15人團隊不寫代碼不裁員，爆改AI應用狂賺七位數

編譯 | 褚杏娟、核子可樂

AI 原生創業公司 Every 總部位於舊金山，僅有 15 名員工，卻每天發佈 AI 新聞簡報，發佈了多款 AI 產品，並運營着年收入數百萬美元的諮詢部門——而他們的工程師幾乎不編寫任何代碼。 Every 因此也被認爲是“AI 優先”運營模式最激進的典範。

Dan Shipper 是 Every 的聯合創始人兼首席執行官，近日他做客 Lenny's Podcast，深度分享了他們 AI-first 的工作流程，詳細解釋了爲什麼每家公司都需要“AI 運營主管”。作爲 ChatGPT 的“死忠粉”，他盛讚 Claude Code，認爲其對非程序員的價值被嚴重低估。他以公司的 AI 產品 Cora 爲例，證明了現在 2 個人的產品團隊，花費 30 萬即可做出一款不錯的產品。

Dan 認爲，AI 不會大規模搶走工作崗位，反而會讓許多工作崗位迴流到美國。他表示，在 AI 優先的世界，通才更吃香，每個人都要成爲 AI 工具的“管理者”。

Dan “暴論”頻出

AI 促進美國就業

主持人：關於 AI 和 AI 工具，**你有哪些觀點是大多數人不認同的？**

Dan：那我就先說最犀利的，提前聲明下，這個觀點的證據最少。後面我也可以分享一些更有理有據的觀點，但先說我的暴論：我認爲 AI 可能會成爲推動美國就業崗位迴流的最大動力之一。現在，大家都擔心 AI 會導致失業，它確實會改變同樣工作所需的技能要求，但我覺得 AI 實際上會帶來很多崗位，原因有兩個：

首先，現在像企業法務、客服熱線這類高端服務，只有大公司或者有錢人才用得起。但有了便宜的智能服務，小企業甚至普通個人也能負擔了，這肯定會催生很多新的需求。

其次，它還能讓從事這些工作的人服務更多的客戶。比如說，客服這個崗位不一定就沒了，但可能會讓美國中西部那些本來在呼叫中心工作的人，服務幾十萬、上百萬的用戶，數字可能聽起來有點誇張，但效率肯定比原來一個個打電話高太多了。這樣一來，美國公司僱傭本土員工就變得更划算。我覺得美國人在使用這些 AI 工具完成工作方面可能更有優勢。所以最終，那些工作可能由美國人用 AI 工具完成，而不是外包出去。而且，大模型公司也都在美國。

Claude Code 對非程序員的價值被低估了

主持人：我喜歡這種對 AI 持樂觀態度的觀點。至於其他國家是不是好事另當別論，但對美國來說是好事。還有別的觀點嗎？

Dan：另一個觀點就沒那麼反直覺了，但我覺得大家還沒有真正意識到它的重要性，那就是：Claude Code 對非程序員的價值被嚴重低估了。不止 Claude Code，谷歌最近推出的 Gemini CLI 這類工具也是如此。

Claude Code 可以訪問本地文件系統、調用各種終端命令，還會上網，它可以自己跑上幾分鐘甚至更久來自動完成任務，就像 Agent。特別是最近發佈的 Claude Opus 4，讓 AI 自主工作能力有了巨大的飛躍。Claude Code 甚至可以自己衍生出多個子 Agent，並行完成很多任務。對於程序員來說，它非常有用。我們公司的內部人員每天都在用，所有人都“入 Agent 的坑”了，什麼都用 Agent 搞。

但非程序員基本不用，因爲它的終端看起來太“嚇人”了。但你可以讓它做些其他事情，諸如：把所有會議記錄下載到一個文件夾，然後對 Claude Code 說：幫我讀一遍所有會議記錄，幫我找出所有我在會議中有意迴避衝突的時候。它就會自己寫一個待辦清單，逐份閱讀文件，把信息記下來，對照待辦清單，最後通過多輪處理給你一個總結性的答案。

這和用 ChatGPT 或普通的 Claude 聊天不一樣，那些是把所有內容都塞進上下文裡，而 Claude Code 是真的在處理你給它的每個文件，特別適合處理大量文本類的任務。而且它可以長時間運行，不會出岔子。

主持人：那非技術用戶唯一要跨過的門檻，就是學會打開終端、輸入命令。但一旦搞定，剩下的就是用英文跟它對話，讓它做事？

Dan：對。所以我的觀點就是：大家以爲 Claude Code 只適合工程師，其實它是非技術人最被低估的工具。

主持人：我還看到你發過推，說你有一個很喜歡的用法：一邊讀書，一邊讓 ChatGPT 在旁邊隨時回答問題。因爲你不用把整本書餵給它，它本身就知道這本書的內容。Anthropic 還分享過——不確定是他們主動講的，還是別人從法律文件裡扒出來的——他們買了很多書，自己把內容掃描進去，這是合理的使用方式，因此模型本身有這些背景知識。

回到你的觀點，核心建議就是，你可以在電腦上用 Agent 處理本地文件、做各種事，而不用上傳項目或者手動喂 Prompt。你覺得大家會開始日常使用起來嗎？

Dan：我覺得絕對會，而且模型公司很可能會讓這些工具變得更容易上手。我覺得接下來，Claude Code 這類工具的特性會融入到其他各種應用中，不管是網頁應用還是別的。

之前的 AI 應用都是在 UI 里加個聊天框，比如 Copilot 在 IDE 里加了自動補全，Cursor 在側邊欄加了個小聊天框。但 Claude Code 不同，你根本不用管代碼。它不是用來手寫代碼的，而是讓你直接說：“我要你幫我做這件事”，然後它自己就完成了。

我覺得我們正進入一個新階段：AI 已經足夠強大，很多傳統界面都可以去掉了。用戶不再需要時刻盯着它的具體執行過程，更多是“委派任務，讓它去做”。

主持人：我之前請過 Cursor CEO Michael Truell 來錄節目，問他“代碼之後的世界是什麼？”答案是：英文。我最近也請過 Base44 的創始人，他做了一家公司，賣給了 Wix，價值上億美元。他說他們公司創辦 6 個月，過去 3 個月，自己一行前端代碼都沒寫過，全靠 Cursor 和別的工具搞定。這已經發生了。

