这样很多不必要的误会和返工，根本不会发生。

那我们要怎么写清楚协作信息，给 AI 同事快速提供背景信息呢？

可以从 4 个方面入手：会议纪要、聊天记录总结、企业知识库、项目配置文件。

1、会议纪要

这一步其实就是把会议记录的音频转成文字，再由 AI 把文字总结成有结构、可读性强的文档。

听起来好像有点麻烦，但不用慌，已经有现成的产品供我们使用。

如果公司在用类似企业微信、腾讯会议、钉钉、飞书等协作产品，可以通过在线会议转写功能，快速生成会议纪要。

腾讯会议自动文字转写

这时候就有人要问了：那线下会议怎么办？

也不用慌，飞书等产品支持上传录音或视频，快速生成会议纪要。在开会时，我们只需要顺手录制音频就好。

得到生成的《会议纪要文档》后，可以直接丢给我们的 AI 同事，让它快速了解背景信息。

2、聊天记录总结

我们团队日常用企业微信比较多（主要是方便联系客户），它有一个「聊天记录快速总结」功能，而且能导出为文档。

这样我们就可以快速总结团队的需求、进度，甚至可以一键出周报。

企业微信聊天记录总结

如果工作用的是微信沟通，但目前微信还没有「一键总结聊天记录」的功能，怎么办？

办法总比困难多，我们可以把聊天记录合并转发给「腾讯元宝」，让它帮我们总结。

具体操作步骤如下：

很简单吧？

3、企业知识库

如果公司已经在用企业知识库，像飞书、语雀、Notion 等产品，那么你已经有了 AI 团队的「工作记忆」，只差同步给 AI 同事，让它能够检索到。

这里分享一个语雀的实用功能，可以根据你一周、一个月内的工作文档，让 AI 推理总结，并可以导出文档为 AI 友好的 Markdown 格式。

语雀 4、项目配置文件

企业知识库是团队成员共同的资源，真正开发项目时需要一份专属于项目的「知识库」。用来说明项目是干嘛的、用什么技术栈、有哪些约定、目标是什么。

像 CLAUDE.md、AGENTS.md 等文件其实就是专属于项目的知识库，同时这些文件生来就是给 AI 读的，可以把它们跟随项目一起提交到 GitHub，让团队和 AI 一起共享。

二、给 AI 和人类分好工

AI 和每位团队成员要共享同一个工作空间，并且都要有明确的分工，应该共同维护同一套产物，避免重复工作。

举个常见的例子：在之前的传统模式下，团队要统计一份「本月业务用户数据」，你让自己的 AI 出了一个版本，隔壁同事也让他的 AI 出了一个版本。

结果你俩用的标准还不一样，你按「注册量」统计，隔壁同事按「激活量」来算，活干重复了、数字也对不上。

这就是没有明确分工、没有统一工作空间的结果，各个同事之间养着自己的 AI，不仅重复干活，还污染了产出的上下文。

当然，如果有多个 AI Agent，每个 Agent 也要有自己的角色和分工，并给它配齐相应的工具与访问权限。

做数据分析的 Agent，需要用到访问数据库的 MCP。比如 DBHub 这个 MCP，在 Claude Code 的官方文档里，就是用它来演示连接 PostgreSQL 数据库。

负责测试的 Agent 需要调用测试工具，比如比较常见的 Playwright MCP、Browser Use，它们能让 AI 自己打开网页、点击、输入、截图、还能自己看控制台的报错。

对于负责文档整理的 Agent，需要有访问相关资料的权限。

Anthropic 还用了一个很巧妙的方法，用 Skills 技能文件来定义每个 Agent 所担任的角色，就类似于之前很多人在提示词开头写「你是一位专业的软件工程师」。

Skills 技能文件需要包含 AI 的角色定位、干活的步骤和规范、以及所拥有的权限等内容。

Skill files

这样一来，如果你想要复刻一个同款的 Agent 也很方便，把 Skills 文件提供给另一个 AI 就好了。此时的 Skills 技能文件就像是「离职交接文档」。

定义清晰的角色与职责，才能让 AI 和团队达成共识，从而帮助团队走向成功。

我们团队最近在研究一个「知乎回答工作流」，目的是让 AI 自动帮我从知乎搜集高质量的问题，并结合我开源的 知识库中的内容，来撰写问题的回答。

开源指路：https://github.com/liyupi/ai-guide

根据多 Agent 协作的思路，我可以让一个 Agent 专心负责搜集问题，一个 Agent 专门根据知识库撰写答案。

刚好最近知乎官方发布了 Zhihu CLI，这是知乎数据开放平台面向 AI Agent 提供的官方命令行工具。

只需要给你的 AI 发送一段提示词，就能安装并配置知乎 CLI：

请下载安装 zhihu-cli skill 并完成初始化配置 https://developer-cdn.zhihu.com/zhihu-cli/releases/stable/skill/zhihu-cli-skill.zip

