AI × 组织｜用真实案例讲清楚：AI上岗后，工作怎么分，谁来负责。 18年组织与人才实践。《AI上完之后，组织怎么办》作者。 AI at work: who decides, who owns the outcome? Author of The Accountable Firm
Beijing
Joined February 2011
- Tweets17.8K
- Following3.1K
- Followers7.3K
- Likes8.4K
Pinned Tweet
I wrote a book.
Not about how to use AI.
Not about prompts, models, or the latest agent framework.
It is about a harder question:
When AI starts doing real work inside an organization, what has to change around it?
A thread on why I wrote The Accountable Firm. 🧵
给想上手 Claude Code 的朋友补一份演示观看路线：看看它怎么给已有项目加一个完整功能。
别只收藏，打开视频可以按这四步看：
① 58:07，把需求说到可操作。
给 Excalidraw 加表格：能设行列、拖拽调整大小，还要沿用原来的样式。
② 58:15，看它怎样进入项目。
先列待办、读已有代码，再在 VS Code 里展示修改差异。
③ 59:35，把功能真的跑起来。
写测试、修问题，直到 lint 和测试通过。1:00:07 开始本地验收：建一个3×3表格，试移动、缩放、边框、颜色和文字。
④ 1:00:46，接着补文档。
建好 PR；1:01:14 在 GitHub 里 @Claude 提要求，由 GitHub Action 接着完成文档修改。
补个背景：这是2025年5月的演示，台上是产品经理 Cat Wu。这是加速展示；她现场说，这次开发实际跑了约90分钟。拿来学流程很合适，别拿视频长度估自己的工期。
想动手，我写了个练习开头（不是视频原话，也不是实测记录）：
“先阅读相关代码，列出实现步骤和需要改动的文件，等我确认后再改。保持现有样式，只完成这一个功能；完成后运行相关测试，告诉我怎样在本地试用。先不要提交、推送或发布。”
先在练习分支选一个能在本地看到结果的小改动。跟着看一遍，再自己走一遍，才知道卡在需求、实现还是测试。
以上时间码对应官方完整录像，从57:07看起：
youtube.com/watch?v=EvtPBaay…
配图为 Andy L 转帖中的演示画面，片段入口：
teapaw.org/AndyL5cc/status/211584…
1/4
最怕的不是 AI 没照规矩干，是它顺手把你写的规矩改没了。
用 Claude Code 时，项目规则常写在 CLAUDE.md 里。文件堆得太长，修改前先问一句：它真的读完了吗？
我会先查版本，再看它准备改哪几行，而不是继续往说明书里加“务必遵守”。
4/4
再整理说明书：常驻文件只留每次都用的规则；目录专用约定放进 .claude/rules/，在文件开头的 YAML 中用 paths 指定范围。
拆成 @ 引入文件方便整理，但不会因此少占上下文。按路径加载是已有用法，不是这次新功能。
下次先挑一个目录试：拆出专用约定，指定路径，再检查修改前后的差异。
Uncle J retweeted
#X直聘
@tuttihq 招人啦：运营 & 执行 ×2
Tutti：The all-in-one marketplace to monetize your influence.
我们连接全球创作者和品牌，帮中国出海公司和全球创业团队在 𝕏、YouTube 等平台被看见。
你会做的事：
1. 和全球范围内的达人建联，搭建我们的创作者网络
2. 对接中国出海公司和全球创业团队，把需求拆成可执行的方案
3. 选达人，掌控宣发节奏
你会站在两股潮水的交汇处：一边是最前沿的 AI 创业品牌，一边是一批世界范围内最优质的创作者。
🌍 #远程工作 ，团队分布在美国、加拿大、中国
💳 配 Mercury 卡，AI 订阅额度管够，可以用来订阅 Claude 哈
我们找的人：
1. 细心靠谱，交付结果
2. AI 工具用得溜，愿意把很多很多的活交给 Agent
3. 熟悉 𝕏 / YouTube 的玩法，自己在做号的加分
4. 跑过 KOL 投放、海外 BD 或社群运营的加分
感兴趣的在评论区留一段自我介绍和做过的项目，或者发简历到 [email protected]（评论区最容易看到，邮件可能回得慢 🫠）
据 Reuters，微软约6万人获得自愿退出选项，不是已经裁掉6万人。
我更想看后面的能力变化：哪些人会选择离开？他们原来处理的例外、客户关系和关键判断，谁来接？
如果岗位减少了，工作却没重新设计，留下的人可能只是接走更多烂摊子。这个风险值得观察，不能从目前的公告断言它已经发生。
评价AI转型，我会把工资表和责任交接放在一起看：少了多少人，以及留下的组织能不能把事情做完。
微软官方说明：
blogs.microsoft.com/blog/202…
Reuters：
streetinsider.com/Reuters/Mi…
Google Cloud's updated terms distinguish an agent's actions from its generated output. That deserves more attention than another benchmark.
