配套视频：https://www.bilibili.com/video/BV14RrbBYE97/
引言：我们正在共同书写历史
大家好，我是Dan Shipper，Every公司的CEO。作为今天最后一位演讲者，我站在你们和晚餐之间，所以我会尽量让这次分享既有趣又简短。
首先，我要坦白一件事：虽然今天的主题是"如何打造AI原生公司的行动指南"，但遗憾的是，我其实并没有一套完整的方案。为什么？因为这套方案正在被创造——被我们公司创造，也被在座的每一位创造。
我不想以"我掌握所有答案"的姿态来做这次分享。相反，我想分享的是我们在Every公司的亲身实践，那些来自未来的简报和笔记。我相信，当我们处于学习如何运用AI进行工程开发的初期阶段时，分享彼此的真实经验，共同协作摸索，比任何理论框架都更有价值。
顺便说一句，看到这么多人聚集在纽约真是太好了。推特上有人说大家都搬去旧金山了，但我他妈的爱纽约！
一、Every的故事：15人如何运营4款产品
在深入探讨之前，让我先介绍一下Every。我们是一家有点特别的公司：
我们的规模：
15名员工
6个业务单元
4款软件产品
我们的成绩：
过去6个月，月经常性收入（MRR）每月实现两位数增长
超过7,000名付费订阅用户
超过100,000名免费订阅用户
总融资额仅约100万美元（极度资本轻量化）
最重要的是：
99%的代码由AI代理编写
没有人手写代码
每款应用由单个开发者独立完成
让我展示几个例子：
Cora - AI邮件管理助手
这是一款智能邮件管理应用，左侧会汇总你收到的所有邮件，右侧是一个可以回答问题的邮件助手。比如我问："今天我的AI工程师讲座几点？"它就直接给出了答案。这款复杂的应用主要由一名工程师完成，只有一两个承包商在某些方面提供了帮助。
Monologue - 语音转文字应用
类似Super Whisper或Whisper Flow，这是一款精美的语音转文字应用。同样，一个人，数千用户，功能繁多且复杂。
Spiral
另一款大型应用，同样由一名工程师完成。
这在几年前是不可能的，甚至一年前都难以实现。但现在，这就是我们的日常。
二、核心洞察：90%到100%的巨大鸿沟
我注意到的第一个重大问题是：工程师使用AI的比例从90%到100%，效率相差十倍。
这听起来可能有些极端，但这是我的真实观察。关键在于，哪怕只有10%的公司采用更传统的工程方式，你就不得不完全回归那种模式。它会阻碍你去做一些原本可能做的事——那些只有在所有人都不是总在代码编辑器中敲代码时才能实现的事情。
我深知这一点，因为这正是我们Every公司的日常工作。彻底转向AI工作方式，完全改变了我们作为一家小公司的能力。我们更像一个小实验室，探索着可能性的边界。
三、AI驱动的生产力革命
1. 并行工作：从串行到并发
我们能快很多的核心原因是：我们能并行处理多个功能和问题。
推特上有个关于"氛围程序员"（vibe coder）的梗，说他们开了四个窗口，但其实没在干活。但实际上，你真的可以那样做！我知道确实有工程师——他们在Every工作——正在高效地同时使用四个AI代理窗口。
这听起来很疯狂，但这正是单个开发者能够构建并运行生产级应用的关键因素之一。
2. 快速原型验证：降低实验门槛
另一个关键突破在于：因为代码成本低廉，你可以快速试错，从而进行更多实验。
以前，如果你想尝试一个冒险的想法，需要权衡投入的时间和风险。但现在，启动成本低得多——你只需说"去做这个，去查一下那个，做个大型重构"，然后转头去干别的。AI会在后台工作，当你回来时，已经有了初步结果。
这让你能够取得更大进展，因为尝试的心理门槛大大降低了。
3. 从备忘录到演示：文化的转变
我特别喜欢且注意到的一个有趣变化是：我们正逐渐转向一种更注重演示的文化。
