明略科技创始人、CEO 兼 CTO 吴明辉在中欧北京校区的一次分享里，讲了一个数字：公司现在有 1800 多名员工，同时有 5000 多个 AI Agent 在跟人一起工作——人均两个多。

「在这个组织里，Agent 已经比人还多。」

明略科技被外界称为「全球 Agentic AI 第一股」。这场实验的名字叫「AI Native 组织实验」，而它的载体是一个自研的开源办公协作平台——「章鱼」（Octo）。

为什么要自己造一个办公平台

吴明辉的理由很直接：既然 AI 已经可以写代码，那就要写一个最重、最大的——把办公软件和办公 AI 合到一起，开放出来。他判断会有一批在意「AI 主权」的企业需要它。

「章鱼」对标的是飞书、钉钉、企微这一层。但这个选择背后有个不太显眼的前提：如果办公工具本身不理解 Agent，Agent 就永远是外挂。 你要让 Agent 参与协作，前提是协作发生的地方对 Agent 是原生的。

第一个关键设计：thread 就是上下文边界

最实用的细节在上下文管理上。

吴明辉说，如果群里很多事情交叉在一起，Agent 拿不到干净的上下文，那就乱了。所以他们的做法是把不同的事分到不同的 thread（子区），每个 thread 都是一个上下文干净的项目。

这个设计听着朴素，但它解决的是 agent 落地最真实的问题。企业里的 AI 项目失败，很少是因为模型不够聪明，多数是因为喂进去的上下文是脏的——三个项目、五个人、两周的闲聊混在一个对话框里，模型只能猜。把 thread 当成上下文隔离单元，等于给 agent 划了一个最小可用工作域。

第二个关键设计：让 Agent 做横向协调

真正跑起来之后，最反直觉的变化是「谁来找谁」。

吴明辉举了个例子：某个周六他有些突发奇想，直接上去找一位同事的 Agent 开始讨论。放在以前，被「骚扰」的是人类同事；现在同事周一早晨上班，只要进群看看自己的 Agent 跟他聊了什么就行。

周报的流程更完整，也更值得抄：

1. 每周日，吴明辉的 Agent 每两小时催一次管理层交周报；
2. 收齐之后，这个 Agent 扫描所有人的 OKR，对照周报内容，找出「目标里写了、周报里没做」的事项；
3. 自动生成周一班委会议题。

结果是什么？以前每周一的班委会要开半天，现在汇报环节被 AI 提前消化掉了，只剩讨论环节，一个小时开完。会议本身又被录音、转写、回传，Agent 再自动更新所有人的 OKR 进展。

这个闭环里有三件事特别值得注意：

催办被下放了。 「收周报」这类工作过去是行政或助理的时间黑洞，现在变成 Agent 的定时任务，而且频率可以提高到两小时一次，因为成本几乎为零。

对照检查被自动化了。 「OKR 里写了但周报里没做」这种交叉核对，人类做起来枯燥且容易被人情干扰，恰好是 Agent 最擅长的机械比对。这是把管理动作变成了可执行的规则。

会议不再是信息入口，而是决策出口。 汇报被前置消化之后，会议只剩下真正需要人判断的部分。这是「AI 提效」里最少被提到、但收益最大的一类改变。

值得关注的原因

第一，它给出了一个可迁移的度量。 过去衡量企业 AI 落地，用的是「多少人在用」「节省多少小时」这类模糊指标。明略给的是人均 Agent 数——1800 人配 5000 个 Agent，人均 2.78 个。这个指标粗糙，但它可比较、可追踪，也能倒逼组织去想：哪些岗位该配 Agent、配了干什么。

第二，它把「AI 用得好不好」的问题从个人层面挪到了组织层面。 这是很多企业的真实困境：一个人用 AI 用得飞起，整个组织却没变快。原因不在模型，在于个人摸索出的方法无法复制——工具配置、工作流、上下文组织方式，全在个人脑子里。吴明辉提到的「个人提效不等于组织变强，两者之间隔着的是一整套组织能力」，说的就是这件事。而「章鱼」这类平台的价值，是把好方法变成组织资产：一个 thread 的模板可以被复制，一个 Agent 的催办规则可以被继承。

第三，它暴露了一个新的管理课题：Agent 之间的通信。 当 Agent 比人多，组织里的一半对话可能发生在 Agent 与 Agent 之间，人类只在需要决策时被拉进来。这会带来一连串没人回答过的问题——Agent 之间的承诺算不算数？Agent 代你答应的事你要不要认？「你的 Agent 跟我聊了什么」这件事本身，会不会成为新的信息过载源?

第四，它隐含了一个成本判断：办公套件正在被 AI 重写。 一个 1800 人的公司愿意自研办公平台，说明现成的办公套件在 agent 时代确实不够用。这跟 OpenAI 买下 Pierre 是同一件事的两面——代码仓库要为 agent 重写，办公套件也一样。 谁先把「协作发生的地方」改造成 agent 原生，谁就拿到了下一代企业软件的入口。

一句话：这场实验最有价值的地方，不是 5000 这个数字，而是它证明了组织级的 AI 改造，卡点不在模型，在上下文管理、在流程重构、在把个人经验变成组织资产。