@nathanbarry: How much time would you save if you could clone your expertise with AI? @danshipper's team at @every turned 40,000 of t…

How much time would you save if you could clone your expertise with AI?

@danshipper’s team at @every turned 40,000 of their editor-in-chief’s copy edits into an AI skill. Now the agent does a first pass before a piece reaches her, so she spends less time on each one while her impact grows.

Watch the full episode here: https://youtube.com/watch?v=b-1vvLrsyjE…

TL;DR：Every 的 Dan Shipper 认为传统新闻通讯正在走向消亡，专业创作者的下一步是把 AI 代理当作常驻同事——用“评测 + 技能“把专家的判断力复利化，而不是事事亲力亲为。

一场正在发生的范式转移

Nathan Barry 在节目开场就抛出了最刺激的观点：新闻通讯已死。两年后创作者们会猛然醒悟——打开率要么是零，要么是 100%，但没有任何人真正在互动。

Dan Shipper 经营着一家叫 Every 的公司。他写关于 AI 的文章，开发 AI 软件，而且能在模型正式发布前就拿到内测权限。他采访过 Sam Altman，Nathan 认为他几乎是自己认识的人当中最接近技术前沿的了。Nathan 也坦言，尽管不想承认，但 Dan 可能是对的。

两人判断，未来 OpenAI 或者 Claude 可能会推出一个收件箱产品，但它会完全不同——不会长得像传统的邮件收件箱。Dan 的整个团队现在只追逐一个数字：他们每个季度收到多少封邮件。而他告诉 Nathan，他们可能会在接下来几个月停止追逐这个指标。一个值得注意的信号是：如果你的业务在 AI 领域排名很好，那这很可能成为一个重要信号，影响某个 AI 代理是否让邮件通过。如果邮件是你业务的重要组成部分，你就需要听这一期。

专业创作者今天就该搭建的工作流

Nathan 的第一个问题是：任何专业创作者今天就应该去搭建的工作流是什么？

Dan 的回答是：你大部分工作将在一个 AI 代理的工作台里完成，比如 ChatGPT for Work 或者 Claude 桌面应用。具体来说，其中一个应用里，你的 AI 代理在屏幕一侧，屏幕的主要部分被一个内置浏览器占据，你在上面打开平常会用的任何网站——Google Docs、Notion、GitHub 或其他工具。你就在两者之间来回切换，和代理深度协作，同时代理在后台替你处理一堆你不用盯着看的事情。

他强调，熟悉这个工作流极其重要，也极其强大。一旦开始这样做，就会打开很多可能性。

边写边说：Dan 的实际操作

Dan 经常一边写一边说话。他写着内容，同时跟代理说：“你能帮我查一下这个吗？“或者“你能把上面某段改成这样吗？“它回答“好的，我去改”，然后他继续写。

很多时候他写作时甚至不看屏幕——戴着 AirPods，看着沙发上的笔记本，把某一段的内容口述出来，可能在笔记本上写几个字，然后说：“好，把现在的内容读给我听。“代理读给他听，他再写下来，两人反复打磨。用的就是 ChatGPT 里那种语音模式。

如果他不看着屏幕，他会说：“好，我想改引言的结尾段落。你能把引言再读一遍，告诉我现在的结尾段是什么？“代理回答后，他会要求：“你能再试一版吗——如果我们改一下那个段落里的这句话，会是什么效果？你先给我一版，让我听听感觉。”

代理通常会给出一个他觉得不完全对、但已经足够接近的答案，能启动他的思路，然后他把最终版本写下来，代理再把它推进文档，两人接着做下一段。

两件正在让局面失控的事

Dan 认为现在情况越来越疯狂，因为发生了两件非常重要的事。

第一，电脑操控能力已经好得离谱。 现在的模型已经在剪辑视频了，而且剪得很好。关键不是 Claude 多了一个单独的视频剪辑功能——它们是在剪辑工具里操作，用的是 Premiere，而且速度很快，效果也不错。

第二，Gemini 4 的写作能力好得离谱，比任何其他模型都好。这款模型正是在他们录制这一周发布的。Nathan 表示，根据之前的趋势，他不会想到这一点。

Dan 当天刚发布了一篇 8000 字的长篇未来故事，关于 Codex，叫《Codex 是如何发生的》。他觉得这是自己写过的最好的东西之一。他向 Nathan 描述写长篇的那种痛苦：写到一半时觉得没问题，看到完整结构后才发现顺序完全不对，得把所有东西重新排列。大部分内容已经写好了，但你得认真想——最有趣的部分是什么？现在应该放在最前面的是什么？你几乎想拿起剪刀把东西剪出来重新排列。Nathan 说自己一直希望能在三维空间里做这件事，看到各部分之间的关系，他在自己的书里就做过这样的事。

用代理去调度另一个模型

离发布只有两天，文章中间有一大约一千字的部分顺序完全不对，而 Dan 还有别的工作。于是他让常驻的 ChatGPT 代理去处理：找到 Gemini，把文章给它，把关于顺序问题的提示词给它，让它批判性地分析，提出一个新的排序方案，然后进入文档、以修订模式应用这个变更。

