运营一支 AI 员工团队

运营一支 AI 员工团队 2026 年 7 月 24 日 · 9 分钟阅读 · 查看原文 ↗ Automation Marketing AI Design 你现在是一名 Agent 的管理者了 Ryan Carson 做了 25 年创始人。他上一家公司 Treehouse 成长到 110 名全职员工，教会了一百万人写代码。 他现在的公司只有一个员工。就是他自己。 它每天交付 22 到 25 个 pull request。有时 40 个。收入这个月有望翻 4 倍，而他正准备招第一批人。 这家公司叫 Untangle，一个面向家事律所的 AI 离婚 agent。他一半以上的工作是在手机上完成的。 下面是他的系统。 每个人刚刚继承的职位头衔 Ryan 的框架：你现在是一名 agent 的管理者。 创始人、独立贡献者（IC）、风投、大学生、全职带娃的父母。往后都是同一个角色。 反直觉的部分在于，这对你的技能组合意味着什么。大多数人以为技术能力要退出舞台了。Ryan 说发生在他身上的恰恰相反：他现在比人生中任何时候都更懂技术。 你必须理解 Postgres 是什么。生产环境 vs 开发环境。数据库迁移（Migrations）。 你在管理工作的过程中，把这些全都学会了。 他在那一期节目里的比喻：机器木匠仍然需要一个木匠。你知道钉子该钉在哪、该怎么下刀。这就是你能管理它们的原因。 做一名非常优秀的工程经理，现在是你能够自学的最有价值的技能之一。 步骤 01：把你的工作搬到云端 本地开发有一道硬天花板。你在自己的 Mac 上搭好数据库、认证、开发服务器。然后你想同时做两件事。 现在你需要 git worktree，或者在另一个目录里放一份完整代码库的副本。 同时做三件事？五件？十件？整套方法就崩了。 云端 agent 是怎么解决这个问题的： 点一个按钮。一台虚拟机在云端启动，里面已经装好了你的开发环境。 打开浏览器，点新会话，拿到一台全新的虚拟机。再来一次。再来一次。 你想创建多少台就创建多少台，代码永远不会冲突。 Ryan 至少同时跑 5 个云端 agent。经常是 10 个。 他的原话："如果你还在本地干活，说真的，我觉得你就是个山顶洞人。" 唯一的例外：重度前端工作。一个带大量 UI 的全新功能。启动一个本地 agent，做点轻量线框，然后把它移到云端，让云端 agent 接手。 他用的是 Cognition 做的 Devin，称之为业内最好的软件工厂之一。不便宜。但好用。 随之而来的安全规则：把你的生产写入密钥放在 1Password 里，别让 agent 够到。生产写入是危险的，你的 agent 早晚会搞出点坏事。把它设置成：agent 向你索要密钥，然后你把它粘贴进会话，这样你们双方都清楚正在发生什么。 步骤 02：在量压垮你之前，先建立起节奏 五十倍的产出意味着五十倍的决策。 旧世界一天给你两三个高风险的决策。一个重要会议、几通电话，活儿在接下来两周里慢慢完成。 新世界在午饭前就甩给你 10 到 20 个决策。 Ryan 的系统： 把你的 agent 线程分成两个桶。今天要交付的大而重要的事，和其余所有事。 把重要的那些置顶。让其余的跑着，回头再处理。 按一个计时器检查你的置顶线程，大约每 25 分钟一次。这个间隔才是重点。它是唯一能阻止你一路点穿线程直到把自己耗尽的东西。 把当天必须交付的事项写在纸上。Ryan 正是为此使用一个模拟待办清单（UG Monk），因为一天里的 10 个 PR 会是火情，而火情非常擅长吃掉你的注意力。 慢即是稳。稳即是快。 诚实的那部分：Ryan 说你会干得更多，而不是更少。他把它比作一块你以前从不需要锻炼的背部肌肉。结果证明，它是你拥有的最重要的一块肌肉。 步骤 03：把重复检查变成自动化 任何你平时会在周会或每日回顾里处理的事，都变成一项自动化。 指令很简单。开一个会话，告诉你的 agent 每隔 X 天运行这个任务。 自动化 1：端到端注册测试 一个浏览器 agent 注册 Untangle，创建一个案件，引导一个客户，走一遍发现流程。基础的用户测试，全自动。 它在周一、周三、周五运行。一周三次，因为每次运行大约花 60 美元的 token。 有意思的是浏览器测试循环：agent 录制会话视频，做标注，观看自己的视频，然后修复它发现的 bug。 当一次测试失败时，它会触发一个子会话去修复。 自动化 2：生产环境看门狗 每天早上 9 点，一项自动化读取数据库里付费客户的每一个事件，把它们汇总成一个 JSON 文件，落到管理面板里。 