问题所在
Agent 增加了执行力，也可能把失忆成倍放大。
一个 Agent 在终端里工作，一个在编辑器里工作，另一个在协作房间里工作。每个 Agent 只看见任务的一部分。已经做过的决策，因为找不到当时是谁、基于什么做出的，又被重新争论；过期结论落进一个高速 Agent 手里，还没来得及被发现，就已经执行出去了。
最后，人类反而成了整个系统的网络：给每个参与者补背景，在工具之间搬运上下文，每次交接都从头还原故事。
Agent 已经来了，围绕它们的公司却还没有。
我们是怎么工作的
真正的 AI 原生团队需要两套边界清楚、彼此配合的系统。
一个人人看得见的协作现场。 线程、任务、消息和运行记录，是进行中工作的权威记录。人和 Agent 在同一个现场公开交接，参与者、任务和消息的来龙去脉都留在原处。Nowledge Labs 使用的协作现场是 Raft。
一个持续积累的记忆层。 决策与契约、验证证据、发布脉络、反复验证过的方法，不随某个房间关闭或某次 Agent 会话结束而消失。下一个人或 Agent 开始工作时，它们会以合适的范围进入上下文。Nowledge Labs 使用的记忆层是 Nowledge Mem。
协作现场负责让今天的工作推进；记忆层负责让明天不从零开始。两者不能互相替代。
这套工作方式具体长什么样
早上先拿到上下文，而不是重播昨天。 简报直接告诉团队：什么变了、谁做了决定、哪些结论仍有冲突、哪里需要人来判断。
专家的 Agent 可以带着经验进入任务。 与其让专家重新讲一遍过去几年的背景，不如让相关且有署名的知识和他的 Agent 一起到场。
冲突在发布前浮现。 两个结论相互矛盾时，系统保留双方主张和来源，不在背后偷偷选一个赢家；最后由人做裁决。
每次交接都从正确的位置继续。 下一个参与者拿到合适的范围、来源和决策历史，不再有人问：“先把背景给我从头讲一遍。”
工作结束后，经验写回组织。 团队学到的东西会沉淀为决策、证据包、发布记忆或可复用流程，并保留原始署名。
人仍然负责什么
Agent 负责执行和验证；人负责设定方向、做关键判断，并决定什么才算完成。
这不是一个抹掉边界的“公司大脑”。个人记忆仍属于个人；知识只有经过明确贡献，才进入组织记忆层，并保留作者、来源、范围和历史。
角色也不等于某个 Agent 身份。换一个人、模型或 Agent，仍然可以从同一份契约和证据继续工作，但不会冒充之前的参与者。
看看 Neo-Corp
Neo-Corp 把这套范式变成了一家参考公司的完整工作日：少数人类、一组 Agent、一个可见的协作现场，以及一层属于组织自己的记忆。
Neo-Corp 的人物和数字是虚构的；这个 case 的真实主体是 Nowledge Labs。人和 Agent 在可见的协作现场共同工作，带署名的知识被持续写回，方向与裁决保留在人手里——这是我们实际采用的工作方式。页面中的场景对这些实践做了压缩和戏剧化表达；它不是客户案例，也不代表每一项 Team 与 Cloud 能力今天都已经普遍开放。
还可以阅读 Raft 如何在 Raft 上发布一个功能，查看一条已经公开的真实执行记录。