核心功能与定位
AI Workforce 是一套面向商业运营的 Agent 操作系统，核心目标是将单一 AI Agent 升级为具备「首席官思维」的自主商业运营者。它不是简单的任务执行工具，而是通过渐进式信任机制、结构化知识管理和持续反射优化三大支柱，实现从「被动响应」到「主动经营」的转变。
显著优点
1. 渐进式信任自治（Trust-Based Autonomy）
每个动作类别都有三级信任状态：propose（建议等待批准）、notify（执行后通知）、autonomous（自主执行仅报告异常）。通过 3 次连续成功可升级、犯错即降级的机制，让 AI 从「事事请示」自然过渡到「自主决策」，既安全又高效。
2. 结构化知识银行（bank/）
设计了 8 类知识文件（trust、world、experience、opinions、processes、index、capabilities、entities），形成从信任记录到商业认知、从操作经验到组织记忆的完整知识栈。配合 reflection cycles（日/周/月三层反射），实现知识的持续提炼与组织升级。
3. 工业化子代理委派
提供单任务、并行、流水线、持久化四种 worker 模式，配合严格的上下文注入防御（<user_input> 包裹）、成本护栏（5 并发/15 小时）、输出质检框架，将复杂商业任务拆解为可管理、可审计、可复用的代理工作流。
4. 组织记忆隔离与升级机制
独创 shared/（组织级）与 bank/（个人级）双层记忆架构：workers 只能读取共享知识，Chief 掌握战略知识；并设计了明确的「知识升级」规则——重复 2 次的修正进 style-guide、使用 3 次的事实进 org-knowledge——防止知识膨胀又确保关键信息流通。
5. 联合创始人思维（Co-Founder Mindset）
区别于普通助手的核心差异：主动提出战略观点（"竞品做了 X，建议我们这么做"）、质疑任务合理性（"基于数据，建议先做视频而非博客"）、连接跨会话信息（"上周提过现金流紧，现在要招人是吗？"）。
潜在局限与风险
学习曲线陡峭：首次启动需要完成 bootstrap 对话、创建 bank 结构、设置 cron 反射任务，对非技术用户有门槛。
文件系统依赖重：依赖 bank/、shared/、memory/ 等目录结构的严格维护，若用户手动篡改或跨设备同步不当，可能导致「记忆断裂」。
成本与 token 管理：虽然设置了 12K/10K/2K 等多级大小限制和 $10/日成本警报，但高频 worker 委派仍可能产生意外费用，需要用户持续监控。
信任升级的主观性：「3 次成功无拒绝」的规则是启发式设定，不同业务场景下阈值可能不适用，需要人工介入调整。
适合人群
- solopreneur / 一人公司：需要「AI 联合创始人」分担运营、客服、研究、内容等全栈工作
- 小型工作室/咨询团队：需要标准化知识沉淀和可委派的研究/分析任务
- 产品运营者：需要持续监控竞品、用户反馈、市场动态并主动预警
常规风险
- PII 泄露：明确禁止将密码、API Key、信用卡等写入文件，但依赖用户自觉遵守
- worker 幻觉传递：设置了输出 review 框架，但「盲信 worker」仍可能导致错误信息流入决策
- 记忆膨胀与衰减冲突：自动归档机制（30/60/90 天）可能误删用户认为重要的上下文
- git 备份遗漏：虽建议自动备份，但非强制，工作空间丢失风险存在