最难交出去的工作，可能是你早就交出去的那一份。
想象一下：你只是去年帮忙发过一次公司周边，写了张说明。几个月后，岗位换了，流程换了，同事也都知道该找谁了。新来的 AI 助手却翻到了那张说明，认真地敲门：杯子找你领，对吧？
你解释完，它走了。另一位助手又来了，手里拿着同一张旧纸。
这段敲门情节是虚构的。但它的核心麻烦，刚刚出现在一家最会使用 AI 的公司的研究里。
Anthropic 在 2026 年 10 月 16 日发布的内部就业研究记录了一名员工的描述：几个月前一份周边文档上的名字，让 Agent 在其职责已经改变后，仍不断带来 T 恤和杯子的请求。报告同时指出，会议中的决定如果没有形成记录，Agent 就可能缺少更新目标和假设所需的上下文。这是厂商发布的内部观察，本文没有独立核验该员工的经历。
杯子不贵，这个尴尬却很值钱。
它把企业 Agent 的一个问题说得特别明白：系统可以准确找到一份真实材料，再准确地把人找错。
有出处，不等于还归你管#
这不是通常说的幻觉。假如旧说明确实写着那个人，引用也一字没错，给回答多挂几个来源，并不能完成交班。
问题出在中间那次转换：“这个人曾经负责”被用成了“这个人现在负责”。
搜索系统找到的是文本。后续流程要使用的，却是一项有生效时间、适用范围、可能被撤销的安排。把前者直接当后者，引用越完整，有时反而越让人放松警惕。
继续用这个假想的周边场景。旧说明写着“小林负责领用”，新说明写着“本季度由行政组统一登记”。两份材料都真实，也都值得保留。前一份解释过去怎么做，后一份安排现在怎么做。它们不是必须互相消灭的两段冲突文本。
如果只按相似度挑几段，“杯子、领用、小林”可能比一段简短的交接记录更像问题的答案。若交接通知根本没进入可读范围，扩大上下文窗口也只会让助手读到更多过去。
这里说的是一种可能的检索与使用错误，不是对 Anthropic 内部检索实现的还原。报告没有提供足够细节，让我们判断那个具体案例究竟错在索引、检索、记忆还是执行环节。
我的判断是，企业知识系统不能只回答“在哪里看到过”，还应该能回答“凭什么认为它仍然有效”。这两件事需要的证据不同。
交接得有回执，旧纸不用烧掉#
有一种很诱人的补救：给所有材料加上更新时间，最新的优先。
它能帮忙，但还不能负责。
有人今天给一份旧活动总结改了错别字，文件就变成最新；昨天生效的交接安排，反而排在后面。编辑时间告诉我们文件动过，没有自动告诉我们职责从哪一天转给了谁。
更像交班的做法，是把这次变化明确记下来：哪项职责、原安排是什么、新安排从何时起生效，由哪个有权维护这项安排的来源确认。遇到代班，还得留下结束条件；遇到不同地区、不同项目，还得保留范围。
这不是让每张说明都长成审批表。它是建议先挑那些会被 Agent 用来分派工作、联系人员或提出操作的关系，让它们有可检查的现行版本。纯历史材料则可以老老实实当历史材料。
旧纸不必烧掉。审计、复盘和历史问答还需要它。需要改变的是它在当前任务里的地位：可以解释往事，不能无条件继续派活。
而且交接记录写好了，还不等于助手已经收到。原始文档、检索索引、缓存摘要和运行中的任务，可能各自拿着一份副本。只更新其中一处，其他地方仍可能沿用旧安排。这是系统设计中要处理的传播问题，不能交给模型“多注意一下”。
可以参照一个已经存在的工程机制。Microsoft Graph 的增量查询文档明确覆盖支持资源的新增、更新和删除；同一文档也提醒，变更可能延迟出现或重复返回，同步状态失效时需要重新同步。
这段文档不是企业知识库的万能方案，也不会替你理解一封交接邮件。它至少提醒我们：同步不是只往仓库里搬新纸，作废、替换以及漏掉的变化也得有处理方式。本文没有集成或测试 Graph。
某次同步“成功”的绿灯，也不能被解释为整个组织的现状已经完整抵达。没有接入的来源、没有权限读取的记录、尚未写下的决定，都在这盏灯的照明范围之外。
别为了让 AI 知道，把所有门都打开#
说到这里，很容易滑向另一个极端：既然 AI 缺上下文，那就把所有会议、私聊、人事变动都喂进去。
这不是交接，是拆门。
一个助手需要知道本周由哪个岗位承接申请，未必需要知道上一任为什么离开；需要知道某项规则已经停用，未必需要读到作出决定时的全部私人讨论。组织可以提供经过授权、适合该任务使用的现行安排，同时保留原有访问边界。
更何况，“知道谁负责”与“可以替他做”仍然不是一回事。检索出来的人名、文档里的职责，不能直接变成发消息、改数据或批准支出的权限。假想的杯子场景里，找对接手人解决的是路往哪走；能否发出申请，还要看这次任务是否允许。
如果现行安排查不到，系统也不必装出一个负责人。可以说明只找到历史记录，交给预先设定的核实入口处理。它没有消灭人工工作，但至少不会把猜测包装成一张新的派工单。
这里同样有成本边界。一个只帮人查旧资料、结果由人判断的工具，未必值得建立复杂的职责版本系统。真正需要提高要求的，是那些把检索结果直接接到日常行动上的 Agent。离执行越近，“这句话还算不算数”就越不能含混。
Anthropic 的一个内部案例，不能证明所有企业都会这样，也不能据此宣布某种知识库产品不可靠。它的价值恰好在于足够小：一只杯子，就能把“记得很多”和“理解现在”之间的缝照出来。
企业常把知识沉淀讲成不断积累。到了 Agent 真会拿着材料去敲门的时候，交接、失效和范围，也得成为知识的一部分。
否则，你以为自己培养了一个永远在线的新同事，实际多了一位不肯接受交接的老通讯录管理员。
人已经交班了。让 AI 也收到那张交接单。
资料核对：2026 年 10 月 18 日。新闻引子为 Anthropic 10 月 16 日发布的内部研究，不是今日新发布；员工案例属于报告所述，未由本文独立验证。Microsoft Graph 文档仅作为变更同步机制的参考，不证明任何 Agent 已具备完整组织状态。敲门、小林与行政组为原创假想场景；职责版本、传播与授权边界为本文分析，没有实测收益或准确率承诺。
相关技术边界可继续看 Agent 可靠执行实战：没有重复执行，为什么还是办错了？。讨论入口在知识星球，公众号入口在关于页。
本文文字与图解由 AI 辅助制作，来源已在正文列明。
