聊聊Harness時(shí)代AI-First的組織架構(gòu)：從信任人到信任AI

（點(diǎn)擊收聽本期音頻）

采訪｜泓君

圖文｜朱婕

“Harness Engineering”（挽具工程）正在成為硅谷的新共識(shí)，Anthropic、OpenAI等公司都在探索這一工程范式。但真正理解Harness的人還不多。前不久，一篇題為《Why Your “AI-First” Strategy Is Probably Wrong》的文章在X上獲得百萬級(jí)閱讀和熱議，作者是來自硅谷CreaoAI的Peter Pang。在這篇文章里，Peter展示了Harness Agent系統(tǒng)激發(fā)出的極致效率：99%的代碼由AI完成，每天平均3到8次生產(chǎn)部署，過去六周的產(chǎn)品流程，現(xiàn)在一天就能跑完。

本期《硅谷101》播客，主播泓君邀請到Creao的三位創(chuàng)始人，聊聊這家公司對Harness的實(shí)踐，以及在組織AI-First轉(zhuǎn)型上的深度思考。嘉賓們指出，AI-First不等于“使用AI”，想要把效率提升100倍、1000倍，就不能只把AI當(dāng)成工具，而要讓AI成為所有生產(chǎn)力的主導(dǎo)。組織轉(zhuǎn)型最難跨出的一步在于——是否能讓所有員工都能做到信任AI。

這場對話中有一些有趣的觀察，比如在Creao，市場不用再追著開發(fā)提需求，因?yàn)殚_發(fā)速度已經(jīng)遠(yuǎn)超市場消化能力；當(dāng)大量對齊工作被AI接管之后，拿掉產(chǎn)品經(jīng)理，反而讓團(tuán)隊(duì)效率大幅提升；初級(jí)工程師比資深工程師更適應(yīng)AI時(shí)代的轉(zhuǎn)型；盡管過去十年積累的專長正在快速貶值，但資深工程師仍然有競爭力，因?yàn)槲磥淼暮诵母偁幜Σ辉偈菍懘a，而是“找到AI Planning的缺陷”和“判斷什么是有價(jià)值的”。

歡迎關(guān)注《硅谷101視頻號(hào)》的音頻欄目直接收聽本期播客。如 果 你喜歡我們的 節(jié)目，更推 薦大家使用 音頻客戶端來收聽，《硅谷101 》已覆蓋各大 主流音頻 平臺(tái)（渠道見文末），歡迎訂閱！

以下是這次對話內(nèi)容的精選：

01

Harness工程詳解

如何把大模型“榨”出極限

泓君：先請Peter介紹一下，什么是Harness engineering （ 挽具工 程） ？

Peter：Harness的概念可以追溯到大模型剛開始的時(shí)候，很多人在聊prompt engineering（提示詞工程），之后演變到context engineering（上下文工程），這時(shí)候更多的是聚焦在怎么和大模型本身進(jìn)行交互。

但是對于Harness來講，我們是在“馴化”一個(gè)通用的系統(tǒng)，所以從范圍上來講，它比prompt & context engineering要大很多，涉及到tooling（工具鏈）的使用，涉及到你的sandbox（沙箱）的架構(gòu)設(shè)計(jì)，你的host service（宿主服務(wù)）之間是怎么進(jìn)行交互的？怎么樣的交互能夠安全？你的sandbox在啟動(dòng)的時(shí)間是多少？你的延遲是多少？……這些都是harness的一部分。

泓君：可不可以理解成，Harness的工程能力決定了怎么把一個(gè)大模型“榨出”最佳使用上限？我記得Kai有提到，一個(gè)Agent可以一夜之間干掉三個(gè)人做SEO（搜索引擎優(yōu)化）的工作流；同時(shí)還有一個(gè)內(nèi)容流水線，它跑了兩天，才有人發(fā)現(xiàn)全是垃圾。這兩者之間有巨大區(qū)別——一個(gè)是Harness的勝利，一個(gè)是Harness的失敗。

Peter：我覺得這個(gè)完全就印證了為什么我們需要Harness。Harness的本質(zhì)就是在于，我們怎么能夠持續(xù)提升一個(gè)系統(tǒng)。當(dāng)你這個(gè)系統(tǒng)產(chǎn)生的效果不好的時(shí)候，你這個(gè)系統(tǒng)是需要人的feedback（反饋）去提升，還是這個(gè)系統(tǒng)本身自己能夠self healing（自我修復(fù)）、self improvement（自我優(yōu)化），這個(gè)正好就是Harness的核心。

Harness很重要的一件事情，就是怎么能夠讓Agent在推理階段scaling（擴(kuò)展），包括你怎么能夠把更多的上下文、工具鏈提供給它，讓它思考更長的時(shí)間，完成一個(gè)任務(wù)，用一個(gè)更長的時(shí)間。在這個(gè)階段如果你的Harness做得不好，就很容易產(chǎn)生hallucination（幻覺）或者context overflow（上下文溢出），你的模型能力會(huì)降級(jí)。所以Harness是一件非常復(fù)雜而且需要一些經(jīng)驗(yàn)的事情。

泓君：那今天市場上對Harness有哪些共識(shí)和非共識(shí)？

Peter：很多人認(rèn)為Harness是靜態(tài)的，就是開發(fā)配套系統(tǒng)發(fā)揮LLM優(yōu)勢。但我們認(rèn)為它是一個(gè)動(dòng)態(tài)的過程——你這個(gè)系統(tǒng)怎么能夠從一個(gè)靜態(tài)的狀態(tài)真的活起來，能夠self-improve（自我優(yōu)化），能夠不停地適配來自市場、產(chǎn)品、用戶的各種signal，能夠讓它不停地、迅速地迭代。我覺得這個(gè)是可能很多人還沒有意識(shí)到的一點(diǎn)。