过去，如果你想做某事，通常需要：
写个备忘录
做份演示文稿
想办法说服一群人这个想法值得花时间
但现在，因为你可以在几小时内"氛围编码"出一个展示你想法的demo，你可以直接向所有人展示。我认为这种演示文化让你能做一些更特别、更大胆的事情——那些只有亲眼看到、亲手体验才能理解的东西。
四、复利工程：让每个功能都为下一个功能铺路
我们给这个过程起了个名字：复利工程（Compounding Engineering）。
核心理念
传统工程：每个功能让下一个功能更难构建（技术债务累积）
复利工程：每个功能让下一个功能更容易构建（知识复利增长）
四步循环流程
复利工程通过一个四步循环来实现：
第一步：计划（Plan）
如果你今天在场并专心听讲，你就知道，当你和AI代理合作时，制定详细的计划有多重要。我想在座各位都已经在这么做了。
第二步：委派（Delegate）
直接让AI代理去执行任务。大家也都在这么做。
第三步：评估（Assess）
评估AI代理工作质量的方法有很多：
运行测试
亲自试用
让AI代理自行检查
人工代码审查
AI代码审查
等等
第四步：规范化（Codify）⭐
这是最有趣、也是最关键的一步——这是产生复利效应的"金钱步骤"。
在这一步，你要把从前三个阶段（规划、委派、评估）中积累的所有经验和隐性知识，转化为明确的、可复用的资产：
写入你的Cloud MD文件
创建子代理（sub-agents）
设置斜杠命令（slash commands）
建立Prompt库
你逐步构建起一个知识库，将所有工程师在发现漏洞、制定修复方案、分配任务时积累的隐性知识，转化为可以推广至整个组织的明确提示集合。
这就是复利的来源。 每一次迭代，你的组织都变得更聪明、更高效。
五、AI原生公司的二阶效应
当你真正做好复利工程时，会产生许多有趣的连锁效应——一些我认为尚未被充分理解或常被提及的影响。我猜已有人注意到这一点，但或许还需要再推进一点，才能真正展现出来。
1. 隐性代码共享变得轻而易举
我们有多个产品，它们经常需要实现类似的功能，即使使用不同的技术栈——比如团队功能、OAuth认证等。
传统方式： 要共享代码，你得先抽象出来，打包成库，让别人下载使用。这很难实现，或者需要大量沟通。
AI方式： 你只需将你的Cloud Code实例指向旁边开发者的代码仓库，AI就能学习他们采用的方法，然后在你自己的技术栈、框架中重新实现。
这真的很酷。开发者越多，参与的项目越多样，团队内能共享的就越多，而且无需额外成本——因为AI可以直接读取并使用所有代码。
2. 新员工首日即可高效工作
另一个很酷的现象是：新员工入职首日就能高效工作。
为什么？因为你已经把所有要点都规范化了：
如何搭建开发环境
什么是好的提交（commit）
代码规范是什么
如何写好PR
第一天，这些都已经配置在他们的CloudMD文件、Cursor文件或Codex文件中。AI代理会自动配置本地环境，知道如何写好PR。
这大大缩短了onboarding时间，新人可以立即开始贡献。
3. 专家自由职业者模式
这也让雇佣专家级自由职业者变得更容易。如果有人特别擅长某一件事，你可以让他们来一天，专门做那件事。
我觉得这有点像DJ客串录制——可以随时加入几小节，然后离开。通常这种合作太难实现，因为启动成本太高，但现在你可以做得好得多。
4. 跨产品协作成为常态
我还注意到另一件很酷的事：Every内部的开发者会向其他产品提交代码。
我们有四款产品在内部运行，每个人都使用所有产品。如果有人遇到bug或小瑕疵——一些轻微的体验问题——他们往往会直接向那个应用的负责人提交Pull Request。
因为对他们来说，下载仓库、让Claude或Codex找出修复方法、解决这个小问题，非常容易。