Dan：我們 Every 內部也一樣，已經沒人手動寫代碼了。

讓智能體一直運行並經濟划算，就是 AGI

主持人：你還有什麼大膽的觀點要拋出來？

Dan：還有一個是我對 AGI 有個定義。定義 AGI 很棘手，以前圖靈測試算一個標準，但在很多方面現在早已超過圖靈測試了，所以目前並沒有一個很好的定義。

我注意到，判斷 AI 進步有多大，可以看你能給它的“自由操作時間”有多長。比如 Copilot 最早只是自動補全代碼；到了 ChatGPT，你可以問它問題，它給出回答，這比自動補全稍好一點；現在有了 Claude Opus 4、Gemini 這些模型，加上 Deep Research 能力，它能自主工作幾分鐘甚至幾小時。所以你給 AI 的“自主權”時間越來越長。

所以，我對 AGI 的定義是：讓智能體一直運行在經濟上變得划算的時候。比如說讓 Claude Code 一直運行、一直幹活，永遠不關掉也沒關係，因爲讓它開着是值得的。它不會等着你來發號施令，而是像個青少年一樣“自主生活”。但對你來說，讓它一直運行在經濟上是划算的，你寧願這樣，也不願讓它等着你來安排下一件事。

主持人：有意思，這個定義不錯。

Dan：這裡的“划算”既涉及運行成本，也涉及價值方面。當然，你可以耍個小聰明，說“讓 Claude 無限循環運行”，但我說的是更廣泛地、採用這種方式一直工作的 Agent 。我喜歡“划算”這個詞，因爲這意味着即使它成本不低，但只要能帶來實實在在的價值就值得一直運行。“划算”本身就是驗證它是否真的在做有用工作的標準。

主持人：想到一個類比：一個資深員工的自主性越高，你需要佈置的任務、檢查工作就越少。這和他們的資歷直接相關。你還有別的類似的觀點嗎？

Dan：我還有很多（笑）。我特別討厭那種聳人聽聞的標題，比如“AI 會取代工作崗位”、“三分之二的勞動力將被淘汰”。我覺得完全是錯的。還有那種“用了 ChatGPT 大腦就不工作了”，或者是“醫生單獨 vs 醫生 +AI vs 純 AI，誰更強？AI 更強，醫生將被淘汰”，這種論調我也很反感。

以醫生爲例，人們常常忽略使用 AI 也是一種技能。如果你用一羣對 AI 毫無經驗的醫生和 AI 比較，很容易得出“AI 更強”的結論。但醫生所處的環境千差萬別，他們需要做各種決策，單靠一項研究就下結論太草率了。尤其 AI 技術迭代這麼快，醫生們還沒來得及成爲這方面的專家。但我猜測 5 年或 10 年後，情況會完全不同。

再說“學生用 AI 大腦變遲鈍”這個問題。歷史上，我們一直在“放棄一些能力以換取新的能力”。比如柏拉圖就很反對“寫作”，因爲他認爲寫字會削弱人的記憶力。事實也確實如此：古人可以背誦長篇史詩，而我們今天很多人卻記不住電話號碼。但我覺得“寫作換記憶”是值得的。

AI 也一樣。你可能在某些任務上投入少了，但會在別的任務上更多投入，從而擁有更大的權力。你當然可以做一項研究來證明“用 AI 大腦連接度降低”，就像說明“寫字讓記憶變差”一樣，但我想沒有人願意回到一個全民文盲的世界。

我認爲，人們總是容易低估事物變化的速度，尤其是在技術變革初期。比如我住在布魯克林，我家附近的一家裁縫店現在還不支持信用卡。說明再好的技術，也需要很久才能普及。

我們也經常低估人類在複雜情境中做決策的能力。就算一個模型考試成績很高，它也不一定能真正替代現實工作場景中的具體任務。AI 很棒，但它的“分數”並不能讓你直觀感受到它到底能不能完成具體工作。

OpenAI 用的是自己的內部代碼庫來測試模型表現，看模型能不能預測出下一個代碼片。這些數據不在互聯網上，是很好的測試標準。所以，我用了我們的會議記錄來測試，裡面是我平時和團隊開會說的話，不在網上，模型也沒見過。

我用了一些最前沿的模型來跑這些會議記錄，讓它們預測我要說的話，結果很糟糕。並不是因爲模型不聰明，而是現在有個很大的問題：“上下文工程（context engineering）”。這個詞是 Spotify 的 Tobi 提出來的，意思是能不能在正確的時間給模型喂正確的上下文，對最終效果的影響至少有 50%。我完全同意這個觀點。

我在三年前就寫過相關的內容，當時我稱之爲“知識編排（knowledge orchestration）”，但我覺得“上下文工程”這個說法更好。這非常難，遠不是“大一點的上下文窗口”就能解決的。

主持人：有意思。我猜你可以用這個建一個 GPT，然後不用和 Dan 開會了，直接跟這個 GPT 聊，它能做決策。

Dan：對，完全有可能。其實我們現在已經在這麼做了。雖然它還不能完全預測我開會時會說什麼話，但也夠用了。特別是作爲 CEO、創始人或者管理者，工作中很大一部分時間都在說車軲轆話、來回重複。 AI 革命最讓人興奮的是你終於不用再當“復讀機”了。

比如在 Every，我們每天要發一封新聞簡報。以前我得花不少時間給團隊反饋：標題怎麼改、開頭怎麼寫、這個選題值不值等。但現在，我們把這些反饋提煉成一套提示詞（prompts）和流程，變成一套系統。雖然它說話不完全像我，但能把我判斷好壞的標準給“定下來”。 這樣，團隊在直接找我之前，就已經和這個“AI 版的我”溝通過一次了，省心太多了。

15 人的團隊如何高速運行？

主持人：咱們順着這個話題聊下去。我感覺你打造的這家公司、組建的團隊、運營方式， 代表了 AI 時代企業運營的最前沿，你們努力做到“AI 優先”，這和你寫的很多內容高度一致。太值得深入研究了。那先跟大家簡單介紹一下 Every，以及你們怎麼運作的吧？

