当 AI 学会"组队"：你的公司还在用"一个人扛"的方式用 AI 吗

前几天 Hacker News 上有一个开源工具 Rowboat 火了，161 分，评论区吵得很热闹。它做的事听起来很技术：一个"多 Agent 系统的 IDE"。但翻译成老板能听懂的话，其实是在讲一件和你公司息息相关的事——

AI 正在从"一个万能工具"，变成"一支能分工协作的队伍"。而你公司用 AI 的方式，可能还停留在"让一个人扛所有活"。

Mixlab-Leon，建筑科班出身，曾在大厂做游戏策划。建筑师的全局眼光，加上游戏策划的逻辑功底，让他看企业 AI 时有个别人没有的角度——AI 不是买来的工具，是要被设计进公司的系统。

一个被忽视的转折

Rowboat 的核心思路很直白：别指望一个 AI 搞定所有事，从一个 Agent 起步，逐步拆成"专门管机票""专门选酒店""专门整理行程"的小 Agent，它们协作完成复杂任务。

创始人有句话我挺认同："多 Agent 协作系统比单体 Agent 更靠谱，这点和人写代码要分函数一个道理。"

你看，这跟公司管理是一个逻辑。你不会让一个员工又做销售、又做财务、又做研发，因为人一旦身兼太多角色，出错率和扯皮率都会飙升。AI 也是一样——模型在"窄而明确的指令"下表现最好，把一个大任务拆给多个专业的 Agent，可靠性明显更高。

Rowboat 具体怎么做的，也值得老板知道：它用类似代码的语法定义 Agent 的"岗位职责"，用 @ 关键字让一个 Agent 去调另一个 Agent 或某个工具，每次改动都有 diff 视图方便审查；还能接入任意 MCP 工具，也能在 IDE 里用自然语言直接构建、修改 Agent 配置。说白了，就是"以聊代建"——业务人员不用写代码，聊着天就把一支 AI 队伍搭起来了。

评论区里 OpenAI 的官方 Agent 指南也被搬出来背书：把 prompt 和工具跨多个 Agent 拆分，确实有助于性能和可扩展性。

但另一边也在泼冷水

当然，不是所有人都买账。资深开发者 simonw 打了个比方：多 Agent 系统让我想到微服务——只在超高复杂度的系统里才有价值，大多数应用硬上反而更糟。

他担心的核心是：Agent 之间对话太多、单步不可控，会让整个系统更不可靠。

这个提醒对企业主特别重要。我见过不少公司，听了几场发布会，回来就要"上多 Agent 中台"，结果简单流程被套了一层复杂的 Agent 编排，反而比原来慢、还更容易出错。

所以真相是：不是所有事都要组队。简单、重复、边界清楚的活，一个 Agent 甚至一段脚本就够了；只有当任务复杂到"一个人扛会乱"时，才值得拆成队伍。

真正值得老板记住的三个词

抛开技术争论，Rowboat 和好几家团队都验证过一条工程经验，这对企业落地 AI 是硬道理：

可拆解、可测试、可单步修复。

• 可拆解：把大目标切成小任务，分给专业 Agent（或专业的人+AI）。
• 可测试：改其中一个环节，不影响全局，能隔离验证。
• 可单步修复：某个环节崩了，单独修那一步，不用推倒重来。

有个真实的调和例子：Plandex 的作者分享，主 Agent 写代码用 Sonnet 3.7，但"应用和验证"那一步切到 o3-mini，速度和可靠性同时提升；"小模型做摘要、大模型做主体"成了可行模式。这说明未来的 AI 队伍，不是清一色同一个模型，而是按环节灵活编队。

这三点，恰恰是我们给企业做 AI 落地时反复强调的。很多公司 AI 项目死就死在"不可拆、不可测、不可修"——一个黑箱大模型接进去，出问题全链路崩，没人敢动。

企业主的两个常见误区

聊到这，我忍不住点两个老板常踩的坑：

第一，以为"买个最强模型就完事"。模型是队员，不是球队。梅西一个人也赢不了世界杯。

第二，以为"上了 Agent 平台就有队伍"。平台只是球场，队员怎么分工、怎么传球，得你自己设计。

怎么判断"该不该组队"

给你一把简单的尺子：如果一件 AI 任务，错了你能一眼发现、代价可控、频率低，那就别折腾，单 Agent 甚至人工都行；如果它错一次会连锁影响下游、涉及多个系统、还要长期跑，那就值得按"可拆解 / 可测试 / 可单步修复"拆成队伍。这把尺子，比任何发布会 PPT 都管用。

一个类比：你招的是一个"部门"，不是一个"超人"

我常跟客户这么讲：你给 AI 一个模糊的大目标，比如"帮我搞定这个季度的客户跟进"，它和你新招一个没培训的应届生没区别——会乱、会漏、会编。

但如果你把目标拆成：谁负责找名单、谁负责写初稿、谁负责查重、谁负责发，每个环节都有清晰输入和输出，再让 AI 嵌进去，那就从一个"超人幻想"变成了一支"能协作的队伍"。

AI 不是买来替代一个人的，是买来重组你工作流的。

写在最后

Rowboat 这类工具的出现，说明行业已经从"怎么让单个 AI 更聪明"，转向"怎么让一群 AI 像团队一样干活"。对企业主的意义是：你评估 AI 能力，别只看模型参数，要看它能不能被拆、被测试、被局部修复——这决定了它能不能真正进你的生产环境。

我们在企业里做的，正是把 AI 从"一个聊天框"变成"一支人（你的团队）和 AI 混编的队伍"，而且是从你公司内部长出来的，不是外挂一个用两天就荒废的玩具。