AI时代新员工高效入职指南：告别从零开始的交接难题
在4×100米接力赛中，真正的较量往往发生在20米的交接区。胜负取决于高速状态下的精准传递：接棒者起跑过早会导致掉棒，起跑过晚则迫使交棒者减速，瞬间葬送团队优势。手位、角度、时机——任何一个细节的失误，都足以让比赛提前结束。
即便拥有全场最快的个人速度，一支队伍仍可能在这20米内落败。速度是基础，但无缝的交接才是制胜关键。真正的冠军团队，必须让两者同时成立。
企业中的岗位交接，本质上是一场失衡的接力赛——新人站在静止的起跑器上，而组织正全速前进。新人周一入职，从零开始；组织却不会因此放慢节奏。于是，新人只能依赖文档、Slack频道、重复提问，耗费数月摸索组织的运作逻辑，直到最终变得“有用”。
我们常将这种差距视为时间问题，认为假以时日新人自会跟上。但事实是，这种差距要么通过系统设计解决，要么将持续存在，转化为组织运转中隐性的摩擦成本。
上下文，才是组织真正的交接系统
加入Ramp已满百天。此前我在Plaid工作了五年，对产品细节、客户案例及关键决策的背景了如指掌，可以流畅地讲述每一个故事。但在Ramp，这一切都需要从头构建。
而产品营销的核心正是叙事。不了解故事的角色、情节与前因后果，就无法真正讲好故事。
从第一天起，目标就是构建一个AI原生的产品营销组织。但在缺乏上下文的情况下实现这一目标，首先必须扩展自己的知识底座——即支撑所有工作的“上下文层”。
Ramp以速度著称。这里没有“下个季度再跟上”的缓冲空间。公司每周都在发布新功能、迭代产品、推进项目。你要么跟上节奏，要么就成为组织运行的成本。
与此同时，我还经历着另一层“入职”。Ramp本身已经很快，但AI领域的演进更快。我必须同步学习一家新公司和一个全新的技术工作环境——上一次打开终端还是大学时期。这意味着既要补足组织语境，又要适应AI工作流，两者叠加，难度呈指数级增长。
最终让我从这种压力中解脱的，并非完成某篇具体文章或某个独立项目，而是将“上下文”本身作为核心交付物。只要上下文层搭建稳固，后续所有工作都能以更低的成本、更高的效率展开。
于是，我开始构建真正可扩展的系统：一个能像高效维基帮助研究者一样，帮助人快速补课的工具。到第三周，它已能基于笔记自动起草内容；到第八周，它已能总结我未参加的会议。学习和补课的过程并未消失，但随着系统不断被填充和优化，其成本正逐日降低。
这个构想的个人版本其实已出现一段时间。前特斯拉AI负责人、OpenAI创始成员Karpathy在今年四月曾撰文描述其“个人LLM知识库”：一个存放论文、文章、转录稿和个人笔记的原始输入文件夹；一个基于这些材料生成维基的LLM；再以Obsidian等编辑器作为前端。当资料积累至约100篇文章时，LLM便能基于个人语料库回答复杂问题，无需依赖复杂的检索技巧。
他的判断是：这里存在诞生一个卓越新产品的机会，而非一堆临时拼凑的脚本。
个人版本今天已然存在。但公司版本尚未出现。这正是问题所在。
简而言之，我在入职前百天搭建的正是这样一套系统。每个组件单独看或许不够精致，但它们共同构成了组织内部的“结缔组织”。
其核心是一个由Claude读写操作的Obsidian知识库。我接触的所有会议转录、文档、公开观点和个人笔记都会汇入其中。当询问“Geoff和我三周前关于首页究竟决定了什么”时，它会从知识库中提取具体答案，而非依赖模型的泛化记忆。
为了持续向知识库输入内容，Granola会默认记录每一场会议，并在夜间自动归档转录稿。因此，周一错过的会议，到周三便可查询。为了让团队其他成员也能同步，我选择公开工作——大多数正在构建的内容会先出现在#team-pmm或相关项目频道，再进入Notion文档。构建过程本身，就是一种高效的同步机制。
在此知识库之上，还有一个小型命名技能库，供智能体按需调用。一个技能能基于与某人最近四次会议自动生成议程；另一个技能能扫描Slack中一周的产品动态，并将其转化为文章选题。每个技能约200行markdown，用以替代过去需手动重复的一类工作。
此外，我还基于Ramp内部应用平台搭建了动态产品路线图。它读取同一套上下文层，因此永不过时，因为它从不是静态文档。还有一份每日早8点发送至Slack私信的晨间摘要：昨日上线内容、当前阻塞点、待回应事项。这些内容在我入睡时便已整理完毕。
单独审视，这些组件或许并不惊艳。但组合在一起，它们提供了一个可运行的答案：如果一家公司拥有Karpathy所说的那种维基，它会是什么形态？
你可以称它为维基、知识图谱、上下文层或公司大脑。名称并不重要，功能才关键。它必须能够吸收公司已产生的所有信号：会议、Slack讨论、文档、代码、转录稿、客户通话与关键决策，并在无需人工维护的情况下持续更新。它也必须成为每一位新员工、每一个新智能体开始工作前首先读取的源头。
如果明天有新员工入职，他第一天应该阅读什么？如果真实答案是一份2024年的Notion文档外加一个已失效的Confluence链接，那本质上就是让他在静止状态下接棒。
从单点工具到公司大脑，AI的真正缺口
当前，AI进入企业的主要方式仍依赖“前向部署工程师”。无论是OpenAI、Anthropic还是大型咨询公司，都倾向于在基础模型之上为特定任务构建具体工作流。
这些工作真实且有价值，但它们仍停留在企业AI的“聊天机器人时代”：围绕特定任务封装的窄工具，单独看有用，却未被接入一个能持续产生复利的系统。
真正的“公司大脑”尚未出现。客服智能体与人力资源入职智能体可能在不同月份由不同团队分别搭建。它们彼此不知晓上次全员会的决议，不了解公司对市场定位的理解，也不知道销售负责人在上次管理层会议上的判断。每个智能体都只是一个具备具体职责的聊天机器人，但它们不共享同一个大脑。
这正是当前最大的缺口。而在实验室与前沿讨论之外，几乎鲜有人围绕此问题构建产品。
如果你计划在2026年组建团队或创办公司，操作顺序已不同于2022年。正确的顺序应是：先撰写上下文文件，再安装具体工具。默认记录每一场会议。先搭建维基，再构建数据看板。交付可复用的技能，而非静态幻灯片。让新员工第一天阅读公司维基，第二天便开始为其贡献内容。招聘并晋升那些能让“公司大脑”持续运转的人才，同时重用那些真正会读取公司大脑的智能体。
上下文不是副业项目。它是让所有AI投资产生真实回报的基础设施。
目前在Ramp构建的正是其中一部分：维基、技能库、从同一上下文层读取信息的应用，以及持续为其输入内容的组织机制。它仍处于非常早期的阶段。如果你也在其他地方尝试构建公司级版本，我很乐意交流经验。比一个值得信任的大脑更有价值的，是两个大脑在同一空间内碰撞、对话。
回到接力赛。真正的胜利条件，并非最干净的交接，也非最快的一棒，而是两者在同一段20米内同时发生。
新员工读取公司大脑，然后开始冲刺。新智能体读取公司大脑，然后开始工作。新客户接入公司大脑，然后从第一天起便进入运行状态。
当“熟悉业务”这个词不再具有意义时，我们就知道自己做对了。