Dan：大家都會問這個問題，因爲我們公司的業務形態很奇怪。其實過去也有一些類似形態的公司，但確實比較少見，不是那麼符合傳統認知。我覺得這是 AI 帶來的新可能，後面可以再具體聊聊爲什麼。

簡單來說，Every 就是一家在 AI 前沿做內容和應用的公司，核心業務是每天發一封 AI 相關的時事通訊。我們已經做了大概五年了，現在有大約 10 萬訂閱用戶，基本上，所有頂級 AI 實驗室的人、做 AI 的或者對前沿 AI 感興趣的人都會看我們的內容。比如 OpenAI 或 Anthropic 推出新模型時，我們通常會第一時間上手體驗，然後寫文章分享。這就是我理想中的工作狀態，我特別喜歡。

主持人：你們管這個叫“vibe check”，是吧？

Dan：對，我們管這種體驗分享叫 vibe check。我覺得 vibe check 真的很重要，這也引出了我們的另一個業務：應用。

爲什麼要強調 vibe check？因爲我們關心的不只是模型跑分多少，而是它用起來到底什麼感覺？它在真正的工作場景、日常生活裡表現如何。標準的 benchmark 跑分是測不出來這些的，也沒法完全體現。

而最適合寫 vibe check 的人，肯定是那些真正在一線用這些工具幹活的人。我們發現，關於科技的好內容，往往出自那些真正使用和搭建產品的人。所以我們一直有個習慣：一邊寫內容，一邊自己做點小實驗、搭點小應用。這兩件事相輔相成，能幫我們寫出更好的東西。

慢慢地，我們就發展出了一整套供內部使用的 AI 工具。不少做這些工具的人本身就是寫作者，這樣一來，讀者就能更深入地瞭解到這些 AI 產品到底是怎麼被真正開發和使用的。

我們現在有一套工具，比如最新發布的 Cora，可以將其理解爲一個 AI 版本的“私人助理”，專門幫你管理郵件。我們還有另外幾個應用：Sparkle 是一個 AI 文件清理工具；Spiral 是做內容自動化的；還有最早孵化的 AI 文檔寫作工具 Lex，後來我們把它獨立成立公司運營了，由我在 Every 的聯合創始人負責運營。整體上，我們把這些都打包在一起，用戶一次性付費就能用我們所有的軟件，而且我們還在不斷往裡面增加新東西。

主持人：我知道你們還有諮詢業務，後面可以聊聊。

Dan：對，諮詢業務算是公司業務的“第三條腿”。雖然它跟“內容 + 應用”不完全一樣，但確實是很重要的一塊。核心主要是幫大公司做培訓，教他們怎麼真正做到 AI 優先、教員工怎麼用 AI 工具。

新崗位：AI 運營負責人

主持人：先聊聊你們平時是怎麼運作的吧。你剛剛提到你們團隊基本不寫代碼，那你們是怎麼做到這麼高效運轉的？Every 現在多少人？

Dan：我們團隊現在有 15 個人。

運營方面有這麼幾點。首先，我覺得每個公司都該這麼做——我們有一位 AI 運營負責人（Head of AI Operations）。我每週和她碰一次，她的工作就是：只要我或團隊裡有人做重複性的事情，就把它們記錄下來，然後她專門去寫提示詞、搭建工作流，儘可能把這些事情自動化。

這其實是很大的一個效率突破。

因爲大多數時候，大家每天火燒眉毛的事一大堆，很難靜下心來想：我要不要用一種新的方式來做？很多時候都是：算了，按老辦法搞吧，別折騰了，尤其是那種用 nocode 工具去搭工作流的，太費勁了。所以，一個 AI 運營負責人能幫大家把這些事情捋出來、做成自動化方案，而不是指望每個人自己抽時間去弄。我覺得這比指望業務人員自己動手靠譜多了。

當然，這也有個挑戰：你得確保大家真的去用這些自動化工具。所以，這個角色本質上有點像在公司內部做小應用，只要能做出大家願意用的應用就很棒。

主持人：我記得 Quora 也發過類似的招聘，他們也在找這種人。

Dan：對，說明這個確實已經成趨勢了。

主持人：所以你的意思是，這個人最好是脫離日常業務專注做這件事，專門幫助團隊提高 AI 效率？她主要是幫你一個人做自動化工作，還是整個團隊？

Dan：對。她是幫整個團隊。我們現在主要從編輯團隊着手推進。編輯部日常有很多瑣碎工作，比如我和主編 Kate，每天都要花好幾個小時修改文章、進行細微的語言風格調整，以確保內容符合 Every 風格。這些工作非常耗費時間。但現在 Opus 已經強大到，你只需提供一份風格指南和提示詞，它就能自動完成校對和文風調整，效果相當不錯。

當然，這不僅僅是技術搭建的問題。關鍵在於讓 Kate 養成一個新習慣：在審閱他人提交的文章前，先詢問一句“你通過 AI 提示詞檢查了嗎？” 這種習慣需要逐步培養，這也是我們在組織管理上面臨的一個小挑戰。不過對我們團隊來說，這個過程還算自然，因爲團隊成員本身就具備優先考慮使用 AI 工具的思維，沒有“不願意學習 AI”的情況。但很多組織會碰到“工具雖然到位了，但實際使用率卻不高”的問題。

主持人：這位 AI 運營負責人什麼背景？

Dan：她叫 Katie Parrott，之前主要幫我們做內容代寫，團隊裡有些產品經理或工程師想寫文章卻不太擅長時，就由她來幫忙整理和代筆。

她最早就是這樣加入的。後來我們發現她對 AI 也特別感興趣、特別愛折騰。她曾在 Animalz（一家專業內容營銷機構）工作過，那裡非常注重流程化和系統性。所以，她既懂流程管理，又是優秀的寫手，還對 AI 充滿熱情——這三點結合起來，我就覺得不能只讓她幫忙寫東西了，應該正式讓她負責 AI 運營這塊。事實證明，效果非常好。

