JOTO
Contact us
← AI 智库
Skill 技能

我并网了,我变强了?

2026 年 11 月 20 日

腾讯游戏数据团队负责人亲述,拆解AI协作时代全新的能力重组工作范式。 核心内容: 1. 能力重组概念的定义与生成背景,对比传统跨岗协作的痛点差异 2. 数据服务交付场景下,新协作流程的实际落地运行逻辑 3. 需求方与专业交付人员两类角色的价值升级新方向

引子

最近跟团队一些同学聊,我说了一个自己的感受:现在团队的工作通过内部一款协作产品连接起来,我其实能直接参与部门里更多工种的工作了,有些事情,甚至可能有机会比原来做得更好。

这款内部产品,主要是把人、Agent、工作上下文,以及背后的工具和执行环境接起来。大家可以继续用各自顺手的工具,按权限共享能力、协同做事。

我并网了,我变强了?

但这并不是说,我突然掌握并精通了部门内所有岗位的专业细节。

以前可能很多事情,我也知道该往哪个方向想,或者觉得一个问题值得如何如何做。但一到具体做,你会发现权限、口径、工具和系统,一堆东西不在我的现有环境这里。如果真要做,实际门槛还是高,所以通常还是要先找对应的同学,讲清楚背景,再等他组织、讨论、执行。

而现在如果同学已经把一部分专业能力建设好了,并且可以按权限分享给我,我就有机会带着自己的问题和判断,直接参与进去。

我没有学会所有工种、岗位的专业细节,但我的判断,更容易和别人已经积累的能力组合起来了。

这是最近一个让我觉得挺有意思的一个变化。它跟之前讲的,“我的个人Agent又帮我省了多少时间”,还不太一样。

我想给它一个定义:能力重组。

以前需要找人承接,现在有机会带判断直接参与

拿我们团队现在的数据服务交付方式举个例子。

需求方在工作群或自己常用的Agent里提问题,需求被接单Agent委派,先进入一个有专业同学和数据Agent参与的工作群。需要补背景、确认口径,就继续交流;处理完以后,结果再回到使用者原来的工作群或Agent会话里。

我并网了,我变强了? 配图 2
数据服务的协作模式示意

这件事表面上看,是少了几次复制粘贴。但再往下看,各个岗位参与方式其实变化也挺大。

比如,我关心某个业务变化,到底是用户结构变了,还是产品里的某个环节出了问题。我对业务有自己的理解,也知道哪些解释可能不太成立;专业同学则熟悉数据口径、工具和分析方法。

以前,这两部分主要靠人之间沟通来结合。 现在,有些已经沉淀好的能力可以直接调用,我可以先看一轮结果,再补背景、改问题,Agent可以直接捕获并继续处理,直到遇到需要专业判断的地方,才会继续找人,而实际现在的很多情况下,这个步骤其实走不到。

而如果你现在是一个需求方,不用再每一次都把整件事交出去,中间啥也做不了,只能等最后拿回来一个结论。

只要你有判断,可以参与、带领执行的环节变得更多了。同时,你只需要带着自己的业务背景进来,也不用先学会搭一整套分析Agent。

另一边,需求交付的专业同学的作用,也在变化。他过去花时间整理的知识、口径和处理方法,只是自己,以及自己的Codebuddy/Cursor在使用,现在,这部分工作、能力开始有机会被更多人直接用上。他也不必每一次都从头承接端到端交付,而可以把时间放在难题、能力维护和结果判断上。

我觉得这和几个月之前,分享一个好用的Prompt/Skill,或者一个完整的端到端的Agent,还是有比较大的区别的。

分享出去的,不只是怎么提问,不只是一个固定的工作技能,也不是一个端到端的能力。是一份份有人持续维护、能实际做事的专业能力。

我并网了,我变强了? 配图 3
作为需求方,我只需要在网页或工作群里向Agent提问,就可以调用背后的专业数据服务能力

如果这样的组合,在这种模式下更容易发生,其实长期看,对组织协作模式、组织架构分工,项目制推行感觉会有长期的影响。而结果上,感觉一些原来觉得不值得排需求、等不起,或者自己缺能力的事情,就更有机会快速实验。想法验证的速度,会有质的提升。

我的意图,能不能在真正做事的地方被理解

不过,能力接上了,还会遇到另一个问题:我的意图(想法/需求/判断),真的被无损传过去了吗?

