如何构建一个能够自我进化的内部 AI 智能体

AnswerThis 描述了一个内部 AI 运营代理，它帮助一家由两位创始人组成的公司通过自动化支持、邮件处理、CRM 更新、反馈收集和业务查询，将 ARR 扩展到超过 200 万美元。其核心主张并不仅仅是该代理能执行预定义任务，而是它能够自我扩展：当它遇到尚无法处理的重复性工作时，会使用一个编码子代理来创建可供未来使用的持久工具。所提出的架构是在具备编码能力的 CLI 外包裹一层轻量 Python 框架，并连接到沟通渠道、公司数据、创业工具以及一个可编辑的指令文件。

关键洞察

1. 最高杠杆的内部代理是可查询的业务基础设施，而不仅仅是任务自动化： 该代理处理运营工作，例如每天处理 100 多封邮件、关闭 400 多个支持工单、在会议后更新 CRM 记录，以及收集反馈。更重要的是，它让创始人可以询问业务状态问题，例如潜在客户状态或未解决的客户问题，而无需手动检查多个应用。

   为什么重要： 其价值来自于将分散的公司上下文整合进一个可即时查询的界面。这降低了创始人的协调成本，并让小团队在运营上更具可扩展性。

2. 自我扩展是关键的架构差异点： 当代理遇到一项它尚无法完成的重复任务时，它会调用一个编码子代理来构建新工具。该工具会成为永久能力，并在未来会话中可用。AnswerThis 表示，其代理从一个骨架成长为一个拥有 45 个以上自创建 CLI 的系统。

   为什么重要： 静态自动化系统需要持续的人为维护。自我扩展型代理可以随着时间复合积累运营知识，将重复出现的例外转化为可复用能力。

3. 围绕编码 CLI 的轻量框架被呈现为足够的基础设施： 推荐的设置是一个用 Python 包装的 Claude Code CLI。来自 Slack、电子邮件和其他渠道的消息进入任务队列，代理再迭代式处理它们。演讲者强调，具备编码能力的 CLI 很有用，因为它们可以检查文件、运行命令，并使用其他 CLI。

   为什么重要： 这意味着初创公司不需要大型定制代理平台即可起步。关键设计选择是赋予代理足够的执行能力和上下文，同时保持编排层简单。

4. 公司特定的业务逻辑可以通过只读代码库和数据库访问暴露出来： AnswerThis 向代理提供其数据库和代码库的只读副本，并通过 cron 在每次发布时刷新。对于支持问题或运营查询，代理可以检查代码库，以理解应用行为、订阅逻辑以及产品功能所在位置。

   为什么重要： 许多有用的内部任务需要公司特定上下文，而这些上下文并不存在于通用文档中。只读访问让代理能够从源系统推断运营真相，同时限制破坏性风险。

5. 代理的工具层是程序性记忆： 演讲者将自创建工具描述为代理的程序性记忆：重复性工作流会被编码为可执行 CLI 或 cron 作业。一个例子是，有人请求监控落地页的广告位可用性，这促使代理创建了一个 cron 作业。

   为什么重要： 这将临时指令转化为持久的操作流程。随着时间推移，组织的重复性工作流会成为软件资产，而不是反复出现的人类提醒。

6. 可编辑指令充当行为记忆： AnswerThis 使用一个 instructions.md 文件，并在代理每一轮运行时加载它。代理可以根据反馈编辑该文件。在一个支持案例中，一位非技术联合创始人识别出一类重复错误，在 Slack 中给代理发消息，随后代理更新了自己的指令和工具链接，据称之后这类错误不再重复出现。

   为什么重要： 这创造了一个低摩擦反馈循环，使非技术团队成员可以像培训员工一样训练代理。行为纠正会持久化，而无需工程介入。

战略影响

• 如果能暴露正确的上下文、工具和反馈机制，小团队有可能用内部代理替代部分运营人力。
• 主要的防御性优势可能并非来自基础模型，而更多来自累积的公司特定记忆：工具、指令、工作流和运营上下文。
• 采用这种模式的公司应优先考虑安全权限控制：对敏感事实系统采用只读访问，对运营工具采用受控写访问，并围绕自修改代码设置谨慎边界。
• 非技术反馈循环具有战略重要性。如果只有工程师能够改进代理，采用率和迭代速度都会较低。

需要观察的信号

• 随着代理创建更多持久工具，重复性手动任务的数量是否下降。
• 支持错误类别是否真的会在指令更新后停止重复出现。
• 当代理创建或修改工具时，人类需要介入的频率有多高。
• 随着 CLI 数量增长，工具泛滥是否会变得难以审计或维护。

注意事项

• 该转录内容是一段简短的创始人演示，而不是经过独立验证的案例研究。
• 超过 200 万美元 ARR 且只有两名全职员工的说法由演讲者提出，但在所提供来源中未得到外部验证。
• 该转录对安全性、权限、审计日志、评估、故障处理，或自修改工具的回滚机制提供的细节有限。