很多团队已经在用 AI：每个人都有自己的 Coding Agent，Token 消耗越来越高，个人产出也越来越快。可一到跨角色协作，任务仍然要排期、开会、交接和等待，组织速度并没有按同样比例提升。

张咋啦 Zara 在这场约 30 分钟的分享里，用电力改造工厂做了一个很准确的类比：早期工厂只是把蒸汽机换成电动机，机器与生产线的布局没有变化，效率自然不会出现跃迁。直到每台机器拥有独立动力、工厂围绕电力重新设计，新的生产率才真正释放出来。

AI 对组织也是一样。装上工具只是替换动力源，重新设计 Context、协作界面、分工方式与反馈回路，才是 AI-native。

四个可以立刻落地的 AI-native 工作方式
本文配图均依据演讲 PPT 重新编写为 HTML，再由浏览器渲染为 PNG；没有使用视频或 PPT 截图。

一、别急着建知识库，先让真实工作成为 Context

传统知识管理强调分类、目录与结构，因为人需要依靠这些入口寻找信息。Agent 的读取方式不同：它能够处理逐字稿、聊天记录、文档和其他非结构化材料。团队真正缺少的，往往不是又一个整理得很漂亮的知识库，而是那些从未被记录下来的讨论过程。

演讲里最有力量的一句话是：

如果一个会议没有被录制，那它就白开了。很多时候，开会是为了给 Agent 提供 Context。

这并不是鼓励为了记录而记录，而是把会议从“沟通终点”改造成“执行起点”。讨论里的分歧、取舍、妥协与最终共识，比一份高度压缩的纪要更接近完整 Prompt。会议结束后，逐字稿可以直接驱动 Agent：

  1. 按每个人的关注点生成个性化摘要；
  2. 提取接下来可以执行的任务；
  3. 让人选择优先项，再由 Agent 继续推进；
  4. 把新的结果写回长期 Context。
会议妙记成为 Agent 上下文与后续执行起点
知识管理转向 Context 管理：会议的结束，是工作的开始；开会本身就是未来的 Prompt。

这条思路至少可以落到三个场景：

  • Agent 知识库：会议结束后自动吸收逐字稿，持续更新团队知识，而不是等人手动整理。
  • 销售 Coaching：把客户会议送给 Agent，复盘话术、提出建议，并沉淀 FAQ 与优秀销售方法。
  • Meeting as PRD：产品与研发直接讨论方案，Agent 读取完整讨论后生成原型，团队对着可运行结果继续修改。

关键不是让 AI 替大家写一份更长的纪要，而是让会议自然流入后续工作。

二、从“每人一个 AI”走向“团队共用 Agent”

多数团队停留在这样一个状态：每个人都和自己的 AI 协作，但这些对话彼此隔离。个人效率提高了，组织却得到了一组新的黑盒——管理者不知道哪些场景有效，领域专家也看不见 Agent 在哪里犯错。

演讲把企业使用 AI 分成三个阶段：

企业使用 AI 的三个阶段，从人类协作到团队共用 Agent
Level 2 提升个人效率；Level 3 才让 AI 真正进入人与人的协作关系。

团队共用 Agent 的价值，不只是“多人都能访问一个机器人”，而是把学习、执行和纠错放进同一个公开上下文。

演讲中提到 Shopify 与 Zapier 的公开协作案例：当 Agent 主要在公开频道工作，其他人能看见同事怎样提问、怎样使用 Skill；当答案只有八十分，数据分析师、产品经理或其他领域专家可以接力完成最后二十分。纠正过程也留在群里，成为下一次可检索的 Context。

这实际上完成了三件事：

  • 非技术同事不必学习 Terminal，只需要像找同事一样在日常协作工具里说话；
  • Agent 的错误不再藏在私聊中，领域专家可以现场校正；
  • 好的 Prompt、Skill 与工作场景会在真实工作中自然传播。

一个团队 Agent 要真正可用，至少需要：云端常驻、接入团队沟通界面、清晰的角色与职责、会议逐字稿和群聊等原始知识，以及持续更新 Memory 的机制。最后一步不是发布公告，而是把它拉进团队真正工作的群里。

三、Skill 不只服务自己，更应该消除上下游等待

个人 Skill 解决“我怎样做得更快”；上下游 Skill 解决“别人怎样不必再等我”。

组织里的慢，常常不是某个人做得慢，而是依赖链太长：市场等设计排期，产品等数据分析，设计等开发验证。即使每个角色都借助 AI 提速十倍，交接、Review 和排期仍可能吞掉全部收益。

为上下游设计 Skill 以减少组织依赖
把个人 Know-how 做成协同方可以直接调用的接口，组织效率才会随个人效率一起提升。

设计团队可以为市场团队做一个品牌物料 Skill，让高频、标准化内容先由市场自助完成；数据团队可以把看板口径与查询能力做成群里的 Agent，让产品和研发先自助取数，分析师再纠正复杂问题。

