AI 原生团队怎么协作？从 Human in the loop 到 Human on the loop

2026 年 10 月 26 日，Manus 的 hidecloud 在公众号「潜云思绪」发表了《用 Manus 改造 Manus，AI Native 组织改造的实践和思考》。文章开头是一个场景：他给工程师提了几条需求和 Bug，过一会儿去问进展，看到工程师电脑上开着一排 Codex 和 Manus 的 Session，输入就是他刚在 Slack 上发的需求原文，一字未改。

文中提到，Manus 工程师的常态是一个人同时处理十几、二十个需求；所有产品经理都向 Manus 提交过代码，大约一半能独立完成需求并上线；9 月公司的 AI 开销人均超过 1 万美元。他把这种变化概括为从 Human in the loop 到 Human on the loop：以前 AI 做七八成，剩下的由人补上；现在人设计好规则，监督多个 AI 的工作，在关键节点判断方法和结果，必要时介入，并为结果负责。

下面先看他们具体改了什么，再拆成一个小团队可以照做的规则。

Manus 具体改了什么

团队	以前的损耗	现在的做法
研发	前后端分头理解需求，对接口、联调时反复返工	建了一个叫 Manus-mono 的统一入口，配一本写给 AI 看的说明书，AI 能看到各个仓库怎么配合；一个需求由一个人写完所有端
产品	信息每经过一个人就丢一点，优先级容易错位	产品经理通过 Mono 直接改代码、做 Demo，用一段视频代替需求文档；代码由审核机器人和有发布权限的研发把关
市场	人在邮件、合同、表格和各平台后台之间搬运信息	一个「数字同事」在工作台 Session 里接活，再拆给其他 Session 并行；它记得长期目标，会主动提醒

另外两件事和协作直接相关。一是同一项目的成员默认能看到彼此的 Session，也可以申请进入别人的 Session 发言，工程师和产品经理在同一个 Session 里交替推进。二是有位同事开了一个总 Session，只负责列出需要他决定的事并附上推荐方案，他每天只问一句：「现在有什么需要我决定？」

人在环上，人做什么

原文的结论是，在 AI 原生的组织里，「人的角色没有变小，而是更集中了」：定义问题，判断质量，决定什么值得做，并为结果负责。落到一个团队的日常，可以变成下面几条规矩：

需求原文可以直接交给 Agent，验收标准要由人写清楚：做成什么样算完成，要跑哪些检查。
涉及模型调用、成本、支付和权限的修改，先找负责的人确认，再动手。这一条来自 Manus Mono 里的规范。
一个对话只做一件事，结果放在别人能检查的地方：文件、预览和检查记录。
商量和执行分开。先在讨论里定方案，再交给 Agent，免得 Agent 跟着讨论来回改。
每个人每天先处理等自己决定的事，再去翻其他对话。
长任务放在不需要人守着的电脑上，人离开时工作还在往前走。

照这样做，协作工具要满足什么

Manus 的做法建立在他们自己的产品和内部工具上。hidecloud 也说明，同事之间互看 Session、进入别人 Session 发言的功能目前只在内部使用，权限设计还在完善。一个小团队想照着做，工具至少要满足四点：

需要什么	在 Agent.Space 里
看得到每个人让 Agent 做了什么	工作空间成员都能打开每个对话，看 Agent 的回答和改过的文件；动态视图的「人与 Agent」按发起人分行
能进别人的对话接着做	所有者和编辑者可以接着任何对话发任务，不用逐次申请；查看者只能看对话、在讨论里发言
只看需要自己决定的事	列表上的蓝色数字和地图上的「等你」，标出等你批准、等你回复、结果还没看的对话
人不在电脑前，工作也在推进	Agent 可以跑在云端电脑、独享 Mac，或者接入工作空间的成员电脑上

和 Manus 内部「申请进入」的做法不同，Agent.Space 用工作空间角色管权限：给了编辑者，就能直接在任何对话里发任务；只想让对方看和提意见，给查看者就够了。

一个小团队的第一周

第一天：创建工作空间，把手上正在做的事各开一个对话，按工作方向分组。
第二天：邀请同事，按职责给编辑者或查看者。
第三天：在项目里写一份给 Agent 看的规则文件（比如 AGENTS.md），写清哪些改动要先问谁。
第四天：试一次接力。一个人让 Claude Code 做出初版，另一个人进同一个对话调整文案和样式，再开一个对话让 Codex 只读审查。
第五天：每天早上先处理「等你」。周末数一数，这周有多少事没开会就推进了。

想看一个从头到尾的协作演示，见多人、多 Agent 一起做。

钱从哪里出

hidecloud 对人均 1 万美元的解释是：这笔钱买的是时间和注意力；用最好的模型做代码审核，也是为了摸清当下模型的能力边界。小团队起步时，先把钱从哪里出算清楚：

用 Agent.Space 提供的模型，费用记在工作空间所有者的套餐或积分上。
用成员电脑上的 Claude Code、Codex，用的是那台电脑的登录和订阅，不扣 Agent.Space 积分。
所有者接入自己的模型 API 时，费用由服务商直接收取。

并行的对话越多，模型用量越大。可以先给每人定两三个并行对话的上限，看「等你」里积压多少，再决定要不要加。

常见问题

Human on the loop 是什么意思？

按 hidecloud 的解释：Human in the loop 是 AI 做七八成，剩下的由人补上；Human on the loop 是 AI 能完成的部分大幅提升，人设计规则，监督多个 AI 的工作，在关键节点判断方法和结果，必要时介入，并为结果负责。

产品经理需要自己写代码吗？

在 Manus，所有产品经理都提交过代码，前提是有写好的规范、代码审核机器人和有发布权限的研发把关。这些还没准备好时，可以先让产品经理在同一个对话里改文案和交互，底层逻辑交给研发。

几个人共用一个 Agent 对话，会不会乱？

对话忙的时候，新消息会进入大家都看得到的队列，按顺序发出，成员可以调整顺序。真正容易乱的是两个人同时给出相反的要求，所以先在讨论里商量好，再交给 Agent。详见几个人共用一个 Claude Code 对话。

一个人能同时推进多少件事？

DeepSeek Harness 团队观察到，没有系统帮忙时，一个人通常只能同时跟进 3 到 5 个活跃 Session。能不能走到 Manus 说的十几、二十个，取决于等你的事是否集中在一处、结果是否容易检查。具体方法见同时跑多个 Claude Code 和 Codex 怎么管。