我覺得至少得找那種很愛折騰、愛動手實踐的人。如果還能理解你們業務裡需要優化的實際工作流程，那就更好了。

主持人：這個建議太實用了，感覺接下來很多公司都會開始招這種人。

Dan：我覺得是。最近也有其他人提到這事，比如 Rachel Woods，她也在做 AI 相關的工作。這件事影響確實很大。

目前我們主要在編輯部使用，產品 Cora、Sparkle、Spiral 這些產品也有很多文案需要調整，大家都希望能統一符合 Every 的品牌調性。以前的做法是，工程師寫好內容後把 Figma 件發給 Kate 修改文案，但效率太低了，Kate 一個人根本忙不過來。

後來，我們團隊的工程師 Nityesh 開發了一個小工具：基於 Claude 寫了一個指令（AI 提示詞），用它來掃描全公司的代碼找出所有文字，並自動生成一個 Pull Request (PR) 發給 Kate 審覈。這樣 Kate 只需要看 PR 提的建議就行了，再也不用一條條手動去改。現在工程團隊也能直接產出符合要求的文案，不用每次都等編輯人工處理了。這個改進效果非常好，效率提升非常明顯。

“ChatGPT 死忠粉”，盛讚 Claude

主持人：你剛纔一直提到 Claude，我挺好奇你自己和團隊平時都用哪些工具？聽起來 Claude 好像是核心？

Dan：我確實很喜歡 Claude。不過說實話，我每天第一個打開的還是 o3。我是 ChatGPT 的死忠粉，真心覺得 o3 的質量非常高，方方面面都很好。而且 o3 有個特別關鍵的優勢，就是“記憶功能”。這太重要了，我花了很多時間教 ChatGPT，比如“寫作要簡潔有力”，它現在已經學會了。現在它幫我寫的內容可能比一般用戶的 ChatGPT 好很多。

我還經常用它做自我反思、成長類的事情。比如我把一段會議記錄發給它，問它：“我表現得怎麼樣？”它會回答：“你這次還是跟平時一樣有點囉嗦，但比以前好多了。”我很喜歡這種感覺。所以日常來說，o3 是我最常用的工具。

至於 Claude Code，公司裡幾乎每個人都在用它。只要需要構建點什麼，我們就會用 Claude Code，它表現真的很棒、難以置信。Gemini 那邊也剛剛發佈了一些成果，我也打算嘗試一下，畢竟我們的很多產品就是用 Gemini 作爲基座模型。它功能強大、價格便宜，同樣很有競爭力。我現在很想試試他們的 CLI 工具。

我們也用過 OpenAI 推出的編程工具 Codex。如果我需要一項一次性、獨立且能夠快速實現的小功能，那就直接讓 Codex 生成。

說回 Claude，Claude Opus 4 擁有一項其他模型不具備的能力。爲了不惹麻煩，就拿 Claude 早期版本的模型來對比吧。當我問它“這篇文章寫得怎麼樣？”時，Claude 總會給出 B+ 的評分。然後你說“我改了一下”，它就給 A-；再改，它就給 A。很明顯，它太想迎合你了，沒有真正的“直覺”判斷。你可以用一些提示詞技巧去避開，但總感覺差點意思。

而從 Opus 4 開始，模型具備了非常強大的新能力，真的能分辨“這篇文章有沒有意思，是不是好”，就像真正有編輯直覺的人一樣。這個能力太關鍵了，直接關係到我們很多產品的功能實現。

比如我們正在開發 Spiral 產品的最新版本，它能實現內容自動化。從某種程度上講，它就是 Claude Code，只不過是更偏重內容的產品。我們可以要求它寫條推文，把所有文檔都灌給它，它就有了大量的記憶，會自行創建一份待辦事項清單，然後開始撰寫推文。而現在，有趣的一點在於，它能夠自我改進，有判斷能力了，因此可以在待辦清單里加一步：“我寫了三條推文，自己先評估一下哪個好，然後再返回給你。”這一下子就打開了很多新玩法。

之前我們花了三個月時間才實現這樣的功能，效果還不理想。而 Opus 4 在模型層面直接就搞定了。這個版本確實給我留下了深刻印象。

主持人：除了這些模型，還有別的 AI 工具嗎？比如你之前提到的 Granola，或者別的一些冷門工具。

Dan：我有用 Granola，之前也用過 Super Whisper 和 Whisper flow，這兩個都是語音轉文字的工具，挺好用的。我們內部其實也做了個類似的版本，叫 Monologue，大概一個月後就會上線了，功能跟那些工具差不多。我一直覺得語音轉文字這種界面是未來的趨勢，應該有更多人用起來，也有更多公司把它做成產品能力。另外 Notion 也是每天都會用到的，尤其是他們的會議錄音功能，用起來很方便。這些大概就是我們主要使用的工具了。

兩個人研發出一款產品

主持人：回到團隊運作方式這個話題，除了 Kate 外，還有哪些事情是你覺得其他公司應該做或者未來肯定會做的嗎？

Dan：我們有個產品團隊叫 Cora，核心成員就 Kieran 和 Nityesh 兩個人。不過別小看他們，Cora 團隊背後還有 15 個 Claude Code 實例在協同工作。這麼算下來，團隊的實際能力比你想象的要強大得多。

特別值得一提的是，他們倆自己想出來了一個理念——叫“複利式工程”（compounding engineering），這個點子跟我關係不大。簡單來說，就是每做一件事，都要想辦法讓下次做類似事情時更省力。

舉個例子：在 Claude Code 的工作方式下，寫代碼少了，寫產品需求文檔（PRD）反而成了日常。你可能天天想：“唉，今天又得寫一份新 PRD。” 通常的做法是每次從頭開始寫。但如果用“複利式工程”的思路，你就會琢磨：有沒有一個理想的 PRD 模板？那我乾脆寫個 prompt，把想法輸入進去，讓它幫我自動生成格式規範的 PRD。這樣一來，以後每次寫 PRD，效率都比上次高一點。每次迭代都更快，工程效率就像滾雪球一樣不斷累積提升。

所以你看，Cora 產品靠 Kieran 和 Nityesh 兩個人，加上 Claude Code 的力量，就成功做出來了。Cora 前陣子剛結束公測，之前私測階段就已經有 2500 個活躍用戶，每天處理着幾百萬封郵件。想想看，這只是我們 15 人公司裡的一款產品，是不是挺不可思議的？