Section 20(n) makes the customer responsible for deciding whether the agent fits the job, granting access, and supervising its use in production.
I'd want three questions answered before rollout:
Who can expand its permissions?
Who picks up the exceptions?
Who can stop it?
An 'AI owner' on an org chart tells me very little until those people have the authority and time to do the work.
Source: cloud.google.com/terms/servi…
必须致敬这个时代。
大福喜欢《塞尔达传说：旷野之息》，那就给他做一套专属于自己的《海拉鲁观察家》。
从海拉鲁的世界观、怪物图鉴、装备道具，到神庙探索、解谜攻略，再到汉字注音、英文学习。
自己策划内容，自己设计版式，自己编排故事，最后印成一本本真正可以拿在手里的杂志。
以前，这可能需要一个编辑部、一支设计团队和一家出版社。
现在，一个爸爸 + AI，就够了。
最让我感慨的，其实不是 AI 能画多少图、写多少字，而是它让一个普通人的想象力，终于可以如此低成本地变成现实。
有想法，就能创造。
有热爱，就能动手。
甚至可以为一个孩子，定制一整个世界。
技术平权最动人的地方，是让一个父亲和孩子共同的奇思妙想，变成孩子童年里真实存在的东西。
多年以后，大福可能早就忘了某座神庙怎么通关，却还能从书架上翻出这些专属于他的杂志。
那时候他或许会想起：
小时候，爸爸陪我一起造过一个海拉鲁。
这大概就是我理解的 AI 时代的浪漫。❤️
Uncle J retweeted
换一个 AI 编辑，上一轮的判断还能留下来吗？
一篇稿子写完，除了成稿，我还想留下审稿时用过的判断：哪些话有依据，哪些承诺不能写，换个产品后哪些做法值得参考。
这次与 EverMind 合作，我用 EverOS Cloud 给写作流程加了一份“交班笔记”：保存上一轮工作记录，按新任务检索，再交给没有旧对话的新编辑。
我用了两个虚构产品做演示，写作、AI 审稿和 Cloud 调用都实际执行。这个小实验想回答的是：一次任务里的判断，怎么交到下一次任务手里？
1. 把判断连同出处留下来
第一轮写“纸舟文档助手”的批量导入说明。初稿明确区分了三件事：导入完成、后续检索命中、文件内容正确。它们需要分别确认。
独立 AI 审稿没有提出必须修改的问题。原稿保留，助手另整理案例注释，注明做法及适用条件。随后把任务资料、稿件、审稿与案例注释、修订决定整理成四条消息，通过 API 提交给 EverOS Cloud；查询时看到了保存的记忆记录。
2. 带着新任务，找相关经验
第二轮换成“巡灯值班台”，写交接摘要功能。
搜索时，我把新产品、受众和写作目标说明白，还加了一句：“需要与这类写作任务相关的历史经验，不需要替新产品补充能力或代写最终稿。”
Cloud 返回了上一轮记录，保留了“导入结果、检索命中与内容核对的区别”这一判断。
接下来，接入流程把返回的完整历史记录数组交给新编辑，同时标注“旧任务资料，不是新产品事实”，再提供本轮产品资料。
3. 看新编辑实际交出了什么
没有继承旧对话的新编辑，在成稿中写到：
“摘要保留的是条目已有的最近更新时间，不会核实现场进展、更新任务状态，也不会判断旧条目是否已经失效。”
这条保存→检索→交给新编辑的链路跑通了。EverOS Cloud 负责保存与检索；写作、审稿、案例注释和上下文组装，是我们自己接的流程。
结果也有边界：这轮有无历史记忆的稿件，在独立盲评中没有实质差异，不能据此说质量更好或效率更高。返回记录经过压缩，还遗漏了案例注释中明确的适用与不适用条件，关键条件仍要回看原文。
所以，我会给下一轮任务留这样一份交班笔记：
任务：给谁写什么，帮助读者作什么判断？
依据：哪份资料、哪个版本，完整原稿在哪里？
审阅：谁审的，认可或修改了什么，为什么？
做法：下次遇到相似任务，可以检查什么？
边界：何时适用，何时不能套用，什么变化后要重核？
这是基于本次体验提出的记录建议，不代表这些字段已被 Cloud 完整保存并取回，也不证明产品会自动学习或生成 Skill。
对做产品说明、分析报告、Agent 工作流的人，可以先拿一份可公开的工作记录试接入：下一次任务来时，看看能取回什么、漏了什么、新编辑怎么使用。
可以注册 EverOS Cloud （everos.evermind.ai）开始体验；有持续用量需求，再评估 Pro。本次活动 Offer：开通 Pro，享半年 3 倍月度额度。
#EverMind #EverOS
OpenAI just announced up to $500/month in API credits for Pro users.
