給剛入門的 WorkBuddy 用戶快速了解整場活動，也方便向小白介紹「未來 Agentic AI 的工作方式」。 Key Message：AI 負責產出，人負責審批與判斷——人的重要性不是「產出」，而是「取捨、審美與最終責任」。
8 月 29 日，騰訊 WorkBuddy 開發者沙龍深圳站只宣傳一件事：Agentic AI 進入真實的工作環境。
內容重點：
1. AI 放大執行力，但人的判斷力沒有被 AI 放大
「AI 可以放大執行能力，卻無法同比放大人的認知帶寬。」
代碼、設計、內容的產出速度，可以被 AI 倍大；但判斷、驗證、取捨、責任，仍然是接近 1×，因為需要人來處理。
這意味著什麼？
- 過去我們焦慮「做不完」；
- 未來我們焦慮的是「判斷不及」。
人機合作的分工建議：
- 人 = 目標 · 取捨 · 審美 · 最終責任
- WorkBuddy 或其他 AI Agent = 上下文 · 拆任務 · 調工具 · 追狀態
- 程序 = 穩定執行 · 斷言校驗 · 證據留存
2. 工作方式改變
我們假設：給每個人配一個 AI，團隊效率就會翻倍。但這非現實。因為有四個邊界：
- 目標無法對齊——每個人都按自己的 AI 優化，方向可能越走越遠；
- 上下文無法共享——每個人都有自己的知識庫，團隊沒有共同記憶；
- 成果無法合併——各自產出很好，但不能集中在一起；
- 責任無法形成——共同產出，但權責不清。
所以，AI-Ready 的組織不是簡單「人人用 AI」，而是要重構「產品—研發—生產」的完整系統。
3. 人的角色重新介定
「人沒有退出循環，而是重新選擇位置。」
人們使用 Agentic AI ，其角色將從「執行者」變成「判斷者」：
- 產品：判斷要開發什麼的產品；
- 設計：定義什麼是「好」的用戶體驗；
- 開發：設立架構和系統，管理不同的人和 AI Agent 間的協調。
4. Forward Deployment Engineer 是做什麼？
由邊界模糊變成可以重複操作的工作流程：
- 了解客戶現況：理解真實業務與限制；
- 拆解流程：識別高頻、重復、低風險工作；
- 編成 Skill：定義輸入、輸出、驗收標準；
- 連接工作節點 Nodes ：API、RPA、知識庫、消息通知、渠道發放等；
- 交付與改良：運行、監控、迭代、再改良。
5. 管理好自己，也自要管理好 AI
AI 博主冷逸提出兩個原則：
6. 管理好 AI 的 上下文內容：
「Agent 能做什麼，取決於它能拿到的上下文是什麼。」
包括：聊天記錄、原創文章、讀書筆記、你跟 AI 說過的話，都是它的資產。上下文越完整，AI 越能做出符合你意圖的事。
7. 把 AI 既當人，也不當人
- 把它當人，可以探索出全新的協作方法；
- 不當人，是因為它的速度和精力可能是你的 100-10000 倍，拖後腿的反而是你。
給剛入門 Agentic AI 的你：
人類所面對的問題大都離不開：
| 已知、但複雜 （可以教導 AI 來處理） | 未知、複雜 （這部分就要由人的智慧加 AI 的算力輔助） |
| 已知、但簡單 （簡單用 AI 或RPA 來取代） | 未知、簡單 （可以用人類的經驗來克服） |
若果你剛接觸 WorkBuddy 或 Agentic AI，可由這三件事開始：
- 先想清楚「我要做什麼」：別急著讓 AI 做更多，先定義清楚問題和痛點。
- 把工作流拆成 Skill：把重複的工作和 SOP 寫成 Skill，越具體越有價值。
- 持續投入和專注上下文內容：把你過去的文檔、聊天記錄、數據等全都放進 WorkBuddy 的資料庫，AI Agent 會越來越明白你所需。
若想了解更多 Agentic AI 在公司和組織應用，歡迎聯絡我們。