这真的很酷，因为你有了一种更简便的跨应用协作方式。我认为在接下来几年里，这种模式会进一步发展。我甚至猜想，你也能让客户在一定程度上这样做——如果遇到bug，让你的小助手修复它并提交为Pull Request。这是一种奇怪的开源方式，但确实很有意思。
5. 技术栈自由：让开发者选择最爱的工具
另一件很酷的事是：我们尚未需要统一到某个特定的技术栈或语言。
随着规模扩大，这可能会改变，但目前我们让每个开发不同产品的人选择他们最喜欢的技术。
为什么？因为AI让在不同技术之间转换变得更容易。它让任何人都能轻松切入任何语言、框架和环境并高效产出。
所以我们不需要强制统一。我们让人们做他们喜欢的事，让AI来处理中间的翻译工作。
6. 碎片化注意力工作：管理者也能写代码
最后这一点是我最喜欢的，但也可能是一些开发者的恐惧，某种程度上也是我团队的恐惧：技术出身的管理者竟能直接提交代码。
作为CEO，我本不该写代码。我们有四款产品，15名员工，发展迅速，我要做大量其他事务。但在过去几个月里，我确实编写并提交了可投入生产的代码。
为什么这成为可能？因为AI让工程师能以碎片化注意力工作。
以前，你可能需要连续三四个小时的专注时间才能完成任何事情。但使用Cloud Code，你可以：
从会议中出来
说"嘿，我想调查这个bug"
去做别的事情
回来时已经有了计划或根本原因修复
提交PR
这不简单，不是魔法，但确实可行。我认为这是一种全新的思维方式，重新定义了管理者如何与他们创造的产品互动。
六、总结：未来已来，但分布并不均匀
让我总结一下今天的核心观点：
1. 100% vs 90%：十倍差距
我真的认为，当实现100% AI采用率时，工作效率会有十倍之差。那最后的10%不是锦上添花，而是决定性的。
2. 单兵作战的超能力
从我们观察到的情况看，单个工程师应该能够构建并维护一个复杂的生产级产品。这不是理论，这是我们的现实。
3. 复利工程的力量
我们称之为复利工程，但我觉得我们都在指向同一个方向：让每个功能更易构建，从而产生那些看似不明显的间接效应，让整个组织更易协作。
4. 知识规范化是关键
最重要的是那个"Codify"步骤——将隐性知识转化为显性知识，建立可复用的知识库。这是复利的来源。
5. 旧金山还不知道的秘密
很重要的一点是，旧金山很多人还不知道这些。你们是首批听到的。
结语：加入我们的探索
这就是我今天的分享。我们不是在谈论未来——我们正在创造未来。Every就是一个小实验室，探索AI原生公司的可能性。
如果你对我们的工作感兴趣：
Every - 你紧跟AI前沿所需的唯一订阅
网址：every.to
我们提供三大板块：
创意内容：每日AI newsletter，评测所有新模型和新产品
应用产品：4款AI工具套装（包括今天展示的那些）
培训咨询：为大型企业提供AI应用培训和咨询
全部打包进一个订阅服务，一个价格，畅享所有内容。
非常感谢大家！
"The future is already here – it's just not evenly distributed." - William Gibson
而我们，正在努力让它更均匀地分布。
如果这篇文章对你有帮助，欢迎点赞、收藏、转发。也欢迎在评论区分享你的经验，我们一起交流学习！
我是 dtsola【IT解决方案架构师 | 一人公司实践者】 ；专注商业、技术、一人公司、个人成长分享。
提供服务：AI项目咨询 | 技术解决方案 | IT项目实施 | 企业技术顾问
博客：https://www.dtsola.com
公众号&微信：dtsola（交流经验、商业合作、IT咨询；加微信，请备注来意）
#独立开发者 #ClaudeCode #个人开发者 #一人公司 #程序员 #软件开发者 #创业者 #数字游民 #AI创业 #软件工程
