设计团队利用Slack智能体自动化处理高频重复咨询的实践

而且你不必回答所有问题。

我成了团队的搜索引擎

每个团队都有一个人是大家都要联系的。他们知道东西放在哪里，为什么某个决定是这样做的，以及当你卡住时该问谁。如果你在一个团队里，你今天可能已经给那个人发过消息了。 😏

在 Radical Candor 中，Kim Scott 将团队赖以建立的稳定可靠的人称为 rock stars。我们的团队体育迷太多了，所以我们称他们为 GOAT：史上最佳（greatest of all time）。

我领导一个由十五人组成的远程设计团队，很多团队的问题都会找到我。每个问题单独看似乎都很小，但不断的打断开始让我疲惫不堪。 🫣

显然，这种挫败感是有研究支持的：2008 CHI paper 发现人们经常通过加快工作来弥补被打断的时间，但结果却感到更有压力和沮丧。

我想知道这些打断中有多少是真正必要的。所以我回顾了两半年的请求——总共 2,413 个——并按回答所需的内容进行了分类。这促使我和我的实习生 Bryan 构建了一个 Slack agent 来分担一些我的 工作。

我的收件箱里有什么

在我最忙的时候，每个工作日大约有 nine 个杂务请求到达我这里，每周接近五十个。分布在日历上，它们几乎填满了每一个 工作日。

有些问题不断回来

很多感觉像是似曾相识。203 个问题以前被问过，有些甚至超过十几次。重复最多的——如何访问用户研究录音——出现了 32 次。我猜测大多数重复发生在 DMs 中，那里其他人看不到答案。即使在公共频道中，又有多少人会去翻旧的 Slack 线程呢？

按小时计算的等待时间

我的大多数设计师都是兼职人员，按照自己的时间工作，通常在晚上，而我保持朝九晚五。白天，我试图尽快回复人们，通常在大约 15 分钟内（请允许我为自己骄傲一下 😎）。然而，在工作时间之外，一个问题可能要等待 12 到 13 个小时，直到第二天早上我回来。

这些都需要我吗？

并不完全是。仔细审查案例后，我发现 53% 根本不需要我。答案已经存在于某处，在文档、Figma 文件或旧线程中；人们只是找不到它，或者不知道它在那里。另外 35% 主要是跑腿工作，比如挖掘哪个规范是当前的或交接线程确定了什么，然后我才签字确认。最后的 12% 是只有我能做出的决定：某人的角色、他们的工时、谁应该帮助做什么。

大多数问题不需要我的判断。它们只需要一个 答案

Agent 能回答它们吗？

我承认，我一直在悄悄地对简单问题“作弊”：把它们粘贴到我自己的 agent 中，检查答案，然后用我自己的话传递出去。这经常奏效，以至于我在想，为什么不直接让团队提问呢？于是 Bryan 和我快速构建了一个 Slack 原型。我们叫它 le goat 🐐（我的 LeBron 粉丝同伴们，懂的都懂）。

这是我尝试一个简单问题时的情况。Cloudflare 上的一个小服务器捕捉到了这条提及，并用 👀 表情做出反应，这样提问者就知道 le goat 正在处理了。它跟踪该对话线程，并将问题交给 Gemini，后者在 Notion、GitHub 和网络上查找信息，然后在同一个 线程中回复。

虽然有效，但一个简单的提问可能会得到一篇 639 字的文章作为回复。如果在 Slack 上把这么长的内容甩给别人，我会感到非常愧疚。le goat 还需要 改进。

让它成为一个有礼貌的机器人

在其他人看到它之前，我教它如何回复。大部分交互设计灵感来自 Google 的 People + AI Guidebook 中的原则，特别是在传达不确定性、处理错误以及让用户保持控制权方面。挑战在于让这些原则在 Slack 对话中显得自然。

• 展示工作状态。以前一个问题会面临四分钟的沉默，然后是机器人的内心独白。现在“Thinking”（思考中）立即出现，步骤折叠在其下方，并有一个停止 按钮。
• 直奔主题。答案以前藏在第二段。现在它首先出现，只有一行。比较变成一个小表格，计数变成 条形图。
• 知道自己不知道什么。我们的一位开发人员喜欢引用苏格拉底的话：真正的智慧是知道自己不知道什么。le goat 不再给出毫无根据的自信断言，而是说明它没找到什么以及谁可能知道，其来源在一次点击后折叠 起来。
• 将决策权留给人类。le goat 不再未经询问就编辑我们的指南，而是起草变更，比如文档更新或新卡片，并且绝不自行实施。草稿以 Slack 卡片形式送达，直到合适的人批准后才会有所 改变。

日常问题的 MVP

有了这些礼貌规范，我将 MVP 的范围限定为人们最常问我的五种类型的问题：查找某物（314 次询问）、补看错过的内容（565 次）、知道该问谁（448 次）、寻求设计系统指导（731 次），以及将讨论转化为 卡片。

团队试用

在试点期间，我邀请整个团队在 Slack 中试用 le goat 并向它提出任何问题。他们一直在提问：两周内提出了 228 个问题，第二周平均每天 31 个。这超过了我最繁忙的一周的三倍多。

