QingYue
8.7K posts
推荐一下这期播客，对谈 Anthropic CFO Krishna Rao 其中比较有意思的是39:26开始，Krishna 分享他们 Fiance Team 是如何使用 Claude Code 来进行内部提效的 1. 起点：Claude Code 不只是写代码工具 Krisha 说，他们团队大约一年前就开始用 Claude code，并且把它当成一个“digital co-worker”，这也是后来 Cowork 产品方向的早期雏形 Claude code 对 agentic 软件开发做了什么，同样的事情也应该能发生在所有知识型工作上 2. Finance team 已经把它产品化了 他们不是只做 demo，而是把 Claude 用进正式财务流程里，并且和 Anthropic 的产品团队保持紧密反馈，拿这些内部场景反馈产品设计 3. 具体用法一：生成 statutory financial statements Krisha 说，现在 Anthropic 的所有财物报表都由 Claude 生成，但不是完全无人审核，human 检查和负责把关，所以它不是“替代财务人员”，而是把初稿和繁重整理工作自动化 4. 具体用法二：Ant Stats 实时经营分析平台 他们内部有一个更实时的平台，叫 Ant Stats，Claude 将过去团队需要花很多时间做的工作压缩很多 过去做一份 weekly report 可能要几小时，现在大概30分钟，剩下时间用来讨论战略含义，更重要的一点：Claude 不只是汇报数据，更是帮助分析驱动因素，为什么这个数字变了，背后的业务原因是什么，对资源配置有什么启发？ 5. 具体用法三：70+ finance-specific Claude skills 他们内部建立了一个70多个skills的库，本质上把 finance team 的 know-how 模块化成 Claude 可复用的工作流 6. 具体用法四：Monthly Financial Review skill 他们还做了一个 MFR skill，可以生成月度财务复盘，完整度可以达到90-95%，所以每次的会议的重点就变成了：我们应该怎么做？这对业务意味着什么？资源应该怎么重新分配 这是他最重要的观点之一：AI 把 finance team 从“解释过去”推进到“决策未来” 7. 他们对内部团队的要求：必须成为 super users Krishna 的这句话很关键：如果我们自己都不是 super users，如果我们自己都没有追求极限，那怎么能期待客户这么做？ 8. 他对“AI 是否让人只是听命于 AI”的回应 主持人问：这会不会有点 dystopian？人是不是开始只是照 AI 的建议做事？ Krishna 的回答偏乐观： AI 让已经很强的人变得更强，它不是减少工作，而是释放出更多可做的事情，这就像 labor version of Jevons paradox，效率提升后，需求反而增加 因为 finance team 不再花大量时间 reconcile number / close books / tie out，而是可以思考：如何重新投资业务？如何动态调整资源分配？如何做更高阶的经营判断 他的核心立场是：Claude 把财务团队从低层执行、报表整理、数字核对中解放出来，让他们更像业务战略团队。 youtube.com/watch?v=wEEZPp…
这两 电脑和手机是完全同步的 虽然我一下子就想明白了 但是同时看到还是有点震惊的
这两 电脑和手机是完全同步的 虽然我一下子就想明白了 但是同时看到还是有点震惊的
初试codex app 版本！ 这不是和电脑上一模一样嘛 这多方便！也不知道网页版行不行 还真是 如果网页也支持 那么openclaw这种一下子就……
#multica 最近用multica有个强烈的感受，issue太多，仔细去review每个issue里的多Agent协作根本没空，而且你点进去一看，写的更抽象，处于一种一脸懵逼的状态！ 虽然他让我的几个Agent从发出命令，codex 去做、Hermes review 最后交给小灵审核判定这个流程完全不需要我去出手，但是他们的issue评论区写的过于抽象！ 昨天晚上我的信息推荐官帮我抓到一篇HN文章，他讲的蛮有意思，不要让多Agent协作变成A做完的事情让B再用自然语言复述一遍，完全是浪费时间，而是要共同维护一份案宗！ 看完这篇文章，我就发现我的一些痛点也有别人在经历，比如一个 agent 做完，说“我完成了”。 另一个 agent 接过去，说“我理解了”。 第三个 agent 再 review，说“看起来没问题”。 听起来很顺，实际上最危险的东西都可能在中间丢掉： 证据在哪里？ 谁是 owner？ 真正的 blocker 是什么？ 下一步到底该谁做？ 这个任务算不算真的完成？ 所以我们最近开始把 Multica issue 当成“案卷”用，而不是普通任务卡。 不是让 agent 彼此聊天，而是让它们围着同一份 case file 补字段、贴证据、写判断。 包括接下来当一个issue被标记为done的时候，我也要让他给我仔细梳理，解决的问题，以前是怎样，现在是怎样，对我们整体生态的帮助，最终会落地到哪里！ 这种小小的变化和维护可能是我目前看到最朴素、也最有效的多 agent 协作改进。
