`lewiszeng, 2026-06-04`

## 🧭 楔子

最近非常有幸参与了 CSIG 人才发展部组织的以 AI native 为主题的凌霄计划培训。在为期 2 天的培训里面，有研究院专家对 AI 前沿动态的分析和关键事件的深度解读，也有行业领导对 AI 市场机会的深刻洞察和打法策略分享，可谓干货满满、收获满满。

让我感触最大的，还是第一天对当地两家 AI native 企业的走访：

- 一家是 **智谱**——生来就是纯血的 AI native 企业，AI 能力全链路内嵌在组织管理中，AI 不是工具，而是默认的同事。
    
- 另一家是老牌 toB 企业 **明略科技**——主要分享了从传统组织向 AI native 组织转型过程中的一些思路和落地实践。
    

两家公司起点截然不同，但传递的理念却高度一致：

> AI 对个人的提效已经有非常显著的结果，但**个人提效 ≠ 组织提效**。 现阶段最重要的，是把 AI 能力融入组织管理，实现从个人提效到组织提效的质变。

从个人提效跃迁到组织提效，本质上要解决两件事：

1. **团队数据的统一治理**——打破数据孤岛，让知识可共享、优秀经验可复制；
    
2. **清晰的组织工作流定义**——岗位 SOP 明确，工作过程可被数字化，AI 能理解、感知、记录。
    

---

## [](https://km.woa.com/articles/show/662142#-ai-%E5%AF%B9%E7%BB%84%E7%BB%87%E6%8F%90%E6%95%88%E7%9A%84%E4%B8%89%E4%B8%AA%E9%98%B6%E6%AE%B5)🪜 AI 对组织提效的三个阶段

结合本次培训走访的收获，以及基于过往的理解和认知，我尝试把 AI 对组织的提效过程抽象成如下三个阶段（如有不对，求轻拍指正）：

![](https://km.woa.com/asset/00010002260600f3ea0a397aed486f01?height=344&width=834&imageMogr2/thumbnail/1540x%3E/ignore-error/1)

### [](https://km.woa.com/articles/show/662142#l1-%E4%B8%AA%E4%BA%BA%E6%8F%90%E6%95%88)L1 · 个人提效

- **定义**：以人为主导，借助 AI 提升个人效率。
    
- **标志**：在云上养虾/养马，用 codebuddy / workbuddy，AI coding、AI 写 PPT 已成习惯。
    
- **问题**：数据散在个人手里，团队层面拿不到红利。
    

### [](https://km.woa.com/articles/show/662142#l2-%E7%BB%84%E7%BB%87%E6%8F%90%E6%95%88)L2 · 组织提效

- **定义**：以人为主导，借助 AI + 团队机制，实现整个团队提效。
    
- **标志**：① 团队数据统一治理；② 工作流定义清晰，过程可数字化。
    
- **价值**：让新员工借助 AI 拥有资深员工的判断力和执行力，"你之所见即 AI 之所见"。
    

### [](https://km.woa.com/articles/show/662142#l3-ai-native-%E5%9B%A2%E9%98%9F)L3 · AI native 团队

- **定义**：以 AI 为主导，基于统一数据 + 清晰工作流，AI 触发任务、反向驱动人。
    
- **标志**：人下班了，AI 还在干活；人的精力主要花在定义问题、定义规则、做关键判断。
    
- **价值**：组织不再是给人装更多 AI 工具，而是把团队本身重构成一个对 AI 友好的组织，AI 以同事身份彻底融入团队。
    

---

如果用这把尺子去量自己手上的产品架构师团队，我们目前已经站在 L2 的巅峰，甚至隐隐摸到了 L3 的门槛，正在进一步去做探索突破的路上。

接下来我以我们产品架构师团队为样本，把 L1 → L2 → L3 这条路上踩过的坑、做过的事，完整地讲一遍。

---

## [](https://km.woa.com/articles/show/662142#-%E4%BA%A7%E5%93%81%E6%9E%B6%E6%9E%84%E5%B8%88%E5%9B%A2%E9%98%9F%E7%9A%84-ai-native-%E5%AE%9E%E8%B7%B5)🚀 产品架构师团队的 AI native 实践

