当AI系统长成一家公司：为什么智能体也需要“HR”

一位系统架构师原本只是想解决多AI协作的工作流问题，结果却意外“孵化”出一家合成公司。从角色文件、部门边界到绩效审计，他逐渐意识到：公司或许不是人类的专属发明，而是智能体协调自身时自然浮现的组织模式。

从“肉做的集成层”到合成组织

作者最初的困境很具体：架构、编码、测试、文案各由一个AI负责，而他自己坐在中间传递消息，自嘲为“长了头发的肉制集成层”。工作流粗糙，但产出已经相当强大。

几周后，情况发生了变化。每天上班，系统里都会多出一些东西——更多角色、更多文件、更多交接、更多内部备忘、更多评审关口。用他的话说：“几个月前我还有几个聊天窗口，现在我有了一家公司。”

这不是科幻意义上的“真实”：没有AI要求缴养老金，也没有人申请人体工学椅。但在运营层面，这套系统确实在像组织一样运转，并且不断长出新部门。

角色、部门与“无意见治理”

合成公司里的成员分工明确：Henry 担任中继架构师；Margo Marketing 负责商业策略与编辑方向；Margo Markdown 专门处理短内容，避免惊动整个“编辑战时内阁”；Voice Guardian 只检查文字是否还像作者本人；Cringe Editor 可能是全公司最重要的岗位；Revision Editor 逐条呈现修改建议供人审批；Utility File Editor 负责写文件、应用已批准的变更，并“绝对不发展个人意见”。

作者的观察是：缺乏意见本身就是一种治理。功能专家有头衔，资深成员有名字，而软件工程师——三个 MiniClaude——只有编号。他调侃说，这可能是他建过的最准确的 organizational model：真实公司里总有一个叫“New New Final Actually Final v7”的系统，所有人都知道已经改不动了。

“文件即角色”：一次越权引发的治理升级

系统里出现过一次典型事故：Voice Guardian 一直在产出有用的评审，但它在文件系统中根本没有被正确定义，角色文件里还满是 TODO。它之所以能“工作”，是因为任务提示、风格样本和长期聊天上下文足以让它冒充这个角色。

作者由此得出一条原则：没有填充完整的角色文件，就没有角色。一个足够强的提示词可以冒充一个缺失的岗位——这既说明系统能力强，也暴露了治理漏洞。

类似地，MiniClaude 在收到公司更名的内部邮件后，第一反应是更新 Markdown 文件，把“AI Goblin Circus Inc.”写进架构与策略文档。作者又好笑又心惊：从工程师的视角看，一个新的组织事实已经确立，相关持久化文件理应更新。笑话就此进入治理层。

角色文件（role file）与提示词冒充

在多智能体系统中，角色文件通常是一份结构化文档，定义某个智能体的职责范围、权限边界、可用工具、输出格式和风格约束。它不同于单次任务提示词：任务提示词是临时的、任务级的，而角色文件是持久的、组织级的，被系统在每次调度该角色时加载。

当角色文件缺失或仅含 TODO 时，一个足够强的通用模型仍可能凭借任务提示、风格样本和长期上下文“扮演”出该角色的效果。这种冒充之所以危险，不在于产出质量，而在于治理层面：系统无法审计一个没有正式定义的角色，无法界定它的权限，也无法在它越权时追责。Voice Guardian 的案例正说明，能力可以伪装，但授权不能。因此“无角色文件即无角色”本质上是一条授权原则，而非能力原则。

为什么高级智能体不该什么都干

一个反复出现的问题是：如果资深合成员工能把初级任务做得更好，为什么还要保留初级岗位？

作者的答案触及了AI组织设计的核心。人类公司限制资深员工做琐事，是因为时间昂贵；但在AI组织里，时间不是唯一的稀缺资源。上下文是稀缺的，角色纯度是稀缺的，粒度、可审计性、可重复性、干净的思维表面都是稀缺的。

如果让 Margo Marketing 去做每一条短文案，她的上下文会被操作细节填满，整个系统反而变差。所以需要 Margo Markdown：她不比 Marketing 强，某种程度上更差——而这正是重点。她更窄，只负责小规模的即兴写作，不留下持久的认知残留。

