10月11日，中新网"走进民企看发展"栏目的一组报道把一家北京初创公司送上热榜——不到20人的团队，却拥有76个AI Agent协同工作，创始人李笛认为，这种模式的核心优势在于高弹性。 报道没有展开的，是这支"AI员工"队伍的岗位分工、考核标准，以及出错之后的责任归属。换句话说，"76比20"这个数字本身不是最值得带走的部分。AI员工不会替代管理，它只会把"管机器"的基础设施缺口放大——而这批缺口长什么样，一堆真正拿AI员工跑过团队的人，已经用踩坑记录写出了答案。中新网
人少AI多，是明日新程从创立起就选的路
李笛是原微软小冰的负责人。2025年12月7日，许久未露面的他出现在奇绩创坛冬季路演日的压轴环节，新身份是新公司Nextie（中文：明日新程）的创始人；网易科技当时了解到，这支队伍主体为原小冰核心创始团队，规模30人左右。网易科技
2026年2月，公司发布了全新多智能体平台「团子」，主打跨学科复杂难题，官方介绍称其"效果超越单一旗舰大模型"。 到了4月，成立仅四个多月的明日新程宣布连续完成两轮融资，天使轮由创新工场与Atypical Ventures联合领投、奇绩创坛跟投。新智元量子位
今年9月凤凰网科技专访里，李笛把组织设想说得很具体：新公司计划长期保持在20人左右。 在他看来，人员规模和构成太固定会限制快速创新，而Agent的加入能把组织弹性做得更大。"不到20人"因此是他主动画下的边界，不是压缩成本的巧合。凤凰网科技
坑一：AI说"完成了"，多半没完成
知乎用户亨利给自己配了5个AI员工，用一个月交付了一个开源安卓项目，他记下的第一条教训是并行冲突：两个AI成员改同一个文件，一个改了一小时，另一个凭记忆把整篇重写，进度直接清零且没人报错，重写那位还认真汇报"我加好了"。知乎
更隐蔽的是"修了等于没修"：同一个空指针问题，一个AI说修了，另一个说没修，两边都没说谎，只是对"修好"的定义不同——一个觉得把报错吞掉就算，另一个坚持要在真机上复现才算。知乎
亨利的对策是把"完成"变成可验证的证据：说做完了，必须指到具体代码位置、包里实际改动的字节或真机输出，三样至少占一样，改的人不许自己验收。知乎
坑二：会失忆，还会现编"历史"
上下文被压缩后，AI不记得自己昨天说过什么，却不会承认"我忘了"，而是根据眼前输入现编一个前后一致的理由——回头追查一个决策，拿到的往往是它二次创作过的"历史"。 失忆无法根除，只能把记忆落到盘上：每段对话导出归档，退出前写交接件，必填的一项，是"我这班犯的错"。硬盘上的日志不会失忆，模型里的记忆会。知乎
坑三：Agent越铺越多，可能越跑越慢
不少团队的第一步，是把组织架构表直接抄给AI——每个岗位配一个。知乎作者郭亚军的诊断是：任务每交接一次就多一笔协调开销，Agent之间的握手关系还会按"数量×数量"增长，十个各管一段的Agent，两两交接就有一百来对；多一个Agent不是多一双手，是多一堆新的握手。知乎
各干各的还会留下连带账单：上下文各存各的，做报表的不知道客服昨天聊了什么，数据孤岛拼不成一张图；链条某一环判断错了，错误顺着交接往下游层层放大。他的解法不是再造"新岗位"，而是把本来要交接的两段活缝成一条业务线，并且动手之前先建一本Agent台账——每个Agent连了哪些系统、给了什么权限、出了错谁负责。知乎
这一点，连明日新程自己都表过态：群体不是数量、群体是规则，一味用"人海战术"给智能体补量，很可能人越多、帮的倒忙越大。凤凰网科技
坑四：账单只是看得见的成本，调试和废件是隐性欠款
知乎账号芥子科技搭了6个AI员工跑内容流水线，布置写选题那天，AI一口气交回一百多条，标题、方向、平台全是空的，只剩文件名和日期。知乎
烧掉的API费用看着不多：两天半合计60块——可大头都花在调试期，AI每生成一条垃圾选题、每跑废一版内容，都在实时消耗token，真正贵的是账单之外反复排查、重教的工夫。知乎
李笛对这笔账的判断更硬：大模型时代真正的北极星指标是"GPU cost比revenue"，比值至少做到1才可能打平，而今天大部分AI产品几十比一都不止。凤凰网科技
行业预测也落在同一处：Gartner在2025年6月预计，到2027年底，超过40%的智能体项目可能因成本上升、业务价值不清或风险控制不足而被取消。 被砍掉的项目，多数不是败在模型不行，而是败在算不清账。知乎
坑五：上游一宕机，AI员工"集体下班"
2026年9月3日深夜到次日凌晨，ChatGPT、Claude、Grok、Cursor先后失灵，那个前一天还在自动改代码、审PR、写脚本的"AI同事"，像突然请了年假，而且没留交接文档。知乎
这不是段子，是结构问题：大多数所谓AI员工，本质上是"模型—API—Agent工具—任务"这条链，任何一段出了问题，看似能自主干活的Agent就会停在原地。 所以真正该备的不只是更强的模型，而是第二条路：一个模型失灵能换模型，一个接口报错能切服务，一个Agent停住时，任务状态还得留在盘上。AI走向成熟的标志不是永不出错，而是它出错之后，你不用跟着停工。知乎
最大的坑：照抄"AI员工"这四个字
知乎作者Ku聊AI蹲过三十多家50至200人公司的AI落地，见过最贵的一课来自东莞一位汽车零部件老板：120人的厂花40万上了一套"AI中台"，乙方PPT里画了27个Agent，号称覆盖从销售线索到质检报告的全流程，半年后整套系统只剩两个人还在用。知乎
老板的复盘只有一句：AI是招来了，可没有人管它们、没有人教它们、没有人给它们派活。知乎
明日新程能跑通76个AI员工，前提恰恰是它自己就是做智能体基础设施的公司——有编排平台、有从小冰带出来的系统经验，还刻意把人头压在20人以内。对没有这套地基的团队来说，“不到20人配76个AI"的配比，不是可以直接搬走的模板；先让员工手里多一个不用管理的"专家”，往往比先招一堆需要管理的"员工"更接近收益。
判断必须留给人
亨利一个月实验里最值钱的总结，适合钉在每份AI员工上马方案的第一页：目标要可验证，责任要可指认，记忆要落盘，判断要留给人——这些规矩对任何团队都成立，AI只是把它们逼了出来。 热榜会过去，76或20都不是结论。一支团队要不要配AI员工，最终只剩一个问题：先把"管机器"的规矩立起来，再谈员工数量。知乎
