操盘手年鉴The Operators’ Almanac
AI · MM · 329

Agent 招聘式入职法

Agent Onboarding As Hiring · agent-onboarding-as-hiring--claire-vo
AI 与新工作方式 思维模型 AI 时代 2026-03 Claire Vo ✓ 已核验出处
所属簇 Agent 构建

解决什么问题

你要给一个有真实权限(邮箱、日历、文件系统、浏览器)的个人 AI agent(OpenClaw 这类)做初始配置和长期管理,不知道该给多少权限、怎么避免它闯祸(Claire 的第一次安装换来的是家庭日历被删)。

核心内容

把整个过程当成"雇佣并入职一名员工"来做:

  1. 像发放员工账号一样做资源配置:给 agent 它自己的邮箱、自己的日历、电脑上独立的本地 admin 账户。权限用"共享/委托"给:共享你的日历、委托你的邮箱——就像你绝不会把邮箱密码直接给人类 EA 一样,不要把自己账户的密码给 agent。密码/API key 通过密码管理器(如 1Password)安全传递到 agent 的机器上。
  2. 干净的独立机器:旧笔记本、Mac Mini 或云主机都行,但不要装在自己主力工作机上。前提假设:凡是人能用这台机器做的事,都假设 agent 也能做。物理隔离 agent 的 workspace 和你的 workspace 是最干净的安全边界。
  3. 渐进式信任阶梯:与人类助理完全相同的节奏——先只给读日历 → 再读邮件 → 再起草邮件 → 再发送邮件 → 最后代你参加会议。观察表现后再升级权限,而不是一次给满。
  4. 管理技能是核心杠杆,不是技术技能:role scoping(角色边界)、onboarding、培训、给反馈、逐步授信——这些管理者技能直接迁移。对人类员工无效的管理方式(发火斥责)对以人类文本训练出来的模型同样无效。
  5. 出错时用结构归因而非能力归因:agent 做错事,多半不是"蠢",是缺上下文或缺信息。agentic 系统里这条线格外清晰——直接打开它的文件系统检查:"它有这个信息吗?它按理能完成这个工作吗?"口头交代是有损的(lossy),关键信息必须落进文件。agent 的表现同时照出你自己任务分派和文档系统的质量。

适用边界

  • 针对跑在自有机器上、握有真实操作权限的个人 agent;托管型 chat 产品(ChatGPT/Claude 网页版)不需要这套。
  • 作者不讳言成本:安装可能耗一整天、需要持续"喂养维护"、不是 hands-off 的——价值足够高才值得走这套流程。
  • "尊重 agent 自治"有一个例外:soul(人格文件)不建议手改,但 tools.md(工具清单和用法)值得手工维护,因为 agent 最常忘记的是自己有什么工具。

关键引述 · 原话

"You don't onboard your EA by giving the password to your email account." — Claire Vo

"I have 20 years plus of management experience. I know how to make an employee successful. That is what you need to make these agents work." — Claire Vo

关联卡片

- 与 multi-agent-context-partitioning--claire-vo(多 agent 拆分)配套使用:先会"雇一个",再谈"组一个团队"。 - 安全细节展开见 personal-agent-security-hardening--claire-vo。 - 与 Molly Graham 的 waterline 模型呼应(团队问题多为结构问题而非个人问题),Lenny 在对话中点名了这一联系。

被这些卡引用

出处Claire Vo (ChatPRD 创始人 / How I AI 播客主持人 / 三任 CPO) · 03-podcasts/claire-vo-openclaw.md
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast(2019–2026)。本站为个人学习用途的二次创作,与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2