代理直接进去了——删除这段，上移那段，删除这段，上移那段。Dan 一小时后回来看，顺序已经调好：不是完美的，但非常接近。然后他一路接受、接受、接受，再缝合一些细节。

这一切都在 Google Docs 里完成，他得到的是完整的修订记录，就像把提示词直接给了一个人类编辑一样。他补充说，自己确实有人类编辑——有两位编辑参与了这篇文章，都非常优秀，但这发生在他们审阅之前的阶段。

把主编“产品化“：Every Agent 与 Kate 技能

Nathan 提出了关键一问：如何在 Every 内部把主编产品化、代理化，从她的编辑修改中学习，从而在她看到之前就提升所有人的写作水平？

Dan 介绍了 Every Agent——一个 AI 同事，让整个组织快速实现 AI 化变得超级简单。因为它在 Slack 里被公开使用，你是在公开地写提示词，其他人就能看到、学到东西，因为你是展示给他们，而不是告诉他们。你不用一直试图解释，只需要说“嘿，在 Every 里做这件事“，它就能按你们工作的方式来运作。

其中一个效果特别好的工作流，是思考如何复利化组织内专家的知识，把它推送到 Agent 中，让其他人可以利用这些知识和专长，而不必占用那位专家更多的时间。

以 Kate 为例：她是 Every 的主编，一位非常出色的文字编辑，加入公司大约四年，因此积累了大量她的修改记录。团队取了大约三四万条她的文字编辑修改，转化为一个技能（skill）。此后每当一篇文章在她看到之前，你只要对 Every Agent 说“对这篇做一次 Kate 检查“，它就会做很多她平时会做的工作。这样当她看到文章时，已经更接近她的口味，她也不用在每篇文章上花那么多时间。

而且它会随着时间越来越好——每次它做了修改，Kate 接受、拒绝或添加内容，它就会学到“这里是我漏掉的东西“。所以她做的越来越少，但她在整个组织的影响力越来越大。Dan 认为这是一种预览：未来你作为专家如何高效工作，就是负责确保这个系统运转良好，而不是每件事都亲力亲为。Nathan 总结：你在获得复利效应的价值。

怎么搭出这个技能和反馈循环

Nathan 追问实现细节，并指出很多人会以为要写一个完整的技能，但其实没有人真正写了那个技能。

Dan 承认：目前做初版很容易，真正做好很难。不过在六个月到一年内它就不会难了——大约一年后，这种工作流对每个人来说都会非常普遍。但就目前而言，如果你是一个超级 AI 玩家或技术型的人，你应该试试。

做法是：如果你有一堆数据——你做某类特定任务或特定决定的数据——把它汇总起来，告诉 Claude、Codex 或 ChatGPT：“帮我生成一个技能。“然后把它放进你的 Codex、ChatGPT，或者如果你有 Slack Agent 的话就放进去。然后使用它，并搭建一个系统，让它每次使用时自我检查：“我漏了什么？“再把这些反馈灌回技能里。

先建评测，再让模型最大化分数

关于反馈循环，Dan 说目前所有的解决方案都有点定制化，取决于你要做的技能，但核心是：

1. 拿到所有数据后，先创建一个评测（eval）。评测就是一个测试，它给模型一大堆看起来像你实际工作场景的问题或任务——比如一个“Kate 评测“。它的作用是衡量模型在做你的工作时的表现，这样每次运行模型时你都能说：它在这个测试上做得怎么样？你可以不断添加或修改测试，让它更好地反映你的工作方式。
2. 有了评测，就让模型（比如 Claude）生成一个能最大化评测分数的技能。比如在 50% 的情况下 Kate 会做文字修改，你要能判断这个模型对了 50%。
3. 随着时间推移，当你有越来越多的数据、在越来越多的地方使用它时，开始尝试修改技能，融入更多数据或更多学到的东西，然后在评测上重新测试，尝试最大化分数。

平台选择：与其处处 5%，不如一处 100%

Nathan 顺势谈到自己的困扰：很多创作者困在一个状态里——从一个平台跳到另一个平台，看了一个视频或播客就说某个工具能做这个，设置到一半又跳到下一个。他最近的决定是订阅所有平台，但只选一个深入使用。他想问 Dan 两点：怎么看这个做法，以及该如何思考选哪个平台。

Dan 的回答是：这非常个人化，取决于你是谁、你要做什么。对他来说，测试所有这些东西就是他的工作——他需要出现在所有平台上。他同时在多个平台上跑不同的事情：他知道 Gemini 现在在某个方面特别强，就直接跳到 Gemini 处理写作任务（尽管长篇写作用 Claude）；有一篇新的机器可解释性论文发布，他正让代理基于那篇论文构建东西；同时他的常驻代理在处理他的日常事务。“公司叫 Every。我喜欢同时做很多事。“但他也理解，有些人就是想……

（访谈在此处延续，讨论转向具体的平台取舍。）

Source: https://www.youtube.com/watch?v=b-1vvLrsyjE