Onboarding an AI Project Manager
来源：Nityesh Agarwal，Every.to，2026-04-05
Every 团队成功部署了名为 "Claudie" 的 AI 项目管理者，每周为团队节省 15 小时。
五大实践经验
经验一：先定义工作，再招聘员工
明确 AI 代理的职责范围和所需信息源。
Claudie 最初失败：缺少会议记录访问权限和 Excel 数据透视表工具。
关键洞察：代理只能使用你提供的上下文和工具。
经验二：理解代理的"最佳工作方式"
最初将 Claudie 当作人类新员工对待，结果惨败。
突破：解决上下文窗口限制问题。
架构重构：
- 中央编排代理 + 多个子代理舰队
- 子代理将原始数据写入本地文件，而非向编排代理汇报摘要
经验三：为员工手册设定"必读"要求
为 Claudie 编写了详细的员工手册（Claude skill 形式）：
- 成功标准
- 团队结构
- 升级机制
发现：如果 Claudie 跳过阅读手册，表现会急剧下降。
经验四：不要吝啬"晋升"
逐步扩展职责范围：
- 单个客户仪表板更新
- 批量更新所有客户
- 下一步：升级为"幕僚长"，负责邮件监控、Asana 任务、Slack 沟通
晋升标准与人类员工相同：优秀表现、明确职责、必要支持工具。
经验五：将经验应用于下一个招聘
Claudie 经历了 50 小时的调试和多次从零重构。
关键心态：如果 AI 员工表现不佳，问题通常不在于模型能力，而在于架构设计。
管理者的责任：在放弃之前，先穷尽自己能做的改进。
立即可实践的行动
- 设计 AI 员工架构 — 列出任务、信息源、工具，绘制数据流图
- 解决上下文窗口问题 — 分层架构，用本地文件存储作为子代理间数据交换
- 创建 AI 员工手册模板 — 角色、成功标准、团队结构、工具权限、升级条件
- 建立渐进式职责扩展机制 — 单一任务 → 批量任务 → 更高职责
关联
- product-trends/overview — Product Trends 总览
- harness-engineering/overview — AI PM 是 Harness Engineering 的应用
- claude-code/overview — Claude Code 用于构建 AI 员工