夜雨聆风这两个世界是完全割裂的。
AI 做了什么，你的同事不知道。同事讨论了什么，AI 也不知道。你成了中间的"信息搬运工"——把 AI 的产出复制粘贴到群聊里，把群聊的讨论结果再喂给 AI。
然后我看到了一个项目——Buzz。它的核心想法让我觉得：终于有人尝试解决这个问题了。
Buzz 是什么？
一句话：一个让人类和 AI Agent 在同一个工作空间里协作的开源平台。
它是 2026 年 7 月 21 日 正式开源发布的，它由 Block 公司开发，完全开源，Apache 2.0 协议。
这是一个非常新的项目（开源不到 24 小时），它在 GitHub 上 stars 就有 2.6K——增长速度很快。
你可以把它理解成"Slack + GitHub + AI Agent 管理平台"的合体——但不是简单地在聊天工具里加一个 AI 机器人。它的设计哲学完全不同。
它核心解决了什么问题？
问题一：AI Agent 在现有工具里是"二等公民"。
在 Slack 里加个 Bot，它只能被动回复消息。它不能主动创建频道、不能发起代码审查、不能触发工作流、不能跟其他 Agent 协作。它是一个"被动的工具"，不是一个"主动的参与者"。
Buzz 里的 Agent 和人类是对等的。Agent 有自己的身份密钥、自己的频道权限、自己的审计日志。它可以做人类能做的所有事情——创建频道、发消息、提交代码、发起审查、运行自动化流程、参与语音讨论。
问题二：人和 AI 的协作缺乏"共享上下文"。
现在你让 AI 帮你做事，你得把所有背景信息手动喂给它。它不知道你团队前天开会讨论了什么，不知道上周那个 bug 是怎么修的，不知道产品经理在群里说的那句"先不做那个功能"。
Buzz 里所有信息——聊天记录、代码提交、工作流执行结果、审批决策——都在同一个事件日志里。Agent 可以搜索六个月的历史记录，带着原始证据回答你的问题。不是靠"记忆"，是靠真实的上下文。
问题三：AI 的行为缺乏可追溯性。
你让 AI 帮你改了一段代码，三天后出了 bug。谁改的？什么时候改的？基于什么上下文改的？在大多数现有工具里，这些信息散落在各种聊天记录和 commit 日志里，很难追溯。
Buzz 基于 Nostr 协议构建——每一条消息、每一个操作、每一步工作流都是一个经过密码学签名的事件。Agent 做了什么，跟人做了什么，走同一套审计体系。谁做的、什么时候做的、为什么做的——全部可追溯。
技术上它是怎么实现的？
简单说几个关键设计：
底层协议：Nostr，它是一个去中心化的签名事件协议——每个参与者（人或 Agent）都有一对密钥，每个动作都会被签名。好处是身份验证和审计轨迹天然内置。
架构：单一事件日志。消息、代码提交、CI 结果、审批决策、文件上传——所有东西都是"事件"，存在同一个日志里。这意味着你可以在一个地方搜索所有类型的信息。
Agent 接入方式：buzz-cli + ACP 适配器。AI Agent 通过命令行工具（JSON 输入/输出）接入。支持 Goose、Claude Code、Codex 等主流 Agent 框架。Agent 不需要改代码就能接入。
自托管优先。你可以把 Buzz 部署在自己的服务器上。数据在你自己手里，不依赖任何第三方服务。对于对数据安全有要求的团队来说，这很关键。
工作流引擎内置。支持 YAML 定义自动化工作流——触发条件可以是消息、反应（emoji）、定时任务、Webhook。不需要额外接 Zapier 或者 n8n。
实际用起来是什么感觉？
我没有在生产环境跑过 Buzz（它还比较新），但根据官方文档和设计，使用场景大概是这样的：
场景一：凌晨两点的故障排查。
你在群里问："我们之前见过这个报错吗？"一个 Agent 自动搜索历史记录，把相关的讨论帖、根因分析、修复方案全部拉出来。问答过程本身也成为频道记录的一部分——下次有人问同样的问题，它有更多素材可以引用。
场景二：代码分支即频道。
