AI 写代码很快，但它每天都是入职第一天
关联
Dennis Pilarinos 是 Unblocked 的创始人。这家公司做的事情听起来简单：把散落在 GitHub、Slack、Notion、Confluence 里的团队知识整合起来，喂给写代码的 AI 智能体。
在 LeadDev 大会现场，他和 Scaling DevTools 聊了为什么这件事比想象中难得多——以及为什么让 AI 更聪明根本不是解法。
为什么说 AI 智能体像专家陌生人？
Dennis 有一个好用的比喻：想象两个人都有 10 年经验，一个在你公司待了 10 年，一个是刚入职的新人。让他们修同一个 bug，谁做得好？
显然是前者。技能一样，差的是对公司历史的了解。
「Intelligence is not the gap. It’s context that’s missing.」（差的不是智能，是背景。）
现在你在终端里启动一个 AI 编程智能体，它就像你入职第一天：对代码库为什么长这样、过去哪些决策是怎么做的，一无所知。
于是它疯狂地在源代码里搜索、反复调用工具，做很多无用功。
Unblocked 做的就是把这层背景知识补上。据他介绍，接上之后智能体完成任务能快 40% 到 60%，而且更省——同一任务的算力消耗（token 用量）降低 30% 到 50%。
团队管理 AI 上下文的三个阶段，你卡在哪一级？
Dennis 观察到各公司普遍在走一条成熟度路线。
第一阶段：用本地文件喂上下文。很多人把一堆说明文档放在本地目录里，告诉 AI 该怎么做。
等两个人合作时，发现各自的文件对不上，只好手工合并、提交到仓库。
但这变成了一份静态文档，需要有人持续维护——就像 Confluence，写完的那一刻就开始过时。
第二阶段：把内部系统通过 MCP 接给智能体。这解决了文档腐烂的问题，但又带来新麻烦：AI 在多个数据源之间不会交叉验证。
第三阶段：建一个真正的上下文层，把所有来源整合成一张知识图谱，让 AI 直接得到已经核对过的答案。
AI 也会「找到第一个答案就收工」
第二阶段有个隐蔽的坑，Dennis 借用一个放射科的术语来解释——搜索满足感（satisfaction of search）：
放射科医生在看片子时，一旦发现第一个异常，就会不自觉地忽略其他可能的问题。
AI 智能体干同样的事。
它查一下 Notion，再查一下 Slack，找到一条看起来对的答案就继续干活了，不会去核实，也不会去找可能推翻这个结论的信息。
这就是单一数据源汇成的静态答案和跨系统核对过的答案之间的差距。
别指望团队为了 AI 改变工作习惯
Dennis 对产品有一条坚定原则：不要求用户改变工作流程。
他从没见过一个团队觉得自己公司的文档是整齐且最新的——这种团队不存在。
所以 Unblocked 的思路是：什么都不用改。它会自己连接各个数据源，在后台清洗、补全数据，建好知识图谱。
用户该在 Slack 里怎么聊就怎么聊，过时的文档也不用删。
他的判断是，要求大家先做一堆前期工作、换来一个几个月后才可能出现的收益，这种交易没人会接受。
最难的技术问题之一：搞清楚你是谁
连接所有系统听起来美好，落地时全是硬骨头。Dennis 举了一个例子：同一个人在 GitHub、Slack、Notion 里各有一个身份，每个系统对你的理解都不一样。
要把这些身份统一起来，是为了做权限控制。
有的公司要求 AI 只回答你有权限看的信息——你可以问我老板挣多少钱，但如果背后那张表格你没权限访问，AI 就不能告诉你答案。
他说自己最喜欢这类软件：在幕后解决了极其困难的问题，而用户完全无感，只是问题一提，好答案立刻出现。
至于那些只存在人脑子里、从没写下来的知识？他承认暂时没办法——脑机接口还没接入 Unblocked 呢。
本集带走
- AI 编程智能体的瓶颈不是智能，而是背景知识：每次启动都相当于新人入职第一天。
- 团队管理 AI 上下文通常经历三级台阶：本地文件 → MCP 接入各系统 → 统一的知识图谱层。
- 搜索满足感：AI 找到第一个看起来对的答案就停，不会跨数据源交叉验证。
- 想让团队为 AI 整理文档、清理过时信息，基本行不通；好的工具应该在后台默默做这些脏活。
- 整合多系统知识的隐藏难题包括：统一用户身份、做运行时权限判断。
所以我们看到的是，有了 Unblocked，智能体完成工作、完成任务的速度提高了 40% 到 60%。
So what we’re seeing is agents are getting their jobs, their tasks done between 40% to 60% faster with Unblocked.
—— Dennis Pilarinos · [02:14]
每次你启动一个新智能体，它就像你在这家公司的第一天。
Every time you spin a new agent up, it’s like you on day one at that company.
—— Dennis Pilarinos · [03:34]
你写完文档的那一刻起，它就过时了，对吧？
Moments after you’re finished writing the document, it’s obsolete, right?
—— Dennis Pilarinos · [06:00]
而在一个规模足够大的组织里，找到一个能够对整个组织做出合理判断的人，实际上非常难。
And at a sufficiently scaled organization, finding someone who can apply the judgment that makes sense for their entire organization is actually really hard.
—— Dennis Pilarinos · [06:08]
智能体会做出完全一样的事情。它们会查一下 Notion 的 MCP，查一下 Slack 的 MCP，找到某个看起来对的东西，然后就心满意足地继续走下去了。
Agents do the exact same thing. They’ll hit the Notion MCP, they’ll hit the Slack MCP, they find something that looks right, and they carry on their merry way.
—— Dennis Pilarinos · [07:26]
智能不是差距所在。缺的是上下文。
Intelligence is not the gap. It’s context that’s missing.
—— Dennis Pilarinos · [09:58]
我从未见过一个团队觉得他们的文档组织良好且是最新的。这根本不存在，对吧？
I’ve never met a team that feels like their documentation is like… Well-organized and up-to-date. It just doesn’t exist, right?
—— Dennis Pilarinos · [14:04]
顺着「智能体」挖下去
- 智能体为什么总是新员工？给它们造一个上下文引擎同公司:Unblocked · 同概念:搜索满足感 (satisfaction of search)、智能体 (agent)、Claude Code、MCP
- 把上下文当资产预编译：Pinecone Nexus 如何重做智能体检索同概念:上下文 (context)、智能体 (agent)、知识图谱 (knowledge graph)、MCP
- 智能体为什么总在最后一步搞砸？因为工作诀窍从来没被写下来同概念:上下文 (context)、智能体 (agent)、知识图谱 (knowledge graph)
换个口味
- OpenAI Codex 全实操：用智能体舰队打造「10 倍速」工作流同公司:Obsidian · 同概念:上下文 (context)、智能体 (agent)、MCP
- 一封邮件睡出一万七千美金：Every 的 Builder Pack 内幕同公司:Notion · 同概念:MCP、智能体 (agent)
- Together AI 产品团队全公开：一套仓库让 PM 下指令就出生产级 PR同概念:上下文 (context)、智能体 (agent)、Claude Code