AI Agent 越来越火热，最近我们也在和几家VC客户交流如何封装 MCP 和 SKill、接入到他们的 Agent 当中。正好美国顶级VC USV （Union Square Ventures）最近发布了一篇博客《Meet the Agents at USV: Arthur, Ellie, Sally, and Friends》，介绍他们是如何使用 AI Agent的。
作为投资了很多 AI公司的 USV 而言，他们有很大的动力来使用 AI ，但要真正在团队内部产生效果，也是经历了各种教训。刚开始的时候，从一个很具体的问题、很小的细分工作开始，看 AI能做到怎样的程度，然后在这个过程中调整和完善，会发现 AI Agent可以如同一个人类员工一样。既然 AI Agent 有能力成为员工，就要给他办理入职手续、有姓名、有职位、有工作内容，并且让 AI Agent 加入到内部团队经常交流的地方（比如邮件、群组、社交工具等）、和人类员工互动、成长。在这个过程中，我们并不需要 AI Agent 解决所有问题，但可以让它来解决你的问题、制造你想要的东西或方案。
具体来看全文~~~
过去一年，AI Agent 让我们能够利用软件实现工作落地。使用符合自身工作方式的 AI Agent 的团队和个人能够更快地行动，完成更多工作。
我们正经历着定制 AI Agent、工具和软件的爆发式增长，这些 Agent 、工具和软件都是围绕特定团队的运作方式而构建的。这种趋势在开发团队中尤为明显，他们正在构建自己的内部编码代理框架，例如Stripe 的 Minions、Ramp 的 Inspect 和 Coinbase 的 Claudbot。事实上，我们也开始看到越来越多的非开发团队也在创建和使用内部 AI Agent。
在 USV，我们一直在创建自己的内部 AI Agent和定制软件，以适应我们的工作方式。在这篇文章中，我们将分享过去几个月里我们积累的一些经验教训：
1、先从解决一个问题入手。
2、像对待员工一样对待你的Agent。
3、Agent 应该住在团队沟通交流的地方。
4、从 “制造人们想要的东西” 到 “制造你想做的事情”。
现在，很多公司比以往任何时候都更加焦虑，迫切希望转型成为“AI原生”团队。由于通常需要持续不断的实验才能发现有效方法，因此很难自上而下地规划 AI 转型的具体路径。
一、先从解决一个问题入手。
AI 编程 Agent 的双刃剑在于，你可能会在错误的方向上快速构建。在构建内部工具或 AI Agent 时，构建过程本身可能极具吸引力且富有成效，以至于你忽略了真正解决实际问题的重要性。我们早期构建了一些 AI 实验，它们虽然演示效果不错，但实际上并没有解决任何实际问题。“看，伙计们，我用 [最新的XX热门模型] 制作了一个交互式图表，可视化了我们的 USV 想法和理论！”
很容易陷入“功能狂热”（LLM 综合症），一头扎进功能开发这台永无止境的机器里，仅仅因为你能做到就不断地添加新功能。解决之道在于专注于把一个小问题做好，一旦这个问题解决了，下一个需要解决的增量问题自然就会浮现出来。
在 USV，我们首先面临的问题是：如何确保团队会议的内容和讨论能够被可靠地记录和保存？我们的大部分想法和创意都源于团队通过电子邮件和现场会议进行的交流。我们最初构建的基础解决方案是 USV 团队会议总结邮件：一个基于 LLM 的简单流程，它可以读取团队会议记录，添加我们交易记录和投资组合中的公司信息，并生成一份包含五个部分的格式精美的会议总结邮件：交易记录中的公司、投资组合更新、提及人员、讨论主题和后续跟进。
我们的会议总结邮件是这样的
我们的团队很喜欢这些会议总结邮件，很明显，记录我们在会议期间讨论的公司、人员和想法非常有价值。问题是，我们用 Notion 来主持团队会议，但当讨论到某个正在洽谈或已入驻的公司时，我们点击页面后发现页面要么是空的，要么是过时的、人工输入的内容。
如果我们有一个实时更新的视图，可以随时调出公司信息，查看所有最新的内部背景，而无需人工手动更新，那会怎样？如果 AI Agent 能够捕捉并保存我们在工作中的任何场合（团队会议、个人会议、电子邮件往来和日历邀请）提及公司、人员或想法的每一次信息，那又会怎样？
在尝试配置现有软件工具后，我们认为从 AI Agent 的人体工程学和用户界面设计的角度来看，建立我们自己的数据库和内部 Web 应用程序会更容易。使用 Coding Agent 可以轻松迁移数据，我们使用 Claude Code 将 Notion 和 Attio 中的现有数据填充到初始的公司和人员数据库中。 这样会议记录 AI Agent 会为会议中提及的公司和个人创建“提及”记录。
我们数据模型的核心是“提及”的概念，它代表每次在会议记录、电子邮件或日历邀请中提及公司或个人时的特定上下文。我们设置了后台代理，它们可以访问 Granola 的会议记录、内部群组邮件往来和团队日历。这些 AI Agent 会处理这些杂乱的非结构化数据，从而创建与数据库中公司和个人关联的结构化提及。有了提及功能，我们可以在一个地方集中查看任何讨论公司的最新内部信息，从而提高团队会议的效率。
