最近豆包也加入了飞书（不是飞书加入了豆包！），详细功能可以阅读​ HTTPS://bytedance.larkoffice.com/wiki/Pxgvwt9nciiRJAkh2JOc4ftlnQf
　　飞书文档中的豆包做了我之前一直想做，也已经做了的事，也就是在文档中加入 ai 助手。
　　这个功能其实 notion 很早就做了，但是不够完美。里面有这样几个功能。第一个就是非常常见的，在文档中划词后 ai 解释，且发送给 ai 的文本 实际上是划线部分前后的上下文。
　　此外，ai 的回答中可能也有一些回复我看不懂，那么也可以在 ai 的每个回答中划线去追问。豆包这两个功能都做了，和我设计的也一样，不过这两个功能确实也比较简单。
　　但是有一个问题豆包没有解，我自己解的也不够好，就是在追问的时候，可能会连续追问多次，因为这个是串行的，意味着我需要不断往上翻会话，显然不是一个优雅的方式。
　　我当时的解法是类似文件系统，当一个回复我划了三个部分，那我点击某个部分，出来的就是对应这个部分的回答，其余的回答以及和它相关的回答都不会出现，但是仍然不是很好，我现在脑子又蹦出一个新的想法，有时间可以实现一下试试。
　　然后我仔细看了下飞书豆包的其他功能，发现它可以读到所有的会话记录，我可以让它整理一下今天的待办，可以让它列 todo，我也可以问对应的同事今天给我安排了什么事情，这些功能都做的比较好，很多细节都能回复到，检索到。
　　其实这个事情还是挺难 ，会话是很长的，和不同人的会话也是比较分散的，那么在比较短的时间内检索到信息 且组织好语言回复，是需要一些功夫的，但也不是一个不可解的问题。
　　当时我就很开心，豆包这么好用，以后我去一定要去用飞书的公司。但是事实上在我真正的工作中，会发现很多的 ai 功能，我就算知道，我也不会去用。
　　因为很简单，我大部分时间是在和 ai 交流，与 ai 共创。我和人之间的交流，要么直接是线下，一对一直接把事情聊明白，要么是线上，别人给我派个任务，或者我给别人反馈个需求。
　　复杂的事情要么直接拉会，要么线下一对一。简单的事情几句话线上就说明白了。当然有些工作可能每天要面对海量的信息，那么确实需要 ai 来筛选一下。
2026.09.06补充【好吧这周消息满天飞，我只能说飞书的豆包太好用啦，直接一句话帮我找到对应的代码库链接，或者文件地址，真的非常非常好用，但是飞书文档中的豆包真的很难用。回复的信息对我没有任何帮助，详细信息可以去我的博客瞅瞅】
　　所以我兴奋了一会后又冷静下来了，决定未来不会加入通讯办公场景的初创公司，因为确实没有任何意义。
　　简单的场景微信就搞定了，很多小型企业，微商等等，通过微信就能谈成生意。
　　如果需要 ai native 的场景，slack 已经做了，它支持很多国外 ai 产品，且和anthropic，openai 都有深度合作。但是应该没有支持国内的 ai 产品。重点就是，未来的 im 是给人类设计的，还是给 ai 设计的。
　　当前的组织形式是，公司里有很多人，每个人都和自己的 ai 共同工作，人和人对齐后，人再去和 ai 对齐。每一个人要做两次对齐，两次通讯。那么问题来了，我们如何减少通讯次数，提高通讯效率呢？
　　用更少的人，一个人用 ai 做更多的事。可现实是人的带宽是有限的，无法做到同时并行处理很多问题。很简单的一点是，当你只做一个项目的时候，你的 prompt 质量，和你同时做 5 件事情的时候，你的 prompt 质量，会有非常大的区别。
　　在这个过程中你会吐槽 ai 越来越不好用，一方面可能是模型降智，一方面可能是你的 Prompt 质量在逐渐下降，因为你发现给一句比较简单的 prompt，agent也能完成任务。
　　至于 agent 做了哪些事情才把任务完成，这其中有没有产生隐患较大的文件，甚至有没有改当前项目的某些功能，你都不知道。
　　你看到的只是你一句话 ai 就把任务干好了，你还在沾沾自喜自己的 harness 做的太好了，自己做的 skill 太好了。等 ai 埋的雷爆发后，你又开始吐槽 模型 降智了。
　　回到之前关注的问题，人的带宽是有限的，意味着当我们想要通过砍人来提高通讯效率的时候，会引发更大的问题。员工压力升高，ddl 一个接一个，为了迅速完成任务，提交的代码质量下降。那什么样的组织方式是高效的？
　　高精尖人才的精干团队，整体的效率会远大于几百人的团队。
　　其实并不是说高精尖的人才能在更短的时间完成比庞大团队更多的任务，而是在任务的选择上，高精尖人才团队会更加聚焦。
　　试想一下你是一个几百人团队的管理者，你手上的项目已经比较成熟，整体的业务收益也比较平稳。那么这个时候，你会选择让你手下的几百人闲着没事干吗？
　　当然不可能，你会想新的业务，思考新的需求，或者改进当前的产品。总而言之就是让你的手下都有活干，最好这个活对未来有意义，还有点难度，要不然用不上这么多人。
　　想法定了，丢给各个小组的 leader，同一个任务给两个组干，竞争起来才有效率，嗯，就这么干。
　　然后你会发现，几个月过去了，烧了很多人力成本，也烧了很多 token，结果最后 dau 反而掉了，roi 直接崩了。
　　那怎么办？
　　缩减业务，聚焦关键业务，其余的人都裁了，留下能力最强的人。
　　那如何判断这个人能力够强？
　　能把事情理清楚，并且能给出自己的判断，且这个判断是逻辑闭环的。
　　比如老板决定要做一件事，有能力的人第一点应该是思考，这件事未来对我们的收益会有多大，这件事的风险有多大，我们团队当前有多少空余人力能投到这件事，有没有比这件事 roi 更高的事情。
　　想清楚后再去做，会比直接解题的效率高很多。
　　当然你会说，我们这些小卡拉米能决定什么，我们怎么敢和老板交流这些事。老板给我们施压，我们难道直接说干不了？
　　写到这里，其实我也不知道ai时代好的组织架构应该是怎样，因此我把上文发给不同的模型，让他们帮我分析一下我说的这些话。由于部分模型我在日常中加了一些自己的 harness，为了去除这些噪声，我在网页版调用它们。模型的具体回复我放在评论区里。
我对每个模型做了简要的评价：