主持人：確實。那你說的這種“提效”方法，具體是怎麼做？主要是靠不斷優化提示詞嗎？

Dan：對，主要是提示詞、自動化，還有一些配套的流程。

主持人：那你們做自動化，用的是什麼工具？

Dan：主要還是 Claude Code。你可以在裡面設置 slash 命令，相當於是固定的 prompt 集合。

主持人：也就是說，他們其實是在維護一個提示詞庫，讓從“我想做什麼”到“生成一份合格的 PRD”這個過程更快、更精準？

Dan：完全正確。

主持人：那這些 prompt 是放在文件裡，還是有項目管理？

Dan：我們放在 GitHub 上，有個庫大家一起維護。另外還有一個很有意思的事，他們不光用很多 Claude，還用三款其他的智能體。比如有一個叫 Friday 的，還有一個叫 Charlie。他們特別喜歡 Charlie。

主持人：我還真沒聽說過。

Dan：我們之前專門拍過一個視頻，給 AI 智能體做了個“從 S 到 F”的排行榜，很有意思。大家特別喜歡 Charlie 的一個重要原因就是：Charlie 能直接集成到 GitHub 裡用。比如你收到一個 PR 後，可以直接在評論裡 @Charlie 說“幫我看一下”，效果特別好。

同時用好幾個智能體的好處，就像團隊裡搭配不同性格、不同風格的成員一樣。比如，Kieran 是 Rails 框架的“骨灰級鐵粉”，對代碼風格特別敏感；ChatGPT 給人的感覺就比較冷靜、簡潔，職業感很強；Claude 的風格又不太一樣。這些模型其實是有“個性”的，而這種個性決定了它們各自擅長做什麼。這可能就是爲什麼我們會同時用三、四個智能體。

主持人：這讓我想起 Peter Deng 之前分享過的一個招人理念：“組建復仇者聯盟”。意思是，團隊裡每個人各有所長，組合起來纔是最強的，而不是要求每個人樣樣精通、門門第一。其實，用 AI 智能體也可以這樣：選用不同公司開發的智能體，它們各有千秋，組合起來效果更佳。

Dan：完全可以。而且我覺得這說明：市場比大家想象的要大。不會只存在一個萬能的通用智能體，而是會有很多不同風格、不同優勢的智能體。

主持人：我也這麼覺得，根本不存在“一個智能體統治所有”的情況。Cora 團隊一共就兩個人，他們是學什麼出身，都是工程師嗎？

Dan：對，都是工程師。Kieran 的背景比較特別……其實兩個人經歷都不尋常。Kieran 之前是一家初創公司的工程副總裁，還在其他初創公司當過 CTO 和創始人。再往前追溯，他還當過職業作曲家和麪包師。去年我們去法國組織過一次團建，他教大家怎麼做羊角麪包。我做的不好吃，他就不一樣，專業出手就是漂亮。

主持人：有點東西啊。

Dan：反正我們公司特別喜歡這種多面手型的人才。我們每個人都是通才，都想用 AI 做些稀奇古怪但又很有創意的事情。這樣的人不僅對智能體很有想法，還會思考“首頁是什麼樣子”之類的細節問題。我覺得這個非常重要，只有這樣 15 人的團隊才能做出多款產品。

至於 Natasha……我都覺得嫉妒，他是從 ChatGPT 面世之後纔開始學編程的。他一直都想學，但直到有 AI 的幫助他纔開始行動。我常跟他說，“真羨慕你，我是中學那會照着書本學的編程。”當時谷歌上啥也搜不到，我只能去書店買實體教材，太痛苦了。

年輕人借 AI 快速跳過入門階段

主持人：那時候連 Stack Overflow 都沒有。

Dan：是啊，完全沒有，只有一些小衆的 BBS 論壇。我那會才 12 歲，根本沒辦法上網。很明顯，趕上了 AI 時代，他的進步速度超過了其他任何工程師。公司裡的其他員工也有類似的情況。很多人覺得 AI 搶走了編程新人的飯碗，我覺得確實有這種情況人，可看到年輕人使用 ChatGPT，我又覺得他們很幸運，能夠以遠超我們那代人的方式成長。

有個同事叫 Alex Duffy，他剛開始的稿子寫得不行，但本人的才華我們是認可的。我們的反饋是：“你的想法很棒，但文筆還差些。目前我們只能給你一些小建議，等你準備好了才能做好這份工作。”之後他在短短兩個月內，就取得了之前要一年才能獲得的進步。他會把我提供的構思線索記在提示詞裡，而且再也沒犯過同樣的錯誤。他的進步比我們預期快很多，而且他並不是孤例。任何願意經常向 ChatGPT 學習的年輕人，都能在引導下迅速強大起來。

主持人：大家都擔心因爲新人得不到機會，所以入門級崗位會逐漸消失，最終導致人才青黃不接。但你認爲 ChatGPT 和各類 AI 工具其實能幫助新手快速成長，甚至直接跳過入門這個階段。

Dan：是的，現在我們可以跳過入門這個級別。我有個觀點，AI 時代那些真正有價值的技能，往往都集中在管理層面。當下這些技能用於管理員工，未來就是管理模型。但隨着 AI 的普及，會有更多人蔘與到管理中來，管理的成本會越來越低。總之，20 多歲的年輕人可以直接從這個層面學起，順利參與到工作流程當中。做好一件具體的事和管理好整個執行過程都很重要，這也是未來對於從業者的基本要求。

主持人：你說的管理，應該是指管理智能體吧？

Dan：沒錯，管理 AI。說回之前提到的核心團隊，其實現在需要親自編寫的代碼越來越少，甚至有人完全不寫代碼了，更多人只負責管理編碼智能體。

主持人：我還真沒聽說過哪家公司能達到這樣的狀態，很酷。所謂工作流程，就是上面提出想要的成果，我們使用精準的提示詞庫來做完善，最終由 Agent 來構建並編寫代碼。我們要做的基本就是花時間審查代碼、審查輸出，比如代碼質量如何、能不能跑，再繼續改進。這其實就是 Cursor 公司的 Michael 提到過的目標。幾個月前我跟他聊過，他說一年之後，AI 輔助編程應該會發展到這個程度，而現在你們似乎已經做到了。

