创业过程中，有一种难受很具体：明明已经把自己能做的部分做得很快，一件事还是推不动。缺的可能是一个懂制造的人，一个能判断视觉的人，一个知道怎样接触客户的人。你可以让 AI 给出很多方案，却未必有经验判断哪一个值得拿去承担真实的成本。

我们常说，AI 是放大器。这个比喻也提醒了我们它的边界。熟悉的领域里，人知道应该问什么、哪里容易出错，AI 可以帮助他更快地尝试。不熟悉的领域里，AI 也能教人、辅助入门，但更多产出并不自动带来鉴别能力。缺少专业判断时，人有时连“这份答案哪里不对”都说不清楚。

一家有资源的公司，可以招聘不同专业的人，把这些能力放到同一个组织里。一个独立工作者，通常很难为每个偶尔出现的缺口都聘请一位同事。他需要的是这一次的帮助，也许只占一个项目中的一小段，但这一小段决定了剩下的工作能不能继续。

而选择独立工作，也未必都来自热情。有人是离开原来的岗位后暂时没有找到合适的工作，有人一边求职，一边接一些项目维持生活。我们不愿意把这样的处境美化成“一个人就是一家公司”。公司背后还有分工、渠道、信誉和承担风险的余地，换一个称呼，并不会把这些东西送到个人手里。

如果事务官长期参与一个人的工作，这里也许会出现新的可能。

它逐渐知道这个人偏爱什么项目，哪些事情做得稳定，哪些环节通常要请别人帮忙，遇到怎样的要求容易超出能力范围。这样的了解必须来自实际做过的事和反馈，不能因为一个人生成过几张图，就把他认定为能够承担完整品牌项目的设计师。

认识自己能做什么，也包括知道自己暂时做不了什么。我们希望事务官能帮助人把这个边界说清楚。边界会随着学习与协作变化，用户也应该能看见、修正，而不是被一张系统画像固定下来。

接下来，事务官能不能在用户允许的范围内，替他寻找适合的委托，帮助判断能不能接，也在接下以后参与把事情做完？当一件工作缺少某种能力时，它又能不能找到另一位适合的人，以及熟悉那个人的事务官？

设想一位独立开发者接到小店的线上预约需求。他能够完成系统，却不擅长梳理顾客第一次看到页面时的理解顺序。事务官把需要补足的部分整理清楚：有哪些页面、谁会使用、现有材料是什么、希望交回什么，以及预算和时间范围。另一位擅长这类体验工作的设计师，可以只承接这段工作，不必先加入一家完整的公司。

双方的事务官先帮助补齐背景、整理问题，用户确认分工以后再推进。设计交回来，要放回实际页面里试；发现约定没有覆盖的地方，继续讨论，而不是把一个压缩包发出去就算结束。这个例子仍是我们对未来协作的设想，今天还没有一套成熟的网络在替用户这样接单。

我们所说的能力交易，交易的应当是范围清楚、能够验收的交付。商品可以是一段专业支持，也可以是熟悉事务上由 AI 承担的执行；承诺由谁作出，谁负责检查，出现偏差找谁，都必须清楚。把一段提示词包装成能力，并不能证明它能在别人的项目里可靠工作。

我们也希望事务官能够真正干活。对于已经反复完成、标准清晰、得到委托的事务，它可以逐步承担澄清材料、组织执行、检查结果、回应约定范围内的修改，直到交付。人保留自己想做的部分，也能决定哪些事情可以按事先约定直接接，哪些报价、期限和例外必须回来商量。它不能仅凭自己的判断，把用户承诺给一份超出范围的工作。

这种网络值得做的地方，在于减少寻找彼此和重新交代的成本，让一次合作留下下一次仍然有用的了解。平台如果从中收取服务费，应该对应实际提供的匹配、组织、履约与争议处理服务。评价也需要连着真实任务和各自的贡献，不能只用一个排名把不同的人压成同一种劳动。

越想这个方向，我们越觉得本地算力有意义。

一个长期陪人工作的事务官，会接触很多不适合直接拿到外部匹配的东西：还没公开的项目、客户的材料、讨论中的取舍，以及这个人习惯怎样做事。我们希望它能在本地处理更多日常理解、记忆整理和任务组织，先在自己这一侧判断需要什么，再把必要的部分交出去。

这也是我们设想第二款硬件——带算力的桌面工作站——的原因。第一款是拓展坞与座机，后面希望把适合常驻的事务官能力放到桌边。需要更强线上模型时，先处理关键信息，尽量只发送完成该次任务必需的内容。能力、速度、成本和维护负担都要实际验证，放到本地也不等于所有数据自动安全，更不等于从此可以完全离线。

对外协作时，长期了解应该用来帮助筛选，而不是整份交给交易对方。知道用户不擅长什么，可以帮助事务官找到支援；这不意味着对方必须看见用户全部的工作历史。项目还未谈妥时可以先提供简要需求，确实需要接触的材料，再由用户决定怎样共享。

本地算力与能力网络，是同一个方向的两侧：一侧让人的经验在自己手边积累，另一侧让这些积累在得到允许时，能够与别人的专业能力接上。这里还有很多没有解开的事，包括能力如何验证、任务如何验收、分歧如何处理，以及小额合作的组织成本能否降到值得发生。我们不会用一个技术名词把它们掩过去。

我们想先从少量边界清楚的合作里验证，看看事务官是否真的减少了双方的交代与交接，结果是否比各自硬撑更可靠。在这之前，把眼前的工作接好、把用户的做法理解准确，仍然是必须完成的基础。

也许有一天，一个人遇到不擅长的事情，不必把自己训练成所有领域的专家，也不必立刻养起一个完整团队。他的事务官能帮他找到那一段合适的能力；而他擅长的那一段，也能被另一个正需要帮助的人找到。我们希望 AI 带来的放大，最终发生在人与人的合作里。