这里的目标不是取消专业角色，而是改变专业角色的介入方式：专家不再处理每一次重复请求，而是设计标准、提供能力、处理例外，并持续校正系统。

演讲进一步提出，AI 可能推动公司从按职能分工，逐渐转向按 Loop 分工。

从按职能分工转向按业务闭环分工
传统流程让任务在多个职能间流转；Loop 模式让一个负责人端到端推进，再由 Agent 补齐非原生能力。

这不是要求每个人突然成为全才，而是让一个人对完整结果负责，再用 Agent 补齐开发、设计、分析或表达能力。转变不会一夜完成，但可以从一个反复发生、上下游等待最久的流程开始：

  1. 找到依赖最重的协作关系；
  2. 共同完成一次真实任务；
  3. 对结果反复反馈和迭代；
  4. 让 Agent 把稳定流程沉淀成 Skill；
  5. 把 Skill 装入团队 Agent，放回协作现场继续验证。

四、审美不是装饰，而是生产系统

这场演讲本身就是第四个方法的示范：演示文稿不是传统 PowerPoint，而是由 HTML 生成。

这背后不是格式偏好，而是站在 Agent 的能力结构上选择媒介。Agent 的训练数据里有大量网页，对 HTML、CSS、布局和组件组合更熟悉；如果硬要它操作传统演示格式，往往是在要求它绕开自己的强项。

审美作为可复用的组织生产力
把模板、版式和视觉规则做成 Skill，人就能把更多注意力留给内容与判断。

信息越过载，人的注意力越稀缺。审美的生产力体现在三个地方：它降低理解成本，提高内容被看见的概率，并让团队可以稳定复用同一套表达标准。

因此，PPT 模板、客户材料、数据图表、白板布局、品牌组件，都不该只是一份静态文件。更好的做法是先完成真实作品，经过多轮反馈达到标准，再把布局、配色、信息密度和禁用项沉淀成 Skill。

真正能用起来的产品，要出现在用户已经在的地方

Vibe Coding 让“做一个产品”变得很容易，但做出来和用起来是两回事。演讲用“懒、健忘、ADHD”概括人容易被打断、容易忘记新入口的现实：一个功能再好，如果每次使用前都要想起某个网址、切换工具、学习新动作，它就很难形成习惯。

她分享了两个自己的小产品：

  • 浏览器 Tab 管理工具直接出现在 New Tab 页面，因为那里本来就是每天会反复访问的入口；
  • YouTube 笔记工具做成浏览器插件，观看时按一个快捷键，就能回取刚才的内容并生成笔记，不必退出全屏或另开网页。

产品设计最容易忽略的，不是功能，而是入口。让 AI 去找用户，而不是让用户去找 AI。 在办公场景里，这通常意味着把能力放进团队已经每天使用的协作工具，而不是再造一个等待被记住的新后台。

AI 时代，Builder 更需要 Agency、Taste 与 Distribution

做一个东西可以分成三步：决定做什么、把它做出来、让人使用它。AI 显著降低了中间一步的成本，却让第一步和第三步更加拥挤。

AI 时代 Builder 的三项底层能力
执行成本下降后，问题选择、判断与分发成为新的瓶颈。
Agency不等别人拆好任务，能主动发现问题、发起尝试并持续推进。
Taste不仅是视觉审美，更是对用户、产品和取舍的洞察；知道该删什么。
Distribution把价值讲清楚，让正确的人看见，并愿意真的开始使用。

Distribution 不只发生在市场。团队内部发布一个共用 Agent，同样需要说明为什么它比每个人自己的 Codex 更值得用；给自己做的工具，也需要进入自己已经熟悉的入口。

Taste 则来自两个循环：大量接触好作品，并认真分析它为什么好；把自己的产品或内容持续发布出去，让真实反馈进入下一次迭代。

通过高质量输入与真实反馈提升 Taste
看、做、发布、学习，再重复。循环次数越多，判断才会越来越具体。

把这场分享变成下一周的行动

如果只选一个起点，我会从一场固定周会开始：

  • 默认录制并保留完整逐字稿；
  • 会后自动把逐字稿送给一个团队 Agent；
  • 让它生成个性化摘要、待办与可直接推进的事项；
  • 在公开群里完成一次“Agent 做八十分，领域专家接力二十分”；
  • 找出这次协作中最重复的上下游依赖，把它做成第一个 Skill。

这套方法的核心不是再买一种 AI 工具，而是重画工作流：让真实工作持续产生 Context，让 Agent 进入共同协作界面，让经验成为上下游可调用的能力，再用真实反馈改进它。

完整材料：

逐字稿由本地语音识别生成，并校正了人名、产品名和明显同音错字；为便于阅读补充分段与标点。HTML 幻灯片依据视频中演讲结构和部分 PPT 内容重新编写，文章中的 PNG 均由该 HTML 渲染生成，不包含视频截图。