← 返回全部情报
Every 运营负责人用 Codex 当教练:自评 AI 采用等级,四个月从 5.5 升到 7.9,并养成 /self improve 闭环 的封面

·Every·员工分享收录 2026-10-04

Every 运营负责人用 Codex 当教练:自评 AI 采用等级,四个月从 5.5 升到 7.9,并养成 /self improve 闭环

CodexAI 采用等级多智能体编排Self ImproveArielle ShipperEvery运营

一句话结论

Every 运营负责人 Arielle Shipper 把 Codex 变成自己的 AI 教练:先让它按「八级 AI 采用」框架对照历史会话打分,再要针对性升级建议、学编排多智能体,并设每周五自动复盘;四个月里自评从约 5.5 升到 7.9,还把纠错沉淀成可复用的 /self improve 技能。

打开原文 Every:How to Get Better at AI by Asking AI(Arielle Shipper)

背景与理念

Arielle Shipper 今年 5 月加入 Every 担任运营负责人时,用 AI 的方式仍是开一个新对话、一遍遍提示,直到输出「感觉做完了」。给承包商付款时,她会在同一个线程里依次查协议条款、批准付款、发确认邮件。

几个月后,她已经习惯把复杂项目拆给多个子智能体,由它们分别核对、计算、复核并起草消息,自己只做最后的批准。触发这次转变的是 Katie Parrott 6 月的一条推文:她请 Codex 按 Mike Taylor 与 Laura Entis 的《AI 采用的八个等级》框架给自己定级。Shipper 由此意识到,教自己用好 AI 的最好老师,就是正在用的那个 AI。

具体做法

以下为原文详细编译,引号内为原话翻译,完整内容请看原文。作者 Arielle Shipper 是 Every 的运营负责人,此前任 Donut 首席运营官,职业生涯始于康泰纳仕(Condé Nast)的编辑岗位。

开篇:从空白文档到多智能体协作

在她职业生涯的大部分时间里,任何任务的第一步都是一块白板:一份空白的 Google 文档、一封新邮件或一张新的 Excel 表。从查资料到写公式,每个环节的琐碎活都落在她自己身上。AI 让这个过程变快了,但做法本质上没有变:开一个新对话,一遍遍提示,直到输出符合她心里那个没有说出口的「完成」标准。

5 月刚加入 Every 时,她仍是这样工作。需要给承包商付款时,她在同一个聊天线程里按顺序提示:先找出协议条款,再批准付款,最后发邮件确认款项已经发出。

如今情况已经完全不同。上周她要核实一名员工购买股权的成本,涉及多笔授予、不同的行权价和归属时间表。她没有在单一线程里硬啃,而是把项目拆给几个子智能体,让它们独立协调:核对已签协议上的信息、跑计算、复核并标出差异,最后交回一份 Slack 消息草稿,她只需回一句「yes」就能批准。这背后用到了技能(skills)、编排线程、上下文包、子智能体、MCP 和电脑操作。她形容这是一锅「名副其实的术语字母汤」,过去她确信只有「高度技术型的人」才能理解和运用,现在却每天都会用到,「帮我做得更快,结果更好、更精确,也让我更有把握」。

这次转变始于一条推文。Katie Parrott 在 6 月发推说,她请 Codex 判断自己处在 Mike Taylor 与 Laura Entis 撰写的《AI 采用的八个等级》指南中的哪一级。这份指南描绘了从基础聊天机器人用法到完整智能体编排的进阶路径,每升一级,就把更多工作和信任交给 AI。Codex 把 Katie 定在第 5 级(搭建让智能体输出稳定可靠的工作流),并带有第 6 级(智能体在后台主动工作、不等提示)的苗头。

Shipper 由此意识到,帮助自己进步的最好老师一直就在眼前:AI 本身。让 Codex 评估她在框架中的位置,成了她提升 AI 技能的起点,下面是她的五步做法。

一、让智能体评估我的工作方式

她把同一篇文章交给 Codex,只问了一个很简单的问题:「根据我们到目前为止的合作方式,我处在第几级?」因为 Codex 能翻看两人过去的会话,它的回答基于她真实的工作模式,比她自己读完文章再琢磨怎么升级要深刻得多。

Codex 给她打了 5.5 分:稳稳处于第 5 级,并带有一些第 6 级的习惯。她用得很深,但仍倾向于把一大块工作交给一个智能体、一直磨到做完,而不是委派多个各有分工的智能体。她坦言,当时连「用一个智能体」和「同时用多个智能体」到底有什么区别都没弄明白。Codex 指出,她的下一步是编排。