  • seed 2.1 pro:

　　废话很多，很多观点与我的表达重复，并且引用什么帕金森定律，什么贝索斯披萨团队，这种引用对我没有任何帮助，反而显得十分刻意。
　　最后给我的回答也是不说人话，读起来很不舒服。这种感觉就是班级里那种辩论赛，巴拉巴拉一堆，没有一点有效信息，读这种文本就是单纯的浪费时间。
　　但是给我的回答中它提到：问题不是人多，而是耦合。这点我之前在读人月神话的时候已经知道了，只是上文里没有强调这一点，因为默认的语境是很多人做一个任务，且耦合度较高。

  • grok 4.6 high:

　　上来就总结，瓶颈在于注意力和判断力，而不是执行力。
　　你会发现这种观点在 seed 2.1 pro 的回复中也存在，但我需要自己总结，我需要自己分析，我需要浪费我的时间。但是 grok 后面的回复还是在重复我的观点，但可读性要好于 seed 2.1 pro。总体感觉一般，没什么特别惊艳的回复。

  • deepseek 专家模式：

　　ai 味太浓了，我没有阅读的欲望，还是硬着头皮阅读了一遍，然后我发现信息从我的脑袋滑过，什么也没留下...

  • gpt 5.6 sol 网页版 pro：

　　能让我读下去，而且强调：高精尖团队更少做低价值的事情，更快停止错误的任务，资源、时间、质量相互取舍。小团队之所以可能更高效，不是因为少数人可以无限压榨，而是因为它必须更克制地选择问题，并对结果承担端到端责任。总体回复能给我一些启发，但谈不上惊艳。

  • gemini 3.7 flash high: 叽里咕噜半天，我硬着头皮阅读的欲望都没有。

  • fable 5 high ：

  • 人的带宽瓶颈从「我能同时推进几件事」变成了「我能同时看懂几件事」

  • 一个人带 AI 能做多少事，上限不在他打字多快，在他敢为多少产出签字背书。

  • 人和人的对齐是易挥发的——开完会，共识存在于各自脑子里，三周后各自漂移。但人和 AI 的对齐是可以固化的：写成 spec、写成规则文件...

