Overview
Takeaways
Knowledge Context
Knowledge Impact
Referenced By
Aaron Levie 认为 agent 时代的最大机会不在写代码,而在重新设计企业工作流程。用 agent 自动化知识工作需要大量实际投入——整理数据、连接系统、改造流程、设计人机协作机制。编程之外的知识工作没有捷径,这恰恰创造了新的高价值岗位。
Overview
30 秒速览
Aaron Levie 认为 agent 时代的最大机会不在写代码,而在重新设计企业工作流程。用 agent 自动化知识工作需要大量实际投入——整理数据、连接系统、改造流程、设计人机协作机制。编程之外的知识工作没有捷径,这恰恰创造了新的高价值岗位。
5 分钟深读
Levie 这条推文的核心观点是:AI agent 在编程领域的“即开即用”体验给人造成了一个错觉——以为所有工作都能这样简单地被自动化。但现实是,编程是一个特殊场景:agent 有充分的先验知识,上下文容易获取,用户本身有技术背景。其他知识工作不具备这些条件。
他列举了企业部署 agent 的真实工作清单:整理非结构化数据让 agent 能访问、学习业务流程为 agent 创建技能、连接分散的系统、改造流程本身、设计人类监督节点和验证机制。每一项都需要深入理解业务的人来做,agent 自己完成不了。
值得注意的判断是他对人才市场的预测:企业内将涌现大量新角色,专门负责“为 agent 重新设计工作流”。这不是传统的 IT 运维,而是需要同时理解业务逻辑和 AI 能力的复合型人才。他特别提到这对职业早期的人是一个机会窗口——这暗示这类角色的门槛更多在于主动性和资源整合能力,而非资历。
对创业者和产品团队的信号是:如果你在做企业级 AI 工具,用户真正需要的不是一个更聪明的 agent,而是让“重新设计工作流”这件事变得更容易的平台和方法论。
Takeaways
关键要点
可执行动作
Knowledge Context
Knowledge Impact
Aaron Levie 认为 agent 时代的最大机会不在写代码,而在重新设计企业工作流程。用 agent 自动化知识工作需要大量实际投入——整理数据、连接系统、改造流程、设计人机协作机制。编程之外的知识工作没有捷径,这恰恰创造了新的高价值岗位。
Referenced By
Continue Reading
知识页
工具链从 Demo 走向生产,编排与评估是主战场。
文章
Zara Zhang 指出 Lark CLI 让 Claude Code/Codex 能访问和操作所有企业协作数据——聊天、日历、会议、文档、表格。企业协作平台对 agent 开放。
文章
Ryo Lu 发出了一篇关于“软件灵魂”的长文:2005 年的 Mac 有质感、有哲学,而今天 A/B 测试和设计系统磨平了一切。AI agent 让生产速度指数级提升,但也让“能跑却无灵魂”的垃圾软件泛滥。他认为品味和执念无法被编程,AI 的真正价值是让有愿景的人做出以前做不到的东西——如果我们做对了,这将是一场文艺复兴,而非更快的工厂。
文章
Peter Yang 看好 Granola(AI 会议笔记工具):会议记录是公司中最有用的上下文。
文章
Peter Yang 分享了对 Cowork 设计负责人 Jenny 的采访收获:用 Cowork 自动产出周报、用笔记文件夹做记忆系统、Anthropic 极强的内部 dogfooding 文化、10 天发布背后有一年原型探索、设计师应向工程师学习 AI 采纳方式。
文章
Nikunj Kothari 反对 AI 末日论叙事,认为“AI 取代人类”的故事虽然好卖但过于狭隘。他主张 AI 应该带来一个丰裕时代——AI 处理琐碎工作,人类一起构建和实现那些被搁置的梦想。
当前页面已经接入真实内容库,并与主题、作者和知识页保持联动。