本文永久链接 – https://tonybai.com/2026/09/07/multiplayer-ai-manifesto
大家好，我是Tony Bai。
【导读】
近日，Superconductor 联合创始人 Sergey Karayev 在 X 上发布了一份《The Multiplayer AI Manifesto》，直指当下 AI 办公的一个根本性倒退：我们从“协作办公”退回到了“孤岛式 AI 对话”。这条推文迅速引发开发者热议——因为它戳中的，是几乎每个使用 Claude、ChatGPT 做团队协作的人都遇到过的痛点。这份宣言提出了五条原则、五个落地陷阱，试图为“Agentic 办公”这个新赛道立一个北极星。
【文章要点】
- AI 协作正在经历一次“逆向进化”：从 Slack、Google Docs 式的共享协作，退回到人手一个私有 AI 对话框；
- 每一次“复制粘贴式”的人工中转，都在支付看不见的“语境税”（context tax）；
- 哈佛商学院对 776 名宝洁员工的实验证明，“团队 + AI”组合能拿到最高比例的顶尖方案；
- 宣言给出五条原则：不复制粘贴、开着门工作、持续进化、人不是路由器、没有任何项目从零开始；
- 落地时至少要跨过五个坑：Agent 不能跑在笔记本上、要给每个 Agent 建防火墙、权限要按最低共享面收窄、不要绑死单一模型厂商、治理审计不能省；
- Superconductor、Buzz、Claude Tag、Viktor 等一批产品，正在这个被称为“Multiplayer AI Workspace”的新赛道里各自探索。
引子：一条推文引发的共鸣
Sergey Karayev 不是第一次谈论“Agent 应该怎么用”。这位 UC 伯克利博士、Gradescope 联合创始人，如今在做 Superconductor——一个让团队“多人共用一套 Coding Agent”的平台。在最新这条推文里，他描述了自己团队一年多以来的真实工作方式：
- 所有 Claude、Codex 等 Agent 的会话都跑在云端，团队里任何人都能随时加入；
- 每一场会议，都有一个 Agent 在后台派生子任务，边讨论边做调研、边写文档、边改代码；
- 一个“Chief of Staff”式的 Agent 会告诉他有哪些事项等待他审批，并能直接找到相关的人或 Agent 去推进卡住的环节。
Sergey 把这套工作方式提炼成了一份简短的宣言，并抛出三个问题：
- 现在的问题出在哪？
- 一个好方案应该遵循什么原则？
- 哪些地方特别容易踩坑？
这条推文发出后，很快在开发者社区里引发了大量转发和讨论——因为几乎所有认真用 AI 做团队协作的人，都对着屏幕点了点头。
为什么我们需要这份宣言
宣言开篇提出，团队协作软件本该是“越来越会共享”的：从邮件到 Slack，从 Word 到 Google Docs，协作能力早就是现代办公软件的标配。但奇怪的是，AI 却让我们开了历史倒车——每个人打开的都是一个只有自己能看到的私聊框。
宣言列举了四个具体病症：
病症一：协作办公倒退回了信息孤岛。 每一个 AI 对话框都是一个“密室”：里面商量出来的结论、走过的弯路，默认只有发起者一个人知道，团队里的其他人无从得知，也无法复用。
病症二：每一次人工中转都在交“语境税”。 举个宣言里的例子：Priya 先和 Claude 一起打磨出一份报告，再通过 Slack 转发给 Marcus，Marcus 又把报告丢进 ChatGPT 加工一遍，最后再用邮件把结果发回去。每一次“复制—粘贴—重新讲一遍背景”的交接，都会产生看不见但真实存在的成本——宣言把它称为 context tax（语境税）。
病症三：Agent 需要的是企业级安全，而不是个人权限。 AI 已经从“回答问题”进化到了“直接操作系统”。一个跑在员工笔记本上的 Agent，很可能在不同系统之间无意间搬运了敏感数据——甚至直接把内容发到了公网上。