她的建议是:如果你已经在工作中持续使用 AI,就挑最常用的那个智能体,让它跨会话给你定级;如果还没到每天使用,就先攒够一周的聊天记录,让它有数据可依。她给出的提示词是:「阅读这篇关于 AI 采用八个等级的文章,然后翻看我们的会话。根据我们的合作方式,我处在第几级?请在评估中给出具体例子。」

二、把评估变成建议

她自称「天生无法抗拒升级的诱惑」,于是接着问:「你能翻看过去的会话,建议我怎样升到 6 级或 7 级吗?我怎样才能更有效地用你?我错过了哪些机会?」

Codex 从她的工作记录里找出了具体例子。在一个项目里,她用 Stripe API 密钥(这对她也是第一次)拉取交易数据,以确定公司需要在哪些州征收销售税。数据必须精确,而不进入 Stripe 界面她很难交叉核对。Codex 向她展示了本可以怎样把工作分给不同线程里的子智能体:一个专员负责拉数据,一个专员负责核验数据是否正确完整,再由一个 Google Sheets 工作簿搭建者按会计师要求的格式汇总。

她的体会是:光说一句「用多个智能体」不会改变她的行为。看到一个已经完成的项目本可以怎样更好地搭建,才让她在下次遇到类似的乱项目时有东西可以尝试。

对应的做法是挑一个已经做完的项目,问它在下一级会怎么做。提示词为:「你能回顾我最近的工作,建议最多三件可以尝试的战术性事项,帮我升到[下一级]吗?请具体一些,并结合过去的项目或工作会话来说明。」

三、让 Codex 教我如何改变

Codex 最初给出的建议,是把工作委派给模式映射器、Stripe API 提取器、工作簿搭建者和税务逻辑校验者。她「完全不知道这些是什么意思」,更重要的是不明白实际该怎么操作:是要开五个聊天吗?每个智能体怎么拿到正确的上下文?谁来调和它们的答案?

于是她直接去问,Codex 则用她带队做项目的方式来解释。由一个负责人,也就是编排者,掌握业务目标、约束、截止时间和完成标准;它给每个专员一个上下文包,里面是完成自己那部分所需的最少背景、源材料、约束和成功标准,专员不必继承整个项目,最后再由编排者把结果汇总起来。

随后她在自己的工作中试了起来,给每个子智能体分配不同的角色。本质上,就是把项目拆成独立的部分,交给最适合做那件事的智能体,正如现实中把任务委派给不同的队友。她开始为每个项目保留一个充当经理的聊天,由它把任务分给不同的 AI 智能体并跟踪结果。对数据拉取、分析这类高风险工作,她另加了怀疑者和校验者智能体,它们唯一的任务就是质疑假设、确保结果准确,例如专门查找归属时间表中可能的重叠,以防文件本身有误。

她承认这套做法仍在试验中。她有时会得到令人费解的答案,项目也会跑偏;她始终担心数据拉取和分析不准确;累了或赶时间时,她还是会退回到长对话。但她已经开始看到自己使用 Codex 的整体趋势在变化。

这一步的要点是:AI 推荐了你不懂的东西,就问它是什么意思、该怎么做。提示词为:「我想通过以[下一级]重做[某个项目或任务]来练习。你能给出具体的战术建议,说明如何在[下一级]执行这个项目吗?请解释每条建议该怎么执行,必要时给出示例产物(比如提示词或验收表),并且不要用术语。」

四、让反馈定期发生

Codex 对 Stripe 项目的反馈很有帮助,但学习需要练习和强化。看到一次性评估如此有用后,她让 Codex 设了一个每周任务:扫描她当周的会话,每周五下午发给她一份带评分的报告。

报告对照八个等级给她的工作打分,记录逐周的变化,指出支撑分数的会话,并给出下周的一小串实验清单。她写道:「这种定期复盘让我在四个月里从 5.5 升到了 7.9。」

分数令人欣慰,但真正产生学习的是「有什么变化」和「下周」这两部分。报告注意到,她把一个关于文件命名的小偏好变成了长期规则;也注意到她一直在用编排者,却没有花力气事先定义成功标准。

做法是让 AI 按周复盘你的工作,这样定期反馈就不依赖你记得去问。提示词为:「你能为[某天某时]设一个每周任务,扫描过去一周我们的工作会话并给我定级吗?请写出错过的机会和差距,并具体说明为了升级,下一周我应该优先做什么。」

