Every 如何打造学习团队风格的共享 AI 同事

Katelyn Lesse 问，随着 AI 改变工作方式，人们需要的工具正在发生什么变化。Every 的 Dan Shipper 说，团队选择用模型解决实际遇到的问题，而不是在恐惧与想象中的无需工作的未来之间二选一。他说，实际上，采用这些工具意味着在使用中重新设计工作流。

通用基准的进展可能看起来像是在衡量 AI 能否取代人。Shipper 认为，用得好的话，这些工具能扩展一个人的影响力和能力。他希望既能衡量这种能力的扩展，也能帮助人们学会如何做到。

编程领域走在前面，因为检查代码是否有效相对容易。Shipper 描述了一些工程师如何协调智能体团队，提前推进路线图上的工作。他预计类似变化会扩展到其他知识工作，但由于质量更难验证、工作方式也不那么熟悉，进展较慢。

Every 是一家媒体和技术公司，提供新闻简报、课程和对新模型的实际评测。它的产品 Every Agent 是一位 AI 同事，旨在把团队的工作方式带给其他公司。

Shipper 说，团队最初采用个人 OpenClaw 智能体，但它们难以维护，最终逐渐消失。一个公司共享的智能体被证明更加有用：一个人发现的工作流可以传播给同事。即使是一家专注于新 AI 工具的公司，也发现很难让所有人的使用水平保持一致。

他提到“AI 布道者”：他们建立了一套很有价值的个人配置，却很难说服同事尝试。在 Slack 中，人们可以公开演示如何让智能体工作，而不必解释别人看不到的个人工作流。智能体可以处理收集报告或准备社交媒体帖子等重复任务，同事也能看到这些请求如何运作。

被要求举一个具体例子时，Shipper 选择了福利登记这项日常任务。员工通常需要研究一份列出各种方案的 PDF，计算哪一项适合自己。他说，公司智能体了解所有方案和每名员工的情况，帮助大家做出选择。共享智能体也让公司领导能够把相关技能分发给所有人。

Lesse 指出，共享流程让每个人不必分别把同一份文档粘贴到聊天机器人中。Shipper 说，公司为每个人准备指导意见，也让他对自己的选择更有信心；这些选项过去复杂到他常常需要向父亲求助。

Willie Williams 介绍了编辑团队的另一项重复工作：一款以 Every 主编 Kate 命名的工具 Kate Bench，帮助团队在发布前进行高级编辑审校。同事不必塞满 Kate 的收件箱，而是可以在 Slack 中标记智能体，请它审查。Kate 能看到结果，判断它是否完成了工作。

Shipper 说，Kate 加入时 Every 只有四个人；现在公司约有 30 人，发布的内容大约是过去的十倍。她仍需确保文字修改符合自己的标准。为了传播这项工作，他使用她过去的 3 万次修改，在 Every Agent 中创建了一项技能。

任何人都可以要求智能体对文章、落地页或邮件进行一轮“Kate 式审校”。智能体在 Google Docs 中提出修改建议，人们可以接受或拒绝。随后 Kate 会审查结果；Shipper 说，智能体能找出她会修改的大部分问题，有时还能发现她可能遗漏的内容，让她在每篇文章上花费更少时间。

团队会跟踪 Kate 在智能体审校之后补充了哪些修改，并把这些内容反馈到技能中。她可以看到节省时间的估计值，以及可能需要增加的新规则。Shipper 认为，目标是让专家传播自己的工作方式，而不必为每一项请求按比例增加投入时间。

Lesse 问团队如何衡量和改进 Kate Bench 这样的工作。Shipper 说，重要的不是模型在通用基准上的得分，而是它在特定人员的工作中表现如何。Every 的人工“体验评测”会用自己的工作流测试新模型，并报告团队的偏好，但这些测试需要花费时间。

团队正在记录日常工作中遇到的实例，包括人们喜欢或不喜欢的输出，并讨论原因。其平台会把这些判断转化为检查项，例如标题是否只将句首单词首字母大写。随后在同一场景下运行不同模型，就能根据实际工作中重要的标准比较表现。

Every 最初尝试在 Telegram 和 Slack 等平台上为每个人提供一个智能体。Williams 说，团队后来转向一个共享智能体，因为个人做出的改进没有传播出去。当多人一起为同一个智能体投入更好的技能和指导时，效果最明显。

Slack 很自然地成为共享智能体的场所，因为同事本来就在这里交谈。使用各自的智能体时，协作讨论可能需要人们把消息复制到私人工具中，再把回答粘贴回来。共享对话则让人和智能体处于同一个地方。

Lesse 问 Every 为什么基于 Claude Managed Agents 构建产品。Williams 说，第一次尝试让团队认识到基础设施很难：一边改进产品，一边维护可靠的智能体运行系统，很快就变得难以管理。Every 希望把精力放在未来工作方式上，而不是成为基础设施团队。

Williams 说，这项托管服务提供隔离的计算环境、记忆和会话控制，让团队有更多时间设计智能体交互。Shipper 回忆说，他起初以为可以直接让 Claude 运行服务器；尝试一个月后，他同意了 Williams 的看法：基础设施工作确实很难。