病症四：数据已经证明，“多人 + AI”才是最优解。 宣言引用了哈佛商学院（HBS）与宝洁（P&G）合作完成的一项大规模田野实验《The Cybernetic Teammate》。这项研究让776名产品创新领域的宝洁员工，随机被分配到“个人 / 团队”与“是否使用 AI”这四种组合中完成真实的产品创新任务。结果显示：单独使用 AI 的个人，其产出质量已经能追平传统人类团队；而“团队 + AI”组合拿到顶尖10%质量方案的比例，明显高于其他三种组合方式。研究团队把这种协作关系称为“cybernetic teammate（赛博队友）”——AI 不只是工具，而是在打破专业壁垒、促成知识共享上扮演了真正队友的角色。
宣言同时提到了 Shopify 的例子：这家公司允许全员在公开频道里和内部 AI 代理 River 对话，一个月内，八分之一的代码合并请求已经由 River 参与共同完成。
两个常见误区
在正式给出原则之前，宣言先破除了两个流传很广的误解。
误区一：Claude / ChatGPT 的团队版，不就已经是“多人”了吗？ 宣言的回答是：不是。目前 Claude 和 ChatGPT 的团队 / 企业版，本质上只是共享了一些设置项——比如 Prompt 模板、Skills、集成配置——而不是真正意义上像 Slack、Google Docs、Figma 那样的多人实时协作。你依然无法直接“加入”同事和 Agent 的那场对话，团队之间也没法互相“跟别人的 Agent 学习”，上下文被锁死在一个个孤立、不可检索、生命周期很短的会话里。
误区二：把 Agent 拉进 Slack 群，不就解决问题了吗？ 这确实是目前最容易实现的方案，宣言也认可 Claude Tag 这类产品是不错的起点。但问题在于：大量真实工作发生在邮件、Google Docs、GitHub、Salesforce、ServiceNow 等 Slack 之外的场景里。真正的多人 AI，需要让团队能从“每一个工作界面、每一台设备”上，接入同一个 Agent 会话，而不只是某一个聊天软件里。
宣言正文：五条原则
宣言给出了五条他们认为一个“真正的多人 AI”应该满足的原则，并强调：截至目前，还没有任何一个平台（无论是厂商产品还是内部自建系统）能同时满足这五条。这更像是一份“北极星”，而不是产品清单。
原则一：Never copy-and-paste（永不复制粘贴）
- Agent 必须“长在”工作现场，而不是活在自己的独立聊天框或 Slack 消息里；
- 每一个参与这项工作的人，都应该能够直接和同一个 Agent 对话；
- Agent 能使用的工具，应该和团队里的人能使用的工具完全对齐。
宣言给出了一个对照案例：还是 Priya、Marcus、Dana 三个人，这一次他们不再靠 Slack 和邮件相互转发，而是在同一个会话里依次向同一个 Agent 提问、追问、下达指令——原本需要多轮人工中转才能完成的“改价格 → 通知市场 → 确认发布时间”，在一个会话里就闭环了。
原则二：Work with the door open（开着门工作）
- 私有会话让最佳实践扩散得很慢，共享会话则能让全团队一起进步；
- Shopify CEO Tobi Lütke 把这种模式称为“车间式学习（learning on the shop floor）”——Shopify 内部的 AI 代理 River，只能在公开的 Slack 频道里被访问，而不能私聊。
宣言引用了物理学家 Richard Hamming 在《You and Your Research》里的一句话作为佐证：如果你把办公室的门关起来，今天、明天你确实能多做一些事，效率看起来更高；但十年之后，你可能已经不太清楚什么问题才是真正值得做的，所有辛苦做出来的工作都变得无关紧要。宣言借这句话说明：把 AI 对话"锁在私聊里"，短期看是效率，长期看是团队学习能力的流失。
原则三：Continuously improve（持续进化）
- 当一位同事写出了一个很好的 Prompt，Agent 一次就做对了，这个经验应该让其他同事也学到，而不是每人各自摸索；
