你埋头干了一个季度，然后发现不确定自己在干什么。

Katie Parrott 最近写了这件事。她是 Every 的撰稿人，每天写稿、做评测、搭 Agent 工具。季度末她翻出年初定下的四个目标，完全没底她完成得怎么样。

这不是她一个人的问题。OKR 设的时候雄心万丈，查的时候心虚手软。大部分人对自己的绩效评估要么过度乐观，要么习惯性否定。而且你很难找到不打折的镜子。

Katie 的做法很直接：既然 AI 能写代码、能做设计，能不能用它审计自己的职业生涯？

为什么看不清楚自己

彼得·德鲁克在《Managing Oneself》里提过一个方法叫反馈分析：做重大决策前写下你的预期，几个月后对比结果。

这套方法有两个硬伤。

第一个，人们不擅长记录。季度初在文档里写几个目标和关键结果，季度末就忘得差不多。那些即兴发挥、临时调整和意外产出根本不在计划表里。

第二个，人们不擅长复盘。评估自己这件事，大部分人要么往好了想（刚做了一件漂亮事就觉得整季度都不错），要么往坏了想（焦虑模式启动）。Katie 属于后者。

传统管理工具解决不了这两道坎。OKR 软件能设目标和打分，但它不翻你的聊天记录，不看你做完的活，也不会说这些事你干了但没记进 OKR 里。

给 AI 搭一个职业教练的工作台

Katie 用了一个叫 Codex 的 AI 编程环境。她没有打开 ChatGPT 问一句我干得怎么样，而是给 AI 搭了一个完整的工作空间。

这个空间就是一个文件夹：

career-coach-mode/

├── AGENTS.md

├── References/

├── Plans/

├── Updates/

├── Evidence/

└── Systems/

AGENTS.md 是操作手册，里面写了哪些信息来源权威，哪些资料给建议前必须读，如何区分事实证据和主观解读，不同产出该存到哪里。这些内容不是 Katie 自己写的。她先让 Codex 采访了她一轮，Codex 根据采访内容生成 AGENTS.md 草稿，由她审核批准。

方法背后的逻辑是：你定边界和信息源，AI 负责收集、对比、整理和出方案。

十分钟，AI 交出一份评估报告

Katie 输入了一行提示：检查一下我的 OKR，切换到职业教练模式。

Codex 打开记录了四个目标和十六个关键结果的文档，扫描项目文件夹，在 Slack 里搜索同事是否在用她做的工具，检查已发表的文章和效果数据，把信息和计划做了对比。

十分钟后，AI 得出结论：你的目标进度比你想象的好。

Katie 的刊物发布目标完成了。一个新做的 newsletter 实验被整合进团队共享的 AI 编辑助理 Andy 里，同事 Laura 正在用它。Vibe Check 评测管线已经产出了多轮测试和草稿。

AI 不只给了结论，还做了一个交互式的 OKR 健康仪表盘。每个目标一张卡片，标注了已确认的证据、缺失的证明、以及最能改善结果的下一步行动。

但最有价值的部分不在这里。

真正的洞察在 OKR 之外

AI 在评估报告最后加了一句话：你的危险在于试图用数量证明影响力。

意思是，你做了很多事，但你没有串起来。你在输出，但没有推广。你花很大力气让一个自动化插件变得完美，却因为担心别人的评价不敢分享。于是它躺在你自己电脑里，没有产生团队影响力。

AI 职业教练的尴尬也在这里。它能看出问题，但解决不了。它告诉你不分享不行，但没办法替你点击发送。

Katie 最后还是把插件交给了团队 AI 助理 Andy。但她直到现在都不太敢直接给同事看，因为总觉得还不够完美。

最大的收获不是 OKR，是定位

Katie 后来做了一件事。她把公司内部的一份定位文档交给 AI，问了一个更大的问题：我的价值在哪里？

AI 的回答帮她重新理解了自己的角色。她写的专栏帮读者理解使用 AI 时的情感体验，她的指南帮读者执行落地，她的评测在新模型发布时提供了编辑判断。她搭建的那些系统展示了一个写作者向构建者转型的轨迹。

AI 说：你是一块入门踏板。一个让读者觉得她都能做到、我大概也行的人。

这段话改变了 Katie 与工作的关系。她开始在会议上更主动发言，更大胆地表达自己想写的选题，更愿意承认构建者那一面的身份。之前被她视为电脑里奇怪爱好的一系列工具，现在有了清晰的定位。

她最初只是想验证自己有没有掉队。结果拿到了一个更高阶的问题：既然我证明了有能力做到这些，下一步该够到什么？

你也建一个，最小版本就够了

不需要搭复杂的文件夹系统，也不需要四个版本的实验经验。

从一个问题开始：我现在的目标进展怎么样，下一步该做什么？

创建一个项目文件夹，放一份简短说明文件，告诉 AI 在给建议前必须读哪些资料，哪些信息来源权威，如何标注不确定性，有用的产出存到哪里。

喂给 AI 的五种上下文：你的目标、一个代表性的工作文件夹、最近一次和上级的沟通记录、一份成果数据、团队内部你的角色定义。没有直接集成就手动导出。遵守公司隐私和安全规定。

设定四条证据规则。每个重要结论标注来源。区分已确认的事实、你的解读和待解决的问题。意图和讨论不如观察到的实际产出有说服力。先翻记录，再问自我评价。

提示可以这样写：

以循证职业教练的身份工作。把我提供的资料中的目标和职责，与我的实际工作、对话、反馈和成果数据做对比。对每个目标，列出：已确认的进展（附来源）、有价值的但未被计入的产出、缺失的证据、目标是否仍匹配当前工作的判断、最能提高结果的一个下一步动作。告诉我整体上我的角色正在发生什么变化。区分可确认的事实、自己的解读和只有我能回答的问题。创建一个可复用的仪表盘。如果记录已经有了答案，不要问我的自我评估。保存产出，下次会话能找回。

闭环：承诺到工作到反馈或结果到有据可查的评估到下一步到新证据。

从一张简单表格开始：目标、已确认的证据、证据缺口、下一步。随着使用次数增加，它会自然长成仪表盘和定位文档。

最后

Katie 的分享打动我的点，不是她把 AI 用得多花哨，而是她找到了一个很多人共通的困境。我们埋头苦干，却回答不了我到底干得怎么样这个问题。

AI 不能替你做决策，不能替你社交，不能替你跨出舒适区。但它能帮你做一件很多人不会主动去做的事。翻翻你做过了什么，然后诚实地告诉你。

我去找了我完成工作的证据。我回来的时候，对我的工作到底是什么有了更清晰的认识。

参考文章：I Asked an AI to Audit My Own Career

链接：https://every.to/working-overtime/i-asked-an-ai-to-audit-my-own-career