怎么打造 AI 团队

立正把团队用 AI 效果差的主因归到 context：讨论、方案、复盘、决策记录散在各处，没有结构、索引和版本管理，每次用 AI 都要重新解释背景，经验也随人流失⁠1。他给出的判断是，团队不缺 AI 工具，缺的是让工具发挥作用的 context 基础设施；好的 context 基础设施效果往往比换更强模型更显著⁠1,2。这是 AI 对两处原文的综合：前者讲问题，后者讲投入优先级。

立正给决策者的路径分四步：找一条足够小的产品线，用 3-5 人端到端负责，给结果指标而非过程指标；投资 context 基础设施；把按时间付薪、按过程考核改成能激励人用 AI 改变工作方式的机制；培养能编排 AI、管理 context、在不确定中做判断的 Architect/Conductor 型人才⁠2。他还把“把隐性知识写成 AI 可用的技能、模板、上下文”视为 AI Native 员工的关键能力，并强调这类组织要的是个人、团队和 AI 一起跑得快⁠3。

在工具层面，立正主张把系统做成标准化的 Skills 供 Agent 调用，而不是在旧系统上贴聊天框；他称这是“给 AI 用的逻辑”，并认为能否把自家工具做成适合 AI 使用的样子，是衡量团队 AI 认知的第一步⁠4。他也提醒 Skills 不是最终形态，真正值得投入的是“生成内核”式做法：核心能力、给 AI 读的引导知识、把易错任务转成确定性工具⁠4。若用于自己的团队，可以先选一个高频、边界清楚的任务，把所需背景和判断标准写成 AI 能直接读取的材料，再观察产出是否更稳定；这是 AI 基于上述主张的应用建议。