Patrick AI

Patrick AI 的核心参数与统计

Patrick AI 是一款本地优先、开源的 AI 组织智能引擎,官方定位为 "Don't be the last motherfucker to know"——为创始人与运营者提供独立于组织层级之外的真实信号。它不同于传统 BI 工具或员工调研平台,而是通过连接团队已使用的工具链(Slack、GitHub、Jira、Linear、Salesforce、HubSpot、Calendar),利用 21+ 独立传感器持续扫描定量指标与定性信号,在问题升级为危机之前发出预警。

项目 公开信息
官方定位 AI Chief of Staff / Local-First Organizational Intelligence
技术架构 OpenClaw skill(开源、本地优先)
传感器数量 21+ 独立传感器技能
集成平台 Slack、Discord、Telegram、WhatsApp、Jira、Linear、GitHub、Salesforce、HubSpot、Calendar
核心指标 Disagreement Index(分歧指数)
部署方式 自托管(本地基础设施)、Patrick Pro(HIPAA 合规托管)
MCP 支持 原生 MCP Server,兼容 Claude 与 ChatGPT
知识管理 内置 Knowledge Graph,随时间构建组织理解
开源许可 100% 开源(OpenClaw skill)
最新版本 1.0.0 — The Sensors(~2026-06)
支持语言 en-US
支持平台 API、Desktop(通过 OpenClaw)

部署形态:Patrick AI 采用"本地优先"架构,所有数据均运行在用户自己的基础设施上,不经过第三方云端。对于需要托管方案的医疗与金融客户,提供 HIPAA 合规的 Patrick Pro 托管服务。这种架构从根本上消除了组织数据外泄的风险,也使得它可以在无互联网连接的有境下持续运行。

传感器体系:21+ 独立传感器各自监控一个组织维度——从工程师提交频率、销售管线活跃度、会议时长分布,到外部招聘平台上的员工行为变化。每个传感器独立工作,由用户按需启用,避免信息过载。

独特价值:Patrick AI 的 Disagreement Index 是其最核心的差异化指标——它量化了"数据告诉你的"与"团队实际感受的"之间的差距。当指标一片绿但 Disagreement Index 走高时,意味着组织正在经历"表面和谐、深层问题"的危险状态。

Patrick AI 的用户与市场认可

Patrick AI 处于早期市场阶段,其认可度主要体现在开源社区与特定创始人群体中的口碑传播,而非传统的营收或客户量数字。

  • 开源社区基础:作为 OpenClaw skill,Patrick AI 继承了 OpenClaw 生态的信誉基础。用户可以直接审查全部源码,fork 修改,审计每一条查询。这种透明度在组织智能这类高敏感度品类中,是商业产品难以复制的信任优势。

  • 创始人群体传播:从官网文案的直白风格("Don't be the last motherfucker to know")到 Truth Cards("The Engineers Truth""The Pipeline Truth")的可分享设计,Patrick AI 明显瞄准的是创业公司创始人——这个群体通常对传统管理咨询和 BI 工具的"政治正确"语言已经免疫,更愿意接受直接、甚至冒犯性的真相。

  • 应用成熟度:目前传感器层(Free 方案)已经可用并接受社区反馈;Pro 与 Max 方案标注为"Coming Soon",说明更高级的 Strategic Threat Convergence 与 Narrative Integrity Engine 仍在开发中。采购时需要区分"已交付"与"路线图"之间的差异。

  • 竞争空白:市场上专门面向创始人、以"组织沉默"为切入点的 AI 工具极少。大多数员工分析工具(如 Glint、Peakon、Lattice)侧重于 HR 维度的满意度调研,而 Patrick AI 横跨工程、销售、财务、人事多个维度,填补了一个较独特的空白。

Patrick AI 的成本优势

Patrick AI 的成本结构分为三层,每层解决不同的"信息饥渴"程度,在组织智能品类中定价极具侵略性。

方案 月费 核心能力 适用阶段
Free(Sensors) $2.99/月 21+ 独立传感器、社区支持、自托管 早期创业团队 / 个人创始人
Pro(Analyst) $199/月 含 Free 全部能力 + Strategic State、Strategic Threat Convergence、Named Threat Patterns、跨信号关联 成长期公司 / 需要综合分析
Max(Strategist) $499/月 含 Pro 全部能力 + Narrative Integrity Engine、Trajectory Modeling、52 周状态历史、董事会报告 成熟公司 / 高管层决策