Ryan 边喝咖啡边读它。它就像一位幕僚长走进来，告诉你你的客户昨天到底干了什么。 关键细节：每一项都链接到真实的 UI，这样他就能点进去，看客户当时在做什么。 价值就住在这里。人类大约一秒钟就能发现"这有点怪"，而且有好几次，那一点击暴露了一个 agent 搭建出来的、和他预想不一样的用户体验。 自动化 3：自我改进循环 Untangle 有一个叫 Grace 的 agent，是一名律师助理。她和经历离婚的律师、律师助理以及客户交谈。 每天，一项自动化读取这些对话，按照一个评分标准给它们打分。任何低于标准线的东西，都会启动一个子会话来修复。 Ryan 每天交付大约三个这样的修复。 它们大多是小的 UX 擦伤，他要么永远找不到，要么会跳过。agent 已经找到了，已经开了 PR。他只是交付它。 这三个自动化底下的模式： 自动化 → 检测 → 分诊 → 子会话 → PR → 你的审查 然后回答那个杀死大多数自动化的问题：你怎么知道它什么时候触发？去问你的 agent。它会建议发到 Slack、连接一个 MCP，什么合适就什么。把这部分也建好，否则你的自动化就是在一间没人的房间里运行。 有一件事要留给自己：使用你自己的应用。Ryan 仍然按固定节奏，亲自点遍整个产品。目前还没有替代品，而且一段时间内也不会有。 步骤 04：把 token 账单控制住 Ryan 上个月花了大约 20,000 美元在 token 上。他自己的结论：太多了，不可行。 他对真实工程工作最终落点的估算：大约每个员工每月 5,000 美元。 超过这个数，你就需要模型路由。 路由在实践中怎么运作： 用对的模型做对的任务。他的强化循环跑在一个便宜的、Cognition 专为此微调的编码模型上，一次会话大约 5 美元。 父会话和子会话也是同样的思路。跑一条高级模型线程当管理者，让它用更便宜的模型开子会话，把昂贵模型留给思考。 结构性的论证： 如果你的整个工程运作都住在一家前沿实验室的产品里，你就是在押注一家长期看并没有动机让你的成本合理化的公司。 独立的 agent 实验室靠"用最低价格给你最好结果"来竞争。那就是他们的全部生意。他们会替你干那件艰难的路由活。 什么时候该切换： 一个人为自己做点东西？一个月 200 美元的前沿实验室套餐就够了。 真实产品、产品市场契合、要招人？你需要一个软件工厂，而且它应该落在独立实验室上。Ramp 之所以在内部打造 Inspect，是因为他们达到了那个你不得不这么做的规模。你大概率还没到。 Ryan 仍然每天用 Codex 做信息类工作：开浏览器标签、创建文档、查邮件。token 被大量补贴，Mac 应用很漂亮。他只是拒绝把公司的软件工厂建在它上面。 步骤 05：公开分享你正在学的东西 Ryan 的第三条心得和工具完全无关。 在 X 上写作二十年，至今还在给他分红。算法奖励文章。关系会复利。 他上这档节目，就是因为一段完全靠 X 建立起来的关系。 它不需要精致。你知道的比你以为的多。 Greg 的例子：Sahil Bloom 在私募工作过，COVID 期间开始写金融话题，把它们写成像是为 Twitter 而生的维基百科文章。他在公开学习，说着"这是我在学的东西"。 超过一百万粉丝。一本《纽约时报》畅销书。公司。一只基金。 如果你不知道某件事，就说你不知道。然后去问一个 agent。 清单 这周把一个工作流从你的笔记本搬进一台云端虚拟机 把你的生产写入密钥放进密码管理器，别让 agent 够到 置顶你最重要的两三个线程，每 25 分钟检查一次 把当天必须交付的事项写在纸上 建一个自动化，去盯着某件你现在还在手工检查的事 加上提醒，让你知道它什么时候触发 用手机完成一天 50% 的工作 发表一篇文章，讲你在做这件事时学到了什么 那个没人说出口的部分 agent 会写你的代码、审查你的代码、交付你的代码。 你的工作是决策。一整天，以一种你从未有过的节奏，其中一半来自一块巴掌大的屏幕。 Ryan 预计这一切会在三到六个月内再次改变。 这意味着唯一持久的技能，就是现在就把你的重复练习量攒够。 标签：# X # Automation # Marketing # AI # Design # Growth # Thread # Guide 相关文章 《别再堆 App 了。为生活、事业和工作构建一个个人控制平面》 大多数有野心的人不是死于懒惰。常见的失败是一套扁平的系统。 Marketing Automation AI Design