80%的活 AI 在干，项目管理该谁来做？

一、全文速览图

最近我一直在琢磨项目管理这事。

不管是带团队、打工人，还是一人公司，对这事应该都深有体会：管起来真挺痛苦，也太耗时间了。

没 AI 的时候，管项目基本是个体力活，一般是随手记在文档里。看进度的时候，就开始去翻各个群聊和文档。

进度基本是口头报出来的，状态全是临时拼凑的。

到了 AI 时代，多线程工作变成了常态。一个人往往要同时盯好几条线，80% 的活是 AI 在跑，键盘都能磨出火星子，迭代速度极快。

这时候要是还指望靠脑子记，或者去翻聊天记录和文档，那就多少带点幽默了。

既然活是它干的，那管理和记录理应它去干才顺手，对吧？毕竟每次会话吐出那么多信息，好比阎王爷贴告示，鬼才看。

所以我开始思考：怎么用 AI 做到项目执行的完整闭环。

二、项目管理，本质是上下文的传递

项目管理这事，说白了就是上下文的传递游戏。

目标、进度、卡点、谁负责什么——这些信息必须在时间和人之间流动。信息流断了，项目可能就卡住了，或者跑偏了。

传统工作里，这事基本靠肉身，靠所谓的“项目经理跟进”，每天在各个群聊之间化缘：哥，更新下进度吧。

人与人的传递虽然效率低，信息有折损，比较散。但人是有连续性的——你昨天说的，今天还记得，实在不记得还能硬扒一扒。

现在 AI 进来之后，规则又变了。

AI 没有连续性。

AI 的记忆和上下文都是我们人为注入的。如果你不管它、不给它，它就是知道东西多点的白纸。

一个长线项目可能要跑几十次对话，信息散落在各个位置。哪怕在同一个对话里，信息量一大它也会开始遗忘早期内容。

换句话说：它干活越多，需要记住的东西也就越多；但它天然不记东西。这个矛盾不解决，用 AI 跑长线项目将会非常痛苦。

那我们是不是需要一套机制，帮它记住该记的东西？

三、AI 时代要的不是早会，是闭环

给 AI 的东西反而需要很精准，不像给人类的一样可以糊弄。

因为你糊弄的话，它是真的不知道怎么干。

AI 不需要早会或者流水账周报。AI 需要的是闭环。

说人话就是：这件事从接到手，一直到收尾，都要有严谨的归档和沉淀。

目的是：

1. （能接上） 隔一周、换个 AI 也能无缝接上
2. （能交代） 问起进度或要同步信息时，能随时扔出清晰的结论和卡点
3. （能复盘） 不管成败，事后随时能根据记录，回溯出当时的完整链路、SOP
4. （能留下） 跑通的经验、好用的提示词，能变成资产存下来，下次遇到同类项目不用重造轮子

