Trace

在很多团队中，每天都在重复这样的场景：

• 晨会前花半小时整理 Slack 中的待办事项
• 项目上线后手动把需求从 Notion 同步到 Jira
• 客户支持团队反复填写相同格式的响应文档
• 新成员入职时，没人说得清“这件事到底归谁管”

这些不是大问题，但加起来消耗了约 40% 的有效工作时间。更关键的是——它们本不该由人来做。

Trace 不是一个简单的自动化工具，而是一个将 AI 代理深度嵌入团队日常协作的工作流操作系统。它不取代现有工具，也不改变团队习惯，而是理解你们已经在做的事，并悄悄把重复部分交给 AI。

它解决什么问题？

大多数自动化工具的失败，不在于技术不行，而在于“脱离上下文”。

比如：

• AI 自动生成了一条任务，但没人知道该由谁处理
• 自动同步流程漏掉了某个字段，导致后续出错
• 员工不敢启用自动化，因为不清楚它会做什么

Trace 的目标很明确：让 AI 在真实协作环境中可靠地参与任务流转，而不是孤立运行。

核心能力

理解你的工作方式

Trace 通过连接 Slack、Jira、Notion 等常用工具，读取以下信息（在权限允许范围内）：

• 团队沟通记录（如 Slack 频道消息）
• 项目管理系统中的任务状态变更
• 文档协作历史（如 Notion 页面编辑日志）
• 成员角色与职责数据

基于这些信号，Trace 构建一个公司级上下文引擎，理解“谁负责什么”、“某类任务通常如何流转”、“类似问题过去是怎么解决的”。

这不是简单的规则匹配，而是对组织行为的建模。

智能任务路由：AI 与人协同执行

Trace 的核心机制是 任务分发系统，它会自动判断：

所有任务流转都保留完整审计日志，你可以随时查看“哪个 AI 做了什么”、“为什么分配给这个人”。

嵌入现有流程，不打断协作

Trace 不要求你迁移到新界面或学习新操作方式。它的工作方式是：

1. 监听你在 Slack 中提到的待办事项
2. 自动创建结构化任务并分配
3. 让 AI 完成初稿或数据填充
4. 提醒相关人员进行确认或补充

整个过程发生在你原本使用的工具中，只是变得更高效。

关键特性

• ✅ AI 代理可配置：支持自定义提示词、调用外部模型（如 GPT、Claude），并绑定具体任务类型
• ✅ 权限感知：尊重组织架构和访问控制，不会越权操作或暴露敏感信息
• ✅ 审计跟踪：每一步操作都有记录，支持回溯和复盘
• ✅ 可复制的工作流模板：将已验证的自动化流程保存为模板，在不同项目或团队中复用
• ✅ 无需重新训练：基于实际行为数据自动优化路由策略，越用越准

谁在使用？

目前已有 30+ 公司 在生产环境中使用 Trace，典型场景包括：

• 产品团队：自动将用户反馈从 Slack 转为 Jira 需求卡，并补充上下文摘要
• 客户支持：AI 初步响应常见问题，人工仅处理复杂 case
• 运营团队：定期生成周报草稿，整合多系统数据
• 工程管理：自动同步 sprint 计划到不同工具，减少手动维护成本

他们不是为了“上 AI”而用 AI，而是为了解决实实在在的执行摩擦。

技术理念：构建 CompanyOS

Trace 的长期愿景，是成为企业的 认知层（CompanyOS） —— 一个能持续吸收内部信号、理解组织运作模式，并在每个团队中驱动智能行动的系统。

它不追求完全替代人类，而是让 AI 成为“隐形协作者”：

• 知道上下文
• 遵守规则
• 可审查、可调整、可信任

正如操作系统管理硬件资源一样，Trace 希望高效调度“任务”这一最稀缺的资源。

如何开始？

1. 在 https://trace.so 注册（支持企业邮箱快速接入）
2. 连接 Slack、Notion、Jira 等工具（OAuth 授权，最小权限原则）
3. 设置首个自动化流程（如“每日晨会待办提取”）
4. 观察 AI 如何参与任务创建与分配

整个过程无需代码，也不强制改变现有协作习惯。