单一来源
当前只有一个可用来源,尚未完成多源交叉核验当上AI的甲方后,才懂领导为啥骂我
本文来自微信公众号: 懂懂笔记 ,作者:懂懂WorkBuddy、Codex这些办公Agent,分走了不少脏活累活,打工人也是享福了。最近我还发现,他们除了让我有更多机会摸鱼刷抖音,还在教我如何打工。
说实话,比我刚上班时的师傅教得透彻,也比小红书上的职场博主们教得细致。“上下文窗口”是核心竞争力不论人还是AI我经常要写50页以上的长篇报告。领导会对初稿提出很多修改意见,而且很多意见牵一发而动全身,开头改一个表述,可能后面十几个地方要一起调整。
这时就会有两种“事故”经常发生。第一种,是“狗熊掰玉米”,比如会上说了8条意见,但想起来改了6条;第二种,是“顾头不顾腚”,比如正文改了,摘要忘了改;或图里的数字换了,结论还活在上一版。
只要出现这种情况,我就会被骂得狗血淋头,心里却还在骂领导小题大做。现在用了办公Agent才理解,“下属”能否完整、全面贯彻我已经明确提出的要求,真的对我的血压和乳腺很重要。能不能完整、全面地落实指令,是我们判断一个AI Agent好坏的最核心标准,可能没有之一。
你做不到,一个月付50我都嫌多;你做得到,一个月收我1000,我也愿意。对人也是一样。正如职场上有句杀伤力很大的话:“这个上次不是说过了吗?”在如今的高压职场环境里,漏项很容易从工作失误升级成态度问题,甚至成为甩锅、扣帽子的把柄。
开会时你答应了,交稿时不落实,你说你忘了,我看你是不想干了。“顾头不顾腚”更是如此,人家拿这事骂你不专业、不认真,你也不敢还嘴。“哄领导”这件事,AI很懂细节Agent接任务,很少只回一个“收到”。
它往往还会跟一句:“我先梳理材料,再调整结构。”条件不够,就明说:“拿到最新数据后,我会立即更新测算。”以前我觉得这种话有点多余。轮到自己坐在屏幕前等它干活,就发现这几句还真管用。
“收到”只是告诉我消息送达了,下一步的安排才让我知道事情在往前推。做事过程中也是如此。它会交代已经完成什么、卡在哪里、接下来处理什么。人类当然不能直播自己敲键盘,但中午吃饭、走廊碰见领导时,除了喊一句“X总好”,是不是也可以顺口念叨一下“那个事主体已经出来了,就是口径还要跟业务部门确认”?
自己主动提一嘴,总比被动等着X总催到脸上好。交付时,也不能只甩过去一个“最终版.docx”。改了哪里,哪些意见已经落实,还有什么需要拍板,最好也说几句话交代一下。所谓“对上管理”,最重要的一个部分,就是让对方少猜一点、少问几次。
尤其当领导还得向他的领导交代时,你这几句话,也是在给他准备台词。先做出一坨屎,还真有用Agent另一个值得学习的地方,是它不太怕交出一个粗糙的第一版。人就复杂多了:框架没想透,材料没齐,怕显得水平不行。
于是认真准备三天,进度仍然是“正在思考”。Agent先端上来一版。你一看,这也不对,那也不对。但神奇的事情发生了:你突然知道自己想要什么了。面对空白页,领导只能说“再想想”;面对初稿,他能指出第二部分该删,第三部分应该展开。
去找合作方求助,也终于能说清楚究竟缺哪个数据、哪项判断。所以,“先做出一坨屎”的价值,在于给讨论找个落点。早一点暴露分歧,往往比独自把错误方向打磨得很精致更划算。这里的“屎”也得有基本形状:核心思路完整,待确认的地方标出来,明显的事实错误先检查掉。
总不能扔出一堆碎片,等领导替自己完成第一次思考。当过AI的甲方我理解了自己的甲方指挥Agent几次,就会发现:“你看着办”,经常通向“你怎么做成这样”。如果我的脑子里只有一片模糊,那提示词就只是抽象的“大气一点”,然后Agent就只能交给我什么也不是的一坨。
这场景,多少有点眼熟。写提示词这件事,会逼着人把目的、对象、要求和验收标准想清楚。用来给领导决策,还是给客户介绍?哪些内容必须保留?先交框架,还是直接做成品?这些话不说清,不论指挥的是AI、下属还是供应商,都容易返工,最后项目超时、超预算,挨骂的还是自己。
再往前一步,还有分工和资源调度。Skill是不是该让SOTA模型来搭建?复杂判断,值得让好模型多想几轮;重复整理,可以交给便宜模型。预算有限,不能什么都上最贵的,也不能每个环节都只图便宜。
这也算让普通员工提前体验了一回管理岗。当了几天AI的甲方,我也更理解自己的甲方和领导,顺便为以后晋升打打基础。人情世故里到底藏着什么这些体验让我想了很多。比如,及时回应、主动同步、交付时附上说明,听起来有点油腻,很像职场套路。
但它们确实能让信息传得更顺,让别人更愿意配合我的工作。也许这里面有很深刻的心理学、组织行为学规律。再比如,情绪是一个很微妙的东西。当我们把任务拆得很细,Agent可以照着执行;但同样的话交代给人,对方可能非常抵触:这是觉得我没智商,还是在测试我的服从性?