我们的项目管理方式，以后要从方便人，变成方便 AI。

不管你是老板还是个人，都要做出这种转变。在用传统的方式带 AI，让它自己悟，那就好比是太监开会，纯属无稽之谈。

我把这套闭环标准，压成了六个最基本的问题。如果你想试试，你需要（和你的 AI）好好思考这几个问题怎么融入到框架里：

1. 项目的上层目标是什么？

你的目标是什么？如果你是打工人，你老板的目标、甚至老板的老板的目标是什么？

这是为了明确这事会不会跑偏，别累死累活干了一堆没价值的（或者是别人认为没价值）的事情。

2. 每天推进了什么？

这是为了能够随时查到，进行中的项目能够随时接的上。干完的项目也能够看到全景的执行路径，方便分析和沉淀 SOP。

3. 困难和卡点是什么，怎么解决的？

这是为了搞清楚难点在哪、为什么，下次同类项目别在同一坑反复交学费；复盘时也有据可查，不是凭印象编故事。

4. 协作方是谁？各自负责人是谁？他们现在在干什么？

为了多人协作时不靠猜：找谁对接、谁该交什么、谁卡在谁那，账本里一眼能查到。真阻塞了也知道锅找谁背。

5. 这一阶段的交付物是什么？做到什么算这一轮完成？

为了知道什么时候该收刀。别让 scope 无限蔓延，方便判断是还在推进，还是已经可以交卷了。

6. 本轮产出了哪些材料？哪些已经标成可复用？

为了复利有清单：prompt、流程、踩坑记录先标在账上。别干完一圈只剩聊天记录，下次还得从零开始。

四、三层架构：怎么让闭环跑起来

下面涉及到硬核知识了，大家注意！

一般都是说的比唱的好听，网上讲闭环的，一般都是画个圈，告诉你这叫飞轮，真到自己落地，又是一团乱麻。

我会用一个简单的架构，给大家介绍下我是怎么搭建的。

我把系统分了三层，每层都是通过 SKILL 来承载的。SKILL 与 SKILL 之间进行联动和信息的传输。

1. 先看一个场景：OPC 的两条齿轮

假如你是一个 OPC（一人公司），手里一般最少跑着两件事：内容线（你的小红书/公众号）和产品线（你在卖的产品或者课程）。

这两条线理论上应该互相喂饭。

理想的闭环是：日常和 AI 交流的思考变成内容，内容吸引用户，用户变成付费客户，客户的反馈再变成内容选题。听起来非常性感。

但现实往往是：你左手在发内容，右手在改产品，两只手互相不认识。

比如用户在你的账号下留言说「讲得不错但不知道怎么落地」，你心潮澎湃地点了个赞，心想他欣赏我，然后划走了。

并没有把这个痛点给 AI 让它转化成产品改进的输入，或者新内容的选题。

再比如 AI 陪你熬夜跑了几十个对话，输出了大量行业认知，结果窗口一关，这些认知就像涨薪的承诺一样随风消散，既没进产品，也没进内容。

嘴上喊着飞轮，其实是两个齿轮在各转各的，根本没有咬合，在空转，每天把自己累得半死——很励志，但没产出。

先来一张总图看看：

然后我们来拆开讲解一下。

2. L3 · 统筹层（全局大脑）

飞轮转不起来，根本原因不是你不努力，而是没有人在盯着两条线有没有在互相推进。L3 干的就是这件事。

在这里，我们不放具体的干活进度，只放全局目标和跨线的判断。它是统筹的角色，知道我们手底下在干什么，有什么资源，我们的目标是什么，每个项目是在完成哪个指标。

它最少包含这几样东西：

1. 中长期总目标（你要什么）：比如你 OPC 的目标是「内容账号涨一万粉，产品线拿到十个付费用户」。如果你是打工人，这就是你老板的 OKR、甚至老板的老板想要什么。
2. 每条业务线的职责：为了实现这个总目标，内容线负责引流和验证痛点，产品线负责提供解法和转化。界限划清，不互相抢戏。
3. 全局角色表（你做给谁看）：我们这盘子事，有哪些相关的责任人，什么情况该找谁，甚至是你的客户表。
4. 汇报口径（你怎么说）：如果别人问你最近在干嘛，你对外释放的统一口径是什么？对打工人来讲，就是要把自己做的这坨包装一下，画成老板感兴趣的饼。对于 OPC 来说，你的动作要能收成一个商业故事。

为什么必须有这层？ 为了当个参照系。不然 AI 的执行力那么强，很容易出现一个画面：你们主宠二人惺惺相惜、齐心协力、披星戴月、疯狂地 work……然后你们是全公司最努力的，两个原地打转的人。

它有什么用？ 它是跨项目的调度中心。手里几条线的资源能不能互借？这周去汇报用什么口径能显得你很有战略眼光？都从这里出。

它不参与日常干活，而是要做好目标把控，相当于公司的中层，负责把老板画的饼切碎，塞给下面的打工人。

3. L2 · 执行层（干活的牛马）

如果 L3 是大脑，L2 就是真正推项目的手脚。

手里有几个项目，就该建几套独立的 SKILL。回到 OPC 的例子，那就是内容线一套，产品线一套，相当于每个独立的打工人。

L2 里面最少要有这四件套：

1. 规划文档：这个项目是什么、目前的 MVP（最小可行性产品）长啥样。
2. AI 操作指令（SKILL）：告诉 AI，执行这个项目，每一步的详细 SOP 和需要调用的资源
3. 进展账本：这是整个 L2 核心的心脏。
4. 材料索引：所有跟这个项目相关的背景资料、会议纪要，全列在这里，方便 AI 随时去查。

重点说说这个 ③ 进展账本。传统项目管理是活干完了就完了，但在 AI 时代不行。AI 不记下来，就等于没发生。

所以，在 L2，每次 AI 消化完材料、干完活，它必须负责把情况老老实实记到账本里。作为一头心无旁骛的牛马，AI 在账本里不需要写小作文，最少需要写清 4 件事：

1. 执行事实：今天推了哪几步，产出的文件存在哪了。
2. 下一步：接下来要做什么。
3. 阻塞卡点：现在卡在哪了？缺少什么条件？
4. 目标对齐：这活到底和 L3 的大目标有没有关系？

L2 不管全局，不管其他线的死活，只死磕自己手头的项目。

但它每次记在账本里的这些干巴巴的事实，就是 L3 拿去做全局判断、去提炼「资产」和「汇报口径」的唯一弹药。

如果 AI 在 L2 成了不记账的糊涂蛋，那你的 L3 大脑就彻底被架空了——大脑再聪明，读的全是空白账。

4. L1 · 收料层（无情的分拣机器）

L3 定方向，L2 记事实，那外面的碎片从哪进系统？这就是 L1 的事。

你每天会有无数碎片信息砸过来：用户私信、群聊截图、一段语音、洗澡时冒出来的想法、随便看到的某篇参考文章。

这些东西很重要，又很乱。你不得不给 AI 补齐这些上下文信息，它才能更了解项目的全貌。

那这些信息需要放到哪？被哪个项目消费？你不可能手动去放——那累死了，而且你会漏。

所以 L1 是整个系统的统一入口。

它干的事很薄，就几步：

1. 接收：链接、粘贴、截图、语音转写，统一从这里进。如果涉及到 OCR、语音转文字、解析文档等，也需要它去调用对应的能力，把信息规整化。
2. 判项目：这条归内容线，还是产品线？
3. 落盘：把整理好的文件放进对应项目的材料区。
4. 新索引：在 L2 的材料索引里追加一行——今天进了啥、放在哪。

项目开始的时候，L2 再对它进行加工。三层开始咬合起来。

L1 喂 L2 原料，L2 给 L3 弹药，L3 给 L2 方向和项目边界。信息这么转，前面说的飞轮才有机会真正咬合。

好，篇幅原因，每条还是不能讲得太细致。如果大家有兴趣，也可以找我交流。

希望对你有用，我们下次见！