I'm on the $200 Pro plan via Google Play. No claim button anywhere.
Docs don't mention billing platform. Support says "depends on cohort and country."
Web subscribers can claim it. App Store / Play Store subscribers get nothing.
Same price, different treatment.
@OpenAI @OpenAIDevs care to explain?
Uncle J retweeted
写完代码，再拆个模型盲盒。🎃
ZenMux 这次万圣节，给日常用 AI 加了个小彩蛋：每个活动日，现金按量付费（PAYG）实际消费满 $1，就能解锁一个模型盲盒。
单份奖励最高估算使用价值 $500。奖池覆盖16款模型，每天3,000份，开出来可能是指定模型 Tokens、图片／视频生成额度或 PAYG Credits。这里的 $500 是使用价值，不是现金，也不是每盒都值这么多。
有意思的地方在开盒之后：平时没用过的模型，可以接手一个小任务。
比如抽到适合编程的模型 Tokens，就拿一个报名页练手：补上表单校验，空输入、格式错误、正常提交各试一遍。任务不大，但做没做好，一眼能验。
奖励绑定什么模型，就选它适合做的小任务。做出一个能留下来的东西，比只记住又一个模型名字更有意思。
ZenMux 本身是一站式 AI 模型平台，通过统一账户和 API 接入多家厂商的文本、图片、视频模型。需要哪一类工具，就按任务选。One API. Whole workflow.
参与路径也简单：
正常使用现金 PAYG → 本活动日累计满 $1 → 回活动页开盒 → 领取奖励，查看对应模型和有效期。
几个条件一起看：仅个人账户；订阅用量、赠送额度和优惠券抵扣不算进 $1。每个活动日最多一次，全程最多五次，奖励领取后14天有效。
活动时间为北京时间10月26日22:00至10月31日22:00，每天22:00刷新。本来就有 AI 任务要跑的，可以顺便看看今天是否已经达标。
前往 ZenMux，查看并解锁今天的盲盒。
zenmux.ai/halloween
🤝 Paid partnership
AI can give your team ten versions of a proposal. Who decides which one is ready?
Agree on the acceptance criteria before generating more. Otherwise, the manager becomes a full-time comparison engine.
Before asking everyone to use AI, give them one sentence they can safely say:
"I don't trust this result yet."
Then ask what would resolve the doubt. If raising a concern hurts their performance review, the rollout is teaching silence.
Approving every edit can turn a faster agent into a longer queue for the team. I'd reserve human review for formulas, financial assumptions, and commitments, and let low-risk formatting run. Measure review minutes per finished document alongside time saved drafting.
An AI workflow needs an "I can't finish this" handoff.
What got stuck? What was already tried? Who can make the next call?
Design that handoff while things are going well. "Ask a human" leaves the human with all the detective work.
给商品照换背景，如果连瓶身上的字也换了，图再漂亮也不能用。
微软 10月27日推出 MAI Image 2.7 编辑预览，能改光线、场景、文字。我更想试一个反过来的要求：
「只把白桌面换成木桌；瓶型、标签、容量字样保持原样。」
做商品图，brief 里除了“改什么”，还该有一栏“别碰什么”。
官方介绍：
microsoft.ai/news/mai-image-…
目前是图像编辑预览，文生图仍标为 coming soon。上面的商品照是拟测试场景，未实测，也不代表它已能稳定保留这些细节。