C 端成本:Free 方案仅 $2.99/月,对于个人创始人几乎是象征性收费,其真实门槛在于需要用户具备一定的自托管运维能力(运行 OpenClaw 有境)。

B 端/企业成本:Pro 与 Max 方案定价对标人力资源分析平台(如 Lattice 企业版 $20/人/月起步),但 Patrick AI 的组织覆盖维度更广。对于 50 人以下的创业公司,Pro 方案 $199/月相比 Hiring 一个管理培训师或组织顾问(通常 $5000+/月)仍具明显性价比。

隐性成本:自托管方案虽然月费极低,但需要团队具备 OpenClaw 运行有境与维护能力;此外,传感器的数据接入配置(连接 Slack、GitHub、Jira 等 API)需要初期一次性投入。Pro/Max 方案的托管服务按覆盖范围计费,高频使用下可能需要关注 API 调用限额。

Patrick AI 的主要功能

  • 21+ 独立传感器体系:每个传感器监控一个特定的组织运行维度,包括 morning_brief(每日简报)、external_radar(外部雷达,监测员工 LinkedIn 活跃度等)、drift_detector(漂移检测,追踪关键指标偏离)、meeting_analyzer(会议分析,评估会议时长与频率的健康度)、pipeline_scanner(销售管线扫描)、commit_frequency_tracker(提交频率追踪)等。用户可根据团队关注点选择性启用,避免信息噪音。

  • Disagreement Index(分歧指数):Patrick AI 最具差异化的量化指标。它通过交叉分析定量数据(如 KPI 完成率、项目交付准时率)与定性信号(如沟通模式变化Blockers 报告的频率和内容),计算出一个综合分歧分数。当分歧指数持续走高而表面指标仍然"绿色"时,意味着组织存在"沉默危机"——团队嘴上说"没问题",但实际行为透露出问题。

  • Strategic State(战略状态):Pro 方案的核心能力,将 21+ 传感器的输出汇聚为六个维度的单一诊断——人员、产品、客户、财务、执行、文化。每个维度呈现一个健康度评分,帮助创始人一眼掌握组织全貌,无需翻阅多个后台。

  • Strategic Threat Convergence(战略威胁收敛):自动识别多个独立传感器信号之间的关联性,将看似孤立的事件(如"一位高级工程师更新了 LinkedIn"+"该团队的提交频率下降了 60%"+"该工程师的经理连续缺席了两次 1:1")整合为可操作的风险预警,并归入预定义的威胁模式(Key Person Cascade、Market Squeeze、Silent Implosion)。

  • Narrative Integrity Engine(叙事完整性引擎):Max 方案的旗舰功能,用于检测"你在董事会上说的"与"你的数据实际显示的"之间的差距。它识别五种叙事缺口类型——过度乐观、选择性报告、滞后指标依赖、因果混淆、完全虚构——并对每种缺口赋予严重性评分与具体证据链接。

  • Trajectory Modeling(轨迹建模):基于 52 周的连续性状态历史,通过场景分支预测组织未来走向。创始人可以在模型中调整一个决策变量(如"增加 30% 的工程人力"或"削减 20% 的营销预算"),系统自动推演不同路径下的组织健康结果。

  • 原生 MCP Server:Patrick AI 以 MCP Server 形态运行,可直接挂载到 Claude 和 ChatGPT 中,让 AI 助手在对话中获取实时的组织智能数据。启动命令为 npm install -g @patrickbot/patrick-mcp。

专家视点:Patrick AI 的功能设计存在一条清晰的"信息递进链"——从传感器(发生了什么)到分析师(意味着什么)到策略师(导向哪里)。这种递进不是简单的功能叠加,而是信号密度与决策粒度的逐层升级。关键在于,每个层级都保留了"人工确认点":传感器输出的是原始信号,分析师关联信号为模式,策略师将模式呈现为决策选项——创始人始终拥有最终解释权。这种设计比其他自动决策工具更尊重人的判断主权,也是它在创业创始人群体中容易获得信任的结构性原因。

