每天挑选一期硅谷AI科技值得关注的播客，让你与前沿同频。如果你现在没空可以收藏进 ，在通勤、走路或做家务时一篇篇轻松听完
"我觉得，‘管理 Agent’这个说法已经不对了。"
"我不想再做第一块多米诺骨牌，也不想成为自己工作的瓶颈。"
"别只盯着一个任务，要想它背后的工厂。"
Allie K. Miller 曾在 AWS 带过约 100 人的团队，也负责过规模达数十亿美元的 AI 业务。如今，她的组织里有 34 个 AI Agent：最上面是 AI 幕僚长 Simon，下面有 6 位“总监”，再各自调度更小的 Agent。乍看之下，这像一张数字员工组织图；听她讲完才会发现，人数反而是最不重要的部分。
一个人怎样才能从“每件事都要亲自下令”，慢慢退到只处理少数升级决策？Allie 花了几个月补资料、修权限，也改掉许多沿用多年的管理习惯，才让这支队伍开始主动找活。 她做的事情并不神秘：先把目标、背景资料和审核边界交代清楚，再让 Agent 判断接下来该做什么。
别再逐个派活，先把工作环境搭好
Allie 最先改掉的是派活的习惯。这个任务交给 A，那个任务交给 B，管理者永远站在队伍前面分发待办，Agent 再多也只是把执行速度加快。她现在把自己放在组织图上方三层的位置，主要负责搭环境、定方向和接住例外；至于具体走哪条路径、先做哪一步，Simon 和下面的 Agent 可以自行商量。
"我正在从管理转向等待升级，也在从委派任务转向决定哪些事该发生。"
她在 AWS 管人时就喜欢帮人突破上限，对填表、点按钮、追流程一直没什么耐心。换成 AI 团队后，这种偏好变成了一条很具体的分工：行政动作尽量交给系统，人保留方向、责任和高难度判断。早期她也给 Agent 设过定时任务，可任务仍要由她逐个想出来，她依旧是第一块多米诺骨牌。 只要每项工作都等你开口，这些 Agent 就是一批更便宜的执行者，还谈不上会主动工作的队伍。
三个词的提示语，靠一整套背景资料撑着
Allie 最常给 Simon 的提示语只有三个英文词：Do smart things，做聪明的事。单看这句话，多少有点像偷懒。Simon 背后却有一大堆材料可读，包括业务资料、个人与公司的年度目标、会议记录、邮件和日历，也包括 Notion、Stripe、Supabase、GitHub 里的实时信息。它每天把这些内容扫上几遍，看看哪个项目停住了，哪里出现了新机会，哪些事情值得自己先动起来。
"我给了它们更大的工作广度、范围和灵活性；风险层级没有变。"
自主范围变大，不代表审核一并取消。过去 Agent 发邮件需要她确认，现在照样要确认；它新增的自由，是可以自己发现更多值得做的工作。一年前，模型收到这种模糊指令很难稳定行动，现在才逐渐能从大量材料里寻找线索。提示语短了，准备工作其实更重，因为“聪明”没有统一答案，Agent 只能从目标、旧决策和权限规则里读出公司的标准。 越想少写提示语，越要把背景资料写清楚。
Agent 想主动干活，得先知道什么算有用
访谈里有一段对员工主动性的划分很有意思：有人连分内任务都完不成，有人能把交代的事做好，再往上才是主动发现任务、完成任务，并提前想好失败时怎么办。Agent 也要走过这几层。Allie 每个季度都会和 AI 团队复盘目标，并把同一份目标文件同时留在本地和云端，让 Simon 在发起任务前先判断，这件事会不会让业务往前走。
"我不想再成为第一块多米诺骨牌，也不想成为自己工作的瓶颈。"
她还区分了两种“主动”。一种有明确触发器：录屏被丢进文件夹后，系统自动转录，再按她的口吻写成 9 条适合 X、LinkedIn 和 Instagram 的内容。另一种连起点都没有，Agent 得根据当前目标自己判断最值得做的事。前一种是自动化流程，后一种才会减少管理者的发令次数。 如果 Agent 只知道怎么做，却不知道为什么做，它再勤快也可能忙错方向。
让公司可查询，先把脑子里的信息倒出来
会议、邮件和 Slack 留下了很多记录，却留不住所有影响判断的细节。Allie 的系统早期就吃过一次亏：它知道 Greg 已经答应参加访谈，于是以为日期也敲定了。实际双方还在 iMessage 里商量时间，恰好连接短信的工具当时又坏了。系统掌握的每条事实都没错，少掉的一小段信息却让最后的判断出了偏差。
"我想让整个公司都可以被查询，让 AI 知道正在发生的一切。"
为了补这种洞，她做了一本每日 AI 日记。系统每天提醒她口述那些没进入正式文档的判断，短则 5 分钟，长的时候会说 40 分钟；语音速度大约是打字的四倍，所以这件事还能坚持下去。节目录制时，个人 Wiki 里已经攒了 80 多条记录。客户嘴上说想要工作流、实际担心的是团队转岗，或者某个合作为什么暂缓，这些零碎信息终于有地方可去。 Agent 能不能把事做对，取决于它能不能看到人当时做判断所依据的那部分事实。
AI 岗位没必要照抄人类公司的组织图
Simon 下面的 6 位总监覆盖教育、客户项目、运营、营销和产品等业务，但 Allie 最喜欢的两个角色，在普通公司的招聘计划里很难看到。Phoebe 是“首席梦想官”，每次成果准备交付时，她都会追问能不能把效果放大十倍。Toby 不负责业务产出，只盯着其他 Agent 怎么工作，记录哪里卡住、缺什么权限，以及哪些答案总要被人改第二遍。
"如果我给所有 Agent 都套上 2015 年已有的职位名称，我得到的仍是 2015 年的组织结构。"
