Chroma 创始人写下 AI 时代公司的 12 条准则:新活先教 AI 干,教不会再招人
核心论断是公司的瓶颈从「人干活的速度」挪到了「人的品味和判断力」。全文为作者个人观点,无实证数据。
- 公司这种组织形态,本来是围着「人干活慢」这个瓶颈长出来的。招人、开会、写纪要、统一意见,都是为了把活拆开再拼回去
- Chroma 联合创始人 Jeff Huber 认为这个瓶颈正在被 AI 搬走,于是列了 12 条准则,讲 AI 时代的公司该怎么搭
- 核心论断:旧公司打包的是劳动力和协调,新公司打包的是 context 和授权。12 条里有 7 条在讲怎么攒 context,4 条在讲怎么把活放出去
- 最尖锐的一条:来了新活,先试着教 Agent 干,教不会再招人;同时团队要小、品味要高
- 最可操作的一条在第 2 条:供应商不肯给你完整、无限制的数据访问权,就换掉它。他管这类工具叫「context 吸血鬼」
同一个格式,十五年前教人写程序,现在教人办公司
2011 年,Heroku 的 Adam Wiggins 写下一份清单,叫 12-Factor App,讲一个程序要满足哪十二条才能稳稳跑在云上:配置别写死在代码里、日志当成事件流往外吐、进程不许自己存状态。这份清单后来成了云上写软件的通用口径。
2025 年 3 月,HumanLayer 的 Dex Horthy 借了同一个格式,写成 12-Factor Agents,讲一个 AI Agent 要满足哪十二条,才敢交到真实客户手里。这份清单在 GitHub 上被两万四千多人收藏。
2026 年 7 月 20 日,Jeff Huber 又借了一次。这回清单管的对象,从一个程序、一个 Agent,一路跳到了一整家公司。他在文末致谢里写明,Dex Horthy 读过这篇的草稿。
不过借的时候有样东西没跟过来。12-Factor App 的每一条都能一问一答查出结果:配置放在环境变量里了吗?是,或者不是。而这份新清单里的「团队要小、品味要极高」「内部信息尽量公开」,没法这样查。这个形式原本讲究每条都能核对,这次装进去的主张大多核对不了。
公司这个东西,本来就是围着一个瓶颈长出来的
他给这份清单的第一个理由,是一条比 AI 长得多的历史线:组织塑造技术,技术也塑造组织。复式记账、印刷术、蒸汽机、传真机、过去三十年的互联网和软件,每一样都改变过「办好一家组织」意味着什么。AI 会是下一样。
先回答一个更早的问题:为什么会有公司这种东西?
1937 年,一个几乎没人问过的问题
那一年,经济学家 Ronald Coase 问:市场既然这么有效率,为什么不是每件事都临时找人外包,一笔笔按价格谈?
他的答案是,谈这件事本身就要花钱。找到合适的人要花钱,谈价要花钱,协调要花钱,事后确认对方真干了也要花钱。当这些成本在一个组织内部比在市场上更低,这件事就被这个组织吸收进来了。公司就是这么长出来的。
Adam Smith 的制针厂给出过同一件事的另一半。把造一根针拆成一道道工序之后,凭空多出来一个原本不存在的工作:把拆开的活再拼回去。协调这件事,装在一个人脑子里的时候是免费的,分工之后变成了成本,再往后变成了一个职业,叫管理。
照这个答案看,公司的实质就是它的协调摩擦。摩擦不是公司身上的毛病。摩擦就是公司本身。
知识工作者一天到晚在干的事,多半属于这层摩擦。发给同事的那条 Slack 消息,为了敲定一个决定开的那个会,客户电话之后写的那份纪要,从 Salesforce 里拉的那张报表,没有一件是工作本身。一个人单干的时候,这些事都不存在。
把这层摩擦剥掉,你并没有让员工变得更能干一点。你改变了公司是什么。 Jeff Huber,《The quick shall inherit the earth》,2026-06-15
技术把瓶颈挪走的时候,公司会跟着重搭一遍
福特是最常被拿来说的例子。大规模制造的技术在他之前就有,他比同代人更把流水线当回事,围着它把整个生意重新搭了一遍:底盘装配从十二个半小时降到九十三分钟,Model T 的价格从 1908 年的 850 美元掉到 1925 年的 260 美元,工人日薪提到 5 美元、行业标准的两倍。跟不上这个速度的对手,价格跟不上,工资也跟不上,最后大多没能以原来的样子活下来。
但这个例子的教训不在降本增效那一层。福特做的事情,是把整个公司围着新瓶颈重新组织了一遍。
纸质流程转企业软件的年代也一样。Larry Ellison 的推销词明确绕开了「把你现在的流程编码得更快一点」,他实际讲的是:别再描述这家公司过去二十年怎么运转,去想清楚接下来二十年它该怎么运转。认真对待这句话的公司围着软件重组了自己;只是把旧流程数字化的公司,得到了一个跑得更快的旧公司,然后输掉了。
Coase、Adam Smith 制针厂、福特这组数字、Larry Ellison 这段,都出自 Huber 上一篇文章《The quick shall inherit the earth》(2026-06-15),不在这次这份 12 条清单里。数字按他原文引用。
他认为瓶颈已经挪了位置
过去的公司,是围着「人干活的速度」这个瓶颈设计的。而如果执行这件事基本被商品化了,那么 context(一家公司的全部知识,写下来的和没写下来的都算)、知识、秘密和品味就会开始值钱。瓶颈挪到了人的品味和判断力上。
瓶颈换了位置,公司打包的东西也就换了
他上一篇给这个机制起过名字,叫拆解理论:AI 把执行拆散,同时把权力重新聚拢到 context、数据、信任、权限和治理上。
旧公司打包的是劳动力和协调,新公司打包的是 context 和授权。那十二条准则,全是从这一句里长出来的。
- 打包的是
- 劳动力和协调
- 瓶颈在
- 人的执行力
- 值钱的是
- 能调动多少人手
- 打包的是
- context 和授权
- 瓶颈在
- 人的品味和判断力
- 值钱的是
- context、知识、秘密、品味
原文把十二条分成六组,前两组是取舍(数据攥紧、算力松手;工具自己做、基础设施直接买),后四组只是同一个主题下的两个动作。按每条的指向重新数一遍:七条在讲怎么把 context 攒住,四条在讲怎么把活放出去,剩下两条讲只能靠人的那部分。完整十二条在文末,先按这三类各挑要紧的讲。
第一条:数据必须真的归你,连 AI 算出来的也算
这一条的措辞在全篇里最重。落到采购动作上,判据只有一句:供应商要么给你完整且无限制的数据访问权,包括从你的数据里衍生出来的那些,随你怎么用;要么你就该换一个方案。那些想把你的数据囤起来给自己造壁垒的工具,一律避开。
你用某个客服系统三年,攒下十万条对话。想换一家的时候,对方只让你导出工单列表,不给你那三年里 AI 自动打的标签、聚出来的问题分类、识别出的用户意图。值钱的是后面那些衍生数据,那才是这三年真正攒下的东西。导不出来,三年白攒。
第一条还有一个要求,落到执行上最费劲。你的 context 不光是写下来的那些知识,还包括全部没写下来的经验和惯例。为了让公司同时对人和 Agent 都读得懂,这些东西第一次必须被写下来。
人类组织存在了几千年,这类知识一直靠师徒带、靠年头熬、靠人在场传,从来没有过必须全部落成文字的压力。而且这件事本身就难:这类知识之所以叫隐性知识,按提出这个概念的 Michael Polanyi 的说法,就是因为「我们知道的比我们能说出来的多」。
老销售看一眼就知道这单能不能成,你问他凭什么,他大概只能说「感觉」。某个流程为什么十年前定成现在这样,当年拍板的人已经离职了。谁的话在什么场合可以直接信、谁的要加个折扣,这种事没有一份文档写过。它们都是 context,而且是最值钱的那部分。
第三条和第四条:工具自己做,底座直接买
做软件从来没有像现在这么便宜、这么容易过,买还是自己做的分界线正在往「自己做」的一侧移动。你用的那套工具是跟这门生意长在一起的,完全握住它,是守住那份独特 context 的另一种方式。
但也不必什么都自己做。他自己在这里加了个括号:你(大概)不该自己造无服务器的训练基础设施、数据库或者操作系统。买这些的理由,除了跑得更快、系统更稳,最重要的一条是让你能造出更多独特的 context。
内部那个走了十年的审批流程,用通用软件永远差一口气,因为它装不下你们公司特有的那些例外和判断。而数据库谁也不会自己造,那只会把时间花在跟这门生意毫无关系的地方。买底座,是为了把人腾出来做只有你能做的那部分。
来了新活,先教 Agent 干,教不会再招人
第五条他自己说很简单,一句话就讲完:来了一件新任务,比如筛应聘者的简历,先试着教一个 Agent 去做,然后再考虑招人做这件事。
顺序被调过来了。过去是先想这活该谁干、要不要多一个人,现在第一步换成了先想这活能不能不多这个人。
第六条讲团队:要小,而且品味要极高。小的高质量团队决策更快,彼此之间的信任更多。既然瓶颈已经从执行搬到了品味上,那就该围着新瓶颈来配人。
三个人的团队定一件事,一顿饭的工夫。三十个人的团队定同一件事,要三轮会加两份文档,还得有人专门负责把这三轮会的结论对齐。多出来的那些全是摩擦。
第七条:信息默认公开,但这句话有前提
过去的公司把信息切成一块一块,各自圈地。Huber 认为这套做法过去大概也没多管用,但放到今天是灾难性的,因为一个 Agent 的水平完全取决于它拿到了什么 context。
他给这条加了限定:默认公开,是对你那个小而高质量的团队说的。这一条和上一条连在一起:团队不小、不精,无差别地把信息全打开,结果未必是好事。
销售把客户真实的吐槽记在自己的私人笔记里,产品那边的 Agent 永远读不到,它给出的建议就永远停在表面。
最后五条讲怎么让 Agent 一次比一次准
第八条管的是方向:赢的组织,就是能更快爬完「服务好客户和市场」这座山的组织,也就是学得更快。所以要把公司设计成一台不停学习的机器,把学一轮的周期压到尽可能短。
剩下四条是这台机器的零件。
第九条:给指令,也给一张打分表
核心任务和关键任务,除了给 Agent 足够详细的指令,还要给它一张打分表,让它对着表检查自己交出来的东西。这张表和上面每一条标准,本身也要不断改。
让 Agent 写周报,跟它说「写好一点」没有任何用。给它一张表:有没有写清这周谁负责什么、有没有量化的结果、有没有列出下周的风险点、有没有超过一页。它自己对着这张表能改三遍,交出来的东西跟第一版不是一个水平。
第十条:别只让它等着接活
有个很容易掉进去的做法,是把 Agent 当成一个低阶实习生:把活派给它,它照做,运气好还做得不错。这样也行。但真正让人乐意共事的同事还会主动,他们一直在想生意、想客户、想路线图,然后主动提改进。所以要造一批有足够组织 context 的后台 Agent,让它们把这件事干起来。
一个只会等着派活的助理,和一个早上主动跟你说「昨天有三个客户问了同一个问题,要不要做个常见问题页」的助理,差别在于有没有一直盯着整件事在想。两个人的执行力可以一样强。
第十一条和第十二条:留下记录,再把你的判断补进去
第十一条,留下每次真实执行的记录。他强调这条比看上去要微妙。买一大堆监控以防万一,不是这条的目的。这条的目的,是拿 Agent 真实跑过的那些执行去帮它自己变好。他说这还算不上「递归自我改进」(AI 自己改自己,越改越强),但对做 AI 应用的人来说已经不远了。
一条记录该长什么样:客户申请退款,Agent 先查了订单、再查了物流、然后判断超期、最后拒绝。看结果只知道它拒绝了;看完整过程才发现它在「查物流」那一步就把签收时间读错了。差别在于,前者你只能重写指令碰运气,后者你知道该修哪一步。
第十二条,把你的专长编码进去。让 Agent 变强收益最大的做法,是找出它反复犯错的模式然后纠正。而这件事本身也可以交出去:你手下别的 Agent 大概率能发现这些模式,然后回过头来采访你,让你帮着把它修好。
你发现 Agent 老把「退货」和「换货」当成一回事。别去改这一次的回复。要做的是把你脑子里区分这两件事的判据写进它的指令里:什么情况算退货、什么情况该引导成换货、哪种客户不能这么引导。改一次,之后每一次都对。
他自己加的第十三条
十二条讲完,他补了一条,编号写着 bonus:
最要紧的是:先想,再 AI。你的思考和你的品味,现在是、将来也会继续是你的优势。 Jeff Huber,《12 factor companies》,2026-07-20
接近结尾处他写道:照这么做的组织会更小、更快,交付给客户的价值远超它的体量;不这么做的会死。
这份清单没有配任何实证数据,通篇是一个人的判断和推演。
完整十二条,拿去对照你自己的公司
下面是全部十二条加那条 bonus,每条配一句大白话。可以逐条勾,看看哪几条你已经在做了。
十二条的措辞按原文翻译,括号里的限定词(比如第 4 条的「大概」、第 7 条的「小而高质量的团队」)是原文自带的,本站没有删。每条后面那句大白话是本站的转述。
一家公司的瓶颈:从「人干活的速度」→ 挪到「人的判断力」
Chroma 创始人写下 12 条 AI 时代公司准则,一页带图讲完:新活先教 AI 干,教不会再招人。
↓ 一页读完 · 有一张会动的图
公司这种组织,是围着一个毛病长出来的:一个人干活太慢。所以把一件大活拆开分给很多人,再想办法拼回去。1937 年经济学家 Ronald Coase 给过一个答案,找人、谈价、协调、盯着对方真的干了,每一步都要花钱;当这些钱在一个组织内部更省,这件事就被公司吸收了进来。
✘ 公司干不了的:让「再拼回去」这一步不花钱
发给同事的那条消息、为敲定一件事开的那个会、客户电话之后写的纪要、从系统里拉的那张表,没有一件是工作本身,一个人单干的时候它们都不存在。公司的实质就是这层协调摩擦。
2026 年 7 月 20 日,Chroma 联合创始人兼 CEO Jeff Huber 写下 12 条准则(Chroma 是个开源的 AI 检索数据库,专门帮 AI 应用存资料、查资料)。格式是借来的:2011 年 Adam Wiggins 用它讲一个程序怎么写,2025 年 Dex Horthy 用它讲一个 Agent(能自己干活的 AI 程序)怎么搭,这回管的是一整家公司。
他的判断是,执行这件事正在变得不值钱,于是公司该打包的东西跟着换了:从劳动力和协调,换成 context(一家公司的全部知识,写下来的和只装在老员工脑子里的都算)和授权。
瓶颈:人的执行力
值钱的:能调动多少人手
瓶颈:人的品味和判断力
值钱的:context、知识、秘密、品味
问题也跟着来了:这些知识本来大半就没被写下来,公司又该围着它重搭成什么样?
整份清单压在一句话上:瓶颈没有消失,它换了位置。拿一件具体的活看最清楚。
- 攒住 context(7 条):数据必须完整、无限制地归你,AI 从你数据里算出来的那些也算;供应商做不到就换掉它,他管这类工具叫「context 吸血鬼」。还有一条最费劲,老员工脑子里那些从没写下来的经验,第一次必须落成文字,公司才能同时被人和 Agent 读懂。
- 把活放出去(4 条):来了新活,比如筛简历,先试着教一个 Agent 干,教不会再考虑招人。给它指令的同时给一张打分表让它自查,把每次真实干活的完整过程存下来,再从里面找出它反复犯错的地方补进去。
- 剩下的留给人:团队要小、品味要高;内部信息默认公开,而这句话是对那个小而精的团队说的。
这份清单没配任何实证数据。Huber 能拿出的最硬的一次瓶颈搬家,是一百年前的福特。同一件活:装一台车的底盘。
所以才有了公司。
我看到明年!
排队等人一条条读
再想办法拼回来。
- × 对齐的消息
- × 敲定的会
- × 补的纪要
- × 拉的报表
这些事全都不存在。
卡住的地方跟着挪。
人一条条看
什么算抱怨
当换货!
干活的全过程
写进它的指令
往后每次都对。
AI 从你数据里
算出来的那些也算。
给不了就换掉它。
「context 吸血鬼」
实证数据条数
一个人的判断和推演
验证的前提。
不必再靠人堆,
信不信这句,决定
这 12 条对你成不成立。
到底是什么?
300 条。
什么算建议,
还是你自己定。