五、把失败变成改进的机会

每周报告改变了她的工作方式,但她仍要面对失败的实验、跑偏的项目和 AI 生成的低质内容。

最近她让 Codex 执行一项多步骤的财务任务。内容是读取公司借记卡的支出数据,计算过去三个月的平均支出,加上税费缓冲,按这个额度为特定商户开 Ramp 卡,再在 Slack 上通知每位持卡人。卡都开对了,Slack 消息却不对:读起来像精心打磨的公司备忘录,开头是「Hey @person」等她从来不会用的说法,尽管 Codex 读过她的 Slack 沟通技能,也就是一组每次代她写东西时都应遵循的保存指令。于是她让 Codex 批评自己的草稿,并在技能里加上规则,点名列出 Slack 消息中要避免的露馅说法。

接着她问了一个更大的问题:Codex 能从这类纠正中学到什么?一次对话中的纠正不会自动带到下一次,教训必须存到 Codex 下次会读的地方。她让 Codex 回顾那次会话,从她经常对其工作做出的纠正中提炼规则,涉及事实来源纪律、审批关口、数据核验以及在合适的细节层级上工作等判断。这项把一次性改进固化下来的工作,成了她的 Self Improve 技能;文中的配图展示了她让 Codex 从她对一篇 LinkedIn 帖子的修改中学习的过程。

调用 /self improve 时,Codex 会查看前面的线程、原始输出和她的修改,然后自问一系列她给任何人反馈时都会问的问题。输出会诊断失败模式,说明「好」是什么样子,并提出一个能防止同类问题再次发生的「最小持久修改」。修改写入之前由她审阅,然后循环往复。

这一步的建议是:AI 下次出错时,别修完就走,问它为什么失败,并让它把修正保存下来。提示词为:「看看这段对话,包括原始输出和我的修改。诊断哪里出了问题,描述好的结果应该是什么样,并提出对我的指令所能做的最小修改,以免下次再犯。保存之前先给我看修改内容。」

接下来

她现在以自己曾以为只属于工程师的方式使用 Codex,而她的系统还在不断变化。最近她让 Codex 研究 Dan Shipper 在 Slack 上发布的一份 AI 使用报告,找出她可以更像他那样使用 AI 的机会,她的每周反馈如今就围绕这些建议展开。上周 Dots 上线后,她的 Dot「Sebastian」成了处理各类快速或行政任务的编排线程。文中另一张截图展示了一次更全面的复盘,从委派、可靠性、自动化和学习四个维度为她的工作流打分。

她在结尾写道:「五个月后,我肯定又会以不同的方式使用 AI。我不知道接下来会出现什么技巧,但我知道该向谁求助学习。」

关键数据/例子

定级轨迹:Codex 根据历史会话先给她打出 5.5 分,此后靠每周五的自动复盘,四个月里升到 7.9 分。

员工股权购入成本核对涉及多笔授予、不同行权价和归属时间表,由多个子智能体分别核协议、跑计算、找差异并起草 Slack 消息,她只回一句「yes」批准。

Stripe 销售税项目被 Codex 拿来做反面教材:本可由拉数专员、核验专员和 Google Sheets 工作簿搭建者三方分工完成。

Ramp 卡任务按借记卡过去三个月平均支出加税费缓冲开卡,额度全部正确,但 Slack 通知写成了以「Hey @person」开头的公文腔。这次失误促成了她把露馅说法写进沟通技能,并进一步做出 /self improve 技能。

文中给出五套可直接复制的提示词,分别对应定级、要战术建议、练习下一级执行、设每周复盘和从纠错中提炼持久规则。

创新点

第一,把「我该怎么用 AI」交给 AI 依据真实会话来诊断,而不是只读框架文章自我对照。定级有证据,升级才有抓手。

第二,用「重做已完成的项目」当练习场,把编排从口号变成可执行的角色分工与上下文包。

第三,每周自动复盘把学习从靠意志力变成靠日程。作者认为分数只是激励,「有什么变化」和「下周」两部分才是真正的教材。

第四,/self improve 把一次性改稿变成可积累的技能资产。一次对话里的纠正不会自动带到下一次,只有写进技能才不会再犯。

可否复用

  1. 先积累至少一周真实会话,再让常用智能体按公开的采用等级框架给你定级并举例。没有数据时自评容易飘。
  2. 选一个刚做完的乱项目,请它按「下一级」重做拆解,并要求给出上下文包样例。只听「多用几个智能体」往往改不了手。
  3. 高风险数字工作固定加校验者角色;对外沟通写入「绝不用的句式」清单。
  4. 把每周复盘写成定时任务,输出必须包含:分数依据、错过机会、下周三件实验。
  5. 每次明显改稿后跑一遍「诊断 → 最小持久修改 → 人确认再保存」。让纠错变成技能,而不是情绪。

笔记会在输入时自动保存。