- 当 Agent 需要被纠正时，这次纠正应该自动沉淀成一个可复用的 Skill，供未来的 Agent 会话直接调用；
- 当同一套工作流被反复执行时，系统应该自动生成一个基准测试（benchmark），并持续跟踪它的得分变化。
原则四：People are not routers（人不是路由器）
- 一个 Agent 已经知道答案的问题，不应该再被拿去问一个人；
- 追进度、转发答案，这类工作本该由 Agent 来做，而不是人；
- 人应该只把精力放在真正高价值的事情上——能被数字化的“官僚流程”，就应该被数字化。
这条原则的插图很形象：一个“Chief of Staff（幕僚长）”Agent 站在 Priya、Marcus 以及一个负责调研的 Agent 中间，替代人力完成信息的来回传递和确认工作。
原则五：Nothing starts from scratch（没有任何项目从零开始）
- 当 Agent 会话被托管在云端而不是某个人的设备上时，任何项目都能“原地接着做”，不丢失任何上下文；
- 每一份产出物——无论是设计文档、财务计划还是一个 Pull Request——背后都应该有一个哪怕过了几个月也能被重新唤醒的 Agent 会话；
- 一个新人加入团队的第一天，就应该是“生产力在线”的第一天。
宣言用一个“新人入职第一天”的场景收尾这部分：新同事 Maya 一上线，系统就自动列出她将要接手的所有项目——“设计文档”、“某个 Pull Request”、“某份财务计划”——并且每一项都能一键“继续对话”，无需再向任何人重新解释背景。
下面用一张示意图，把五条原则串在一起看：
落地时绕不开的五个坑
宣言的第三部分很务实：无论自建还是采购，想把“多人 AI”落地，至少要提前想清楚以下五件事。
坑一：Agent 不该跑在笔记本上。
跑在个人设备上的 Agent，团队里的其他人无法接入；电脑一合盖，Agent 就停摆；更棘手的是，它很可能拿到了这台设备主人所拥有的全部访问权限——这在安全上是一个隐患。
坑二：给每一个 Agent 建一道防火墙。
一封被恶意构造的邮件或文档，可能诱导 Agent 把敏感数据发给不该发的人——这种攻击方式在安全圈被称为“提示词注入（prompt injection）”。宣言认为，每个 Agent 能访问的服务范围都应该被明确限定，而这在目前，只有在受控的云端沙箱环境里才现实可行。
坑三：权限要按“最低共享面”收窄，而不是放大。 Agent 之所以好用，恰恰是因为它能接触到邮件、Slack 消息、财务记录这类敏感数据。但当把一个新同事拉进一个已经积累了大量敏感信息的共享会话时，权限处理必须谨慎——一个合理的默认规则是：Agent 只应该使用会话里所有成员都有权访问的那部分集成和数据，而不是取并集。
坑四：不要把公司绑死在单一模型厂商身上。
有的同事习惯用 Claude，有的偏爱 ChatGPT，CFO 可能更信任开源方案——而且，“最强模型”这个称号本身每隔几周就会易主，绝大多数任务也根本用不上当下最强的那一个。
宣言在这里给出了一个颇具警示意味的例子：2026年6月，因需配合美国出口管制指令，Anthropic 曾在一夜之间暂停了所有客户对 Claude Fable 5 的访问——这类事件提醒企业，如果把全部身家押在单一模型供应商身上，一旦供应商需要调整策略，受影响的将是全公司的工作流。（这一事件后续已获解决：相关出口管制已于2026年6月底解除，Anthropic 也在7月初恢复了访问，具体可查阅 Anthropic 官方声明。）
坑五：治理与可审计性不是可选项。
宣言认为，“治理”意味着哪怕一年之后，你依然能回答清楚四个问题：这次任务是哪个 Agent 执行的？是谁发起的请求？它访问了哪些数据？它又改动了什么？受监管行业以及任何需要满足 GDPR 一类要求的公司，这一条完全没有商量余地——审计人员需要的是一个像其他所有核心系统一样，“黑匣子”式的完整记录，而不是靠人工回忆重新捋一遍当时发生了什么。
