工作中沉淀下来的上下文:会议记录、需求解读、政策、复盘。它会持续修改,并作为 AI 上下文使用。
- 作为 AI 上下文使用
- 按关系相连
- 持续更新
Problem
在通用的对话式 AI 里,每开始一项新工作,往往都要重新交代项目的背景与结构、需求以及以往的决定。
对话很快,但项目越长,人来传递上下文、再把结果搬回工作里的活儿就越多。
“这个项目用的是 Next.js 16……”
“现有的认证结构是……”
“上次的决定是……”
“这次的任务要……”
“这个项目用的是 Next.js 16……”
“现有的认证结构是……”
“上次的决定是……”
“这次的任务要……”
不是 AI 慢,
而是向 AI 说明工作的过程在不断重复。The bottleneck is not always the model. Sometimes, it's the workflow around it.
PJT
计划、Tech Spec、任务、文档、决定与工作结果,都连接在同一个项目里。
AI 代理基于需要的项目上下文开展工作,结果又回到任务与 Knowledge 中。
减少说明的时间,
把精力放回真正的工作上。
人与 AI 理解同一个项目,在同一条工作流里各自承担角色。
人决定方向,AI 代理执行工作,结果又成为项目的上下文。
人和代理看到的是同一份信息。
ALP-128Implement Passkey Authentication
实现笔记 · Passkey 认证流程
它会进入 Project Alpha 的上下文,下一项工作中人与代理都会参考。
Human decides.Agent executes.PJT keeps the context connected.
Personalization
Workspace Theme 不是给画面上色的装饰,而是表达选择与状态的方式。背景和表面保持中性,只有选中的项目和主要操作才用颜色。
Space
产品团队、运维团队、市场团队的节奏各不相同。Space 把这种差异变成结构,让每个团队只在自己的上下文里行动。
Product Development · 项目 8 · 成员 12
Product Development · 产品研发 — 从需求到冲刺再到发布
创建之前先用预览确认会包含哪些模块。
Knowledge · Documents · Assets
都堆在同一堆“文件”里,谁都不知道该把东西放到哪儿。我们把三个角色分开,只让它们彼此相连。
工作中沉淀下来的上下文:会议记录、需求解读、政策、复盘。它会持续修改,并作为 AI 上下文使用。
已经达成一致的成果:方案、规格书、报告。版本被固定下来,用于共享与审批。
图片、标志、图标、视频、文件、模板。在任何项目和文档中都能引用的公共资源。
Enterprise Security
我们把采购评审会问到的项目做成了界面:查看状态、保管密钥、按层级授予权限、留下变更记录。
类似 1Password 的表格。类型 · 归属 · 最近使用,一行看全。
从上层继承权限,只在需要的地方收紧。例外会保留标记。
PJT 并不止于管理项目和任务。
它把计划、Tech Spec、任务、Documents、Knowledge 与工作结果连接成同一个项目上下文,让人与 AI 代理能在同一条工作流里协作。
在通用的对话式 AI 里,每次提出请求,往往都要由使用者重新交代项目背景、需求和以往的决定。
PJT 的设计让 AI 代理能基于项目内已连接的工作上下文开展工作,重点在于减少重复说明和工作切换。
AI 代理可以基于项目上下文和分配到的工作,完成分析、计划、执行、验证等任务。
人负责决定方向并审阅结果,代理的工作结果又会回到项目的工作与知识中。
不会。
PJT 追求的不是用 AI 取代人,而是人与 AI 各自承担角色、一起工作的环境。
人负责方向、判断、优先级与审批,AI 代理协助完成必要工作的分析与执行。
可以。不只是新项目,已有的项目也能迁入 PJT 的工作结构并继续管理。
把项目原有的计划和工作信息接入 PJT 之后,就能扩展到任务、Documents、Knowledge 以及 AI 代理的工作流。
可以。
在个人项目中也能管理项目、任务、Documents 与 Knowledge,并与 AI 代理一起推进工作。
团队变大之后,可以把同样的项目和工作上下文分享给成员一起协作。
客户数据不会用于 AI 训练。数据静态存储使用 AES-256 加密,传输使用 TLS 1.3,访问记录会留在审计日志中。
可以。PJT 可在网页上使用,也可以通过 Desktop App 在独立的工作空间中使用。
你可以选择更适合自己工作环境的方式。