Dan：代碼審查確實很重要，甚至可以說是一切開發工作的前提。負責 Spiral（就是我之前提到的，我們正在開發的類 Claude Code 內容工具）的 Danny，花了幾天時間深入研究我們關注的某個第三方庫，就是想搞清楚它的內部結構。這項工作非常重要，但他實際上沒有編寫任何代碼。在搞清楚狀況之後，他可以直接告訴 Claude Code 該做什麼。這非常重要。

主持人：我們正邁向一個瘋狂的里程碑，走向一個我們不需要真正理解代碼、也不需要編寫任何代碼的新階段。某種程度上講，你們已經到達了這樣的里程碑，這太瘋狂了。你的產品團隊幾乎不需要編寫代碼。

Dan：確實很神奇，如果想得更遠一點，未來我們團隊中每個人都可以擁有各種不同的技能。每個人都是通才、都是 AI 領域的先驅，在這樣的環境下，哪怕只是一支很小的團隊，也能做到以往難以想象的事情。我們可以發明各種新原則，比如如何協作、如何進行工程設計等等。雖然目前我們還沒真正達到這個程度，但即使不懂編程，各個部門的員工也已經能夠做好自己的日常工作。

但還是要根據不同的標準衡量。我覺得在很長一段時間內，掌握編程技能仍然很有價值。比如我中學剛接觸編程時，最熱門的語言是腳本語言，Python 和 JavaScript 之類。但對於真正的程序員，就得理解 C 這樣的底層語言。要想做點真正有份量的東西，就得掌握 C 語言棧，甚至是彙編語言。但隨着時間推移，這樣的學習需求會越來越少。

換言之，哪怕大家只掌握 JavaScript 和 Python，也應該理解更多底層原理、編寫方式和實現方式。如今這些技能的重要性已經快速下降，我猜再有 10 年或者 20 年就完全不需要了。總之，編程技能的重要性會逐漸降低，但目前我們還遠沒達到這個階段。

主持人：那你覺得我們距離直接僱用非軟件工程師來開發產品，還有多遠？就像真正的 SaaS 產品，只要有個好點子，那是不是隨便什麼人都能做？

Dan：目前遠遠沒戲，但我覺得當下應該可以實現再低一個級別的產品。比如我們之前討論的 DIA，一款全新 AI 瀏覽器。DIA 提供一些所謂“技能”，這些功能就是能在瀏覽器內運行的小型 AI 應用。只要提供提示詞，它們就能在網頁上運行並替用戶工作。非技術人員也可以構建這些功能，類似於 ChatGPT 上的自定義 GPT。

所以，雖然我認爲目前還沒有任何人能在完全不瞭解編程知識的情況下，就開發出傳統的 SaaS 應用程序，但一定有某些形式的軟件可以這樣實現。我有個基本判斷，軟件正在變成一種內容形式。未來會出現其他形式的軟件，它們看起來跟如今的軟件完全不同，而即使不懂編程，非技術人員也可以輕鬆構建、啓動並運行這類新軟件。這有點像……好萊塢大片和 YouTube 短片的區別。

主持人：你們還有其他一些非常有趣的嘗試值得分享嗎，比如幫助你們快速運營、事半功倍？

Dan：我覺得最重要的，是我們怎麼構思產品、考慮要打造怎樣的產品、未來又向哪些方面探索。之前我們經常根據自己的直覺去探索，但最終我覺得應該認真想一想。

我認爲 AI 革命的獨特之處，在於這次整個遊戲規則都被徹底顛覆了。五年之前，我們還只能把已經存在的東西換個殼、做得精美一點。但現在不一樣，AI 代表着全新的領域，所有工作流程都有望得到重構。而我們的優勢在於，這裡的每位員工都有 AI 功底、也都用過我們的產品。憑藉這份相似的背景，大家才能將協作效率推向極致。所以我們衡量產品成功與否的標準，就是在公司內部受不受歡迎。只要內部大家都願意使用，那我們就相信肯定會成功。

我覺得這是非常有趣的應用程序開發流程，也代表着一個全新領域。從現在起，我們考慮的一切都前所未有，這真的很酷。隨着時間推移，我覺得我們的經驗在三年後將成爲常態。目前這可能還只是種小衆形式，但三年後當其他人都有了和我們相同的需求，整個軟件開發的格局就會改變。

主持人：我聽說 GPT 套殼也很有搞頭，值得探索。

Dan：GPT 套殼是很棒啊，我不理解爲什麼會遭受如此惡評，好像很多人並不理解它的真正價值。

“不想籌集太多資金”，

30 萬做出一款應用

主持人：你們剛剛完成了種子輪融資，現在可以談談這個話題吧？對於產品需要發展到多大規模才能算是成功，應該有個有趣的量化標準。

Dan：沒錯。我真心希望我們的產品能幫助更多人用上 AI，進而擁有更美好、更加個性化的生活體驗。而我們選擇的切入點，就是爲用戶提供寫作指導和創作內容，再爲他們提供可以實現目標的工具。

我認爲，一家公司的立足根基，在於建立一個內部創意遊樂場。員工們可以在這裡冒險，做一些稀奇古怪、毫無意義的探索。我說不上具體的原因，只是覺得這樣做很有趣。所以我覺得運營一家組織的關鍵，就是在嚴肅性、持久性和趣味性之間尋求平衡。

這種基於樂趣的探索非常重要，因此我一直不想籌集太多資金，因爲這會讓公司陷入一種害怕出錯、被迫全力以赴的狀態。身爲創始人，我會盡可能保持從容的迴旋空間，保持這種邊做邊玩的感覺。這至少能讓我自己感覺可以掌握要做的事情，甚至涉及一些更深層次的心理因素。總之，我就是想要在輕鬆愉快中把事情做了。

所以，當初創辦公司時，儘管那會正值創作者經濟的巔峰期，我們仍只籌集了一輪規模很小的 70 萬美元種子前融資。那時候的市場太瘋狂了，人們到處亂投錢，而我們只稍稍拿了一點點。我們當時的想法是，我希望籌集充足的資金來支撐實驗、作爲資源緩衝，但又不會太多把自己束縛在任何事物上。我們還給投資者發了一封郵件，特意解釋了這個問題。