你开了一个功能分支，Buzz 自动创建一个对应的频道。代码补丁、CI 结果、Agent 的代码审查意见、团队成员的反馈——全部出现在同一个频道里。合并决策就在讨论发生的地方做出。
场景三：发布流程自动化。
打 tag 之后，工作流自动触发。Agent 读取所有已合并的 PR，生成发布说明草稿，发到频道里等人类确认（一个 👍 emoji 就行），然后自动发布。每一步都有签名、每一步都可追溯。
跟现有工具的对比
你可能会问：这跟在 Slack 里加个 Bot 有什么区别？
本质区别在于：Slack 里的 Bot 是一个"挂在聊天室里的外挂"。Buzz 里的 Agent 是一个"拥有完整身份和能力的团队成员"。
对普通人意味着什么？
如果你不是开发者，这件事跟你有什么关系？
关系在于：它展示了"未来工作方式"的一个可能形态。
想象一下：你的团队群聊里不只有人类同事，还有几个 AI "同事"。它们各自有自己的专长——一个负责代码审查、一个负责数据分析、一个负责文档维护。你跟它们的协作方式跟跟真人没区别：在同一个频道里讨论、同样能被 @、同样的审批流程。
这不是"AI 替代人"的故事。这是"人和 AI 在同一个环境里协作"的故事。
区别很大。
"替代"意味着你不在了。"协作"意味着你还在，但你的能力被放大了——因为你的团队里多了几个永远在线、永远不累、能力互补的 AI 队友。
我对 Buzz 的判断是这样的：
方向极其正确。人和 AI 的协作不应该是"两个窗口之间复制粘贴"。它们应该在同一个环境里、看到同样的上下文、遵循同样的规则。Buzz 是我看到的第一个把这个理念落地得比较完整的开源产品。
时机稍早但不晚。对于大多数团队来说，现在可能还不到"迁移到 Buzz"的时候——它还在快速迭代，移动端还在开发中，生态还不成熟。但如果你是一个对新工作流敏感的早期采用者，现在是观察和试水的好时机。
真正的竞争优势在于"开源+自托管+模型无关"。Slack 未来肯定也会深度集成 AI。但 Slack 会锁定你在它的生态里。Buzz 的路线是：你可以用任何模型、部署在任何地方、数据完全属于你。这对在乎数据安全和供应商独立性的团队来说，有不可替代的价值。
隐含的更大趋势：我在第四期写过"管理 AI 团队"的实验。当时我最大的痛苦是"AI Agent 之间没有共享上下文"。Buzz 正是在试图解决这个基础设施层面的问题——给多个 Agent 和人类提供一个共享的协作空间。
一个更深的思考
最后说一个让我反复咀嚼的点。
Buzz 的 README 里有一句话：
"Agents are part of the room, not haunted cron jobs."
翻译过来就是："Agent 是房间里的成员，不是在后台偷偷跑的幽灵任务。"
这句话背后的理念是：AI 的工作应该是可见的、可参与的、可审查的——而不是在黑箱里发生的。
我们现在让 AI 做的很多事情——自动生成代码、自动处理数据、自动回复客户——都是在"看不见的地方"默默发生的。出了问题才知道。
如果 AI 的行为能像人一样"在明面上发生"——在频道里讨论、被同事看到、被流程约束——那信任度和可控性会高很多。
这可能是 Buzz 最深层的价值观：让 AI 的工作变得透明。
写在最后
每隔一段时间会出现一个项目，让我觉得"哦，原来未来的工作方式可能长这样"。
Buzz 就是这种项目。
它不完美、还很早期、生态还不成熟。但它提出了一个我认为非常正确的问题：
如果 AI 已经足够强大到可以做很多事情，那它应该以什么方式融入我们的工作流？
答案不是"开一个新的 AI 对话窗口"。答案是"让它走进你们团队的房间，成为房间里的一员"。
这可能是未来所有团队协作工具的进化方向。
关注我，一个 10 年技术老兵，用亲身经历记录 AI 重写工作方式的全过程。
延伸阅读
GitHub: block/buzz（Apache 2.0 开源） Block 官方博客："Introducing Buzz: where humans and agents work together"
