我如何用Claude Code构建一个有执行链的AI公司：Synapse体系设计实录

我不是在用AI做事，我是在运营一家AI公司

去年年底我开始认真思考一个问题：为什么大多数人用Claude Code的姿势，还是”让AI帮我写代码”？这没什么不对，但总感觉差了一层。我真正想要的，是一个能持续运转的执行系统——不是一次性的助手，而是有角色分工、有决策链、有质量门禁的完整组织。

于是我花了几个月，在Claude Code上构建了Synapse：一套把AI协作组织化的工程框架。这篇文章记录的不是”AI有多厉害”，而是这个系统在设计过程中真实踩过的坑，以及最终稳定下来的结构。

最大的问题：AI没有执行边界

最初版本的问题很典型。我给Claude一个任务，它直接开干——改文件、跑命令、输出结果，一气呵成。听起来挺好，但很快出现了两个症状：第一，AI做的事情和我想要的之间有微妙偏差，但我发现得太晚；第二，同一类任务在不同会话里输出质量完全不一致，因为每次”从头开始”，没有组织记忆。

这让我意识到：单一AI执行模式的本质缺陷，不是能力问题，是角色边界缺失。一个写代码的人同时负责需求理解、架构决策和代码实现，必然会出错。人类公司早就解决了这个问题——CEO不写代码，工程师不做战略，QA不负责业务决策。为什么AI团队要例外？

执行链：把对话变成组织流程

Synapse的核心是一条强制性的执行链。任何任务进来，必须经过固定的节点，不允许跳过：

【0.5 承接确认】：CEO（Lysander）先复述用户目标，确认理解对齐，判断决策级别。这一步听起来多余，实际上是最关键的拦截器——它强制把模糊的”帮我做X”转化为清晰的”我理解你要做X，具体是指Y，对吗”。在这一步上投入的成本，节省了后续大量返工。

【① 分级路由】：任务分S/M/L三级。S级（5分钟内可完成、风险可忽略）直接派单执行；M级需要快速方案确认；L级需要智囊团深度分析和专家评审。分级不是形式，是资源分配机制——不应该让所有任务都走完整流程，否则系统会被低价值任务淹没。

【② 强制派单表】：这是我后来加的一个硬约束，也是反复踩坑后最重要的发现。CEO在执行任何实质性操作之前，必须先输出一张派单表，格式固定：工作项、执行者、交付物。不允许例外。最初我觉得这太繁琐，但它解决了一个核心问题：CEO和执行者的角色混淆。当你强制要求”先声明谁做什么”，就会发现很多任务其实根本不应该是CEO在做——这个形式动作实际上是一道思维检查门。

【③ QA门禁】：执行完成后，必须经过质量评审，自动评分低于3.5分不得交付。对于UI变更，还有强制截图验收步骤——截图未通过则任务不标记完成。这条规则在实际运行中拦截了大约30%的”看似完成但实际有问题”的输出。

CEO守卫：用Hook把规则变成技术约束

光有规则写在文档里没用，AI会在某些情况下”忘记”。真正让Synapse稳定运转的，是把核心规则变成技术层面的强制执行。

具体做法是利用Claude Code的PreToolUse Hook：每次工具调用前，Hook自动注入审计记录，并检查调用是否违反CEO执行禁区。CEO（主对话）被明确限制只能使用Read/Skill/Agent/Glob/Grep，禁止直接使用Bash/Edit/Write——这些只能在子Agent的独立上下文中执行。违规会被记录进audit日志，并触发告警。

这个设计的哲学是：不要依赖AI的”记忆”和”自觉”，把约束嵌入执行环境本身。Harness Engineering的核心就是这个——Agent = Model + Harness，Model的能力是上限，Harness决定实际输出的一致性和可靠性。

跨会话状态：让组织有记忆

另一个反复折磨我的问题是会话断裂。Claude Code每次新会话都是白板，这意味着上次会话里”进行到一半的任务”在新会话里完全消失。

解决方案是强制状态持久化：每次会话结束前，Lysander必须把进行中任务写入active_tasks.yaml，记录当前执行链环节、阻塞项和下一步；每次新会话开始时，第一件事是读取这个文件，恢复上下文。这个机制让”组织”有了记忆——即使底层AI实例是全新的，行为上的连续性依然存在。

三条可复用的设计原则

1. 角色边界必须技术化，不能只是描述化。 在Prompt里写”CEO不应该直接执行”，和用Hook强制禁止CEO调用Bash工具，效果完全不同。规则越重要，越需要嵌入执行环境而不是依赖指令遵循。

2. 强制前置步骤是最高ROI的质量手段。 承接确认、派单表输出、分级判断——这些看起来是”流程开销”，实际上是最便宜的质量门禁。在执行开始之前花10秒对齐，比执行完成后发现偏差便宜10倍。

3. 把组织设计和技术设计当成同一件事。 Synapse里的决策体系（L1-L4四级）、HR管理制度、派单路由规则，不是”AI角色扮演”，是在解决真实的工程问题：任务路由、资源分配、质量保障。人类组织已经花了一百年解决这些问题，直接借鉴，不要重新发明。

如果你在构建AI工程团队，欢迎参考我们开源的 Synapse 框架——我们把执行链设计、Harness配置规范、CEO守卫机制都整理成了可直接复用的模板，省去从零踩坑的过程。