邱懿武
工作台

AI 建造者日报 2026-11-10

生产力上限正在消失,瓶颈从“写代码”移到“想清楚要什么”和“谁来审查”。

整理日期

follow-builders(上游 X/播客/博客 + 本地补充源)


一、今日亮点

Mihail Eric(斯坦福 CS146S《现代软件开发者》,Monaco AI 负责人):AI-native 工程师的“地板”被抬高了

他给这门课定了个残酷前提:过去一个应届生达到 L3 就够用,现在“你入行就得接近资深水平”,因为工具本身已经抹平了初级实现能力。课程第二周直接让学生用 MITMProxy 拦截真实 Claude Code 的请求,把它的 system prompt、plan prompt、compaction prompt 全摊开看,再对比“200 行复刻版 harness”。

→ 启发:真正的学习法是“拆开黑盒”,会用工具的人过剩,能看懂工具内部的人稀缺。

Aaron Levie(Box CEO):从“聊天式 AI”到“给一组 agent 派活”,生产力上限消失了

他说我们正从“输出速率≈你聊天速率的时代”,进入“设一个问题、让一群 agent 并行做任意规模工作”的时代——收益从 20-50% 变成“没有上限”。凡是能被并行化的电脑工作(coding、安全、生命科学)都会被重构,而我们的大脑还没为“compute 是可自由伸缩变量”这件事做好准备。

→ 启发:别再问“AI 帮我提效多少百分比”,改问“这件事能不能拆成 N 个并行 agent”。

Garry Tan(YC 总裁):你迟早会想要自己的“软件工厂”

他一连三条都在讲同一件事:软件可以被 frontier model 轻易改写后,这些 bug 变得“难以忍受”;而个人的 just-in-time software 不可避免。结论是——“你真的很想拥有自己的软件工厂”。

→ 启发:当软件边际成本趋零,“拥有工厂”从成本项变成组织能力,早晚要建。

Nan Yu(OpenAI Codex 产品,前 Linear 产品负责人):选“最笨的架构”,别选“最简单的”

“简单是你迭代出来的结果,笨才是正确的起点,否则你会开始自作聪明。”另一条更狠:“如果你知道要造什么,软件变简单了;如果不知道,软件变难了——你会烧一大笔钱交付一堆垃圾。”

→ 启发:AI 时代最大的杠杆不再是实现能力,而是“把要什么想清楚”。

Ryo Lu(前 Cursor/Notion/Stripe 设计):当我们可以做任何事,我们还知道自己想要什么吗?

他在 AI Engineer 上海站的全手作 Keynote 提问:AI 把“能不能做”的门槛归零后,稀缺的是“要不要做、做成什么样”。

→ 启发:约束不是敌人,意图才是稀缺品;产品能力正从“实现”前移到“定义”。


二、机构视角

The a16z Show — Scott Kupor:把 a16z 的“人才与激励”方法论搬进美国政府

a16z 从 3 人做到数百人,如今 Scott Kupor 出任美国人事管理办公室(OPM)主任,把这套经验用到约 200 万联邦雇员上:推行更“凭实力”的用人机制、吸引年轻技术人才、并创造他所称的 “permissioned risk”(被许可的风险)——让政府雇员敢试新东西。还包括改绩效与晋升机制,以及替换仍在宾州地下矿井里、堆着上亿张纸的退休流程。

→ 这不是 AI 新闻,但它是“组织如何在变革中重新设计激励与容错”的一手样本,与我们对“Agent 团队怎么管人”的思考同构。(原文:阅读原文)

OpenAI News — ChatGPT Enterprise 上架 AWS Marketplace

企业客户可直接通过既有的 AWS 采购与账单关系购买 ChatGPT Enterprise,简化采购流程。

→ 信号:企业级 AI 的竞争正从“模型能力”下沉到“采购与合规通路”,这是 KA 客户决策链里真实存在的摩擦力。(原文:阅读原文)

OpenAI News — Control Room:统一追踪并紧急叫停算力负载

介绍 OpenAI 内部的 Control Room 系统:跨研究基础设施追踪模型负载,一旦出现安全或安保问题可快速叫停。

→ 信号:随着 agent 自主执行变多,“能跑”之外,“能一键停”正在成为基础设施标配。(原文:阅读原文)


三、对我们的价值

Mihail Eric 的“代码审查是新的瓶颈”→ 造物云 KA 交付与 Agent 团队的核心卡点

他明确说:生成可以做到一天 30+ PR,但代码审查跟不上,人要么成为瓶颈、要么就放任风险——所以真正的解法是“agent-ready codebase + 可验证性”,让一部分改动可以自动批准。

→ 对我们的启发:造物云给 KA 客户做 AI 化改造时,最容易翻车的不是“让 AI 写”,而是“谁来验收”。可行动:在我们自己的 Agent 团队交付流程里,把「意图定义 + 可验证的验收标准」列为一等交付物,先于任何代码/内容产出;对客户也一样,卖“可验收”而不是卖“生成量”。

Nan Yu 与 Ryo Lu 的同一件事:知道要什么,比会做更值钱 → 教育 AI 的课程重心

“知道要造什么→简单;不知道→烧钱交付垃圾”“当什么都能做,你还知道自己想要什么吗”——两条判断指向同一个稀缺品:意图与判断力。

→ 对我们的启发:教育 AI 方向的产品/课程,重心应从“教怎么用工具”移到“教怎么把需求想清楚、把标准定义清楚”。可行动:在产品定义九宫格 / H³-TII 的课程里,把“意图澄清 + 验收标准”设为一个独立模块,让学员先交出“要什么”,再谈“怎么做”——这正是 AI 时代最难被替代的能力,也正好是我们五本书方法论的落点。

Aaron Levie 与 Scott Kupor:并行化的上限 + “被许可的风险” → 企业转型与小龙虾团队

Levie 说收益上限消失靠的是“把工作 fan out 给一群 agent”;Kupor 的“permissioned risk”说的是同一枚硬币的另一面——组织必须给出容错空间,人和 agent 才敢真并行地试。

→ 对我们的启发:面向企业的转型服务,应从“按人天计价的实施”转向“按结果/并行规模计价”;内部(小龙虾/Agent 团队)则要先建立“permissioned risk”机制——明确哪些场景允许 agent 自主执行并自动放行、哪些必须人工介入(对应上面的“可验收”前置)。可行动:本周先为小龙虾团队落地一版「可自动放行 / 必须人工确认」两类任务清单,把容错边界写清楚。