Williams 说，这些基础组件组合在一起也让实验更容易。团队可以把生产环境中的记忆和持久状态复制到单独的测试环境，尝试边缘情况，并研究如何降低 token 成本，而不影响主要产品。测试运行在与生产环境相同的底层基础设施上。

其中许多实验涉及对话中的判断。人们往往假设同事在模糊情况下会做出合理决定，但很难把这些期望写成指令。Every 结合正式评估和一个更主观的问题：这种互动是否让人感觉像在与真正的同事一起工作？

谈到安全问题时，Williams 提到了内置隔离。团队可以分隔沙箱、工具调用、环境和记忆，并通过会话管理决定谁能访问什么。这些控制让团队能够考虑：Shipper 发出的请求，是否应该与另一个人发出的同类请求获得相同信息。

Shipper 补充说，他认为模型与周围系统之间的关系越来越紧密。在他看来，如果模型配有一台它知道如何使用的计算机，表现就会更好。他说，一个新发布的模型需要调整提示方式，但在托管服务中切换只需更新一行；Lesse 说，服务会把这些调整纳入其中。

Lesse 问，智能体是像一个人那样行事、代表用户行事，还是代表自己行事。Williams 说，公司内部请求常有灰色地带，人可能认为某种访问无害，但很难把这种判断编码成规则。团队的目标是让互动尽可能接近与真人同事共事。

在 Slack 中，智能体以独立实体的身份参与对话。在互动背后，它有隔离的记忆，也了解请求者及其在公司的访问权限。当它通过连接的工具获取文档或查询信息时，通常代表请求者行事。Williams 说，用户认为这个边界符合直觉。

为了让智能体随时间改进，Williams 关注人们工作时给出的细小修正：一句话写得不好，甚至一个笑话不好笑。他说，一个人的偏好可能很难一次说清，但大量实例可以显示出来。这些例子可以成为编辑、演示文稿或邮件技能的基础。

Shipper 将评估智能体比作招聘。标准化考试分数可以是有用的初步信号，但如果候选人分数都很高，雇主仍然需要背景推荐和工作试做。智能体第一天上班时可能训练充分、能力很强，却还不知道某家公司如何工作。

Every 希望收集工作中好的和不好的实例，提炼用户偏好，并衡量智能体是否随着经验积累而改进。Shipper 说，这种能力不会在智能体上线第一天就具备，而是团队希望实现的方向。人们可以不再手动重复每项任务，而是改进系统并观察其进步。

谈到下一步产品构想，Shipper 描述了个人基准：记录某人认为什么是好的回答，据此比较模型，并改进适用于其工作的技能。他也希望这些技能能在组织中传播，让其他人受益于专家的方法，而不必占用专家更多时间。

Williams 介绍了一项名为 Hands 的实验：它是运行在他桌面上的计算机操作智能体，Every Agent 可以让它操作电脑。团队认为，它与 Claude Code 或 Cowork 等个人工具相辅相成：人们有时希望公开协作，有时则希望把工作转移到私人会话中。

当智能体加入同事之间的交流时，上下文管理就变得不同。Williams 问，智能体是否参与过某次对话，是否应当把不同线程中的想法联系起来，以及它是否知道何时适合介入。他认为，交互和个性设计是让群组智能体发挥作用的重要部分。

Shipper 指出，一对一助手通常需要回答每条提示，而社交场景中可能有多人和其他智能体。它需要判断何时发言、何时保持沉默的规范。Every 也希望产品体现公司的工作方式，让使用者感觉像是在与 Every 的同事共事。

展望未来，Shipper 预计知识工作者会管理由智能体完成工作的循环，就像一些开发者已经在协调编码智能体一样。他将希望实现的特性称为“忠实度”：智能体应当反映一个人的意图和重视的事，而不要求这个人参与每一步。通用基准很难衡量这种个人契合度。

他说，在那样的未来，人们将像管理者一样，在特定时刻介入并改进系统，而不是完成每一项工作。其他同事或客户也可以使用专家的方法，而不占用专家更多时间。他将这描述为未来一年的发展方向，而非已经实现的能力。

被问及 Every 需要 Anthropic 提供什么时，Shipper 说，更强的模型智能很有价值，但知识工作者也需要自己能理解、符合自身知识水平的回答。Williams 补充了速度和成本，以及一种既能保持智能体个性一致、又能让客户配置个性的方法，例如更果断或更耐心。

Shipper 根据 Every 的经验认为，公司使用智能体越多，发现需要做的工作也越多。他预计，不同公司和经济领域受到的影响会有所不同，但自动化改变了人们在系统中的工作位置，而不一定让工作消失。

Williams 举了一个轻松的例子：Every 的首席执行官会让智能体记住自己何时欠了别人一杯啤酒；智能体偶尔会在相关对话中提起这笔“债”。Shipper 说，一位名叫 Andrey 的同事会写幽默而语气强烈的公司公告，于是他制作了一项技能，让智能体用这种风格起草公告。同事们现在也用它写自己的公告。