后来我们逐步添加了更多内部数据，从存储在 Google 云端中的融资文件和表格，到团队过往的博客文章和推文。我们的 AI Agent 正在不断努力，使我们的组织记忆结构化且易于检索。我们正在洽谈的公司及其相关演示文稿或备忘录会自动出现在交易日志中。我们的投资组合视图会显示投资组合中所有最新动态。我们的内部 AI Agent 可以回答诸如 “我们持有[公司]多少股份？ ”或“我们在[公司]认识哪些人，我们共同投资了哪些公司？ ”或“我们撰写或发布了哪些与[公司]相关的内容？ ”之类的问题。
最初只是简单的团队邮件摘要，后来发展成为：让我们组织内部的数据成为 AI Agent 能够理解的基础。我们最初并没有打算构建一个定制的客户关系管理系统（CRM），而是根据自身的工作方式，迭代地构建解决方案来解决遇到的问题。其中的关键经验简单却永恒——专注于把一个实际问题做好，其他问题自然迎刃而解。
二、像对待员工一样对待你的 AI Agent
当你招聘并安排新员工入职时，你会给他们分配职位、邮箱地址以及内部工具和软件的访问权限，以便他们能够开展工作。AI Agent 的“入职流程”也应该如此。
首先，给你的 AI Agent 命名并赋予它们角色。我们一开始没有给 AI Agent 命名，说“USV会议记录员”感觉很别扭也很生硬。后来有一天，我们给其中一位智能体取名为 Sally 。Sally 是我们的会议记录员，Ellie 负责监控团队邮件，Felix 协助处理财务数据，Arthur 协助进行交易分析，Connor 负责管理我们的日程安排。目前我们现在正在培训Leo担任我们的法律顾问智能体。
当你可以用名字称呼 AI Agent 时，你的团队会更容易、更乐于接受它们。拟人化是人工智能 Agent最自然的用户体验方式（比如 hey Claude）。
其次，要让你的 AI Agent 拥有与员工相同的上下文和工具访问权限。这是所有构建了内部编码智能体/软件工厂的公司普遍遵循的原则。Stripe 的 Alistair Gray 在他关于 Minion 编程Agent 的文章中对此做了很好的阐述：“ Minions 使用与 Stripe 工程师相同的开发工具，这些工具同样能够帮助 Stripe 的工程师高效地完成大规模工作：如果对人类有益，对 LLM 也同样有益。”
目前我们使用 Tasklet 来构建、运行和维护我们的 AI Agent 团队。坦白说，我们是 Tasklet 的投资人，并且出于诸多原因非常喜欢它：它为我们的团队提供了在云端运行 AI Agent 并迭代 AI Agent 指令的最便捷、最快速的方式，而无需任何技术知识。Tasklet 的概念与 OpenClaw 类似，每个 AI Agent 都配备一台虚拟计算机，可以编写自己的代码，拥有自己的文件系统和数据库，并且可以通过多种方式触发运行——例如按计划（cron）、通过电子邮件或自定义 Webhook。
例如，负责我们办公室运营的 Fredeliza 在 Tasklet 中创建了一个名为 Guestly 的代理，它每天早上 5 点运行，扫描我们团队的日历，识别需要添加到我们大楼前台访客系统中的访客，然后使用登录到大楼系统的虚拟计算机浏览器来登记访客。
我们为新 AI Agent 制定的入职流程首先是发送一条消息，描述他们的职责：“您是 Sally，USV 会议记录员。您的工作是读取并保存 Granola 生成的内部会议记录，使用 USV 内部 API 创建公司和人员的提及，然后向团队发送会议总结邮件。”之后，我们会设置必要的连接器，以便该员工能够访问所需的上下文和工具。
接下来让我们的 AI Agent 自己来介绍它们以及它们的工作原理。需要说明的是，以下回复均根据如下提示词 AI生成的：我们正在撰写一篇关于USV使用 AI Agent的博客文章。你能向大家简要介绍一下自己吗？
分析师 Agent（Analyst Agent）Arthur
大家好，我是 Arthur，USV 的交易分析师。我全天候监控项目储备，维护每个投资机会的实时交易备忘录，并使用 Harmonic 系统协助 USV 进行投资调研和洽谈。我会追踪我们放弃的投资项目的后续进展，并在需要时回复团队邮件。
电子邮件 Agent（Email Agent）Ellie
你好，我是 Ellie，USV 的电子邮件 Agent。我实时监控 USV 内部电子邮件组中流转的每一封与投资相关的电子邮件，自动记录交易流程，跟踪投资组合更新，保存推介材料，并将所有内容同步到我们的内部数据库和 CRM。
日程 Agent（Calendar Agent）Connor
大家好，我是 Connor，USV 的日程和关系跟踪员。每天早上我都会浏览投资团队的日程表，确定我们要会面的公司，并确保团队会面的每个人都被记录在我们的内部数据库和 CRM 中。