### [](https://km.woa.com/articles/show/662142#%E8%B5%B7%E6%BA%90-%E9%A5%AD%E6%A1%8C%E4%B8%8A%E7%9A%84%E7%81%B5%E9%AD%82%E6%8B%B7%E9%97%AE)起源 · 饭桌上的灵魂拷问

所有的一切起源于年后的一个饭局。

当大家正在轮流分享 "AI 对我个人工作提效有多大" 的 case 时，有个同学冷不丁地抛出一个问题：

> 站在 +1、乃至 +2 管理者的角度，最希望我们架构师团队用 AI 达成的目标是什么？

这个问题如果放在过去，我会很官方地答：达成收入目标、落地标杆客户、形成可复制方案、洞察市场新机会……

但那天我沉默了一会，顺着前面 AI 提效的上下文，很自然地说出一个非常朴素的需求：

> 当我想了解一个客户的时候，AI 能随时回答得上来；当客户出现风险点时，AI 能提前感知到、并暴露给我。

比如：xx 客户最近怎么样了？xx 客户的迁移有什么风险点？最近有哪些在重点攻坚的客户或者赛道？

于是我们顺着这个问题展开讨论：要怎么用 AI 实现这个 "朴素" 的需求？从个人提效讨论到组织提效，从饭桌讨论到会议室，从艳阳高照讨论到皓月凌空......

---

### [](https://km.woa.com/articles/show/662142#-l1-%E9%98%B6%E6%AE%B5%EF%BC%8C%E4%B8%89%E5%BA%A7%E5%A7%8B%E7%BB%88%E8%B7%A8%E4%B8%8D%E8%BF%87%E7%9A%84%E5%B1%B1)🏔 L1 阶段，三座始终跨不过的山

在 L1 阶段，团队同学已经把 AI 工具用得很熟：通过 **ClawPro / LightHouse** 在云端"养虾 / 养马"助力业务提效，用 workbuddy 处理日常工作、vedas 写 PPT、codebuddy 写资源查询与性能测试工具等，提效飞起。

但有三个痛点始终绕不过去：

#### [](https://km.woa.com/articles/show/662142#%E2%91%A0-%E5%95%86%E6%9C%BA%E7%AE%A1%E7%90%86%EF%BC%9A%E6%89%8B%E5%B7%A5%E5%BD%95%E5%85%A5-%E4%BA%8B%E5%90%8E%E5%9B%9E%E5%BF%86-%E4%BF%A1%E6%81%AF%E5%A4%B1%E7%9C%9F%E6%AF%94%E6%A8%A1%E5%9E%8B%E5%B9%BB%E8%A7%89%E6%9B%B4%E9%9A%BE%E6%B2%BB)① 商机管理：手工录入 + 事后回忆 = 信息失真比模型幻觉更难治

商机的录入和进展更新全靠手工。团队拜访完客户后通常没法及时更新，往往是每周选个时间做一次全量刷新。等真到更新的时候，细节已经没有第一印象那么深刻了，"更新" 基本就演变成了表面工程。

这种 "回忆式更新" 的失真程度——比大模型的幻觉更难纠正，因为没人会去质疑它。

#### [](https://km.woa.com/articles/show/662142#%E2%91%A1-%E4%BF%A1%E6%81%AF%E5%85%B1%E4%BA%AB%EF%BC%9A%E6%95%A3%E8%90%BD%E5%9C%A8%E7%A1%AC%E7%9B%98%E5%92%8C%E8%84%91%E5%AD%90%E9%87%8C%E7%9A%84%E7%9F%A5%E8%AF%86%EF%BC%8C%E7%AD%89%E4%BA%8E%E4%B8%8D%E5%AD%98%E5%9C%A8)② 信息共享：散落在硬盘和脑子里的知识，等于不存在

经常看到大家在群里问："xx 产品最新规划谁有？""xx 问题谁遇到过、怎么解决的？""xx 项目的案例材料谁有？" 同样的问题不同的人问好几遍。

团队信息散在各自的硬盘里、脑海里，没有形成有效的共享。哪怕有积极分子在群里发了一下，也很快被淹没，做不到 "需要时即有"。

结果就是各自为战，最佳实践难以被快速挖掘和复制。

#### [](https://km.woa.com/articles/show/662142#%E2%91%A2-%E8%BF%87%E7%A8%8B%E6%95%B0%E6%8D%AE%E6%95%A3%E8%90%BD%EF%BC%9Aai-%E7%9C%8B%E5%88%B0%E7%9A%84%E5%8F%AA%E6%98%AF%E4%BD%A0%E7%9A%84%E5%AD%90%E9%9B%86%EF%BC%8C%E5%88%A4%E6%96%AD%E5%8A%9B%E8%87%AA%E7%84%B6%E6%89%93%E6%8A%98)③ 过程数据散落：AI 看到的只是你的子集，判断力自然打折