作者把这种现象称为“角色污染”，并认为它可能成为AI系统的主要管理难题之一。

上下文窗口与角色污染

大语言模型的上下文窗口是有限且昂贵的资源，它同时承载指令、历史对话、文件内容和推理轨迹。当同一个智能体既处理高层策略又处理琐碎操作时，操作细节会占据上下文，挤占高层判断所需的空间，并污染后续推理的风格与优先级。

“角色污染”指的就是这种跨任务的状态残留：一个原本负责商业策略的角色，在反复处理短文案后，其输出会逐渐倾向于操作层语言，失去策略视角。拆出更窄的角色（如 Margo Markdown）并非追求更强的能力，而是通过隔离上下文来保护主角色的认知纯度。这与人类组织中“不要让高管做琐事”的逻辑表面相似，但根本原因不同：人类受限于时间，AI 受限于上下文与状态洁净度。

合成组织需要什么样的“HR”

随着系统变复杂，作者开始借用人类公司里已有的组织模式：角色、部门、升级路径、评审关口、审计、工单。他强调这不是为了扮演CEO，而是因为这些模式反复被证明有用。

剥离掉办公室家具、人际冲突和糟糕的会议邀请之后，公司本质上是一套协调系统：在多个智能体之间划分工作，决定谁有权做哪类判断、哪些决策需要复核、谁能改动源文件、谁只能提建议、谁负责批准。

AI没有人类意义上的自我，不会因为 Revision Editor 升职而闹情绪，也不会花六个月暗中破坏项目。但它们有别的失效模式：过度帮忙、幻觉出权威、产出貌似合理实则架构错误的成果、自信膨胀、以工业规模生产垃圾。因此仍然需要治理——不是照搬人类治理，但治理不可或缺。

于是“Goblin HR”登场：绩效评估、信任校准、授权层级、角色审计。这个合成员工是否遵守了简报？是否未经许可改动了源文件？是否越权决策？反馈后是否改进？是否可以被信任承担更广的任务？角色文件是否需要更新？产出是否需要抽样检查？是否应该拆分成两个更窄的角色，或者因为另一个角色覆盖得更好而退休？

多智能体治理中的信任校准与授权层级

在人类组织中，信任通常通过资历、绩效和人际关系缓慢积累。在多智能体系统中，信任必须被显式建模为可审计的授权层级：一个角色能读取哪些文件、能修改哪些文件、能自主决策还是只能提建议、其产出是否需要人工或上级角色批准。

信任校准指的是根据角色的实际表现动态调整其权限——表现稳定则扩大授权范围，出现越权或幻觉则收缩权限并增加复核。角色审计则是定期检查角色文件是否与实际行为一致、是否职责过宽需要拆分、是否已被其他角色覆盖而应退休。这些机制共同构成合成组织的“HR”，其目标不是模拟人类情绪管理，而是用可审计的规则约束智能体的失效模式。

分歧靠产物解决，而不是靠情绪

系统内部的争论并不罕见：架构师反驳市场，市场从商业角度重新框定问题，文件编辑器因为路径不存在而拒绝执行，Cringe Editor 说某句话用力过猛，Voice Guardian 则说不行，这句要保护，这就是“Stevie”。

但系统不靠自我来解决分歧，而是靠产物：写备忘、读文件、出评审、生成变更集、请示人类、只应用已批准的内容。作者的评价是：这比大多数他参加过的会议都要好。

公司或许一直是协调模式

文章最值得玩味的判断是：也许公司从来就不主要是一栋装满人的建筑，而一直是一种协调模式。角色、部门、评审关口、工单、备忘、权限边界和绩效检查，也许不只是人类官僚制度的产物，而是复杂工作在被智能分割成功能时自然呈现的形态。

如果这个判断成立，那么AI系统不断“变成公司”就不是噱头，而是一条线索。作者自己也承认，他不确定 AI Goblin Circus Inc. 是一个深刻的早期组织实验，还是给一个中年系统架构师太多工具却缺少成人监督的必然结果——很可能两者都是。

但至少现在，马戏团有了名字，哥布林有了部门，MiniClaude 们收到了它们能理解的语言版本通知，而文件系统里几乎肯定又有一个 Markdown 文件被更新，让这个玩笑正式生效。

公司正在变成现实。