举个例子。

上周团队一位同学给我看一个平台方案。我建议他往镜像的方向考虑,把用户已有的环境打包交付,而不是直接去接管用户原来的环境。

这里不展开技术方案。让我在意的是,我没有只说“考虑镜像”,还解释了为什么这样想:本地环境太复杂,有些维护和安全责任,我们不宜承诺兜底;但对用户来说,整个过程又应该足够轻,最好不用感知背后的复杂度。

所以我真正想传递的,其实是一组取舍。

大家可以想想,之前这种需求会怎么传递?对,开会。

如果经过几次开会的层层转述,最后执行的人或Agent,可能就只拿到了“建议做镜像”,它可能也照着做了,但没有理解哪些问题是我们想解决的,哪些边界是我们不想跨过去的。

这不一定是谁表达能力不好。

开完会,再找同学同步,或者回到IDE里重新写一段Prompt,很容易出现压缩和遗漏。很多时候,结论留下了,为什么这么判断却没留下。

而现在,我的建议被同学采纳了,他把这段讨论直接交给了自己的个人Agent,也就是他的AI分身。这个Agent能够按权限直接回读我们原始的那段讨论,它有机会拿到原话、前后文,以及后面补充的条件,不必每次都等人重新讲一遍。进一步传播的时候,也会带着这份过程记录(Trace)。

我并网了,我变强了? 配图 4
这个真实场景

当然,能读到,不等于一定理解对。最终还是要看修改后的方案,是不是回应了那些问题。区别在于,出了偏差,可以回到原来的讨论核对,而不是大家各自记着一个版本。

我想减少的是必须由人承担的反复转述,不是把专业讨论也省掉。

同学仍然需要判断这个方向是否适用,还有哪些约束我没考虑到,怎么协调资源,对最后的交付负责。只是他不必一直充当“把这段话再讲给Agent”的人。

人的判断,有机会更直接、无损地进入组织实际做事的过程。

这次改好了,下一次呢

再往前想一步,就会碰到我这半年一直在琢磨的一个问题:这次工作里的反馈,能不能让下一次做得更好?

以前说一个同学“经验越来越丰富”,其中很重要的一部分,就是在具体事情里不断得到反馈、调整做法。如果这些经验能够进入他建设的能力,后来使用这份能力的人,也有机会少走一些弯路。

这样的反馈在组织网络里,不能只从负责人往下传,也需要有反馈链路。

比如我的Agent需要理解我,知道我在意什么,为什么这么判断。可这不代表它越像我、越同意我,就一定越好。

专业同学可能知道我不了解的一些技术参数限制,一线使用者可能发现我的目标本身有问题。这些反馈也应该更方便地回来,改变我的判断。

否则,连接得越顺畅,也可能只是让我的错误传得更快。

这其实对负责人,提出了更高的要求。
当自己的判断可以通过Agent参与更多工作,自己就更不能停止学习。持续解决问题,再亲自碰到问题,再去试新的做法,对我来说很重要。

还有一个很实际的检查:这一段做快了,下一段是不是反而更累了?如果开发省下来的时间,变成了别人核对背景和处理异常的时间,那只是把成本换了个地方。

我更愿意看,一件事是不是真的推进得更顺了,结果有没有更好,以及原来做不了的事,现在能不能开始做。

让团队像模型训练一样迭代

所以,顺着前面这些变化,引出了组织里还要关注一件很重要的事:不仅要把能力接起来,也要让工作中的Loss能够传导起来。

这里借用模型训练里的Loss作一个类比,指的是结果跟目标之间的偏差,以及据此给出的改进反馈。

说得简单一点,就是哪里没做好,为什么,接下来应该改什么。不是给所有工作打一个分数,更不是说组织已经在自动训练模型。

我并网了,我变强了? 配图 5

而一个组织里,如果越来越多的事情由Agent(们)参与协作执行,谁来持续提供这些反馈?

