超级团队的形态是静态的切片，运作机制才是让它们真正运转起来的动力系统。腾讯研究院调研的所有标杆样本——CodeBuddy、Kimi、Block、Anthropic、出门问问、Multica——没有一家在用传统意义上的KPI、中层管理、审批流。这并非巧合：当信息足够透明、个体足够强，管理动作就从控制收缩为校准，剩下的交给人和Agent自己跑。本文从决策、协调、技术地基、激励机制四个维度，拆解超级团队的内部运作逻辑。
决策机制——从集中到分散的光谱
四种截然不同的决策模式形成一个从集中到分散的光谱。集中式（创始人拍板）：在方向不清、团队尚未形成AI原生工作习惯时可能是最高效的，但天然存在CEO认知和带宽的天花板。委托式（DRI制）：从人的等级制转向问题的所有权，每个DRI在90天周期内拥有特定跨职能问题的完全所有权。共识式（蜂群决策）：多个独立视角并行思考同一个问题，通过综合论证达成共识，减少单点盲区，代价是速度。AI辅助式（AI参与决策流程）：AI分析代码提交历史自动推荐任务分配，或AI成为决策的预处理器——人仍然做最终判断，但AI系统性地提升了判断所依据的信息质量。
协调方式——AI协调三阶演进
AI协调有三阶演进。第一阶段：信息透明化——共享文档、monorepo、异步沟通。CodeBuddy的全员可读可写文档让“我的工作上下文是公共资产”成为团队默认。这一步迈不过去，后面两阶都无从谈起。第二阶段：信息路由替代中层——AI世界模型自动完成收集→理解→对齐。Block的世界模型基于全公司代码提交、讨论记录、设计文档实时维护运营全景图，客户问题处理周期从两周压缩到当日。第三阶段：主动任务编排——AI主动分解任务、并行分配、综合结果。目前是前沿探索，核心挑战不在技术——Multi-Agent协调已经可以做到，难的是组织对AI作为协调主体的接受度。
技术地基——三层问题与驾驭工程
技术地基需要解决三个层次的问题。信息可见性：让AI看到组织的全部上下文。如果AI只能看到一个人屏幕上的内容，它就只能做个人助手；如果AI能看到整个代码库、所有文档、全部业务数据，它才有可能参与组织级的协调。能力可调用性：让AI能调动组织的能力栈。Block的60多个内部MCP服务器让任何一个工程师都能在自己的工作流里调用整个公司的能力栈。协调可自动化：把协调这件事从人的日常消耗中抽离出来。
三层之下还有一个容易被忽略的底座——驾驭工程。Prompt Engineering解决“怎么问”，Context Engineering解决“AI看到什么”，Harness Engineering解决“AI在什么环境里工作”——知识资产、上下文供给、Skill维护、规则维护。
激励机制——KPI失效后什么有效
传统KPI在AI时代失效了——当团队中存在10到100倍的效率差时，传统绩效体系找不到锚点。超级团队的激励四维框架：愿景（为什么值得把时间投在这里）、自主权（让我决定做什么、怎么做）、成长环境（高密度同伴与使命感）、经济回报/退出自由（产出如何被公平定价，不靠锁定留人）。
CodeBuddy让团队自己决定怎么做，自己挑硬骨头啃。Kimi用使命感加人才密度维系组织。安克探索建立可观测体系——追踪Token消耗、完成任务、使用工具，AI自动评分并按部门排名。Tenex完全按产出付费。核心挑战：谁先解决经济回报与产出匹配的问题，谁就能留住超级个体。