泓君：這個(gè)迭代也是以AI為主導(dǎo)的，而不是人為主導(dǎo)的？

Peter：對，是以AI為主導(dǎo)的迭代。人所需要做的事情，就是怎么把各種各樣的信號(hào)feed給AI。

02

六周變一天

AI驅(qū)動(dòng)的開發(fā)流程有多快？

泓君：你有一篇很火的推特帖子，講你們25人的公司，99%的代碼由AI寫，早上10點(diǎn)寫了一個(gè)功能，中午就進(jìn)行了A/B test，下午3點(diǎn)就根據(jù)數(shù)據(jù)的反饋把它砍掉了一部分功能，5點(diǎn)又重寫了更好的一個(gè)版本。這是一天的工作節(jié)奏，在傳統(tǒng)的開發(fā)產(chǎn)品的過程中，它是需要6周的。這是你們用Harness探索出來的方式。

Peter：在我們看來，Harness分為兩個(gè)部分：一是對Creao自身Agent系統(tǒng)的Harness，二是用戶用Creao構(gòu)建自己Agent時(shí)，怎么幫他Harness自己的Agent。傳統(tǒng)開發(fā)過程中，可能要用兩三個(gè)月迭代一個(gè)功能，現(xiàn)在AI輔助coding只需一兩小時(shí)實(shí)現(xiàn)，如果還用很長時(shí)間去設(shè)計(jì)和測試，就不是很有意義。所以怎么把設(shè)計(jì)、規(guī)劃、測試都包含到整個(gè)Harness過程中，對公司能不能轉(zhuǎn)型為AI-First至關(guān)重要。

Clark：我想先跟大家表達(dá)一個(gè)觀點(diǎn)：如果想做到所謂的AI-First或者AI native（AI原生）這樣一個(gè)狀態(tài)，它不是在現(xiàn)有流程上去使用AI工具，而是要圍繞AI能力重新構(gòu)建工作流程和組織形態(tài)。

圖片來源：Peter Pang@intuitiveml

我們在之前很長一段時(shí)間里，每一個(gè)工程師都在用AI寫代碼，每一個(gè)產(chǎn)品經(jīng)理都在用AI寫PRD（產(chǎn)品需求文檔），每一個(gè)設(shè)計(jì)師都在用AI做圖。但其實(shí)這樣并沒有增加我們的效率，反而導(dǎo)致每一個(gè)人的工作進(jìn)度和節(jié)奏不一樣之后，我們的alignment（對齊）成本變得非常高，我們還是全部遠(yuǎn)程辦公的狀態(tài)。

所以我們要去重新想，我們到底怎么樣才能讓AI在公司運(yùn)營過程中真正地自動(dòng)化跑起來，才有了Peter設(shè)計(jì)的一套新的開發(fā)流程和架構(gòu)和新的產(chǎn)品的架構(gòu)重構(gòu)，才有了這篇文章里面講的self-healing（自我修復(fù)）的Agent Harness。

泓君：可不可以舉個(gè)例子，你們重塑組織架構(gòu)時(shí)，哪些方向發(fā)生了變化？瓶頸在哪里？

Peter：首先需要解決人的問題——大家能否接受新工作方式。我們花很多時(shí)間對齊mindset（思維模式）。以前做這樣一個(gè)轉(zhuǎn)型，通常需要一個(gè)架構(gòu)師或工程師花費(fèi)好幾個(gè)月來demonstrate（展示）新的工作方式更優(yōu)，但這個(gè)轉(zhuǎn)型成本就很大。

現(xiàn)在在AI輔助下，這個(gè)過程就會(huì)快很多，可能只需要一兩周把整個(gè)系統(tǒng)，包括前端、后端、架構(gòu)、基礎(chǔ)設(shè)施，都進(jìn)行重構(gòu)，然后給大家展示它工作起來更高效。不管是部署的頻率、部署的可靠性和最后的效果上，都比之前的工作方式有很大提升。這樣能在很短時(shí)間內(nèi)對齊思維模式，讓大家快速融入到整個(gè)開發(fā)過程。

Kai：其實(shí)Harness本身它更多是在于構(gòu)建一個(gè)系統(tǒng)，真的能讓所謂的AI-First的組織高效運(yùn)轉(zhuǎn)。很多組織上的人，思維難以改變，他覺得用AI提升效率就夠了。但是AI-First要求的是，你讓AI來driven（驅(qū)動(dòng)）你整個(gè)公司的方向，可能你每天工作的方式都是由AI來驅(qū)動(dòng)的，這是完全不一樣的概念。

泓君：是AI給你們布置任務(wù)嗎？

Kai：對。如果還把AI當(dāng)成一個(gè)提升效率的工具，那使用者的效率提升可能最多就是10倍，因?yàn)槿俗疃嗝刻炜赡芫凸ぷ?4小時(shí)。如果希望效率提升100倍、1000倍，你不能說你是那個(gè)工具的使用者，而是AI應(yīng)該是所有生產(chǎn)力的主導(dǎo)。人的角色發(fā)生變化，更多是在于怎么去復(fù)盤結(jié)果的好壞。還有在這個(gè)系統(tǒng)里，我并不是那個(gè)實(shí)際的工作者，我應(yīng)該以怎樣的一個(gè)方式去跟這個(gè)系統(tǒng)配合起來？這是很多企業(yè)在做轉(zhuǎn)型時(shí)，沒意識(shí)到或很難去做到的事情。