最开始往往还是人,这一定是避不开的。但你会发现,人越来越不可能出现在所有流程里。

如果每一步都要等某个负责人、某个专家来看,能获得有效反馈的工作,还是受限于这些人的时间。

所以,我觉得经过校准的Agent,也需要逐步参与这一部分。它不只是能做事,还要能结合背景和目标,判断哪里值得调整;能判断的先给反馈,拿不准的再找人。

我建设自己的管理分身,也有这个考虑。它理解我,有我的bias,知道我在意什么,就有机会对同学的产出给出一些有用的反馈。

同学可以据此调整自己的工作,也调整自己的Agent。同时,我会纠正分身的评审,让它知道什么判断有依据,什么地方只是猜测。两边都在这个过程中调整。

但有人给出反馈,还只是开始。Loss要能够沿着实际的协作关系,通畅地传递到真正需要改变的地方。

比如一次分析没有回答业务真正关心的问题。使用者指出偏差后,不能只是接单的Agent换个说法,交一份看起来更好的报告。

需要沿着这次工作的过程去看:是需求被理解错了,分析方法不合适,还是专业知识和数据口径有问题?

后续,对应的人和Agent能看到原来的问题、理由和执行经过,才更容易找到该改哪里。

有时需要调整的是执行Agent,有时是专业同学维护的工具和知识,也可能是提出需求的我。

改完以后,结果再回来验证;有效的改进留下来,后续使用这份能力的人才有机会受益。

这里重要的不是多提意见、多做几轮评审,而是反馈真的有机会改变下一次工作。

对方没有权限、资源或条件去改,负责人还需要帮忙解决;传到了,并不等于改成了。

而之前的模式,类似skill/rules 是非常难做到(在组织协作网络里持续更新、生效)的,大家想想为什么?

我并网了,我变强了? 配图 6
异步的模式困境

如果只是把一份Skill或者Rules分享给大家,后面某个人用出了问题,这个反馈怎么回到维护者那里?改好了,又怎么让其他正在使用的人和Agent用上?

这些事情,不是把文件发出去就自然解决了。Skill和Rules仍然可以承载改进,但还需要一套让问题被发现、反馈被接住、改进能继续被使用的协作方式。

所以我们内部做HTalk,很大一部分功能需求就是这样长出来的。 个人已经用顺的Agent、团队里的专业能力,以及实际工作的讨论和进展,原来分散在不同地方。

我们希望把它们接起来,而不是要求大家先换成同一个Agent、共享一份skill。

连接的也不只是资料。还有人、Agent,以及背后真正能运行工具、处理工作的本地或云端环境。

我可以带着自己已有的积累进入一个工作现场,用上现场需要的能力,再把新的背景和结果带回来。

同学也可以这样做。谁把某项能力建设得更好,就让它在更多事情里被用到,不必都由一个产品重新做一遍。

而这次工作里产生的判断和纠正,也不应该留在某一个人的聊天窗口里。通过上下文和Trace,它们有机会找到相关的执行过程和能力维护者,带着依据继续传递。

至于怎么理解、要不要改、改在哪里,仍然由参与其中的人和Agent判断,并在后续工作里检验。

能力连接起来,让我们能一起做更多事;有效的Loss传导起来,才更有机会让这套合作越做越好。

这个模式,我不想把它说成一种已经成熟的组织模式。

但至少在我们看到的多个团队的使用里,关注点已经逐步发生变化了。

以前更多是在想,我的Agent能帮我做多少事;现在开始想,我带着它,能和哪些人、哪些能力一起,把什么事情做成。这些工作里产生的反馈,又能不能让我们各自建设的能力继续变好。

我没有学会所有工种。只是原来分散在不同人和工具里的积累,开始有机会一起发挥作用了,也有机会在共同做事的过程中继续改进。

如果再参考康威定律,感觉这个继续走下去,对未来的组织架构设计、项目制的真正落地,会有非常大的影响。

而如果你有新想法,那新想法验证迭代速度,预期也会有一个质的变化。

立即咨询 JOTO

JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务,帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询

想把这些做法用到你的业务里?

留下你的场景和痛点,我们帮你判断从哪一步开始。

联系我们
Contact Us

Start your enterprise AI rollout

Tell us your industry, team, and current pain points. We'll get back to you within one business day to help you decide what to tackle first, what data to prepare, and which platform fits.

WeChat
Scan to add us for a 1:1 chat
JOTO WeChat consultation QR code

Tell us what you need

Once we receive your details, we'll be in touch within one business day.