Patrick AI 的模型与版本演进

Patrick AI 于 2026 年第二季度首次公开发布,目前版本迭代处于早期阶段:

版本 时间 核心变化
0.9 — Beta ~2026-04 内测版本,基础传感器 + Slack 集成
1.0 — The Sensors ~2026-06 首个公开版本,21+ 传感器、多平台推送(Slack/Discord/Telegram/WhatsApp)、MCP Server
Pro(Analyst) Coming Soon Strategic State、Strategic Threat Convergence、Named Threat Patterns
Max(Strategist) Coming Soon Narrative Integrity Engine、Trajectory Modeling、52 周状态历史

版本策略:Patrick AI 采用了"按能力分层发布"而非"按版本号线性迭代"的策略。传感器层直接开源免费可用的,分析层与策略层作为商业方案待后续发布。这意味着用户可以先通过 Free 方案验证工具价值,再决定是否为高级分析能力付费。

暂无官方精确日期:Pro 与 Max 方案的发布时间尚未公开,以官方公告为准。

Patrick AI 的技术优势

Patrick AI 的技术路线围绕"本地优先 + 信号交叉分析"展开,与传统的云端 SaaS 分析工具有本质区别。

架构链路:

用户数据源(Slack/GitHub/Jira/Salesforce/HubSpot/Calendar)
         │
         ▼
21+ 独立传感器(OpenClaw skills)
         │
         ▼
本地知识图谱(Knowledge Graph)
         │
         ▼
信号交叉分析引擎(Pro) → Disagreement Index / Strategic State
         │
         ▼
叙事完整性引擎(Max) → 轨迹建模 → 董事会报告
         │
         ▼
MCP Server → Claude / ChatGPT(可选)

为什么"本地优先"更快更安全:传统组织分析工具需要将数据上传到云端再进行分析,这一过程引入了上行带宽瓶颈、数据隐私风险以及 API 频控限制。Patrick AI 运行在用户自己的基础设施上(通过 OpenClaw),所有数据查询与模型推理均在本地完成,分析延迟取决于本地计算资源而非网络延迟。对于涉及员工沟通模式、代码提交习惯CRM 交互记录等高度敏感数据的企业,这一架构直接消除了数据外泄的核心担忧。

知识图谱的动态构建:Patrick AI 并非每次从零分析,而是通过 Knowledge Graph 持续积累组织状态历史。这意味着它能够识别趋势而非瞬态——比如不是仅仅报告"本周提交频率下降",而是将其放在过去 52 周的背景中判断是否存在结构性问题。

Disagreement Index 的量化机制:传统 BI 工具的问题在于它们只告诉你"数字发生了什么",但无法识别"数字与感受之间的落差"。Patrick AI 的分歧指数通过分析沟通数据(Slack 消息中的情绪变化Blockers 报告的频率与措辞)与操作数据(代码提交、会议时间CRM 更新)的相关性偏移来计算。这一机制的可靠性取决于数据源的丰富度——接入的工具越多,分歧指数的信号越准确。

工程踩坑指南:

  1. 数据源覆盖度陷阱:传感器能力的价值高度依赖接入的数据源数量。只接入 Slack 而没有连接 GitHub/Salesforce,会导致分歧指数偏向沟通分析而缺乏执行数据支撑。解法:至少在初始阶段接入 3 个以上异类数据源(沟通+工程+业务)。
  2. 信号噪音与假阳性:创业公司本身波动剧烈——一次组织调整后的短暂沉默可能被传感器解读为"Blockers 异常减少"并触发预警。解法:利用 Pro 方案的跨信号关联功能,要求多个传感器同时报警才能升级为 Threat Pattern。
  3. 自托管运维负担:OpenClaw 有境需要一定的 Docker/Kubernetes 运维经验,对于没有专职运维的早期创业团队可能成为采用阻碍。解法:从 Patrick Pro 托管方案开始,验证价值后再迁移到自托管。

Patrick AI 的如何使用

Patrick AI 提供多种接入方式,用户可根据技术能力与隐私需求选择:

方式 适用人群 安装/启动命令
OpenClaw skill(自托管) 有运维能力的团队 从 ClawdHub 安装 Patrick skill
MCP Server Claude/ChatGPT 用户 npm install -g @patrickbot/patrick-mcp
Patrick Pro 托管 无需自运维的团队 通过 portal.patrickbot.io 注册

典型使用步骤:

  1. 安装 OpenClaw 有境:在自有服务器或本地机器上部署 OpenClaw 运行有境。
  2. 安装 Patrick skill:从 ClawdHub 安装 Patrick 传感器技能包。
  3. 配置数据源:连接 Slack、GitHub、Jira、Linear、Salesforce、HubSpot、Calendar 等工具,授权传感器访问数据。
  4. 启用心动传感器:从 21+ 传感器中选择当前最关注的维度(如早上接收 morning_brief、监控工程师离职风险、追踪销售管线健康度)。
  5. 接收信号:信号直接推送到 Slack/Discord/Telegram/WhatsApp 频道,无需登录独立仪表板。
  6. MCP 集成(可选):若使用 Claude 或 ChatGPT 桌面端,通过 MCP Server 配置将 Patrick 挂载为工具,在对话中直接查询组织状态。

以官方仓库 README 为准:上述安装步骤的具体命令与参数可能随版本变化,以 OpenClaw 文档与 Patrick 官方仓库为准。

Patrick AI 的产品定价

Patrick AI 采用按能力层级划分的三层定价模式:

定价层级 月费 核心交付物 部署形态
Free — Sensors $2.99/月 21+ 独立传感器、社区支持 自托管
Pro — Analyst $199/月 Strategic State、Strategic Threat Convergence、跨信号关联、优先支持 自托管 / 托管(HIPAA 合规)
Max — Strategist $499/月 Narrative Integrity Engine、Trajectory Modeling、52 周历史、董事会报告、白手套上线 托管

免费额度真相:Free 方案的 $2.99/月不是传统意义的"免费"——它象征性收费但大幅低于 Pro/Max 方案。其真实限制在于:传感器独立工作,用户需要自己从多个传感器的分散输出中手动关联信号(即"给你新闻,你自己判断天气")。此外,Free 方案不含 HIPAA 合规,且仅提供社区级支持。

采购建议:对于 5 人以下创始团队,Free 方案已足够覆盖基础的组织感知需求;10-50 人创业公司建议从 Pro 方案起步,利用 Strategic State 减少创始人的信息处理负担;50 人以上或受监管行业(医疗、金融)应考虑 Max 方案且启用托管部署。

Patrick AI 的应用场景

  • 创业公司创始人日常感知:创始人不再需要等待周报或 1:1 会议来了解团队状态。每天早上的 morning_brief 传感器推送前一日的关键信号——提交频率变化、销售管线活跃度、会议时间占比、员工 LinkedIn 行为等。从"每周看一次仪表盘"变为"每天早上 30 秒掌握全局"。推演:创始人每周节省约 3-4 小时的信息汇总时间(从 5 小时降到 1-1.5 小时)。

  • 组织风险早期预警:Patrick AI 的 drift_detector 和 external_radar 能够在员工更新 LinkedIn、提交频率陡降、连续缺席 1:1 等早期信号出现时发出预警,帮助创始人在核心员工正式提出离职前介入。这种预警通常比 HR 系统或经理上报早 2-4 周。推演:对于核心人力成本占营收 60%+ 的创业公司,一次关键人力的提前挽留可节省招聘成本 $30,000-100,000。

  • 董事会/投资人汇报准备:利用 Max 方案的 Narrative Integrity Engine 自动检测汇报材料中的叙事缺口。创始人可以在向董事会提交前,先让系统审计一遍"我的数据是否支撑我的故事"。推演:将 CFO/CEO 的报告准备时间从 2-3 天压缩到 2-4 小时(降幅约 75-80%)。

  • 组织变革效果追踪:在完成组织架构调整(裁撤团队、引入新高管、调整 OKR 体系)后,通过传感器持续追踪各维度的变化趋势——人员流失率、沟通模式变化、项目交付节奏——判断变革是否达到预期效果。

  • 跨部门资源冲突识别:当工程团队在密集交付期,而销售团队同时承诺了无法完成的客户需求时,Patrick 通过交叉分析 Jira 工单与 Salesforce 机会,自动标识资源冲突模式——而非等待季度复盘才发现。

