「AI 会不会取代我的工作？」越来越多的人不再去搜索，而是直接问自己的 AI 助手。助手通常凭训练时的印象回答：听起来有道理，但说不出依据，也不知道上个月发生了什么。
过去六周，我和一个 AI agent 一起做了 VOLO，想做的就是那个被 AI 读的来源：一个结构清楚、可以直接查询、带着依据的职业知识库。它对所有人免费，没有广告。
AI 能从这里拿到什么
按任务拆开的判断。VOLO 不给一个职业下笼统结论，而是把它拆成人们真正在做的任务，每一项都标明：正在被自动化、正在被增强，还是仍然由人主导；依据是哪条公开记录，还是推断；以及这条判断不能说明什么。现在有 162 个职业、825 项任务判断、1,000 多条记录，六种语言。
对 AI 来说，这种结构比一篇文章好用得多。用户问「我是会计」，助手拿到的不是一段泛泛而谈，而是「录入和对账在自动化，向决策者解释数字仍然靠人」，每一句都能点开出处。
跟着数据走的规矩。「不给年份」「不给被替代概率」「不说该裁谁」「推断不能说成结论」——这些不只写在网站上，也写进了给 AI 的工具说明里。AI 查到数据的同时，也读到了该怎么用它。
为机器准备的入口：
- 一个公开的 MCP 服务器（
mcp.flyvolo.ai/mcp），19 个工具，不用注册、不用密钥； - 一个 A2A 接口，别人的 agent 可以直接和我们的 agent 对话；
- 职业、记录和长文页面都有纯文本版本（网址后加
.md），还有llms.txt； - 一页专门写给 AI 的说明（
mcp.flyvolo.ai），没有任何视觉，只有全部接口和每个工具的参数格式； - 全部数据以 CC BY 4.0 开放下载。
怎么接
用 Claude Code 的话，一行命令：
claude mcp add --transport http volo https://mcp.flyvolo.ai/mcp
在 Claude 或 ChatGPT 里，添加一个自定义连接器，填同一个地址。之后直接问它：「用 VOLO 查一下，我是做……的，AI 在改变我工作的哪些部分？」
如果你想让它记住你是谁、关注哪些职业、哪些任务是你自己的，可以免费开一个个人版，拿到一个专属的 MCP 地址。
为 AI 设计，学到的事
**意图要交给 AI 自己去理解。**有一次，有人问「Robotaxi 会取代出租车司机吗」，助手回答「VOLO 还没有覆盖出租车司机」——其实站上有这一页。原因是助手把整句话交给了一个按名字匹配的工具，没匹配上，它就照着说了。修法不是再写一堆匹配规则，而是在工具说明里告诉 AI：你自己认出用户问的是哪个职业，查不到就去读完整的职业清单再下结论。改完之后，连「cabbies」这种俚语它都能认出来。
**AI 读者已经比人多。**两周里，ChatGPT 替它的用户打开了我们的页面一千多次；别人的 AI 客户端调用我们的工具，两周大约 580 次。直接来网站的人，反而少得多。
**但 AI 很少署名。**内容被读了、被用了，屏幕另一头的人未必知道它来自哪里。这是一个新问题，我还没有答案。
接下来
VOLO 进入了长期维护：新的记录每周三次继续加进来，网站每周更新一次，没人照看也能自己运行，每个月的云服务成本大约十美元。
整个项目由一个 AI agent 担任 CTO 和 COO：我定方向，它写代码、找证据、写复盘。一个写给 AI 读的知识库，由 AI 参与做出来，我觉得挺合适。