又或者,对面就是个控制狂?这种抵触也可能是在提醒,发号施令者对一线情况了解不足,或权责没讲清,再或者基本的尊重不够。再想想,职场人怎么避免被AI抢饭碗?当具体产出的成本下降,“跟人对接”的价值会更加重要。
有人得听懂没说出口的顾虑,协调彼此冲突的要求,在关键时刻作出承诺,并为承诺负责。有时候,靠的干脆就是更多的“面子”和“人情”资本。在这些方面,人相对于AI仍然有自己的优势。【结束语】用了几个月办公Agent,我发现自己有点双标:领导交代得细,我嫌他管得宽;
轮到我给AI下指令,恨不得把每个细节都列进验收标准。领导问进度,我嫌他催得烦;AI半天没动静,我又忍不住想问“到底干到哪儿了”。当然,理解领导不耽误继续吐槽领导。只是下次接了活,知道哪些事情要多交代一句;
下次要派活,也记得先检查一下,自己到底有没有把话说清楚。现在办公Agent订阅费动辄几百上千,咱打工人多跟着学几招,也多捞回点成本。
Evidence
来源与证据
当前仅有一个可用来源,尚未完成多源交叉核验。
- 发布时间
- 内容处理
- AI 翻译 / 摘要,需结合原文核对
相关资讯
AI 时代的浪花:Coze 从开源到下线没撑过一年
本文来自微信公众号: 叶小钗 ,作者:叶小钗10.29号,Coze官方宣布企业版本即将全面下线。这条消息出来以后,我的社群和朋友圈都快炸了。大家都很感叹,作为字节之前的明星产品,在AI这波浪潮下,来得快,去得也快。又一次印证了一个观点:在AI时代,只要你学得慢,你就不用学了。不过这次扣子下线的是企业版,并不是整个扣子下线。其实,Coze企业版本下线我们早有预兆,今年5月,Coze专业版停服、后面分批次下架了接近30款模型、海外版又批量下线了多项核心功能,这明显不是一个正常的节奏。之前我们课程体系中还会讲解如何用Coze搭建工作流AI。在今年4月份,我们就已经放弃了Coze平台作为工作流AI的载
具身数采价格乱象调查:千元报价,8元时薪,差价去哪了?
本文来自微信公众号: 科创板日报 ,作者:李明明 田野,制图:田野小云在家一遍遍重复叠外套、抖开外套。这是她从兼职群接到的具身数据采集任务,到手时薪15元。她录制的第一视角动作数据,经中间商封装转手后,卖给机器人公司的报价最高可达300—500元/小时。15元和300元之间,隔着的不只是数据质量,还有一条多级分包链。《科创板日报》记者历时多日走访一线采集员、数据供应商、采购方、县域数采服务商发现,具身数据交易存在明显的价格差异,同样以1小时计,优质真机数据挂牌价可达千元,而流转末端的原始单目数据最低仅卖5元。价格落差既源于数据质量和加工深度的差异,也与订单层层分包、数据反复转卖有关。在一些项目
硅谷那套盖园区的方式,正在搬进实验室
本文来自微信公众号: TOP创新区研究院 ,作者:创新区研究组三年多前,当时Genetech要建新园区,Roche董事长Severin Schwan向它的全资子公司Genentech的管理层提了一个问题。他问:如果这个园区是一张白纸,你会怎么建?以及紧跟着的第二问:未来50年,园区会长什么样?2026年1月底,答案递到了南旧金山市政府:拆掉18栋楼,从2026年内开始动工,一路干到2033年。据San Francisco Business Times的消息源,总投入在30亿到50亿美元之间。首期就是约100万平方英尺实验室、约15亿美元。今年9月,第一栋大型研发中心的方案落了地。要拆的18栋楼
凌晨4点的脑机接口,站着一群“江湖骗子”
本文来自微信公众号: 动脉网 ,作者:牟磊脑机接口并非一开始就站在风口。柔灵科技创始人孙瑜曾这样形容早期的脑机接口——那是“凌晨4点,街上连个问路的人都没有”的艰难时刻。不仅如此,因为技术和落地场景都过于“科幻”,很多创始人在初期融资时都有过被当作“江湖骗子”的尴尬经历。这显然与当前行业的炙手可热形成了鲜明对比。图1.2022-2026上半年国内脑机接口融资情况据动脉橙数据库不完全统计,2026年上半年,我国脑机接口领域共完成62起融资,融资总额超70亿元。将两项数据具象化——过去半年,这一赛道平均不到3天就落地一笔融资,并且70亿元的超高融资额是过去五年总和。在当前一级市场普遍收紧的大环境下
AI 翻译、摘要和解读仅用于辅助判断;涉及重要决策时,请回到上方来源核实。