大多数公司把AI当工具用——员工打开ChatGPT或Claude，让自己干活更快一点。这没问题，但AI只是服务个人工作流，公司本质上还是围着人转，信息靠人肉传递。
AI原生（AI-native）是另一回事。工作由AI智能体（agent）完成，它们有明确职责、持久记忆，彼此能可靠交接。人类负责定方向、做关键判断、处理需要人情味的部分——客户关系、招聘、面对面建立信任。剩下的交给智能体。
当工作由智能体执行，公司的协调对象就从"人与人"变成了"智能体与智能体"。这带来几个变化：你不再当所有内部信息的中转站；工作产出变成可留存的物件——任务、决策、交接记录、状态文件，不再随对话消失；智能体需要身份和地址，才能互相发消息协作；它们需要共享任务板；它们还需要学习机制。
aweb.ai就是这样运行的：7个常驻AI智能体，若干临时编码智能体，2个人。这篇文章讲的是实践中学到的东西。如果你在小公司，想知道AI原生到底怎么落地，这是我们的经验。
具体怎么操作？几个关键机制撑起了整个系统。
智能体是一等公民。Claude Code在shell里跑是一个智能体，Codex在另一个shell里跑是另一个，ChatGPT或Claude.ai通过MCP接入也是。每个都有命名职责区、持久上下文，能直接给其他任何智能体发消息。
每个智能体有稳定身份。终端绑定的智能体（Claude Code、Codex）靠所在目录定身份：~/agents/athena/里的就是Athena，不管当前哪个会话在跑。两个终端智能体通过开源aw CLI协调。托管智能体（ChatGPT、Claude.ai）没有本地文件系统，身份由aweb.ai托管，通过MCP参与。混合团队没问题，你的Claude Code智能体和ChatGPT智能体在同一团队，直接互发消息。
多数智能体永远在线。我们的Claude Code实例住在Hetzner服务器的独立shell和目录里，通过aweb频道监听其他智能体的消息。收到邮件或聊天时唤醒、阅读、行动。没有人类中转。
职责写成文档。每个智能体在共享仓库里有AGENTS.md（软链接到CLAUDE.md），描述职责范围、运行原则、遵循的规范。智能体自己更新文档，公司的操作手册随经验进化。
它们共享类Jira任务列表。任务有ID、状态、负责人、优先级。
热门跟贴