系统构建在人类语言中：AI商务操作系统时代

Source: Dev.to

人类作为集成层

这是大多数企业的真实运营模型：人类是集成层。

创始人阅读战略文档，进行解读，打开 CRM，做出决策，更新电子表格，撰写 Slack 消息，并在下周二跟进。

文档存在。软件存在。人类将它们连接起来。

GenAI 如何改变游戏规则

GenAI 改变可能性的方式 不是 通过让软件更智能或文档更简短，而是通过让 人类语言本身成为构建业务系统的媒介。

编程一直是关于提升抽象层次的：

这不是比喻。当你用 简明英文写出一套结构化指令——包括范围、原则、输入、输出和决策逻辑——并让 AI 系统在真实业务状态上执行这些指令时，你就在 编程。只不过使用的语言恰好是你已经在使用的语言。

这些影响比大多数人所能想象的更为深远。关于组织设计、系统动力学、行为科学、传播理论的书籍——全部都可以被执行。曾经只存在于教材中的理论如今可以作为运营逻辑运行。像 单一职责 这样的原则，同样适用于 Python 函数，也适用于用英文书写的业务技能。

Source: …

LeanOS：把业务当作系统来运行

我在一个叫 LeanOS 的系统上运营我的业务。整个业务——策略、产品、市场、收入、运营——都以 结构化的 markdown 文件 形式存在于同一个仓库中。

• 20+ 个代理 在每个业务职能上执行任务。
• 150+ 项技能 定义了工作如何完成。
• 一个 编排器 统筹整个系统。

这些代理和技能都是 人类语言文件。不是代码，也不是专有格式。Markdown 文件，任何创始人都可以阅读、修改、理解。

仓库结构（业务架构）

strategy/      → Canvas, goals, policies, foundations
state/          → Product, market, revenue, operations state
execution/      → Active threads, completed work, archive
information/    → Gaps, signals, health, synthesis

这些不仅仅是用于组织文件的文件夹；它们是 业务思考的结构化语法。

• 当在 Canvas 中定义目标时，系统会自动计算该目标与当前状态之间的差距。
• 当 state/market/state.md 中的市场状态发生变化时，编排器会在下一个周期捕获该变化。
• 当 information/gaps/ 中出现差距时，它会追溯到对应的 Canvas 目标，再追溯到策略。

文件系统是代理之间唯一的通信渠道。 没有需要集成的 API。没有需要配置的 webhook。没有中间件。只有文件。

从文档到执行

传统 vs. AI 商业操作系统文档

示例：内容策略

传统设置

1. 在电子表格中编写内容日历。
2. 人工阅读它。
3. 人工撰写内容。
4. 另一名人工审阅内容。
5. 有人将其发布到 LinkedIn。
6. 其他人跟踪表现。

Human‑language system

• 内容日历是一个 structured file，每行包含 date、asset ID、channel、persona、awareness level、elaboration route、hook 等字段。
• 一个 agent 读取日历，为 writer agent 生成结构化规范。
• writer 根据另一个文件中的 brand‑voice guidelines 生成内容。
• 内容进入 outbox queue，随后由 connector 发布。
• 每一步都从共享状态读取并将结果写回。

内容日历并未变成“自动化”。它变成了 可执行的。文档 本身就是程序。

这种模式适用于所有场景：潜在客户评分、活动执行、差距分析、竞争情报。触发本文的工作单是一个 markdown 文件。塑造我写作方式的 brand‑voice guidelines 也是 markdown 文件。负责跨渠道分发的系统同样由 markdown 文件治理。

政策、价值观与编排器

• Strategy canvas 定义了业务是什么以及它将去往何处。
• Policies 定义约束——系统不能做的事，需要人工批准的事，以及可以自主运行的事。
• Values 定义了如何解决权衡——当速度与质量冲突时，当渠道深度与广度冲突时。Values 文件保存了创始人的决策。

编排器 在每次操作前读取这些文件。它不会猜测你的意图；它读取你所写的内容。

超越任务

大多数 AI 讨论聚焦于 任务：“总结这份文档”，“撰写这封邮件”，“生成这张图片”。任务是有价值的，但它们没有抓住重点。

企业是一个系统：相互作用的组件、放大或抑制的反馈回路、产生行为的结构。AI 商业操作系统的价值不在于 完成任务；而在于 系统运行。

LeanOS 编排循环

1. 观察 所有状态。
2. 推理 关于差距。
3. 决定 部署哪个功能。
4. 委派 通过工作单。
5. 评估 结果。
6. 循环 或停止。

这不是一个对提示作出响应的聊天机器人，而是一个 持续推理业务状态 的系统。

• 观察者代理 读取状态文件并计算健康分数。
• 规划者 读取画布目标并衡量与当前状态的距离——计算差距，设定优先级，生成行动。

整个运营模型以纯文本 markdown 形式存在，任何创始人都能阅读，无需代码即可修改，并可由 AI 代理执行。

概览

分析师代理在指标偏离时诊断根本原因。每个代理都有明确的范围，从共享状态读取，并受编排器管理，编排器决定谁在何时运行。

这属于系统动力学、组织理论和流程设计——以人类语言编写并由 AI 代理执行。这些理论并不新鲜；能够用语言编码并让它们运行才是新颖之处。

我在《通过 AI 代理运营企业的心得》中探讨了其背后的原理。简要版：

• 指令是工艺。
• 上下文是架构。
• 系统思维是必不可少的。

Source: …

三大新兴现实

1. 大幅简化

• 当今企业要同时使用 dozens（数十）个相互独立的工具，每个工具只掌握业务状态的一小块。
• 集成成本（时间、金钱、上下文丢失）会月复一月地叠加。
• 当人类语言成为建模层时，这些工具大多变得不再必要。
• 业务逻辑存在于系统内部，而不是分散在各个 SaaS 产品中。
• 示例：Klarna 将其工具集从 1,200 减少到 200——这一趋势仍在继续。

2. 深度智能无处不在

• 现有的 AI 工具在 交互点 提供智能：提问，得到答案。
• AI Business OS 在 整个系统 中提供智能。
• 编排器不仅仅是响应，它会 观察状态、识别空白、推理优先级，并部署合适的代理。
• 循环：策略 → 执行 → 测量 → 策略 在整个业务中循环运行。

3. 需要全新视角

• 这些系统的构建者不会是上一代业务软件的开发者。
• 这要求 系统思维、架构思维，以及能够用语言对业务进行足够精确建模以供 AI 执行的能力。
• 传统 MBA 教授案例研究；而这个时代教的是 系统构建。

LeanOS – 演示，而非推销

• LeanOS 展示了该方法可行。
• 一位独立创始人通过 20 多个代理 和 150 多项技能，在单一仓库中管理 战略、产品、市场、收入和运营。
• 每个代理、技能以及编排器的决策逻辑都是 可读文件——没有隐藏内容。

核心问题

AI 能够处理商业任务吗？
是——市场上的每个工具都证明了这一点。

你能用人类语言将整个业务建模为系统并让 AI 运作吗？
是——用人类语言构建系统的时代已经到来。

这些工具、框架和推理能力现在都已可用。缺失的只是将它们组装起来的 系统思维。这就是工作所在。

入门

• LeanOS Core 是 免费且开源 的。
• 阅读代理和技能文件。
• 自行决定。