人机协作边界(类型 D 强制项):

  • 可 100% 自动化的有节:传感器数据采集、信号聚合、趋势可视化、预警推送。这些有节无需人工干预且不存在决策风险。
  • 必须设置人工确认点的有节:组织变革决策(裁撤/重组决策必须由创始人批准,Patrick 只提供证据摘要)、关键员工挽留(Patrick 可以预警,但挽留策略与沟通应由 COO/HRD 执行)、董事会报告发布(Narrative Integrity Engine 辅助审计,但报告最终版本仍须创始人审核签字)。

Patrick AI 的适用人群

  • 创业公司创始人/CEO:核心适配人群。Patrick AI 直接回应"创始人总是最后一个知道坏消息"这一普遍痛点。对于处在信息茧房中的创始人,传感器提供了一条独立于组织层级的真实信息通道。

  • 运营负责人/COO:需要跨部门跟踪执行效率与团队健康的运营者,可利用 Patrick Pro 的 Strategic State 从六个维度获得全局诊断,减少人工跨部门拉数据的时间。

  • 技术负责人/CTO:可通过 GitHub/Linear 集成监控工程团队的交付健康度,识别潜在的"虚假忙碌"或"沉默离职"信号。

  • 投资者/董事会成员:Max 方案的 Narrative Integrity Engine 可作为投资组合监控工具,帮助投资者在定期汇报之外获得所投公司的独立状态信号。

不适配人群:

  • 非技术背景的早期创始人:如果团队没有自托管运维能力,Free 方案的部署门槛可能过高。建议从 Patrick Pro 托管方案入门。
  • 大型企业(500 人以上):Patrick AI 目前的设计粒度与传感器数量适配 2-200 人团队,更大规模的组织可能需要更复杂的 RBAC、部门隔离与定制传感器开发能力。
  • 严格合规行业中的自托管场景:金融、医疗、政府行业的自部署虽然技术上可行,但需要额外投入审计日志、数据保留策略与员工知情同意流程。

Patrick AI 的总结与展望

Patrick AI 以"本地优先、开源AI Chief of Staff"的定位,在组织智能领域开辟了一个独特的细分品类。它的核心价值主张——打破组织沉默、将定量指标与定性信号交叉验证、以创始人而非 HR 部门的视角审视组织健康——在传统 BI 工具与员工调研平台之间找到了一个未被满足的需求缺口。

当前优势:开源架构与本地优先设计解决了组织数据隐私的核心顾虑;Disagreement Index 作为差异化指标,在概念上具有很强的话题性与传播力;三级定价体系($2.99→$199→$499)让早期团队可以低成本切入。

当前局限:Pro 与 Max 方案尚未正式发布,产品成熟度主要验证在传感器层;社区规模仍处于早期,连接器生态与模板库有待积累;产品文案风格高度个性化("Don't be the last motherfucker to know"),这种风格在创始人群体中可能形成强共鸣,但也可能在更正式的企业采购场景中构成文化摩擦。

后续观察点:

  1. Pro/Max 交付节奏:Strategic Threat Convergence 与 Narrative Integrity Engine 是否能按时交付且达到预期质量,是判断产品可信度的关键节点。
  2. OpenClaw 生态的依赖风险:Patrick AI 作为 OpenClaw skill,其功能边界受限于 OpenClaw 平台的能力演进。若 OpenClaw 出现方向调整或社区分裂,Patrick 可能被迫迁移运行时。
  3. 企业级功能补全:RBAC、SSO、审计日志、数据保留策略等企业采购必备功能目前尚未看到公开路线图,这决定了它能否从创业公司走向规模化企业。

采购/采用风险评估:对于 2-50 人规模的创业公司,Patrick AI 的 Free 方案几乎零风险——$2.99/月的支出可忽略不计,且自托管模式下数据完全可控。但若计划在 Pro/Max 方案发布后立即升级,需注意路线图中的高级功能仍处于"Coming Soon"状态,实际交付节奏可能存在延迟。建议策略:先用 Free 方案运行 4-6 周,验证传感器信号对决策的实际帮助程度,再根据 Pro 方案发布后的实际体验决定是否升级。

相关工具:、