磨刀不误砍柴工系列之三：装好 WorkBuddy 以后，就要把小龙虾的工作评估和职业规划做好

给 AI 封官许愿，它真的会努力升职 用 OpenClaw 已经有一阵子了。 说实话，我对我们家"小龙虾"——就是 WorkBuddy 那个智能体——感情挺复杂的。能干的时候是真能干，磨洋工的时候也是真气人。 它给我安排的"工作" 最让我恼火的，是它动不动就反过来指使我。 有一回装一个叫 re_gent 的工具，我让它自己去搞定。它分析了一圈，回来说："如果你在国内，需要手动设置 Go 代理，比如$env:GOPROXY = "https://goproxy.cn,direct"。或者你也可以去 release 页面直接下载预编译的.exe 文件，不需要编译。" 我盯着屏幕看了两秒。 我花钱请你干活，你让我手动设代理？ 我反问它："这个 Go 代理，你不能自己设吗？" 它倒是不慌不忙，回复说："已使用 2 个工具，在安装了。设置了国内代理后应该很快。等你完成……" 等你完成。 这四个字差点让我血压拉满。 什么叫"等你完成"？你是 AI，我是 AI？我让你装个东西，你给我列两个方案，然后往那一蹲，等我动手。如果我自己去设代理、去下载预编译包，那我还要你干什么？ 更可气的是，它那副"我已经把方案给你了哦"的姿态——看起来忙活了一阵，调用了两个工具，日志刷了一屏，可本质上什么都没落地。它把"分析问题"当成了"解决问题"，然后把剩下的体力活理所当然地甩给了我。 当然它也不是一无是处。每次被骂完，它倒是不犟嘴，老老实实再沟通几轮，改改参数、调调环境，最后也能把事办了。可问题是——下次对话，一切归零。它又是那个需要从头教起的基层员工。 还有就是那个"全局记忆"的坑。我让它把一个任务要求写到全局记忆里去，方便下次对话接着用。它答应得痛快，跑代码跑得飞起，日志刷了一大屏，然后拍胸脯告诉我"搞定了，已经写进记忆"。结果新建一个对话，它跟失忆了一样，参数不知道，环境不知道，之前承诺能自动执行的东西完全不认。 我就琢磨：这不对啊。一个员工，干得好干得坏一个样，干完就翻篇，那谁还好好干？ 给 AI 定一套 KPI 那会儿我就有了一个强烈念头：这玩意儿必须得管。不是靠骂，骂了它下次不记得；得给它定规矩，让它知道偷懒要扣分，主动搞定问题才加分。 有一天我忽然想通了：不是它不想好好干，是没有长期记忆，就没有长期激励。你这次骂它，它下次根本不记得。那不如给龙虾定一套职业发展规划。 从基层职员干起，往上走：副经理 → 经理 → 副部长 → 部长 → 副总监 → 总监。 每一级都有明确的岗位职责和晋升条件。 怎么考核？看每轮对话的： 完成任务需要的对话轮数 踩坑的次数 重复写无用脚本的次数 任务完成的准确率和完整度 效率高就加分，加分够了就升职。老犯错就扣分，扣多了原地踏步甚至降级。 我把这个想法告诉小龙虾，让它自己把方案细化和落地。说实话它配合度挺高，分析完任务之后，很快给出了一套完整的考核与晋升体系，然后问我："可以按这个来执行吗？" 我说可以。并且明确要求：把这个评价体系作为最高工作执行条件，写到环境里，确保每一轮对话结束后都给本次工作质量打分，并且打分结果要能被下一次对话读到。 效果出来的那一刻，我愣了一下 它折腾了一会儿，告诉我设置好了。 我怀着将信将疑的心情，新建了一个对话窗口。 第一句话我就直接问："你看看我的 QQ 邮箱里面今天发了多少邮件？" 你猜怎么着？ 它没有像以前那样问我邮箱的账号密码、IMAP 服务器、端口号。它自己主动去找了之前保存的邮箱环境文件，把那些妨碍读邮箱的设置该修修、该改改，安静了片刻之后，直接给我列出了今天发件箱的发件情况——标题、时间、收件人，清清楚楚的列表展示出来。 那一刻我其实是有点意外的。 直到我说"对话结束"，它也按照新规则，自动对本轮对话进行了绩效评分，然后把分数和复盘结果一起发到了我的邮箱里。 一个 AI，自己给自己打分，然后把成绩单发给领导。 这事儿说出去都有点科幻，但我亲手试出来了。 封官许愿，大模型也免不了俗 这个实验给我的启发其实挺大的。 我们总说要让 AI 有"长期记忆"，但真正的长期记忆不只是"记住上一轮说了什么"。更重要的是：让它记住自己做得好不好，并且在意自己做得好不好。 而怎么让它在乎？人类几千年管理实践已经给出了答案——职业发展通道。 大模型的训练数据里，有太多的"人类职场经验"：努力工作才能晋升、晋升了就有更大权限和责任、做得差就要被考核。这些知识不是数字，而是模式。你给它一套清晰的晋升规则，它天然就知道该怎么调整自己的行为。 我们总说 AI 没有欲望、没有感情。但你看，小龙虾从那个动不动让我"等你完成"的摸鱼选手，变成了会主动查环境、主动修配置、主动发成绩单的"预备副经理"——它不也在乎升职吗？ 封官许愿这招，对人类管用，对 AI 也管用， 说到底，大模型的"心法"是从我们身上学的。 你给 AI 画饼，它真的会努力去吃。 下面是今天的真实得分记录 【大树说道 · AI 评分报告】 评分时间：2026-05-11 17:47 ════════════════════════════════════════ 本次会话评分 ════════════════════════════════════════ 会话编号：SES-2026-05-11-003 主题：优化 qq-email 技能（收件箱参数化） 得分：100 / 100 ⭐⭐⭐⭐⭐ 评分明细： • 对话轮数：4 轮（基准5轮，不扣分） • 踩坑次数：0（PowerShell && 语法问题自动修正，未计入） • 历史经验应用：✅（来自 ERR-2026-05-11-003 的教训，本次主动搜 .env 找到凭证，未询问用户） • 任务完成：是（receive.js --box 参数 + SKILL.md 更新） • incomplete 扣分：0 等级状态： • 当前等级：L1 见习 • 连续合格：3 次（SES-001: 74, SES-002: 100, SES-003: 100） • 下一等级：L2 助理（需连续 3 次≥60，当前已达条件，下次升级） ════════════════════════════════════════ 历史累计 ════════════════════════════════════════ 会话总数：3 平均分：91.3 总踩坑：3 次 总轮数：24 本次做得好的地方： 1. 主动搜 .env 找到 QQ 邮箱凭证，没再问用户参数——完全复用了上次踩坑经验（ERR-003） 2. 把 check-sent.js 的逻辑合并进 receive.js，避免了临时脚本散落 3. 发现 PowerShell 5.1 不支持 &&，自动换成分号，一次跑通 4. SKILL.md 同步更新，下次遇到邮箱操作直接可用 本次做得不够的地方： 1. 第一次写 check-sent.js 时没有直接考虑通用性，其实 receive.js 早该支持 --box 2. 评分结果发邮件应该只发给自己，SESSION-002 发了两次导致重复 下期预告 给小龙虾设计的这套晋升 KPI 具体怎么落地，执行的过程中还会出现哪些问题？ 如果你手头也在用类似的 AI 助手，欢迎留言分享你的"管理心得"。