我們在郵件裡提到，這可能不算風險投資，所以大家別指望着我們後續會繼續融資。我們甚至還修改了融資策略，承諾如果三年內未籌集更多資金，當前投資方可以把投資轉換成股權。這就是爲了既嘗試把業務做大，又保證公司始終按照我們想要的方式發展。這也許不是什麼大生意，但我們對它充滿熱愛。這是最重要的。

最近一輪融資中，我們也採取了同樣的方式。我們從 Reid Hoffman 和 Starting Line VC 那籌集到 200 萬美元，名頭是所謂“SIP 種子輪”融資。就是說他們承諾出資 200 萬美元，但我們可以隨時退出。這樣我才能在心理上承擔更大的風險。也只有這樣，我和團隊裡的其他成員纔不用總盯着銀行賬戶裡的鉅額數字，被虛假的財富迷惑了雙眼。

至於投資方，Reid 肯定很希望我們成功，而且對公司規模並不做特別要求。我認爲他們在理念上跟我們的思路更加統一。如果能發展成一門大生意，那當然是最好的，但不行也沒關係。我想保持的就是這種創新內核，而且影響比業務規模更重要。

我覺得有很多方法都可以產生影響，打造一家價值 100 億美元的企業只是其中一種；另一種方法則是真正改變人們看待世界和看待自己的方式。很多人總想把生意做大，我們不一樣，我們只把大生意看作實現理想的一種方式。

主持人：你這種創新的融資思路令人讚賞。不是孤軍奮戰，也不走常規的風險投資。對於種子輪融資，很多人總覺得錢越多越好。但你不會，哪怕能拿到 5000 萬，你也只會根據需要拿個 200 萬，而且很冷靜地意識到 5000 萬太多了、沒必要往賬戶裡塞這麼多錢。

Dan：但我們的判斷是否正確，還是要靠時間來檢驗。也許兩年之後，我會哭哭啼啼地說，當初如果多融點資就好了……誰知道呢。但至少目前，我的判斷是我們可以用較少的錢走得更遠。以 Cora 爲例，我們整個開發過程差不多總共只花了 30 萬美元。

主持人：簡直難以置信……包括工資在內？

Dan：是的，包括工資。而且再倒退三年，哪怕砸下幾十億美元都做不出這樣的產品。因爲當時沒有 GPT，所以沒辦法實現電子郵件摘要和自動回覆等功能。如今，我們只需要兩名工程師就能完成原本需要 20 人團隊才能搞定的工作量。我認爲這一方面意味着我們需要的資金更少，而風險投資方還沒能適應這樣的現實。

不過隨着越來越多的公司在種子輪融資中降低數額，也許風險投資模式也會就此改變。當然，我們有一套特定的孵化模式，跟常規的風險投資模式略有不同。不同的創始人做起事來肯定各有差異嘛，這很正常。但我不是特意要標新立異，我只是想找到一種適合自己的融資形式，只是這種形式碰巧跟其他人不同。希望我的判斷是正確的。

“我不做鼓吹裁員的 AI 顧問”

主持人：今天收尾前，我還想問兩件事。第一是你們的諮詢業務。現在每家公司都想搞清楚別人都發現了什麼、用了什麼招，我們卻沒學會。我收到過太多 CPO 的郵件，問我能不能把做得不錯的首席產品官們牽牽線，讓他們學習學習。所以，能不能先講講你們這塊業務在做什麼？

Dan：我們平時投入大量精力研究新模型、寫文章、用模型做項目，積累了不少用戶。自然而然就有人找上門問：“能不能教教我們怎麼用 AI？”

於是，大約過去 6 個月到 9 個月的時間裡，我們正式搭建了這項業務，現在規模已經不小了，預計今年收入能翻番。去年大概做到了一百萬美元，今年可能更多，具體要看幾個大單子最終敲定的金額，說不定會高出不少。

當用戶問“能不能幫我們學會用 AI？”時，我們會這麼建議：

首先，花時間瞭解客戶公司各個團隊的實際工作，重點識別那些重複性高、適合用 AI 優化的任務然後，交付洞察報告彙總調研發現的所有關鍵點。

同時，我們開發了一個聊天機器人，你可以直接跟它對話，查詢所有訪談內容，自己深入挖掘洞見。我們還提供了一個數據儀表盤，能直觀展示哪些團隊已經用得很溜了、哪些還沒動起來。更重要的是，它能基於訪談和 AI 分析，量化出 AI 在不同團隊能帶來的具體提升空間（槓桿效應）。這個工具最初是我和 Devin 利用一個週末搭出的原型，後來 Alex 又幫我們做了不少優化。

接下來，我們會爲每個團隊量身定製培訓課程。基於調研結果，教他們具體在哪些場景、用哪些 prompt 最有效，幫他們快速上手。AI 是通用技術，團隊裡通常約 10% 的人會主動探索，10% 的人可能完全不碰，剩下 80% 的人態度是：只要告訴我具體怎麼用，我就願意用。所以，把培訓內容做得貼近崗位需求、步驟清晰，並手把手教學，是加速落地的關鍵。我們通常和每個團隊合作四周，每週一小時，效果非常好。

培訓結束後，我們通常還會幫客戶搭建一些自動化流程，把 AI 真正落實到日常運營中去。目前，已經有不少大型對衝基金、私募機構、傳統大企業找我們合作過。

主持人：我想你們肯定見過那些做得很好的公司，他們全面採用了 AI，效率大增；也見過沒成功的公司。你覺得兩者之間的區別在哪裡？

Dan：我覺得最核心的指標，就是看 CEO 自己有沒有在用 ChatGPT 或者其他聊天機器人。如果 CEO 天天在用，邊用邊誇“這東西真酷”，那團隊裡的人自然都會跟着用起來。反過來，如果 CEO 覺得“這玩意兒跟我沒啥關係”，那公司裡就沒人能真正帶動這股風氣了。結果要麼是根本沒人用，要麼就是大家期望過高，實際用了發現沒那麼“神奇”，最後失望收場。而那些 CEO 自己深度使用的公司，既能點燃團隊的積極性，又能設定合理的預期，推動 AI 真正落地，效果都相當不錯。