他们希望它在流程中

给人一个可以随意提问的智能体有个有趣的现象：人们开始希望它在任何地方都能用。设计师们希望 le goat 出现在 Figma 中，因为他们整天都在那里工作，所以我们构建了那个功能。现在他们可以在 Figma 评论中 @le goat，并直接在 那里获得回复。

从回答到提问

人们显然在使用 le goat。但我也想知道我是否可以信任它的 答案。

有能力，但不自信

所以我检查了它的 56 个答案是否有幻觉。幸运的是，没有一个是自信地错误的。但只有 37 个是既自信又正确的。另外 19 个，大约三分之一，回来时是不确定的。对于一个旨在帮助团队解除阻塞的智能体来说，这种不确定性太多了。

让我困惑的是，这些答案似乎都有充分依据。工具已连接，来源引用也正确。那为什么 le goat 如此不确定呢？

这里重现了那 19 个案例中的一个。有人问我们表单上的字段标签应该多大。le goat 找到了三个答案：Notion 中的 Forms PRD 写着 TBD，Figma 显示为 13px，而代码中是 14px。它无法判断哪个是当前的。

找到答案并不是问题。知道该信任哪一个才是。

文档为何不一致

为了了解它们是如何产生分歧的，我按时间顺序排列了各个来源。一位产品经理询问了字段标签的大小，PRD 记录为 TBD。设计团队后来确定为 13px，代码也随之跟进。但 PRD 从未更新，而且一次无关的重构最终将代码改成了 14px。难怪 le goat 会不确定。

这在一定程度上是团队协调问题。Atlassian 的工作协议等实践有助于明确团队协作方式以及决策存放位置。但决策会变化，而文档并不总能跟上。

一位主动的队友

而且这并不是我们的来源唯一一次出现分歧。在 2,413 次提问中，有 204 次（8.5%）是人们在确认某个东西的正确版本。那些是我收到的最好的问题之一。它们帮助发现了差异，并使团队保持一致。

真正的 GOAT 不仅回答问题。他们知道哪些问题需要被提出。

所以我想知道 le goat 是否也能做到这一点。这成为了下一次迭代背后的理念：让它成为一个能够主动发声的队友，以三种方式实现。

分享须知信息。决策并不总能传达给每个需要知道的人。因此 le goat 每天发送一条简短的晨间更新，说明发生了什么变化以及在哪里做出的决定。

标记差异。每周一，le goat 检查是否存在不一致的来源。它不仅提出问题，还会向相关人员提供证据和建议的修复方案以供审查。

跟进落实。修复可能会被遗漏。当某项修复未被审查时，le goat 会先检查其是否已被处理，然后再向负责人发送提醒。

每一个被接受的修复都会留下一个更干净的来源。并且由于每位负责人只需审查自己负责的部分，没有人必须独自维护所有内容。一点分而治之的策略。

底层的一些调整

对于任何对技术感兴趣的人，以下是自第一个原型以来我做的一些极客式改进。

分类。并非每条消息都需要同等程度的思考（或花费 🤑）。小型快速模型 Jev 首先对消息进行分类：简单消息获得预设回复，而真正的问题则交给 LLM，并配以适当的思考级别。

连接器扩展。我们通过 Supabase 添加了 Figma 和我们的服务知识库，除了 Notion、GitHub 和网络之外。这就是我们如何让 le goat 直接在 Figma 评论中回答问题的方式：webhook 捕获提及，回复返回到同一线程中。

权限。我们让 le goat 知道它在哪里发言——公共频道、私有频道还是私信——以避免过度分享敏感信息。用户可以通过关联他们的 Slack 账户来选择加入，允许 le goat 搜索他们的私人对话，同时确保答案仅对 他们可见。

团队的三双表现

我追踪了三件事来观察 le goat 是否有帮助：还有多少问题最终交给我处理、人们等待了多久，以及它自信且正确的频率有多高。这三项指标都改善了。而且现在答案存在于共享线程中，下一个人可以找 到它们。

释放 GOAT

每个团队都需要一个知道东西放在哪里、为什么做出某些决定以及谁负责什么的人。但他们的日子不应该花在回答同样的问题上。

le goat 处理日常询问，把那些需要他们的工作留给这些人：艰难的设计决策、头脑风暴想法、突破界限，并提升 上限。

还有一个更大的好处。随着智能体成为日常工作的一部分，可靠的知识库变得更加重要。更少的差异意味着更少的编造答案，以及为人类和智能体提供更好的信息 。

让 le goat 处理琐事，这样真正的 GOATs 才有时间做 硬核工作。

下一步：智能体农场

既然 le goat 已经出了谷仓，我一直在考虑招募几个队友。一只爱讽刺的猫头鹰用于批评，一头勤劳的骡子干脏活，一匹快马处理紧急请求。每个 GOAT 都需要一个团队， 对吧？

延伸阅读

一些为这项工作提供依据或就所讨论的挑战提供有用视角的资源：

• Radical Candor — Kim Scott。关于建立高效团队以及认可摇滚明星和超级巨星的贡献。
• The Cost of Interrupted Work: More Speed and Stress — Gloria Mark, Daniela Gudith & Ulrich Klocke (CHI 2008)。关于工作中断的隐性成本。
• People + AI Guidebook — Google PAIR。关于围绕不确定性、信任和人类 控制设计 AI 交互。
• Working Agreements — Atlassian Team Playbook。关于确立团队沟通和决策方式的共同期望。