大家工作过程中用微信、企微处理客户问题，用在线表格记录客户 todo，用腾讯会议讨论需求……，这些过程数据散落在各处，AI 看不到。

AI 看到的只是你的子集，做判断时就没那么精准——做不到 "你之所见即 AI 之所见"，也就别指望 AI 拥有比你更强的判断力。

---

这三座山，是我们当时认为团队在 L1 阶段必须解决、也是迈入 L2 的前提。

---

### [](https://km.woa.com/articles/show/662142#-l2-%E9%98%B6%E6%AE%B5%E8%90%BD%E5%9C%B0%EF%BC%8C%E4%BB%8E%E4%B8%AA%E4%BA%BA%E6%8F%90%E6%95%88%E5%88%B0%E7%BB%84%E7%BB%87%E6%8F%90%E6%95%88)🛠 L2 阶段落地，从个人提效到组织提效

为了解决 L1 的三座山，L2 阶段除了继续用好 AI 工具，还要叠加团队机制升级，做两件硬事：

- 团队数据统一治理，打破信息壁垒；
    
- 定义清晰的团队工作流，让工作过程数据可数字化、被 AI 看到。
    

这两点做到位，商机录入更新这类痛点会顺势化解——原始材料丢给 AI，让 AI 基于原始材料自动更新即可。

#### [](https://km.woa.com/articles/show/662142#%E7%9B%AE%E6%A0%87)目标

- **为 +1 / +2 管理者各配一个 AI Agent**：想了解团队或客户情况直接问 AI，不需要找人问。
    
- **让 AI Agent 拥有人的视野和判断力**：定义架构师工作流，明确每个步骤的输入输出，做到 "架构师所见即 AI 所见"。
    
- **促进 AI 协同与新人成长**：团队数据统一治理 + 知识共享，优秀 SKILL 沉淀、最佳实践经验复制。
    

#### [](https://km.woa.com/articles/show/662142#%E6%95%B4%E4%BD%93%E6%96%B9%E6%A1%88)整体方案

![](https://km.woa.com/asset/0001000226060071a2c29ad65d4ba801?height=396&width=834&imageMogr2/thumbnail/1540x%3E/ignore-error/1)

- 构建团队统一的结构化数据库和文件系统，商机、方案、案例、过程数据统一存储；构建 AI Agent 通讯总线，实现 Agent 之间的信息共享。
    
- 每个架构师配备一个 AI Agent。信息更新从 "架构师直接操作 系统" 改为 "架构师通过 AI Agent 操作 系统"，把复杂的商机更新动作变成一句自然语言指令。
    
- 定义清晰的架构师 SOP 工作流，每个步骤的输入和输出都喂给 AI，让 AI 感知架构师的一切。
    

#### [](https://km.woa.com/articles/show/662142#%E6%9E%B6%E6%9E%84%E5%B8%88-sop-%E5%B7%A5%E4%BD%9C%E6%B5%81%E5%AE%9A%E4%B9%89)架构师 SOP 工作流定义

![](https://km.woa.com/asset/00010002260600cb52bd52f5bd4a9e01?height=398&width=834&imageMogr2/thumbnail/1540x%3E/ignore-error/1)

我们团队同学写了一份非常详细的架构师SOP，这里仅抽取其中一部分来展示，我们把日常工作划分为 6 个阶段，明确每个阶段的输入和输出，并要求架构师服务客户时把这些输入输出一并喂给 Agent。

> SOP 不只是写给人看的流程图，更是写给 AI 看的"指令集"。

#### [](https://km.woa.com/articles/show/662142#%E8%B7%91%E4%BA%86%E4%B8%80%E6%AE%B5%E6%97%B6%E9%97%B4%EF%BC%8C%E6%96%B0%E7%9A%84%E5%9B%B0%E5%A2%83)跑了一段时间，新的困境