舉個例子，我們合作過一家規模 100 億美元的對衝基金，叫 Walleye。我也採訪過它的創始人，他們的做法就很典型：第一步就是給全公司羣發郵件，宣佈“我們要成爲 AI 優先的公司”，號召大家“先了解、先嚐試”。郵件裡有句話我印象特別深：“這封郵件就是我用 ChatGPT 寫的，你們也應該試試。” CEO 帶頭示範，效果立竿見影。

再比如，很多做得好的公司還會定期組織分享會：讓大家交流新發現的實用 prompt 技巧和新應用場景；發送全員週報，內容包含“本週 ChatGPT 使用情況”、“哪些同事貢獻了超讚的新提示詞”等，營造出一種持續的熱度和儀式感。

就像我之前說的，早期大概有 10% 的同事是“探路者”，他們願意花時間摸索嘗試、總結經驗。公司要做的，就是給他們舞臺，把他們的成功經驗快速複製給所有人，這樣就能帶動更多人高效地用起來。

主持人：雖然還早，但有沒有一些明顯成效衡量標準？

Dan：現在這個階段還很早，很難具體量化。但整體上，那些應用得好的公司普遍感覺是：“在不增加人手的情況下，我們完成的工作量比以前大多了。”結果就是，同樣的預算下，項目推進速度快了不少。

我目前還沒看到企業說“好，我們要因此裁人了”，我也不想做那種鼓吹裁員的顧問，我不屑做這種事。 我們合作的公司目標都很明確：就是讓現有團隊發揮更大效能，產出更多成果。

再回到前面提到的‘崗位迴流’現象，我確實看到一些公司（不是我們的客戶）會說：“我們原本在海外設了個呼叫中心，現在只用一兩個會用 AI 工具的美國本土員工，就能處理同樣規模的客服量。” 雖然還沒實現全自動，但這麼一來，上百人的崗位被壓縮成了幾個，算下來成本跟外包差不多，還省去了跨國管理的麻煩。

成爲通才，做個“管理者”

主持人：最後聊聊你提過的“資源分配經濟”（allocation economy）。我理解，以前是“知識經濟”，人們靠做具體事情賺錢；你認爲我們正走向“資源分配經濟”，即管理能力更值錢，我們會花更多時間做管理。

Dan：這其實是我兩三年前的想法，那時 Agent 還沒火起來。我當時想：“每天用這些 AI 工具，我到底在做什麼？”

我發現，自己花大量時間做的，其實都是類似“管理”的工作：怎麼清晰描述問題？如何收集有效信息？怎樣組織問題才能讓模型理解？該選哪個模型？如何分解複雜任務？怎麼實時給模型反饋？如何設定目標和評價標準？這些環節，跟管理一個真人團隊的核心工作一模一樣。

想想看，一個新上任的經理常遇到的困境是什麼？ 往往是：這事我不放心交給別人幹，怕搞砸，結果自己累死累活還幹不了多少事。”學會管理的關鍵，就在於懂得什麼時候該介入把控細節、什麼時候該放手讓人去做，以及如何拆分任務、建立信任、做好覆盤等等。本質上，指揮 AI 模型和帶領人工團隊，需要的核心能力是相通的。

目前，真正掌握這套方法的人還不多。但我相信，未來這種能力會越來越普及。因爲當“管理”的成本被 AI 大幅降低後，每個人都能成爲高效的管理者。

主持人：我看到你在文中提到，未來最值錢的技能是評估人才、制定願景、把握品味，以及何時深入細節。還有一個相關觀點是通才會越來越吃香。你提到 Every 團隊里人人都是通才，能聊聊這個嗎？

Dan：可能帶點個人偏好，但我真心覺得 AI 最棒的地方，就是它能隨時給你任何領域的知識支持。像我這樣一天內既要寫代碼、剪視頻、搞設計、寫文章，ChatGPT 都能無縫跟上，隨時提供幫助。

回顧歷史，從古希臘到現代社會，人類通過不斷專業化分工提升了效率。 但專業化也容易把人框住。古希臘雅典的公民其實是典型的通才：同一個人可能今天是戰士，明天是法官或陪審員，甚至後天被推舉爲統帥。後來雅典擴張成帝國，打仗需要專業將軍，精細的社會分工才真正開始。專業化確實推動了文明，但也讓人失去了體驗多重角色的樂趣。

而 AI 的出現，某種程度上逆轉了這個趨勢：現在你口袋裡就像裝着由“上萬名博士”組成的智囊團，專門處理各種專業難題。這讓你既能保持“多面手”的發展，又能應對專業挑戰。這對創業公司尤其關鍵——像我們團隊只有 15 個人，卻能同時推進多個項目，而不必過度細分職能。

未來，也許更多小型組織會崛起。 每個人都能保持通才屬性，發揮創造力，而不是像巨無霸公司裡的螺絲釘，只重複單一操作。無論對經濟發展還是個人成長，這都更有益。

https://www.youtube.com/watch?v=crMrVozp_h8

聲明：本文爲 InfoQ 翻譯整理，不代表平臺觀點，未經許可禁止轉載。

創始人“背刺”員工獲財富自由，Devin 接盤火速兌現員工期權，華人 CEO 暗諷：做個人吧！

Cursor終結者？Grok 4正式登頂！馬斯克揚言編程碾壓，20萬N卡年賺47億美金！

16 年老程序員用 Claude Code 搞副業：我只手敲了 1000 行，剩下 95% 代碼靠自動生成

180 天狠賺 5.7 億，8 人團隊全員財富自由，最大功臣是 Claude 和 Gemini

爲了讓架構師能夠在智能時代，與 AI 共同進化，尋找到更多未來發展機遇，騰訊雲架構師技術同盟與騰訊雲 TVP 聯合主辦了「智涌雲端，與 AI 共生」2025 騰訊雲架構師峰會。峰會將於 7 月 19 日在上海夢之龍大酒店舉行，集結數十位產學研大咖，圍繞 AI 基礎設施、工程化落地、AI 應用等熱門話題展開，通過前沿架構技術解讀、真實案例解析，產學研跨界互動討論等，全方位賦能架構師突破邊界、提升競爭力！