  • 一份写清楚的 spec 同时服务于人和人的对齐、人和 AI 的对齐，两次通讯变成一次写作。

  • 小卡拉米怎么敢跟老板说「这事不该干」——我觉得你把它框成了一个勇气问题，但它其实是个表达形式问题

　　我读 fable5 的回复感觉就是：兄弟，你懂我。
　　好了，后面 fable5 的回复就我自己来读吧，你们读我的就行😂总结一下我看完各个模型（only fable 5)回复后我的理解：
　　人的工作效率取决于能同时看懂几件事，人的能力在于他敢为多少产出签字背书，减少对齐的方法之一是将对齐的产物沉淀，同时给 ai 和人。
　　判断一个组织健康与否，要看它拒绝了多少可以轻易启动的事。小卡拉米可以将与新项目关联的 context 提供给老板，把决策成本和选项摆到老板面前，让老板在真实信息下做选择，要给方法，而不是提出问题和质疑决策，如果遇到自大的老板，那就自认倒霉，早点跳槽吧。
　　而对个人来说，如何判断他的产出价值？fable 给了这几点：

  • 未经验证的产出是负资产，应该计为成本。 AI 时代，raw output 不稀缺，稀缺的是别人的审查带宽。 你生成一万行没人看过的代码扔进仓库，不是贡献了一万行，而是消耗了团队若干小时的验证带宽，外加埋入了未定价的尾部风险。 产出代码数量本身的信息含量是零，而它引发的验证负债是实打实的。定价的第一步是把账记对：没被验证的产出先记负号，验证通过后才翻正。
  • 正的部分第一项：签字价值——把不确定的产出转化为可信资产的能力。
    　　一份 AI 生成的代码，和同一份代码加上「我逐行看过、跑过测试、我为它负责」的签名，是两种资产， 差价就是这个人的定价。 律所合伙人、注册结构工程师、主任医师一直是这么被定价的：你付钱买的不是那份文书或图纸（初稿可能是实习生写的），你买的是盖在上面的那个章，以及章背后的赔付能力。 所以一个人的价格 ≈ 他能可信地为多大范围的东西盖章 × 他盖章的历史准确率。
  • 正的部分第二项：选题价值——按反事实定价。
    　　一个人选择做 A 而不做 B，他的产出不是 A 的价值，而是 A 的价值减去「没有他时，组织默认会做的那件事」的价值。 对执行者这个差值很小，对决策者这个差值巨大。 上文提到的几百人团队的管理者，他产出的负值主要就来自这一项：他选的方向错误，几百人的执行再好也是乘在一个负数上。 成功地阻止一件事发生，是可以定价的正产出。现在几乎没有组织给「拦下了一个坏项目」发钱。
  • 正的部分第三项：杠杆价值——对齐资产的复利。
    　　一个人写的 spec、测试、规则文件，如果被别人和别人的 AI 反复复用，每次复用都在替组织省一轮通讯。 这部分产出的特点是复利式的、且和他本人是否在场解耦。 定价上应该像专利授权费一样按引用计价，而不是按写作当时的工时计价。

　　当然，以上几点看起来都非常有道理，非常合理，可是真正执行起来是很复杂的，不过走在一个正确的评价方向上更为重要。
　　具体如何执行，不仅仅需要思考，还需要实践。我自己产生的认知都是从自己的实践中习得（这句话是我听锦恢说的，他听谁说的那我就不知道了），别人的观点我也会吸收，但是我在表达时会刻意强调这是谁谁谁的观点，不是我自己想到的。
　　有很多人把别人的见解拿过来，好像这是他自己想出来的一样，这种人我内心是非常厌恶的。
　　现在有 ai 之后，很多人也把 ai 想出来的结论当成自己的。如果经过了自己的仔细思考，并且在实践中有所体悟，更新 ai 给出的结论，再作为自己的观点来阐述，这个是我所认同的。
　　今天就先写到这里，fable 给出的回复我还需要再仔细思考~