然后到 知乎平台 生成一个密钥用于认证知乎 CLI，生成的密钥也是直接发送给 AI，就能完成配置。

指路：https://developer.zhihu.com/profile

安装并配置好后，创建一个搜集问题的 Agent Skill：

OK，搜索问题的能力就成功实现了。不过返回的问题相关数据其实是错误的，需要后续再修复，这里我先继续创建撰写回答的 Agent。

把完整的需求、以及我自己的写作风格指南提供给 AI：

这里的附加文件就是文章前面提到的，要给 AI 提供足够的背景信息，它才能理解清楚你的需求。

开发完编写回答的 Agent 后，AI 还自己跑了一遍工作流验证。

虽然生成的回答效果还达不到我的预期，可能还要再让它加一个去 AI 味的 Skill 之类的，但这个工作流已经可以完全跑通了，能省下不少时间。

看到这里，你应该理解了什么是 Skills、以及什么是多 Agent 协作了，大家可以尝试根据自己的日常工作，来搭建专属于你的 AI 同事。

三、让 AI 主动

Anthropic 发现，很多时候，AI 只会完成被分配到的任务，而不会主动提出新的项目建议和方向，缺少大局观。

想让它主动提建议、主动发现问题，得先告诉它团队宏大、长远的大目标，这个目标称之为「北极星」。

这里的北极星必须由人类设定，一般是公司的使命和业务目标，然后明确告诉团队里的 AI。

官方在文章中说：一个团队把「让新用户更容易上手我们的产品」定成北极星，AI 发现产品的报错提示写得太难懂，很容易把用户劝退。它主动提了文案修改意见后，第二周新用户明显增多了。

举个例子，比如新用户使用邮箱时，原报错提示写的是："Invalid input in field 'email'。Please verify the format. Try again."

新用户看完一头雾水：哪里不对？格式是什么样？

AI 主动提出修改建议，改为：邮箱格式不对，请检查是否包含 @ 符号，比如 yupi@codefather.cn

所以说，AI 有时候不够主动，并不是它不聪明，而是你没有告诉它团队的终极目标是啥。

公司层面的目标，可以写进企业文化文档；产品层面的目标，可以写进项目配置文件。

四、和 AI 慢慢建立信任

很多团队最容易犯的错是：一开始就完全相信 AI。

AI 做得快，不代表做得对。

所以 Anthropic 建议不要一开始就把重要工作全部交给 AI，而是先从简单、容易检查的任务开始。

然后根据 AI 干活的结果是否可靠，来循序渐进地授予 AI 更多的操作权限。

Anthropic 的工程师已经可以让 AI 独立处理 500 个 Bug 修复任务。但这个结果不是一蹴而就的，经过了很长时间的调试、反馈和改进。

我觉得这就像一位新同事加入团队时，前期需要先评估他的工作能力，慢慢培养、磨合工作默契。

举个例子，我们团队搭建了一个 AI 资讯推送机器人，能够定时在交流群中推送 AI 热点：

其实在一开始，我们是先同步草稿给人工检查编辑，再确定发布。

AI 每天自动搜集资讯 → 整理成草稿 → 同步给人工检查 → 编辑确认 → 发布

在前期还是需要人类来把关，AI 只负责干活，不负责决定。

后来我们做了些优化，才完全把主动权交给 AI。人工检查了一段时间，发现它的筛选质量稳定了、翻车率降低了，才开始让它直接自己推送，不用每条都等人工过目。

前面刚刚学习了 Anthropic 提供的经验，其实还可以进一步优化自动推送热点的工作，告诉 AI 这个项目的目标。

比如让 AI 不再只是整理资讯，而是告诉它：我们推送的目标是「帮读者每天用最短时间，抓住 AI 行业最重要的变化」。

最后哔哔

看到这儿你会发现：Anthropic 分享的四条经验，其实不都是老生常谈的东西吗？？？

没错，清晰的目标、明确的角色与分工、扎实的文档、统一的质量标准，这些点本来就是好团队该有的，是大家共同需要做到的事情。

所以我觉得，如果你本身就有一个健康的团队，接入 AI 同事可以快速地为工作提效，反之 AI 同事只会给原本混乱的团队 雪上加霜！

AI 不会拯救一个混乱的团队，它只会把团队原本的样子无限放大。

那么问题来了：你的团队，有把 AI 作为同事么？