泓君：舉個(gè)例子，你們的系統(tǒng)怎么和人去配合工作？我覺得傳統(tǒng)的團(tuán)隊(duì)開發(fā)產(chǎn)品的時(shí)候，可能很大的一個(gè)痛點(diǎn)就是說，我團(tuán)隊(duì)之間要對齊，然后我要把信息同步到每一個(gè)人，任何一個(gè)人他可能miss掉了一個(gè)信息點(diǎn)，那他在產(chǎn)品做開發(fā)的時(shí)候，可能就不知道我們上一版的更新是什么。現(xiàn)在是不是所有的這些工作都可以交給AI，或者在這個(gè)流程中它就可以自動(dòng)去做了？

Kai：我覺得這里面核心還是信任的問題。很多人對系統(tǒng)不信任，所以對齊成本就非常高。現(xiàn)在AI-First下，對齊由AI主導(dǎo)，比如AI告訴市場團(tuán)隊(duì)今天工程師要發(fā)布哪些功能，市場團(tuán)隊(duì)不用再反復(fù)問工程師。

泓君：AI怎么知道工程師團(tuán)隊(duì)明天能把所有的工作做完？

Peter：在AI的思維模式之下，迭代一個(gè)產(chǎn)品的過程中，我們更側(cè)重的是，這個(gè)新的功能能不能夠帶來產(chǎn)品的top line metrics（頂層指標(biāo)）的提升，或者新的這個(gè)功能能不能有真的用戶使用的數(shù)據(jù)。所以在這個(gè)過程中，我們更核心聚焦怎么把整個(gè)數(shù)據(jù)鏈搭建起來。我們把這個(gè)鏈條搭建起來之后，都是Agent通過這些數(shù)據(jù)來決定，好，這個(gè)功能到底是不是有用的，我們到底要不要roll out（上線）這個(gè)功能，或者fall back（回退）這個(gè)功能。

泓君：也就是說工程師寫完代碼以后，不需要手動(dòng)地跟AI說“我寫完了”，現(xiàn)在AI它就可以自動(dòng)地根據(jù)你的整個(gè)代碼質(zhì)量，你的進(jìn)程，去做出它的判斷。

Peter：對，這個(gè)在傳統(tǒng)的工程中也有，我們叫CI/CD process（持續(xù)集成/持續(xù)部署流程）。只不過在傳統(tǒng)的CI/CD process中，很多都是rule-based（基于規(guī)則）或者一些unit testing（單元測試）驅(qū)動(dòng)的。但是在AI這個(gè)情況之下，我們可以有很多AI驅(qū)動(dòng)的測試。比如現(xiàn)在大家比較常用的像Playwright，是可以做AI驅(qū)動(dòng)的完整的end-to-end testing（端到端測試），這樣可以保證我們發(fā)布的代碼中沒有明顯的可以破壞這個(gè)產(chǎn)品的bug。所以在這個(gè)過程中，很多AI驅(qū)動(dòng)的測試是非常重要的。包括你代碼發(fā)布之后，在這個(gè)日志中有沒有error，有沒有incident，都是通過這些信號(hào)能夠反饋給AI，來看整個(gè)這個(gè)代碼的質(zhì)量是什么樣子的。

泓君：關(guān)于讓AI寫代碼，怎么保證它的質(zhì)量？Peter的文章提到了，正常情況下寫代碼一天，大家修bug要三天。現(xiàn)在有什么新手段，可以讓大家不用把很多的時(shí)間都花在修復(fù)上？

Peter：我覺的bug是整個(gè)工程中不可避免的，不論AI寫還是人寫。因?yàn)镠arness不是一個(gè)靜止的狀態(tài)，它不是說我現(xiàn)在有一個(gè)系統(tǒng)之后，我只需要維護(hù)這個(gè)系統(tǒng)，這個(gè)系統(tǒng)不會(huì)有bug，也不需要提升。

Harness這個(gè)過程的核心就是在于，我能不能找到這個(gè)系統(tǒng)中的bug。剛才聊到CI/CD的過程中，我們會(huì)有一系列的regression test（回歸測試），去避免一些bug發(fā)布到production（生產(chǎn)環(huán)境）中破壞這個(gè)系統(tǒng)，這是第一步。第二步，即便有一些corner case（邊界情況）或者race condition（競爭條件）發(fā)布到這個(gè)系統(tǒng)之后，我們怎么能夠在最快的時(shí)間識(shí)別這些bug，然后及時(shí)地修復(fù)這些bug。

傳統(tǒng)的情況之下，這兩步都是由人來驅(qū)動(dòng)的，但是在Agent Harness情況之下，我們會(huì)有Agent系統(tǒng)來驅(qū)動(dòng)。所以我們開發(fā)了Agent-driven的CI/CD系統(tǒng)和Agent-driven的bug triage（分類/定級(jí)）系統(tǒng)，會(huì)根據(jù)系統(tǒng)中的問題去triage這個(gè)問題，然后指派給工程師讓他們?nèi)バ迯?fù)這些bug。

圖片來源：Peter Pang@intuitiveml

泓君：你覺得在你引入這兩套系統(tǒng)以后，它的效率提升了多少？

Peter：因?yàn)楹芏喽际茿gent-driven，所以它可以并行地進(jìn)行，可以有很多Agent同時(shí)去identify（辨認(rèn)）。它發(fā)現(xiàn)一個(gè)bug只需1-2分鐘，指派給工程師幾秒鐘。工程師再用Agent調(diào)查并提出方案，整個(gè)cycle大約1-2小時(shí)。對比之前，我們識(shí)別、修復(fù)一個(gè)bug，再把它發(fā)布到系統(tǒng)中，可能需要一周的時(shí)間。

Clark：對，這里面有一個(gè)特別有意思的現(xiàn)象。我們以前有一個(gè)feature wish list（功能愿望清單），很長，又有一個(gè)bug list，有很多bug要修復(fù)。以前市場和產(chǎn)品還有工程師就總是討論來討論去：到底是先修bug還是先做功能？現(xiàn)在這兩個(gè)清單都沒有了，bug及時(shí)發(fā)現(xiàn)，及時(shí)修復(fù)，feature現(xiàn)在的數(shù)量遠(yuǎn)遠(yuǎn)多過于我們所需要的數(shù)量。

Peter：我們現(xiàn)在有一個(gè)auto-fixing（自動(dòng)修復(fù)）系統(tǒng)。對于我要修復(fù)的一些東西，如果只是存在于一些風(fēng)險(xiǎn)比較小的文件夾之下的話，AI自動(dòng)提交PR（拉取請求），工程師簡單批準(zhǔn)即可發(fā)布。現(xiàn)在50%以上的問題是通過auto-fixing完成的。

03

架構(gòu)師：Harness中的核心角色

泓君：因?yàn)槲也惶畬懘a，只能用寫文章做比喻。假設(shè)我是在改一篇稿子，即使它只出現(xiàn)了一個(gè)小錯(cuò)誤，我可能需要把整個(gè)稿子看一遍，那這個(gè)時(shí)間跟我自己重新寫，花的時(shí)間是差不多的。如果Agent幫你搭了一個(gè)非常好的技術(shù)框架，但在基礎(chǔ)層出了大錯(cuò)誤，需要工程師解決，工程師是不是得把整個(gè)系統(tǒng)重新學(xué)一遍？

Peter：我覺得這個(gè)問題很好。在之前的我的文章中，我也討論了在AI環(huán)境之下的工程團(tuán)隊(duì)可能分為兩種人：一種是architect（架構(gòu)師），一種是operator（操作者）。架構(gòu)師在整個(gè)這個(gè)系統(tǒng)搭建過程中的作用是非常重要的。比如說在搭建整個(gè)Creao的系統(tǒng)過程之中，整個(gè)Agent的架構(gòu)是什么樣子，比如說sandbox（沙箱）和host（宿主）之間是怎么交互的，還是由架構(gòu)師來決定的。

如果說Agent直接通過AI coding或者vibe coding（氛圍編程）的方式，給你一個(gè)solution（解決方案），但這個(gè)解決方案通常會(huì)有安全的隱患或者延遲的隱患。怎么去優(yōu)化整個(gè)這個(gè)系統(tǒng)，還是由架構(gòu)師來決定的。區(qū)別在于，傳統(tǒng)搭建Agent的團(tuán)隊(duì)以前可能需要10到20個(gè)人，但是現(xiàn)在搭建整個(gè)這樣一個(gè)系統(tǒng)只需要一個(gè)架構(gòu)師，在一個(gè)周的時(shí)間之內(nèi)就能完成。

Clark：我來補(bǔ)充一下。AI能力早就很強(qiáng)了，但為什么還沒達(dá)到人們的預(yù)期？人們覺得AI沒干好，我還得幫它彌補(bǔ)錯(cuò)誤。這里需要有一個(gè)概念上的轉(zhuǎn)變：我們要把AI當(dāng)成一個(gè)系統(tǒng)來看待，而不是一個(gè)智能。當(dāng)系統(tǒng)出錯(cuò)時(shí)，不要想著糾正這個(gè)智能，而要想著彌補(bǔ)這個(gè)系統(tǒng)。這個(gè)其實(shí)是我們在做Harness跟現(xiàn)在普遍的認(rèn)知最不一樣的地方，它是一個(gè)動(dòng)態(tài)改變和提升的過程，不是靜態(tài)的、固定的枷鎖去束縛這個(gè)智能，要給它提供空間，讓它能夠成長。這個(gè)成長的方式就好像你在養(yǎng)一個(gè)孩子，讓它在一個(gè)規(guī)則內(nèi)越來越好。

泓君：這個(gè)觀點(diǎn)很有意思，以前是“解決問題”，現(xiàn)在是“解決系統(tǒng)上的問題”。

Clark：這里面還有一個(gè)更激進(jìn)的想法，我們自己發(fā)的這些內(nèi)容，可能未來的這些受眾并不一定是人。比如一個(gè)市場部門的物料，可能從人的審美上去看它并不好。但實(shí)際上你把這個(gè)東西投向市場的時(shí)候，你會(huì)發(fā)現(xiàn)，讀這篇文章或者讀這個(gè)圖片的是一個(gè)Agent在讀，它的數(shù)據(jù)反饋回來，可能是更好的。

以后可能買東西是由Agent去買，訂報(bào)紙是由Agent去訂……那你的廣告是發(fā)給Agent看，還是發(fā)給人看？你要搞清楚你的工作結(jié)果到底是被誰消費(fèi)，針對這個(gè)東西的價(jià)值，我們再去思考，到底是提升系統(tǒng)，還是回到最原始的人的創(chuàng)作過程中去彌補(bǔ)一些錯(cuò)誤。

泓君：我相信在未來做消費(fèi)決策的時(shí)候，可能還是Agent看得多。但是它來得比我預(yù)期中要快很多，整個(gè)進(jìn)化還是非常的快的。

Peter：從另外一個(gè)角度上來講，也可以很明顯地看到現(xiàn)在SaaS產(chǎn)品的轉(zhuǎn)型。因?yàn)橐郧昂芏郤aaS產(chǎn)品，它需要一個(gè)給人去看、去管理的dashboard（儀表盤）。但是在起碼現(xiàn)在這個(gè)階段，我們團(tuán)隊(duì)在使用任務(wù)管理的時(shí)候，我們更關(guān)心的是Agent能不能“看到”并prioritize（設(shè)定優(yōu)先級(jí)）這些任務(wù)。所以我們會(huì)去看這些任務(wù)管理產(chǎn)品有沒有更好的MCP（模型上下文協(xié)議）和API（應(yīng)用程序接口）提供給我們的Agent使用。

泓君：所以整個(gè)進(jìn)化還是非常快的。

Kai：其實(shí)剛才您提到這個(gè)問題，也是很多公司在做AI轉(zhuǎn)型時(shí)候會(huì)第一個(gè)考慮的問題，他覺得使用AI的時(shí)候，我還要review一遍，那跟我人去做時(shí)間和成本沒差別。但如果真把AI系統(tǒng)構(gòu)建起來，仔細(xì)算一下，時(shí)間和成本會(huì)有很大提升。只是這個(gè)過程需要整個(gè)團(tuán)隊(duì)有共同目標(biāo)，只要有人覺得還不如人做，改造時(shí)間就會(huì)被拉長。這是大多數(shù)企業(yè)從組織上面臨的挑戰(zhàn)。

04

轉(zhuǎn)型最難的一步

從信任人，到信任AI

泓君：你們是第一天就AI-First，還是后來摸索的？

Kai：我們整個(gè)公司也是有一個(gè)過程的，你要意識(shí)到誰是未來的生產(chǎn)力的核心的角色。2025年上半年，大家還是覺得AI是輔助人去做事情，人在工作中占主導(dǎo)地位。但是到了下半年，我們意識(shí)到，如果還是這樣，企業(yè)效率提升還是非常有限的。核心問題是沒有把生產(chǎn)力工具的使用者真正從人轉(zhuǎn)變到AI。這種轉(zhuǎn)變需要時(shí)間，市場團(tuán)隊(duì)和工程團(tuán)隊(duì)甚至花了一兩個(gè)月來來回回探討怎樣是更好的工作方式。

Peter：我覺得這也是跟AI能力提升相關(guān)的，過去一年內(nèi)，AI從輔助角色，到參與開發(fā)，再到現(xiàn)在能夠相對來說主導(dǎo)開發(fā)過程，角色的轉(zhuǎn)變是和基礎(chǔ)模型能力提升、Agent架構(gòu)和基礎(chǔ)設(shè)施的提升相關(guān)的。一年前讓AI主導(dǎo)開發(fā)從技術(shù)上來說不成立，但在我們重構(gòu)過程中，當(dāng)發(fā)現(xiàn)AI到達(dá)了那一個(gè)點(diǎn)的時(shí)候，整個(gè)重構(gòu)速度和效果遠(yuǎn)超一年前能夠想象的程度。

泓君：你們是從什么時(shí)間點(diǎn)開始重構(gòu)的？做了哪幾件核心的事？

Peter：意識(shí)到需要重構(gòu)是去年八九月份，花的最多的時(shí)間就是讓大家轉(zhuǎn)變思維方式。真正開始重構(gòu)代碼架構(gòu)和開發(fā)過程是今年1月，用了大概兩周，重構(gòu)了整個(gè)架構(gòu)，包括現(xiàn)在大家看到的產(chǎn)品。

泓君：有哪些你們覺得之前AI解決不了的事情，然后AI解決了？

Peter：之前AI解決不了的事情主要是在規(guī)劃（Planning）階段。比如說我以100分為滿分方案的話，現(xiàn)在它能給我一個(gè)90分的方案。我看到這個(gè)規(guī)劃的時(shí)候，我能夠再給它一些criticize（評(píng)判），它能夠給我一個(gè)revised plan（修改后的方案），而不需要我真實(shí)地去改這個(gè)規(guī)劃。一年之前的話可能也就是50分，我可能需要人為地再去modify（調(diào)整）這個(gè)規(guī)劃，再去改整個(gè)架構(gòu)。

泓君：你覺得AI寫代碼的能力在你之上嗎？

Peter：首先，AI寫代碼的能力肯定是在我之上的，2026年我就沒有寫過一行代碼。但是從規(guī)劃的能力上來講，作為一個(gè)架構(gòu)師的價(jià)值，不管你是一個(gè)CTO還是一個(gè)技術(shù)負(fù)責(zé)人，你的價(jià)值就是在于找到AI planning的缺陷。現(xiàn)在AI的規(guī)劃還是有缺陷的，比如說它一開始給我的規(guī)劃可能有安全的缺陷，可能有延遲的缺陷。那我根據(jù)我之前的架構(gòu)經(jīng)驗(yàn)，我怎么能夠評(píng)判它或者質(zhì)疑它，能夠進(jìn)行進(jìn)一步的提升。

泓君：你教了它，要怎么去做這個(gè)延遲性，安全性，它現(xiàn)在再做新的規(guī)劃會(huì)變得好很多嗎？

Peter：這個(gè)就是Harness的核心。之前我教給它，你在安全性上，在設(shè)計(jì)sandbox和host之間的關(guān)系的時(shí)候，你要遵循什么樣的準(zhǔn)則。這個(gè)時(shí)候我就可以把它變成一個(gè)Skill，在下一次的過程之中，我只需要引用這個(gè)Skill，代替我去說更具體的內(nèi)容，就變成一件很容易的事情了。所有其他的我們團(tuán)隊(duì)的工程師，也可以參考這個(gè)Skill。

泓君：可不可以給聽眾一個(gè)直觀的印象？你現(xiàn)在有了AI做生產(chǎn)的主力以后，它干出了配多少員工才能干到的事情？給大家一個(gè)數(shù)字上的直觀的感受。

Peter：如果翻到一年之前，不是AI主導(dǎo)的情況之下，要研發(fā)像Creao現(xiàn)在這樣一個(gè)產(chǎn)品，我覺得起碼需要100人左右的團(tuán)隊(duì)，花四五個(gè)月的時(shí)間去研發(fā)這樣一個(gè)版本。如果大家看其他的general Agent（通用智能體）公司的規(guī)模，大概也是這樣一個(gè)范圍。現(xiàn)在公司25人，工程師團(tuán)隊(duì)10人以下，從產(chǎn)品第一個(gè)階段的部署只花了約兩周。

Kai：從SaaS公司運(yùn)營一個(gè)SaaS產(chǎn)品的角度來看，你會(huì)有個(gè)很直觀的感受。傳統(tǒng)軟件時(shí)代，銷售團(tuán)隊(duì)的概念會(huì)超前產(chǎn)品4-5個(gè)月；現(xiàn)在反過來了，技術(shù)團(tuán)隊(duì)反過來超前了市場團(tuán)隊(duì)4-5個(gè)月，市場團(tuán)隊(duì)在追趕開發(fā)的功能。這會(huì)導(dǎo)致整個(gè)運(yùn)營和組織結(jié)構(gòu)可能都跟原來不一樣。

泓君：Clark，你這一塊會(huì)有從市場營銷的層面也用更多的Agent嗎？

Clark：市場拓展團(tuán)隊(duì)會(huì)用我們自己公司的產(chǎn)品去構(gòu)建AI-First的workflow。當(dāng)然這里面有很多坑。我覺得最大的一個(gè)困惑就是：Engineering相對好做評(píng)估，它能夠有明確的指標(biāo)說今天你干得好還是不好。但是從go-to-market的角度，不管你是寫文章也好，做視頻也好，每個(gè)人他都有自己對這個(gè)價(jià)值的判斷，相對比較主觀。那我們怎么樣去構(gòu)建這個(gè)系統(tǒng)，能夠更好地把這些主觀的判斷變成一種信號(hào)，讓我們的系統(tǒng)能夠自動(dòng)去運(yùn)轉(zhuǎn)起來，這是一個(gè)比較大的挑戰(zhàn)。我們也沒有說我們今天就是100%讓Agent去做決策，但我們會(huì)放很多Agent的結(jié)果，再由人去判斷說這個(gè)結(jié)果好還是不好。我們有很多功能，但我覺得市場還沒有準(zhǔn)備好，那我們就不會(huì)把這些東西放到市場上面去。

05

為什么大企業(yè)難轉(zhuǎn)型？

中小企業(yè)的AI紅利期

泓君：我很好奇你們有哪些超前的思想是市場還沒有接受的？

Clark：每個(gè)人的Agent都有所有的權(quán)限可以讀寫，這個(gè)其實(shí)是一個(gè)相對來說比較大膽的動(dòng)作。我們希望說，未來為了能夠讓你的組織更加高效，你的很多數(shù)據(jù)是應(yīng)該開放給你的Agent，開放給每一個(gè)人。但這里面可能還需要更好的一些技術(shù)的支持，包括你怎么樣去限制每個(gè)人的權(quán)限，或者限制Agent權(quán)限，怎么樣讓這個(gè)Agent在讀取這些數(shù)據(jù)的時(shí)候不會(huì)出現(xiàn)失誤。比如說我原來要說“Peter，今天我們有多少個(gè)用戶，有這樣的行為”，可能還要去找做數(shù)據(jù)的同學(xué)或者工程師去幫我搭一個(gè)新的表格出來。但今天我只需要跟Agent說，我提這個(gè)問題，它立刻3秒鐘之后給我一個(gè)答復(fù)。

Peter：我覺得現(xiàn)在主要的挑戰(zhàn)，不是市場能不能接受這種工作方式，而是市場不知道這種工作方式的存在，或者他不知道怎么去高效地使用一個(gè)Agent幫助他能夠完成他自己的工作。所以Creao在整個(gè)的這個(gè)過程中，我們也做了很多工作，就是讓用戶不用進(jìn)行復(fù)雜的設(shè)置，能夠更容易訪問這個(gè)Agent，幫助他完成他自己本身的工作。

泓君：所以你們對標(biāo)的場景跟你們主要的客戶是誰？你是對標(biāo)大企業(yè)里面的工作流程自動(dòng)化的，還是創(chuàng)業(yè)者或者個(gè)人，還是普通的大眾？

Kai：都會(huì)有。但我們真正的目標(biāo)，還是那些所謂的SMB（Small to Medium Business，中小企業(yè)），因?yàn)檫@個(gè)可能是最早去采用AI的人群。越大的企業(yè)合規(guī)的問題越多，還有很多的“人”的因素，會(huì)導(dǎo)致它的整個(gè)過程會(huì)非常艱難。但是如果一家公司如果沒有太多的合規(guī)問題，沒有一些傳統(tǒng)的legacy（遺留系統(tǒng)），其實(shí)你就是第一批最容易去做這個(gè)轉(zhuǎn)型的公司。

圖片來源：Pixabay

泓君：一個(gè)公司想要做這樣的轉(zhuǎn)型，是不是他們的創(chuàng)始人也得有一個(gè)核心信念，就是相信AI？

Kai：對。更多還是他們得搞清楚，這個(gè)轉(zhuǎn)型最后代表的是什么。我舉個(gè)例子，在2023年剛剛大模型出來的時(shí)候，很多的SaaS公司想的都是我怎么把AI做成一個(gè)功能集成到我的產(chǎn)品里面。這個(gè)本質(zhì)來講是沒有搞清楚：如果你要做這樣的功能，有沒有可能你原來的產(chǎn)品架構(gòu)是不支持把這些最新的AI能力給集成進(jìn)來的？因?yàn)槟愕臄?shù)據(jù)庫可能也不符合要求，你的交互可能也不是未來的一個(gè)方式。所以說你可能需要去做的事情是整體產(chǎn)品的重構(gòu)。如果接受不了這個(gè)結(jié)果，那可能也很難去做這個(gè)轉(zhuǎn)型。

06

當(dāng)AI主導(dǎo)生產(chǎn)

人類的新角色是什么？

泓君：可不可以講一下你們的組織結(jié)構(gòu)是如何發(fā)生變化的？剛剛舉了很多的案例，但是我還是想知道一個(gè)whole picture。

Kai：整個(gè)組織結(jié)構(gòu)變化，我覺得這里面是很多角色的變化。首先，如果你真的要搞改造，你需要做的第一個(gè)點(diǎn)其實(shí)是信任上的變化。原來你組織信任的是人，但現(xiàn)在當(dāng)你把AI拿進(jìn)來之后，你要先解決第一個(gè)問題：就是你能不能信任你的AI做決策或去執(zhí)行任務(wù)。這個(gè)信任其實(shí)就跟為什么我們要去構(gòu)建一個(gè)Harness系統(tǒng)是一個(gè)道理，我們得有很多guardrails（護(hù)欄）還有機(jī)制，去保障AI做的所有工作，不管它做決策、規(guī)劃、還是執(zhí)行，最后它的這個(gè)東西是能夠被人去信任的。

接下來就是你所有的組織結(jié)構(gòu)里面具體位置的變化。我們沒有單獨(dú)的產(chǎn)品經(jīng)理這樣的角色了，他被拆解到了每一個(gè)工程師和像Peter這樣子的做工程管理的人身上。這個(gè)崗位我并不覺得它不重要，而是在于他通常是矛盾最集中的那個(gè)點(diǎn)。產(chǎn)品經(jīng)理同時(shí)要跟市場溝通，跟開發(fā)溝通。大量的對齊成本都發(fā)生在產(chǎn)品經(jīng)理的角色上面。但當(dāng)你把這個(gè)角色給拿掉之后，你會(huì)發(fā)現(xiàn)，對齊的成本反而有時(shí)候可能會(huì)更低。

泓君：產(chǎn)品經(jīng)理這個(gè)角色，你覺得現(xiàn)在還有價(jià)值嗎？或者說重新招一個(gè)類似于產(chǎn)品經(jīng)理角色的人，你覺得他需要有什么樣的新技能？

Kai：未來需不需要產(chǎn)品經(jīng)理？一定需要的。未來有一種可能，就是產(chǎn)品經(jīng)理職位的很多權(quán)力會(huì)分散在開發(fā)團(tuán)隊(duì)的各個(gè)人身上。因?yàn)槿绻f你的每一個(gè)開發(fā)團(tuán)隊(duì)成員在AI的幫助下都能夠更好地去有產(chǎn)品觀念的話，其實(shí)你本質(zhì)來講有沒有這個(gè)職位也不太重要。因?yàn)樵瓉懋a(chǎn)品經(jīng)理我覺得他更多解決的是對齊的成本，還有如何幫助公司去降低開發(fā)成本。

泓君：我可不可以這樣理解：現(xiàn)在相當(dāng)于工程師Peter的團(tuán)隊(duì)，他們某種程度上扮演了產(chǎn)品經(jīng)理的角色。但是反過來，一個(gè)好的產(chǎn)品經(jīng)理，他其實(shí)對市場、對產(chǎn)品也是非常有想法的。加上現(xiàn)在開發(fā)的成本是非常低的，他可能也很容易就把他的一個(gè)想法通過AI的執(zhí)行能力很快變成了一個(gè)好的產(chǎn)品。他甚至不需要工程團(tuán)隊(duì)了。所以說，其實(shí)這兩種角色他某種程度上在融合，在變成一種角色。所以這個(gè)角色到底是一個(gè)技術(shù)的團(tuán)隊(duì)來做，還是一個(gè)產(chǎn)品的團(tuán)隊(duì)來做，其實(shí)不重要，因?yàn)槎际茿I在主導(dǎo)，想法更重要。

Kai：對。未來這個(gè)職位本身，它可能不是說一個(gè)人，而是一個(gè)團(tuán)隊(duì)整體扮演這個(gè)產(chǎn)品經(jīng)理的角色，這個(gè)角色本身它會(huì)被組織化掉。在傳統(tǒng)軟件時(shí)代，有很多個(gè)人英雄主義，就說因?yàn)槟骋粋€(gè)產(chǎn)品經(jīng)理或一個(gè)靈魂人物，導(dǎo)致最后這個(gè)產(chǎn)品特別受歡迎。但未來可能是一個(gè)組織做了一個(gè)很好的產(chǎn)品，被這個(gè)市場接受。

Peter：我覺得有一個(gè)非常明顯的趨勢，復(fù)合型人才，或者比較general（通用）的人，他在AI環(huán)境之下可以茁壯成長得更好一些。不管是說一個(gè)工程師他有產(chǎn)品的感知和市場的感知，還是說一個(gè)產(chǎn)品經(jīng)理他具有implementation（實(shí)現(xiàn)）的能力，都會(huì)非常的重要。另一個(gè)趨勢：UX和UI的設(shè)計(jì)師會(huì)變得非常重要，但他們需要具備把想法落地到產(chǎn)品中的執(zhí)行能力。如果你需要把你的想法傳遞給另外一個(gè)人或者，那你交流或?qū)R的成本就遠(yuǎn)大于你執(zhí)行的成本，在整個(gè)的AI的工作環(huán)境之下就變得不是那么的高效。

泓君：Peter，你有一篇文章我印象很深，你說初級(jí)工程師比資深工程師更能適應(yīng)AI環(huán)境，為什么？

Peter：因?yàn)槌跫?jí)的工程師的技術(shù)債務(wù)或者他的思想的束縛，通常來說比較小，他能夠接受擴(kuò)展他的scope（范圍），他不僅是作為一個(gè)工程師，也要融入到一些產(chǎn)品的設(shè)計(jì)之中，包括產(chǎn)品他的feature deploy（功能部署）之后，他還需要做一些分析，他根據(jù)分析能夠做出他的一個(gè)判斷。

但通常來講，比較高級(jí)的工程師因?yàn)樗容^specialize（專精），比如說你是一個(gè)做基礎(chǔ)設(shè)施的人，或者你是一個(gè)做后端的人，你可能在傳統(tǒng)的工作環(huán)境之中，你不關(guān)心你的代碼發(fā)布之后發(fā)生的事情。但是在AI這個(gè)環(huán)境之下，你的工程師的范圍就需要比之前擴(kuò)大很多，就不只是在我把這個(gè)代碼寫完之后就結(jié)束了，而是在于我代碼寫之前我怎么能夠把自己的judgment（判斷）加進(jìn)去，代碼發(fā)布之后怎么能夠判斷它的impact（影響）。整個(gè)這個(gè)過程是非常重要的。

通常來講初級(jí)工程師是能夠更好地接受這樣的一種工作狀態(tài)。比如說你跟一個(gè)資深工程師說，除了負(fù)責(zé)前面你代碼已經(jīng)交完了的這個(gè)過程，你還要負(fù)責(zé)后面的這個(gè)過程，他們是不能理解跟馬上去轉(zhuǎn)變這個(gè)思想的。通常來講，需要對齊這個(gè)思維模式的成本要高很多。

其實(shí)作為一個(gè)高級(jí)工程師，或者作為一個(gè)專業(yè)領(lǐng)域的——不管你是做基礎(chǔ)設(shè)施的人，還是前端的人——在過去的軟件開發(fā)過程之中，你的知識(shí)是非常有價(jià)值的，因?yàn)槟隳軌蛑涝陂_發(fā)這個(gè)系統(tǒng)之中怎么樣寫最簡潔的代碼，怎么樣設(shè)計(jì)最好的架構(gòu)，你可能需要兩三個(gè)月的時(shí)間去完成這樣一個(gè)事情。但是AI編程在現(xiàn)階段它已經(jīng)很強(qiáng)了，以后會(huì)變得更強(qiáng)，所以它會(huì)讓你本身的specialty（專長）變得越來越低。所以很多人可能接受不了這樣一種狀態(tài)，就是他本身能花了10年、20年時(shí)間學(xué)到的這樣一些知識(shí)，變得可能在未來并不那么重要。

泓君：所以你們現(xiàn)在更傾向于招哪一類的人？

Peter：我文章中雖然提到，轉(zhuǎn)變一個(gè)資深工程師的難度要比一個(gè)相對來說初級(jí)工程師的難度要大。但是從價(jià)值上來講，一個(gè)資深的工程師的價(jià)值現(xiàn)在是不能被取代的。所以怎么能夠找到一個(gè)資深的工程師，他還能夠擁抱AI的思維模式，而且他能夠具有一個(gè)產(chǎn)品的感知，他能夠還知道一些市場的知識(shí)。這個(gè)人雖然很難找，但是對于公司來說是非常有價(jià)值的。好處是在于，之前我們可能需要很多這樣的人，但是現(xiàn)在我們可能只需要一到兩個(gè)人就可以了。

泓君：現(xiàn)在我們說AI成為主力，AI也可以迭代產(chǎn)品，所有的東西都是動(dòng)態(tài)的。大家覺得未來人最核心的能力是什么呢？

Peter：我覺得人最需要的能力就是系統(tǒng)架構(gòu)的能力。從以前implement feature（開發(fā)功能），變成怎么架構(gòu)這個(gè)AI系統(tǒng)和maintain（維護(hù)）這個(gè)AI系統(tǒng)。不管是工程師還是市場的角度，你做go-to-market，核心過程也要去搭建一套能夠自主運(yùn)行的Agent的市場系統(tǒng)，而不只是單純地產(chǎn)生一個(gè)市場內(nèi)容。

Kai：人的價(jià)值如果從真的很長遠(yuǎn)來看，就跟我們技術(shù)發(fā)展整個(gè)過程一樣，確定技術(shù)發(fā)展方向永遠(yuǎn)是人的需求和這個(gè)社會(huì)的需求。只要人這個(gè)物種還存在，人定義需求的方向和審核最終結(jié)果的價(jià)值是無法被取代的。

【音頻收聽渠道】

公眾號(hào)：硅谷101

收聽渠道：蘋果｜小宇宙｜喜馬拉雅｜蜻蜓FM｜網(wǎng)易云音樂｜QQ音樂｜荔枝播客｜嗶哩嗶哩

海外用戶：Apple Podcast｜Spotify｜TuneIn｜Amazon Music

聯(lián)系我們：podcast@sv101.net