L2 跑起来之后，商机更新、团队信息共享这些痛点确实大幅缓解。但新问题也冒出来了：

- 要手工喂给 Agent 的东西太多了——能不能让 Agent 自动获取？
    
- 日常工作仍然要在多个内部系统之间来回切——能不能让 AI 助手成为唯一入口？
    
- 客户 todo 跟进、写周报等动作哪怕只是一句 prompt，事情一多人就回避——能不能让没有情绪、不知疲倦的 AI 主导？能 AI 干的 AI 干，要人介入再叫人。
    

为了回答这三个问题，我们把系统继续往前推了一步，这就是我们说的 L3。

---

### [](https://km.woa.com/articles/show/662142#-l3-%E9%98%B6%E6%AE%B5%E6%8E%A2%E7%B4%A2%EF%BC%8C%E4%BB%8E%E4%BA%BA%E4%B8%BB%E5%AF%BC%E5%88%B0-ai-%E4%B8%BB%E5%AF%BC%E9%A9%B1%E5%8A%A8)🛰 L3 阶段探索，从人主导到 AI 主导驱动

我始终认为：**个人提效不等于组织提效，组织提效不等于 AI native**。我心目中的 AI native团队，应该是完美落地了 L3 阶段的团队。

针对 L3 阶段的设计，我们事先定了几条准则：

- 从 "人下命令给 AI 干活"，变成 "AI 按团队 SOP 反向驱动人干活"。
    
- 从 "人手一个 AI 助手"，到引入更多 AI 同事，每个 AI 同事负责流水线上的一个原子任务。
    
- 能让 AI 搞定的就让 AI 搞定，人只做 AI 干不了的。
    
- AI 助手是架构师工作的唯一入口，周边系统的联动让 AI 同事自己搞定。
    
- 人下班了，AI 还在继续干活。
    

#### [](https://km.woa.com/articles/show/662142#%E6%95%B4%E4%BD%93%E6%96%B9%E6%A1%88-3)整体方案

![](https://km.woa.com/asset/0001000226060047615ba1759b457101?height=478&width=906&imageMogr2/thumbnail/1540x%3E/ignore-error/1)

**图的看法：**

- **左**：架构师 → AI 助手（统一入口）。
    
- **中上**：两层知识存储（原始材料层 + 二级结构化层）。
    
- **中右**：四组 AI 同事军团。
    
- **下方**：通过 SKILL MCP A2A 接入的周边系统。两条主链路用红 / 蓝区分。
    

相对 L2，我们主要做了三个升级：

1. **引入 karpathy 的 LLM Wiki 理念重构知识库**：单层 → 双层。原始数据层只追加不修改，保障单一真实来源；二级结构化层是 AI 同事对原始材料做分析整理后的输出（商机、拜访记录入 DB；方案 案例 POC / 招投标文档分类存储；持续沉淀 FAQ）。
    
2. **基于 ClawPro 平台构建企业级 AI 助手，每个架构师一个**：对架构师屏蔽后端复杂系统，AI 助手是唯一入口。内部周边系统通过 SKILL / MCP / A2A 由 AI 助手统一打通和调度。
    
3. **构建 AI 同事军团**，承接架构师日常的琐碎重复工作。
    

#### [](https://km.woa.com/articles/show/662142#%E5%9B%9B%E7%BB%84-ai-%E5%90%8C%E4%BA%8B%E5%86%9B%E5%9B%A2)四组 AI 同事军团

|分组|职责|触发方式|关键产物|
|:--|:--|:--|:--|
|**一组**|知识整理 + 商机更新|架构师喂材料|商机进展、拜访记录、FAQ、方案沉淀|
|**二组**|日程联动|企微 / 腾讯会议|拜访计划、会前要点、会议逐字稿入库|
|**三组**|日报 / 周报|定时|一日工作复盘 + 次日计划|
|**四组**|风险识别 + Todo 跟进|数据变化驱动|风险点提醒、Todo 看板推送|

未来随着 SOP 进一步细化，还会有五组、六组……N 组的 AI 同事加入进来，承担更多工作。

#### [](https://km.woa.com/articles/show/662142#%E8%AE%A9-ai-%E5%90%8C%E4%BA%8B-%E9%9D%A0%E8%B0%B1-%E7%9A%84%E4%B8%80%E4%BB%BD%E7%BA%AA%E5%BE%8B%EF%BC%9A%E6%9E%B6%E6%9E%84%E5%B8%88-agent-%E5%85%AC%E7%BA%A6)让 AI 同事 "靠谱" 的一份纪律：架构师 Agent 公约