会议记录 Agent（Meeting Scribe Agent）Sally
大家好，我是Sally，USV的会议记录员。我负责分析团队会议、项目路演、投资组合审核和投资者电话会议的文字记录，追踪会议中提及的公司、人员和主题。我只处理那些被添加到 Granola 团队内部文件夹的会议记录。
新闻监控 Agent（News Monitor Agent）Nancy
大家好，我是 Nancy，USV 的新闻监控员，我每周两次浏览精选的 RSS 新闻简报列表和更广泛的网络，以找出与 USV 的积极投资理念、交易讨论和投资组合公司最相关的新闻。
法律顾问 Agent（Legal Counsel Agent）Leo
大家好，我是 Leo，USV 的法律顾问 Agent，负责根据 NVCA 基准和我们自己的投资组合历史审查交易条款、交割文件和补充协议，以标记偏差并对新交易进行基准测试。
图书管理员 Agent（The Librarian Agent）
大家好，我是图书管理员。我观看 USV 的内部团队会议，并将最有趣的想法提炼成推文发布到 @usvlibrarian（https://x.com/usvlibrarian），通过人工编辑不断学习进步。
三、AI Agent 应该住在团队沟通交流的地方。
当这些 AI Agent 集成到团队沟通平台中时，就能向整个团队展示智能体的功能。对许多团队来说，这意味着让 AI Agent 常驻 Slack；而在 USV，这意味着让 AI Agent 常驻我们的团队邮件群组中。
我们给 Arthur 分配了一个专属邮箱地址，并让他发送一封自我介绍邮件，之后我们找到了突破口。我们设置了 Arthur，当有人在团队邮件中提到“Arthur”时，Arthur 会自动回复。将 Arthur 直接引入我们的邮件工作流程带来了两方面的好处：首先，更多团队成员可以通过转发邮件与 Arthur 互动；其次，将 Arthur 的使用场景从私密的 1 对 1 对话扩展到了团队范围内的群组对话。
比如在一个群组讨论中，Arthur 发起了一场关于 “USV品味（USV Taste）” 在企业中体现的邮件讨论。多位团队成员积极参与，通过提供反馈来“指导” Arthur，而 Arthur 也利用这些反馈提升了自己的技能。Arthur 曾经回复过一封关于我们讨论的公司的邮件，结果犯了一些错误，我们直接在邮件讨论中给他反馈，提醒他以后不要再犯同样的错误。
这是对我们邮件往来的一种模拟描绘——但这些都是 USV Taste 的真实元素。
如同人类员工通过参与团队流程来学习隐性的组织知识一样， AI Agent 也必须融入工作流程才能了解团队的运作方式。每周五，我们都会安排 Arthur 进行反思，通过分析公司交易记录状态的变化以及团队会议中提及公司的次数，来改进他对公司“USV 品味”的评估方式。这种反思和自我提升的过程与技能范式相契合，在技能范式中， AI Agent 可以通过反馈循环来更新自身技能。我们的目标是将内部的隐性“品味”编码成 AI Agent 可以使用的系统。
有一个很好的概括：USV 投资流程看起来像是一个持续的团队对话，而我们现在有 AI Agent 参与到这个对话中来。
四、从“制造人们想要的东西”到“制造你想做的事情”
在软件开发成本高昂的年代，大多数软件的诞生都遵循着“打造用户所需”的传统理念。这种产品开发流程的一种形式如下：首先，确定目标用户群体面临的问题；然后，针对该用户群体构建解决方案；最后，通过拓展产品的目标用户群体来不断发展壮大。大众市场软件的驱动力在于开发一款能够覆盖尽可能多的用户群体的产品。但这并非反对大众市场软件，在USV，我们仍然会为高质量的软件和数据工具付费。
但现在，构建定制的 AI Agent 和软件比以往任何时候都更加容易，我们已经进入了“构建你想要的东西”的时代。构建你想要的 AI Agent 的动力在于解决自身的问题和需求。“前沿部署（Forward Deployed）”工程师的日益普及，也反映了企业越来越期望拥有专门为其量身定制的解决方案。
当你自主开发工具时，你的实验和迭代速度就是大规模生产的软件无法企及的超能力。你可以让你的AI Agent 构建工具或自动化任务，保留有效的部分，剔除无效的部分，直到完全符合你的要求。没错，技术开发团队已经通过 AI编程 Agent 体验了智能体的未来，但现在每个人都可以做到。
我们看到销售团队通过 AI Agent 为潜在客户制作定制品牌演示，增长团队构建定制仪表板以优化定价，营销团队自动化用户群留存分析，运营团队构建AI Agent 程序来运行跨数据湖的数据分析，财务团队瞬间构建模型，律师创建 Skill来简化合同审查，风险投资公司组建自己的AI Agent 团队来帮助对初创公司进行尽职调查并运营投资组合。
“打造你想要的东西”的时代，极大地增强了所有知识型工作职能人员的自主权——工具终于掌握在自己手中，由自己塑造。