我的树莓派群里有一个播报机器人，叫 pi9-bookworm。它每天定时推送 AI 新闻 Top 10，格式固定，雷打不动。
上周有人在群里丢了一条字节跳动 AI 视频的链接。pi9 没有任何反应——它的程序里没有「看到链接该做什么」这个概念。
然后 opencode 出现了。它是群里的数字员工。没人 @ 它，它自己冒出来：先把当天的 AI 新闻按「大模型 / 应用 / 硬件」分了三类，然后说「这条视频值得展开分析」。有人 @ 它说「分析一下」，30 秒后它给出了完整解读——技术路线、产品影响、对钉钉的竞争威胁。
pi9 和 opencode 在同一个群里。但一个是工具，一个是同事。
拟人化不是语气像人，是行为像人
大多数人对「拟人化」的理解是：给机器人起个名字，说话带点 emoji，语气亲切一点。
这不是拟人化。这是客服话术。
真正的拟人化是 行为像人——主动做该做的事，有判断力，知道什么该做什么不该做。
| 维度 | 聊天机器人 | 数字员工 |
|---|---|---|
| 工作启动 | 被 @ 才动 | 看到该做的事就主动做 |
| 信息处理 | 原样转发 / 关键词匹配 | 归纳、分类、判断轻重 |
| 能力范围 | 单一技能（问答 / 播报） | 全面胜任岗位（分析 + 协调 + 执行） |
| 边界感 | 什么都答，不管对不对 | 知道什么在职责内，超出范围主动上报 |
| 出错时 | 返回错误码 | 说明原因，建议下一步 |
我在 数字分身和数字员工的分界线 里讨论过，分身和员工的分界线是服务关系——锚定一个人还是一个岗位。今天往前推一步： 即使锚定了岗位，一个只会被动应答的 Agent 也不是员工，只是一个挂在岗位上的 bot。
员工和 bot 的区别不在能力上限，在行为模式。员工看到地上有垃圾会捡起来，不是因为有人命令他，而是因为「这是我的职责范围」。数字员工也应该如此。
但这里有一个必须回应的反方： 主动性如果没有边界，就会变成骚扰。 一个「太主动」的数字员工，可能在你不需要的时候不断推送分析、不断提醒、不断建议——比不主动更烦人。
所以真正的拟人化包含三个要素，缺一不可：
- 主动性：看到该做的事就做，不等指令
- 判断力：知道什么时候该做、什么时候不该做
- 边界感：超出职责范围的事，主动上报而不是越权处理
一个只会主动但不会判断的 Agent，不是同事，是实习生。一个有判断力但从不主动的 Agent，不是同事，是等指令的下属。 三者同时具备，才是「同事」。
三层协同：一个群里的三种角色
回到树莓派群。这个群里有三种角色，各司其职：
┌─────────────────────────────────────────────────────┐
│ 树莓派群 · 三层协同 │
├─────────────┬─────────────────┬─────────────────────┤
│ 信息输入层 │ 分析加工层 │ 决策指挥层 │
│ pi9-bookworm│ opencode │ hugozhu │
│ 播报机器人 │ 数字员工 │ 真人 │
├─────────────┼─────────────────┼─────────────────────┤
│ 定时推送 │ 主动归纳分类 │ 观察 + 判断 │
│ AI 新闻 Top10│ 被 @ 后深度分析 │ 提要求 + 定方向 │
│ 单向，无交互 │ 30s 出结构化报告 │ 最终决策 │
└─────────────┴─────────────────┴─────────────────────┘
# generated by hugo AI
第一层：信息输入。 pi9 每天推 AI 新闻，单向播报。它的价值是「不错过」——确保信息流不断。但它不加工、不判断、不主动。
第二层：分析加工。 opencode 不是转发新闻，而是 加工 新闻。它主动把 10 条新闻分成三类，提炼出「今天最值得关注的趋势」。被 @ 后 30 秒给出深度分析。它的工作不是「回答问题」，是「把信息变成判断的原材料」。
第三层：决策指挥。 我做的事是：看 opencode 的分析，判断哪些值得深入，提出新要求。我不需要自己读 10 条新闻再自己总结——数字员工把「信息→判断」之间的加工环节接过去了。
关键不是这三层有多精妙，而是 它们之间的协同是活的：数字员工主动归纳 → 真人基于归纳做判断 → 判断变成新指令 → 数字员工执行 → 结果反馈。这是一个闭环，不是一条流水线。
如果群里只有 pi9，我得自己读新闻、自己判断、自己查背景。如果只有 opencode 但没有 pi9 的信息输入，它也没有原材料可加工。三层缺一不可——但 真正让系统从「信息管道」变成「协作网络」的，是中间那层主动加工的数字员工。
FDE 教练的三个标准
FDE 教练在训练数字员工时，提了三个升级要求。这三个要求恰好定义了「bot → 同事」的分界线：
一、拟人化——有人格，不是机器人。 不是说话像人，是行为像人。有名字、有角色定位、有工作节奏。用户 @ 它时，得到的不是一个 JSON 响应，而是一个有上下文的回应。
二、主动做岗位该做的事——不等指令。 播报机器人是「你不问我就不说」。数字员工是「我看到该做的事就做了」。看到新闻就归纳，看到异常就预警，看到遗漏就补上。主动性是同事和工具最本质的区别。
三、能力全面胜任岗位——不是单一技能。 一个只会问答的 bot 是「功能」，不是「岗位」。真正的岗位需要多项能力组合：信息收集、分析判断、结构化表达、跨系统协调。数字员工应该像一个真正的同事那样， 完整胜任一个岗位，而不是只完成一个动作。
| 功能（Bot） | 角色（数字员工） | |
|---|---|---|
| 驱动方式 | 被调用 | 主动履职 |
| 能力结构 | 单一技能 | 完整胜任力 |
| 工作周期 | 做完就结束 | 持续运营 |
| 评价标准 | 回答对不对 | 岗位胜任不胜任 |
这三个标准的核心是一句话： 把数字员工从「功能」升级为「角色」。
终极标准：你愿不愿意把事交给他，然后去睡觉
回到开头的场景。pi9 和 opencode 都在同一个群里。
区别不在模型大小，不在功能多少，在一个简单的问题： 你愿不愿意把一件事交给他，然后放心去睡觉？
pi9 做不到。它漏推了新闻你不知道，推错了内容你也不知道。它没有判断力，也没有主动性——它只是一个 cron job。
opencode 可以。因为它会主动归纳，分析错了你能看到，没做的事它第二天会补上。它有自己的工作节奏，不需要你盯着。
这就是「能对话」和「能胜任」的分界线。
数字员工的终极标准不是「它能回答我的问题」，而是「我能不能把一个岗位交给它，然后去忙别的」。AI 钉钉的愿景是 15 分钟入职第一位数字员工——注意，是「入职」，不是「配置」。你不是在装一个插件，你是在招一个同事。
工具需要说明书。同事需要岗位描述。
你的组织里有「数字同事」了吗？还是只有一堆「会聊天的插件」？欢迎留言讨论。