《一个人带二十个数字员工是解放还是更累》
我试过同时开着七八个 AI 窗口干活，最后它们互相不知道对方在干嘛。
画面是这样的：左边一个在写供应链周报，右边一个在抓缺货信号，中间我像个调度台，把两边的产出拼起来。听起来是"一人公司"，实际是我成了那个唯一的翻译官——因为它们没有共享上下文，谁都不认识谁。
所以"一个人管理几十个 Agent"这个叙事，我愿意把它叫 dispatcher 陷阱。你以为你雇了二十个员工，其实你雇了二十个不会互相说话的新人，而你是那个每天开晨会同步进度的人。
这里有个很少被说破的数学：管理成本不是随人数线性增长的，是随"需要对齐的关系数"增长的。两个 Agent 之间只有一条信息通路，三个就有三条，二十个是一百九十条。如果这些通路全要靠你来传话，那你不是管理者，你是交换机——所有流量都得经过你，你既是带宽瓶颈，又是单点故障。
有天我让一个 Agent 出供应链周报，另一个去抓缺货信号，结果俩给的关键数字对不上——一个说某料库存够两周，另一个说只剩三天。我花两小时把两边的数据源扒出来对账，比自己写还累。那一刻我意识到，省下来的"写"的时间，全贴进了"管"的时间。
而且这种对账不是偶发的，是结构性的。两个 Agent 各自去抓数据，抓的本来就不是同一个时刻、同一个口径的快照；它们都没有"我们俩得对上"这个约束。你不给它们一份共同的事实源，它们就一定会各算各的，然后把分歧丢回给你。
有人觉得"管理几十个 Agent 是未来，人只管指方向"。我怀疑大部分人连三个都管不明白，就已经被对账淹死了。方向当然要指，可指完方向之后那些"谁跟谁对不上"的活，一件也不会因为你在指方向而消失。
但我不是全盘否定。真正有价值的不是数量，是这两件事：
第一，给每个 Agent 一份它看得懂的岗位说明书——要它干嘛、边界在哪、错了找谁。这份东西写不清楚，Agent 越多越乱；写清楚了，它才像个能独立接活的岗位，而不是一个随时会跑偏的对话框。
第二，一套它们能共享的事实源。这是关键：不要让它俩各自去抓同一颗料的库存，而是让它们都去读同一份、同一时刻的数据。事实源统一了，"两个数字对不上"这类问题就从根上少了一大半——因为分歧的根源常常不是算法不同，是它们看的根本不是同一个东西。
我重新理解这件事之后，把口径改了：不是"带二十个员工"，是"先把一个员工训明白"。一个能接记忆、接权限、接共享事实源的 Agent，比十个各自为战的强。
所以管理数字员工的本质，不是你会不会下指令，是你得先把自己活成一个操作系统——有清晰的调度逻辑、明确的中断处理、可信的回滚。这比想象中难。
至于二十个员工那种画面，我还没真正见过它成立的那天。它可能来，但来的前提不是模型更聪明，是你的基础设施先长出来。