至于自建、开源还是直接采购成熟平台，宣言没有给出唯一答案——三条路各有各的合理性，多数团队会发现“做出一个基础版本”并不难，难的是把体验打磨到无缝、完整，而这往往会分散团队原本该聚焦的精力。
宣言唯一强调“不可退让”的一点是：无论选哪条路，你必须拥有自己的数据——团队在使用过程中沉淀下来的经验、Skill 与评测集，都应该真正属于你，而不是被锁死在某个平台里。
谁在做 Multiplayer AI Workspace
宣言的落款是“由 Sergey Karayev 与 Superconductor 团队撰写”，这本身也说明了一个信号：Agentic AI 赛道正在从“单人效率工具”分化出一个新的子赛道——姑且称之为 Multiplayer AI Workspace。
除了 Superconductor 本身（一个让整个团队多人共用、多智能体并行的 Coding Agent 平台，支持从手机、网页直接管理团队的 Claude Code / Codex 等 Agent 任务），宣言在文末也点名了 Buzz、Claude Tag、Viktor 等几个正在这条赛道上探索的产品，并表示后续会发布一份更详细的产品对比。这与 Anthropic 自己推出的 Claude Tag——一个基于 Slack 的“多人协作”接口，任何人都能在 Slack 里 @Claude 把任务交给它——某种程度上正是“把 Agent 拉进 Slack 群”这条路径最主流的落地形态，也印证了宣言里提到的那个“够用但不完整”的判断。
再往上看一层，YC 在近期的 Requests for Startups 中，也把“Software for Agents（服务于 Agent 的软件）”以及“Company Brain / AI Operating System for Companies（公司大脑 / 企业 AI 操作系统）”列为重点方向，核心判断是：模型能力已经不再是瓶颈，真正稀缺的是“公司自己的上下文”能不能被沉淀下来，持续喂给团队里的每一个 Agent。
这与《多人 AI 宣言》里“没有任何项目从零开始”、“持续进化”两条原则，讲的其实是同一件事，只是换了一套语言。
结语：Agentic AI 的下一站，是“房间”，不是“框”
回头看这份宣言，它本质上是在提出一个很朴素的判断：过去一年，行业把绝大多数精力花在了“让单个 Agent 更聪明”上，却很少有人认真思考“一群人和一群 Agent，应该如何在同一个空间里共事”。
当 Coding Agent、Research Agent、Chief-of-Staff Agent 逐渐成为团队的常驻成员，“多人协作”这个在 Slack、Google Docs 时代已经被验证过无数次的答案，或许才是 Agentic 办公下一阶段真正的竞争焦点——不是又一个更强的对话框，而是一个所有人和所有 Agent 都能随时推门进去的房间。
资料链接：
还在为写 Agent 框架频频死循环、上下文爆炸而束手无策？我的新专栏 《从0 开始构建 Agent Harness》 将带你：
- 抛弃臃肿框架，回归“驾驭工程 (Harness Engineering)”的第一性原理
- 用 Go 语言手写 ReAct 循环、并发拦截与上下文压缩引擎等，复刻极简OpenClaw
- 构建坚不可摧的 Safety Middleware 与飞书人工审批防线
- 在底层实现 Token 成本审计、链路追踪与自动化跑分评估
- 从“调包侠”进化为掌控大模型边界的“AI 操作系统架构师”
扫描下方二维码，开启从 0 开始构建Agent Harness 的实战之旅。
还在为“复制粘贴喂AI”而烦恼？我的新专栏 《AI原生开发工作流实战》 将带你：
- 告别低效，重塑开发范式
- 驾驭AI Agent(Claude Code)，实现工作流自动化
- 从“AI使用者”进化为规范驱动开发的“工作流指挥家”
扫描下方二维码，开启你的AI原生开发之旅。
商务合作方式：撰稿、出书、培训、在线课程、合伙创业、咨询、广告合作。如有需求，请扫描下方公众号二维码，与我私信联系。