这两个角色都没有替代某位员工。Phoebe 把“再大胆一点”变成固定的交付检查，Toby 则会追查反复返工的原因，发现少了文件夹、工具或访问权，就建议把缺口补上。Allie 说，这支队伍花了几个月才磨合到现在，因为她必须重新检查自己对工作的每个习惯性假设，甚至承认某些坚持了近 40 年的做法已经可以改掉。人类团队通常知道这些辅助工作有价值，只是很难为它们单独留出编制；Agent 的成本较低，反倒适合长期守着这些容易被挤掉的角落。 设计 AI 岗位时，可以先问团队一直缺什么能力，再考虑给它叫什么名字。
别急着组军团，先和一个 Agent 共事
如果今天只有一个聊天机器人，Allie 建议先别画那张几十个节点的组织图。找一件自己熟悉的工作，体验和一个 Agent 来回协作，再让它代替你主动完成一部分。等这条链路稳定后，加入第二个 Agent，看看它们能否共同做完一项任务，或者由一个判断该把工作交给谁。权限怎么分、上下文怎么传、哪个环节需要人，会在运行中逐渐露出来。
"先问：和一个 Agent 工作是什么感觉？然后再看两个 Agent 如何一起做一项任务。"
起步提示语也不用写得很花哨：介绍自己的业务和目标，请模型采访你，再把答案整理成它能反复读取的背景资料。Allie 的子 Agent 大多跑 Haiku 和 Sonnet，重任务才交给 Opus；人类同事通过一个 Slack 频道与整支 AI 队伍协作。哪个角色无须接触敏感工具，哪个任务用小模型已经够好，这些安排都是跑出来的。 一次生成一百个 Agent 很容易，弄清第二个 Agent 为什么存在，往往更有用。
节目里还有个小插曲。Allie 深夜在 Slack 里抱怨 Claude，没想到那条消息收到一个敬礼表情；她点开一看，回应的人正是 Claude。它还回了一句：“对，是我，我在这里。”那一刻她九成觉得有趣，一成觉得不安，但也因此看见了多人和 Agent 混在同一个工作空间里之后，主动协作可能长成什么样。
做一个产品时，顺手把后面的路铺出来
Allie 的团队做 AI First Index 时，原本可以让 Claude Code 或 Codex 读完旧材料、采访她，然后直接把产品写出来。她却多走了一步，先搭了一个小型软件工厂，把登录、支付、社交分享、新闻邮件等常用能力做成可以复用的模块。第一个产品已经开始带来收入，后面的产品则能沿用这套底座，不必每次都从注册页和支付流程重新开始。
"想想一个任务背后的工厂，别只想那个任务本身。"
同样的想法也能放到内容和销售上：做一条视频时，把转录、改写和多平台分发一起留下；处理一条销售线索时，把研究、分级和跟进做成以后还能用的模块。当然，工厂也会出问题，她提到团队就踩过 Webhook 的坑。区别在于，他们会把这次混乱修成公共能力，让后面的产品少踩一次。 今天多铺的一段路，只有在下一次交付真的被复用时，才算省下了时间。
代码便宜了，生意的难题还留在原地
Allie 觉得，平庸软件会越来越不值钱，可企业 SaaS 不会马上消失。企业需要长期维护、安全升级，也希望系统出错时能找到一个负责的人。很多公司当然可以重做 DocuSign 或 Salesforce 的一小部分，可它们未必愿意先花上百小时搭建，再长期照看一套临时 CRM。她自己就做过一个只放在电脑里的照片管理应用，一年多后再打开，程序已经报错；她当时的反应很直接：“我现在一点也不想处理这个。”代码成本下降，只解决了制作这一步，维护、责任和迁移成本仍然存在。
"找到瓶颈，评估解决它的价值，再选择那个最值得解决的瓶颈。"
消费软件则更看品味、传播和信任。Allie 提到一位从没写过代码的女性，她做了一个用几张人脸照片生成风格照的应用，产品刚推出就有 30 万用户。她自己每天都用 Whisper Flow，尽管并不喜欢它的移动端体验，因为产品提供的价值足够高。Greg 的说法更直接：最好的歌也未必排在 Billboard 前一百，产品同样离不开推广。把网页原型变成能上架的 iOS 应用、让用户愿意转介绍、稳定做出有人看的视频，可能都比写代码更难，也更靠近收入。成熟供应商还可能提前参与模型测试；等新模型公开，客户自建系统刚开始适配，供应商已经跑了一个月。 所以别把最难的技术问题自动当成最好的生意，先看它解决以后究竟值多少钱，又有多少人愿意付钱。
写在最后
如果也想试着组一支 AI 团队，不妨从手边的一件真事开始：让一个 Agent 采访你，把目标、现有资料和必须由人确认的边界写清楚，陪它跑完几轮，再决定要不要加入第二个。34 个 Agent 很吸睛，但 Allie 花最多时间处理的，始终是资料够不够、权限对不对，以及自己能不能忍住不再逐项派活。
内容来源："My top secrets to running an AI Agent Workforce"丨Greg Isenberg
原视频：https://www.youtube.com/watch?v=EzQAgnjTq2k
相关文章
- 《Claude Code 实战：如何用一个工具支撑整个小团队丨Aakash Gupta》
- 《多邻国CEO：AI没让我裁一个人，但它改变了所有人的工作方式丨Silicon Valley Girl》
- 《Brex CEO：当CEO先被AI改变，公司才会变丨YC》
如果你现在没空，可以收藏进晚点再听，通勤、走路或做家务时一次性听完⇣
⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣
