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。

作者:Jeff Huber / Chroma07-22 · 12 分钟⚑ 大佬观点 · 个人立场
🎧 听播客版0:00 / --:--
0:00 / --:--
深度 · 小互解读
一分钟速览
  • 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」
这份清单从哪来

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。

201112-Factor App管一个程序
一个程序要满足哪十二条,才能稳稳跑在云上
Adam Wiggins · Heroku
202512-Factor Agents管一个 Agent
一个 AI Agent 要满足哪十二条,才敢交到真实客户手里
Dex Horthy · HumanLayer · GitHub 收藏两万四千多
202612 factor companies管一整家公司
一家公司要满足哪十二条,才配得上 AI 已经能干的活
Jeff Huber · Chroma · 本文

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。

说话的人
Jeff Huber,Chroma 联合创始人兼 CEO(与 Anton Troynikov 共同创立)。Chroma 是个开源的 AI 检索数据库,专门帮 AI 应用存资料、查资料。他在开头写明两件事:这是一份会持续更新的活文档;这场变化会来得很快,并且带着大量的创造性破坏(旧的被淘汰、新的随之长出来)。
公司为什么存在

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。

过去的公司 执行:人一件件做 判断:人手绰绰有余 ▲ 卡在这里 未来的公司 执行:Agent 成批地做 判断:只能靠人 ▲ 卡在这里
示意图(本站绘制):管道的粗细代表这一段能过多少活,深色段是当下最窄的那一处。瓶颈没有消失,它换了位置。

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。

旧的公司
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
新的公司
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
前提
整套清单压在他上一篇的一个判断上:给了合适的 context,前沿模型在大多数单项任务上已经超过中位数的知识工作者,而且差距还在扩大。他还预判了最常见的那个反驳,也就是能力参差不齐。他的回答是,这种参差像涨潮时的参差,有些岸已经淹了,剩下的很快也会。信不信这一句,基本决定了下面十二条对你成不成立。

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。

攒住 context

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。

举个例子(本站为说明所加)

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」。

举个例子

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。

举个例子

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。

把活放出去

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。

来了一件新活
↓
第一步:试着教一个 Agent 去做
↙ ↘
教得会
交给它,人去干只有人能干的那部分
两条路二选一
教不会
这时候才谈招人
示意图(本站绘制):原文只讲了先后顺序,两个分支的处理是本站按这个顺序画出来的。

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。

举个例子

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。

举个例子

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。

让它越干越准

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。

干活Agent 按指令和评分卡执行(第 9 条)
留下记录每一次执行的完整过程存档(第 11 条)
找出错误模式由另一批 Agent 从记录里发现(第 12 条)
回来采访你把你脑子里的判据补进去(第 12 条)
↺ 改完回到第一步,每转一圈准一点

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。

举个例子

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。

举个例子

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。

举个例子

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。

举个例子

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。

带走

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。

✅ 12 条准则 + 1 条 bonus

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。

来源
12 factor companiesJeff Huber·X 长文原文·2026-07-20
本站说明
文内所有示意图与标着「举个例子」的段落均为本站为便于理解所加,原文没有配图,也没有举这些例子。Coase、Adam Smith 制针厂、福特那组数字、Larry Ellison 那段,以及「前沿模型已超过中位数知识工作者」这个前提,均出自作者前作《The quick shall inherit the earth》(2026-06-15),不在本文这份清单内,数字按其原文引用。第 3 节的三分法(攒 context / 把活放出去 / 剩给人的)为本站重新归并,原文分法为六组。作者身份取自 X 个人资料与公开报道,Chroma 由 Jeff Huber 与 Anton Troynikov 共同创立;12-Factor Agents 的收藏数取自 GitHub 接口,随时间变动。发布时间为 UTC 口径。
↑ 正文结束
✓ 本篇全文免费开放

会员可复制、下载全文 Markdown,还能让你的 AI 订阅和提问。

阅读原文 ↗
📮 新解读第一时间进邮箱

读完觉得有用?留个邮箱,每篇新解读发布就送达,随时退订。