← 返回全部情报
Every 评测负责人用 Slack 历史「克隆」老板、GitHub COO 和 CEO:模拟签核能抓到规则,却学不会何时破框;真实 Dan 只有约 34% 顺着提问框架走,模型克隆约 68% 的封面

·Every(Also True for Humans)·员工分享收录 2026-10-10

Every 评测负责人用 Slack 历史「克隆」老板、GitHub COO 和 CEO:模拟签核能抓到规则,却学不会何时破框;真实 Dan 只有约 34% 顺着提问框架走,模型克隆约 68%

人格克隆SynthTeam签核评测判断力Dan Lens角色扮演

一句话结论

Mike Taylor 用开源库 SynthTeam 从公开 Slack 历史提炼同事人格文件,再让模型模拟签核、面试彩排和方案对齐:克隆很会背规则——把一封客户邮件从 6 分优化到接近满分却写成「律师稿」并擅自改掉活动设计;克隆 GitHub COO 时把对方提过一次的 must/should/could 框架塞进 12 题里的 5 题,真人一场没用;给 CEO Dan Shipper 做的「Dan Lens」在 201 条 Slack 线程上对照后,真人只约 34% 顺着原提问框架走、其余会推翻前提或改题,模型克隆约 68% 顺着走——他的结论是:AI 适合先帮你过完「显而易见的规矩」,真正的判断仍是人知道何时破框。

打开原文 Every:You Already Signed This Off (In the Simulation)

背景与理念

AI 已经能批量产草稿,稀缺的是能说「发」或「换个写法」的判断力;那些人常在一天里把同一句话重复讲给不同同事。Mike 的出发点是:用角色扮演把同事的判断「缓存」下来,少打扰真人,又在高风险互动前先做功课。

他很快发现边界:虚拟同事很会学规则,却很难学会何时该打破规则。

具体做法

克隆老板审邮件

他用 SynthTeam 从公开频道拉取前上司 Natalia 约一年的 Slack(不含私信),提炼 natalia.md,再用目标循环让子智能体反复打分,直到模拟 Natalia 给出 10/10。原稿被打 6 分,批评正是真人会说的「意识流」;模型连跑 73 轮,16 轮到 9 分后卡住,后半程把正式、安抚和「让对方好说 yes」叠得更重,最后写成律师腔,还擅自删掉咨询方案、把活动改成对方只现身 10 分钟的私密讨论,并承诺他没答应过的嘉宾名单与一页简报。

克隆高管做面试彩排

采访 GitHub COO Kyle Daigle 前,他用对方公开文章、演讲和访谈建人格做对练。事后对照:12 题里约 2 题强匹配、4 题部分匹配、6 题偏了;克隆爱套框架,把 must/should/could 用了 5 次,真人一场没用。Daigle 事后说模拟「还行」,但「过度依赖书面材料,少看口语访谈」。

克隆 CEO 与 Dan Lens

为 Vibe Check 是否加评分,他建 Dan 人格做多轮对齐;克隆加流程把方案变得更「严谨」,真人 Dan 却建议改名避开学术基准联想,并指向酒评与 Wirecutter 这类「有数字但不假装百次试验」的做法。公司智能体里的 Dan Lens 对照 201 条真实 Slack:真人约 34% 顺着原框架,其余会推翻前提、改方向或先追问;模型约 68% 顺着走。他们仍在改进,但也发现 Dan 观点高度一致、几乎找不到自相矛盾——规则可学,破框时机仍要人。

关键数据/例子

邮件优化:73 轮;约第 16 轮到 9/10,从未到 10/10。

Daigle 彩排:12 题里约 2 强匹配 / 4 部分 / 6 偏离;框架词出现 5 次 vs 真人 0 次。

Dan Lens:201 条 Slack;真人顺着框架约 34%,模型约 68%。

创新点

第一,把「签核稀缺」做成可演练的人格文件,而不是无限打扰真人。

第二,用真实对照暴露克隆的系统性偏差:过度形式化、过度套框架、过度顺着提问。

第三,把「何时破框」明确留给人类,AI 负责先清掉显而易见的规矩。

可否复用

  1. 高风险邮件或方案发出前,先用公开材料建一个「审稿人格」做一轮反对意见,再决定要不要找真人。
  2. 克隆只喂公开频道与公开著述,并把「不得偷看上一轮分数」写成硬约束,避免自我泄题。
  3. 用一批真实历史回复做对照集,专门测模型会不会过度顺从提问框架。
  4. 把人格文件也交给本人看:Natalia 的第一反应是拿它当自我校准镜,而不是只当下属工具。

笔记会在输入时自动保存。