页面加载中
编程领域的 AI 生产力提升给人一种错觉——以为所有工作都能这样简单自动化。Aaron Levie 解释了为什么知识工作的 agent 化远比写代码复杂，以及这背后藏着什么样的机会。
在组织内部，那些有资源整合能力和创业精神的人才面前有一个巨大的机会——为 agent 时代重新设计工作流程。
用 agent 自动化工作需要真正的投入。这意味着：把非结构化数据整理成 agent 能方便访问的形式；学习工作流程和业务流程，为 agent 创建可调用的技能（skill）或行动计划；把彼此分离的系统连接起来；而且很可能需要改变流程本身，才能让 agent 获得完成大部分工作所需的条件。
除此之外，你还得设计人类在哪些环节发挥监督作用，如何验证 agent 的产出，等等。
你在编程领域看到的大部分收益并不需要花这么大力气，因为 agent 对代码有更多先验知识，更容易获取上下文，而且用户本身就有技术背景。但对于其他知识工作来说，这些步骤绕不开——没有任何捷径。必须由团队里的人来完成。
你将看到企业内部出现大量新角色的增长，专精于此的人将在经济中具有巨大价值。对于职业早期的人来说，这也是一个快速产生重大影响的绝佳途径。
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。
Levie 指出编程领域 agent 效果好有三个特殊条件：agent 有充分的代码先验知识、上下文容易获取、用户本身有技术背景。这三个条件在大多数知识工作中都不成立。用编程的成功经验去预期其他领域，会严重低估部署 agent 的实际工作量。
大部分编程收益不需要花这么大力气，因为 agent 对代码有更多先验知识，用户本身就有技术背景。
Levie 列出了五项核心工作：整理非结构化数据让 agent 能访问、学习业务流程为 agent 创建技能和计划、连接分散的系统、改造流程本身适应 agent、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执行，不存在技术层面的捷径。
用 agent 自动化工作需要真正的投入——没有任何捷径。
Levie 预测企业内将出现大量新岗位，专门负责为 agent 时代重新设计工作流。这不是传统的 IT 运维，而是需要同时理解业务逻辑和 AI 能力的复合型角色。他特别提到对职业早期的人友好——门槛更多在主动性和资源整合能力，而非经验资历。
专精于此的人将在经济中具有巨大价值。对职业早期的人来说，这是快速产生影响的绝佳途径。
大部分编程收益不需要花这么大力气，因为 agent 对代码有更多先验知识，用户本身就有技术背景。
相关知识页
工具链从 Demo 走向生产，编排与评估是主战场。
继续阅读
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。
继续阅读
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。
继续阅读
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。
继续阅读
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。
继续阅读
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。