AI Teammate Model 是一个用于设计 AI 智能体产品、规划智能体工作流路线图，以及评估 AI 如何从被动工具演进为主动伙伴的框架。其核心目标是让 AI 智能体超越单纯的代码生成，参与整个软件生命周期，并具备主动性。
核心原则 把 AI 当作一名新来的实习生：初期验证其工作，随后逐步建立信任并授予自主权。
演进阶段 第一阶段：智能实习生（The Smart Intern）
- 被动响应，需要明确的提示
- 没有上下文，无法读取 Slack/Datadog
- 需要完整审查
- 采用"提示到补丁"（Prompt-to-Patch）工作流
第二阶段：结对程序员（The Pair Programmer）
- 协作式，在 IDE/终端中工作
- 人在回路中进行验证
- 开始获得上下文感知能力
- 处理环境搭建
第三阶段：主动型队友（The Proactive Teammate）
- 自主运行，监控 Slack/日志/指标
- 信号驱动，无需提示即可行动
- 异步执行
- 高度信任的委托
关键原则
- 上下文集成：智能体必须能够访问完整环境（运行时、日志、通信）
- 默认主动性：从提示驱动转向信号驱动行动
- 信任演化：从微观管理逐步过渡到委托
- 全生命周期：智能体参与规划、编码、审查、部署
启用清单 要从第一阶段进化到第三阶段，需要：
- 授予对通信工具（Slack、Email）的访问权限
- 连接可观测性工具（Datadog、日志）
- 启用自主执行（后台任务）
- 构建反馈循环（运行 → 报错 → 修复 → 运行）
常见错误
- 将其视为黑盒 → 应让它访问验证工具
- 期望立即获得自主性 → 应先用上下文"入职培训"
- 没有反馈循环 → 智能体无法从执行结果中学习
真实案例 OpenAI 让 Codex 为其自身的训练运行"on-call"，监控图表并修复配置错误，无需人工干预。 来源：Alexander Embiricos（OpenAI Codex），来自 Lenny's Podcast。