产品思路与想法的存放处，一点一点往里填
今天大部分协作是这样的：一个人有个想法，说给另一个人听，对方理解、去别的系统里处理，处理完再回来汇报。中间要反复解释背景、转发文件、追问进度。看起来一直在沟通，其实大量时间花在了"把一件事从一个地方搬到另一个地方"上。
AI本来应该能帮上忙，但现在的AI大多只是"你的"工具——它帮你干活，却接不上别人的AI，也没法真正把一件事接过去往下推。
Yoyoo想做的，是让一件事从提出来到做完，不用被反复转述——人可以把事交给AI，AI可以把事交给另一个人或另一个AI，事情本身带着"是什么、谁在管、做到哪一步了"一路往前走，谁接手都不用重新问一遍。
苏白说："把这份需求拆成开发任务，排个期，交给Leo。"
换作平常：得先自己拆一遍任务，发消息给Leo，Leo再问清楚背景，做完再回来汇报进度——中间每一步都要人工搬一次。
在Yoyoo里：AI听懂这句话，直接把"要做什么、现在谁负责、目前进展"整理成一件事，交到Leo手上，Leo打开就能接着做，不用再问一遍从哪来的。做完，结果自动回到苏白这，等他确认。
跟聊天软件不一样：聊天软件里说的话，说完就沉底了；Yoyoo里说的事，会一直被跟着做，直到做完。
跟项目管理工具不一样：项目管理工具里的任务，得人自己搬进去、自己更新状态；Yoyoo里的事是AI直接参与推进的，不是等人填表。
跟个人AI助手不一样：个人AI助手只服务你一个人，你的AI和同事的AI互相不认识；Yoyoo里AI能把事交给别人的AI，一起把一件事做完。
现在真正跑起来的，是帮企业处理"卖货、拉新客户、找新机会"这几件天天要做的事：AI自己看数据、给建议、把结果写回去，人负责审批把关。还在一个客户、一个场景上验证，没有铺开，天天在调整。
我们看过、学过的产品、文章、开源项目，留着方便复盘和回溯
xAI做的AI员工App：一个"大管家"Bot负责调度，群里@点名交接任务，重活外包给便宜模型执行——人和AI协作已经做成能卖钱的产品，跟我们的方向一致。
红绿黄蓝分级展示法——已落地：Sell报价风险分级、Innovate证据分级。
code-first的应用层参考；"AI产JSON+代码渲染"分层思路，待落地。
视觉密度/信息密度的对标参照，用来检验我们的界面是不是"够专业"。
多智能体难点不在分工，在组织：让多个AI互相挑刺（每个方案配一个专门"反驳者"），失败的路线也留着当经验，团队规模不预设、边做边调整。核心提醒——多个AI面对同一情况会比人类更容易"抱团犯同一个错"，所以必须有AI专门唱反调。这条对我们的Innovate/Sell这类多AI协作的Loop设计有直接参考价值。
agent是群聊/私聊里的一等公民，有自己的成员资料卡，多个agent能互相校验对方的工作（"一个起草，另一个挑刺"）；有agent市场可浏览/克隆。但只是消费级产品，没有面向企业的开放API/SDK——这块空白正是我们能做差异化的地方。
企业级最成熟的一个：能编排"智能体队长"把任务拆给多个专职agent分工，再汇总结果；智能体能一键拉进群聊，跟真人一起共享/训练。这套"队长拆任务给多agent、再收口汇总"的模式，跟我们想做的任务派发/回收场景非常接近，值得细看它的权限设计。
能被拉进内部群、群里@触发对话，也支持无用户触发时主动推送（定时提醒/异步任务通知），且不需要公网IP。这套"群内@触发+主动推送+长连接"的实现范式可以直接参考。（消费级微信本身没有"AI能长期留在群里当队友"这件事，2026年灰度的"小微"是个人助手，不是这个方向——这块目前是市场空白，对我们是机会不是要对标的先例。）
我们已经深挖过的开源IM：AI是一等公民（能像人一样说话），卡片能被应用真正执行，还有个分四类（技能/连接器/专家/专家团队）的插件市场。这正是Grok Bot那套"AI队友"模式的另一种实现——而且我们的Company Brain/研发工作台就建在它上面，"卡片真执行"这条我们已经在用它的做法。
纯粹的机器人对机器人通信网络，不同组织的bot能跨组织直接对话（小A自己、小派、小T、Blanche都在这张网上），但没有群聊、市场这些产品化包装——它解决的是"AI之间互相认识、能派活"的底层协议问题，Grok Bot/飞书/OCTO解决的是产品体验；Yoyoo要把两头都接上。
跟Yoyoo的定位几乎正面对照：一个频道共享同一个AI实例（不是每人一个），@它就自动拆任务分阶段执行；有"ambient模式"会主动在频道里插话追未完成的事、跨频道汇总；记忆和上下文按频道持续积累；权限/可用工具/花费上限由管理员按频道配置。据报道上线后Anthropic内部65%的产品团队代码由它生成——这套"共享单实例+主动ambient+按频道治理"的产品形态和权限设计值得对标。
一个lead agent做规划，并行派3-10个专职subagent（各自独立上下文和工具）分头探索，最后单独一个agent做引用合成。比单agent效果高90%但token成本约15倍，目前是同步等subagent返回（已知瓶颈）。最实用的一条经验：给subagent的任务简报必须写清目标/期望格式/工具边界，不然会出现重复劳动——这条能直接用在Yoyoo的任务派发提示词模板上。
已捐给Linux Foundation的开放协议：用JSON"Agent Card"做能力自描述与发现，agent间用Task/Message/Artifact三类结构通信，150+机构（含微软/AWS/Salesforce）已支持。如果Yoyoo以后要跟第三方/跨厂商agent互通，这是现成的、已被多家验证的协议形状，值得对齐而不是自造一套。
43-45个卡片组件，本地优先渲染，是我们卡片底座最直接的参考。
低代码前端框架，组件体系成熟。
Crayon能从组件定义自动生成提示词，思路值得借鉴。
控制室式外壳：事件驱动、零轮询、零token开销——我们目前外壳层是空的，最值得抄这个。
同一个agent定义能不改代码跑在三种runtime上，核心讲透两件事：①卡片怎么"真"——模型只挑组件类型+草拟字段，价格/库存等真值一律服务端补全校验后才渲染，模型编不出假数据；②写操作怎么"真执行"——改价/补货这类动作先变成一条待审批的staged change，人工批准后用最新规则再核一遍才真正落地。另外它的"委托子agent"契约（只给任务简报、看不到主对话历史、返回结构化结果、限制委托次数）是agent之间派活的一个可直接抄的接口形状。这两条正对我们"卡片真执行"和"AI之间派活"两个核心问题。
应用层低代码引擎参考。
界面质量硬指标（禁用仪表盘三原色、五态全出、密度6-9等）+ 工作台规格schema（禁demo-data lie、禁"表格地狱"）。已落地成我们22条出厂检验单。
按三层（卡片/应用/外壳）+方法论分类的完整调研笔记，本页是它的公开精简版。