引入 AI 同事之后，新的问题接踵而至：

> **AI 不是不能干活，而是干得太"通顺"——通顺到把不知道的事说得像知道、把推断写得像事实、把客户原话和自己的解读搅在一起。**

为此，我们的产品和架构师同学一起co-desgin了一份《架构师 Agent 公约》，覆盖架构师工作全流程的 58 个子任务，**目标只有一个：把人类架构师 "心知肚明、但 AI 推不出来" 的隐性边界，显式写成 AI 必须遵守的契约。**

公约按 "控制权与适用范围" 分成三层：

|层级|公约名称|适用范围|解决什么|代表条款|
|:--|:--|:--|:--|:--|
|**S0**|公司级公约|所有 Agent 无条件遵守|LLM 天然会"自作聪明"的盲区：来源、冲突、隐私|信息缺失必须显式声明"无可靠信息"，禁止用通顺表述替代真实数据；冲突信息必须并列呈现，禁止单方采信|
|**S1**|架构师团队级公约|本团队所有 Agent 共享|架构师作为"客户技术顾问"的职业纪律：边界、客户原话、可执行|任何建议必须附"适用前提 + 不适用边界"；客户原话必须与解读分离；任何事不能 say no，必须给出 ≥2 个替代方案|
|**S2**|任务级公约|按任务类型懒加载，做完即卸|该任务族独有的隐性知识，覆盖 58 个子任务|跟进记录必须区分"事实层"和"判断层"；从原文抽取的字段必须经二次确认才能入库；原始材料必须完整保留|

三层叠加之后，单次实际注入约 19 条规则，**远低于上限**——留出来的空间，是为了让公约跟着团队一起长，而不是被一次性塞满。

> **"工具" 不需要公约，"同事" 才需要。**
> 
> 当 AI 从工具变成同事的那一刻，写公约这件原本只对人做的事，就必须对它也做一遍——这才是 L3 阶段管理者真正的工作。

PS：团队同学设计了一份非常完备的架构师Agent公约，这里只做示例展示，不做详细展开，感兴趣私聊

#### [](https://km.woa.com/articles/show/662142#%E6%9E%B6%E6%9E%84%E5%B8%88%E7%9A%84%E5%B7%A5%E4%BD%9C%E5%A7%BF%E5%8A%BF%E5%8F%98%E4%BA%86)架构师的工作姿势变了

在这个体系下，架构师手工动作大幅减少，从主动跟进变成被动响应。新的工作姿势只剩三件事：

1. 无脑往 AI 助手喂数据；
    
2. 对 AI 同事的关键写操作进行 review / 审核；
    
3. 接住 AI 同事推送过来的风险点和 Todo，做关键决策。
    

---

## [](https://km.woa.com/articles/show/662142#-%E5%90%8E%E7%BB%AD%E5%B1%95%E6%9C%9B)🔭 后续展望

L3 是最完美的形态吗？答案是不确定的——AI 时代一天一个样，未来会怎么变还真不好说。我们能做的就是积极拥抱，每天多想一点：

> 这件事，能不能让 AI 来做？

退一步看，一个组织哪怕把 L3 阶段修炼到了大圆满境界，对一个小组织内部已经相对完备了，但放到中心、部门、BG、乃至整个公司的尺度，仍然只是一个小小的孤岛。

> 站在更高的视野如何进一步 AI native 化，会是另一个非常值得思考、也非常有意思的问题。

---

## [](https://km.woa.com/articles/show/662142#%E7%BB%99%E5%90%8C%E6%A0%B7%E5%9C%A8%E5%B8%A6%E5%9B%A2%E9%98%9F%E7%9A%84%E4%BD%A0%E4%B8%89%E4%B8%AA%E9%97%AE%E9%A2%98)给同样在带团队的你三个问题

1. 你的团队现在在 **L1 / L2 / L3** 哪一个阶段？
    
2. 阻碍你跨到下一格的，是 **工具**，还是 **数据**，还是 **SOP**？
    
3. 当 **人下班后**，你的团队是否还有 AI 在替你跑？
    

**如果三个问题里有两个让你停顿，那就值得开始动手。**

我们一直在路上，欢迎交流探讨......