Lauren Hanford 是 Sonar 的产品运营副总裁，Sonar 是 AI 代码验证和治理的全球领袖。 在加入 Sonar 之前，她曾是 Tidelift 的产品副总裁。她的背景是产品、用户体验和开发。她利用这独特的技能组合，从以用户为中心的角度构建技术和组织。
截至2027年，74% 的公司预计将在某种程度上使用代理，依据最近的德勤研究。多年来，我们一直在设计和构建软件，以提升人们在应用、网站、操作系统和文档中的使用体验。现在，用户根本不是人类。这不仅仅是从仪表盘和我们为人类任务设计的受控工作流转变这么简单，它还有更广泛的影响。我们正处于一个需要为代理的运行环境进行设计的时刻，同时也 需要设计人类工作流，以有效引导代理在这些环境中的体验。我们对代理真正需要什么才能重复且可靠地成功仍处于早期学习阶段。直觉上会把代理集成仅视为提示或 UI 问题。构建一个治理良好的执行环境 对我们文化而言是全新的领域。然而，优秀设计和优秀管理的基本原则并未改变：我们必须为代理提供清晰的上下文、明确的方向和明确的意图。Context: Why Coding Came First如果我们希望代理能够始终如我们所期望的水平交付，背景可以说是最重要的输入。软件开发记录的背景信息几乎是所有领域中最多的：代码仓库、API 架构、系统之间的关系、代码审查以及社区讨论。因此，AI 前沿实验室先从编码入手是合乎情理的。编码是为数不多的已经有大量书面背景的领域之一。但正如任何软件团队的新成员会告诉你的，即使拥有所有这些数据，代理仍然缺乏那些从未被记录的潜规则所蕴含的组织记忆。这一缺口十分普遍：43% 的开发者 担心 AI 工具缺乏对其特定项目或代码库的足够上下文。隐性知识涵盖了从日常约定（例如特定任务偏好的库）到高风险的运营“幽灵”（如长期存在的深夜热修复，或看似空白却支撑自定义收入报告的数据库列）。这些上下文存在于资深工程师的脑海、最近的 Slack 讨论，甚至根本不存在，极少出现在代码库本身。如果在软件这一最为文档化的领域都如此，那么不难理解为什么代理在许多其他行业从第一天起就难以高效工作。在医疗和法律领域，塑造日常工作的组织知识大多是通过经验学习并内化的，存在于人的经验中而非正式文档。法律代理可能不了解某位合伙人偏好的结构、语气或论证方式；医疗代理可能不理解繁忙诊所用于支持临床主导分诊的本地工作流和升级实践。仅靠文档无法弥合这一差距，因为挑战不在于获取信息，而在于上下文的转移。要让代理获得成功所需的条件，我们必须像对待新雇员一样对其进行入职培训。Direction: Why Osmosis Doesn’t Work为新同事提供入职培训不仅仅是提供合适的材料和访问权限。当我们对周围人的成功投入关注时，会提供明确的方向：对新材料和访问的使用期望、我们想要达成的目标的清晰阐述，以及过程中的反馈。我把同样的思维方式带到为代理设计上。针对具体任务，我会给出清晰、具体的指示。这对任何同事都适用，无论其任期长短。但在新雇员的情境下，指示必须走得更远，因为他们尚未拥有任何组织上下文。把代理想象成永远不会“成熟”的新雇员。它充满热情且能力出众（说实话，精力无限），但它无法像人一样随着时间积累并保留大量潜规则。人类通过渗透和经验学习，而代理则从明确构建在其工作环境中的架构中学习。对于新雇员，你可以通过提问、反馈以及他们在组织流程和偏好中逐步获取的新洞见来随时间弥合这一差距。比如咖啡机旁的聊天或团队午餐。对于代理，你必须把弥合差距的机制内置到设计本身。这可以包括： 为代理提供结构化的上下文窗口，将持久规则、任务特定事实和相关历史分离，而不是直接把一堆文档塞给它。 提前定义其权限和决策边界：哪些可以独立完成，哪些需要审批，哪些绝对不能访问。 在体验中嵌入少量具体的高质量输出示例，让代理拥有明确的工作模型。 分享你曾经遇到的死胡同。...
