完美员工都是已经离职的那个。
职场里能干、低薪、顺从、不摸鱼这四样，最多具备三样。同时具备能干+低薪+顺从，公司觉得占了便宜，但迟早会变得疲惫然后摆烂变成“刺头”；同时具备能干+顺从+不摸鱼，那就是高价，公司又觉得用不起。 真正好用的员工，都在被消耗的路上，或者已经走了。
有个案例比「创始人陷阱」四个字讲得还清楚。
一个销售冠军升做主管，头半年团队的单子全靠他自己补——客户只认他，只有他能成交。 不是不想教，是他自己也说不清客户到底为什么点头。直觉这种事，真的没法直接移交给别人。 后来他把自己每一次成交倒着拆开写下来：客户在哪句话松口，在哪个环节犹豫，整理成流程逼团队照做。拆到最后才想明白，主管的天花板从来不是能力不够，是「只有你会」这四个字本身。 能复制的才叫方法，不能复制的只是一个人在台上表演。
很多升职奖励，其实在制造彼得原理。
A 岗做得好，就被推到 B 岗。 B 岗要的能力完全不同。 组织失去高手，得到一个卡住的中层。 三刀切开： 1) 奖励和职位拆开 2) 升前用小范围带人验证 3) 预先设计可回退路径 AI 在第二步有用：把事例分成执行 vs 协调，别靠感觉。 下次升迁会前只问一句： 我们奖励的是过去贡献，还是确认他做得来下一件事？ 答不清，就别急着改 title。
既能写 API，也能和客户喝 IPA：FDE 的核心素质
既能写 API，也能和客户喝 IPA。 这句话不是段子。 是 AI 落地里最稀缺的一种人。 OpenAI、Anthropic 都在招这种人，岗位名叫 FDE。 可我跟大厂工程师聊，很多人听都没听过。 至少在 AI Agent 落地这条线上，值钱的已经不是「把代码写对」， 而是「把业务结果扛下来」。 我把它拆成三件事：能交付 agent、能谈拢人、能为结果担责。 --- FDE 全称 Forward
领导力的 5 个境界：
① 事必躬亲：靠你的直接介入，你一缺席立刻失速 ② 令行禁止：靠规则和惩罚，效率不低但主动性被压住 ③ 以身作则：靠「信你」运转，认同比威慑更持久，但还是离不开「你」 ④ 赋能放手：建流程做工具，团队靠机制运转，你介入变少产出没降 ⑤ 无为而治：团队感觉不到你的存在，但产出和判断质量最高
IT 公司程序员口中的 IC，到底是什么？
Individual Contributor，个人贡献者。 和 Manager 对应。不靠带人、不靠管理出首零，纯靠自己写代码、做技术交付。 走技术专家线：初级 → 中级 → 高级 → Staff / Principal Engineer，薪资上限可以对标甚至高于部门经理。 大厂里非管理岗的高级工程师，常常赚的比中层管理者还多。
如果你本周只能跟一个AI热点，推荐听 Fiona Fung 访谈。Anthropic 的组织架构接近理想团队形态。
我花时间集成接口，写生成标准的 skill 和 /review skill，让团队（人或Agent）自我管理。 但第五点很难实作：管理者很难放手。这是软肋，也是原罪。Claude Code 精炼的原因，或许正是产品DNA来自管理。 AI行业越久，越觉得 Harness engineering 的核心是思维和哲学的通透。 能在有生之年参与AI思潮，太幸福了。
Apple 的设计团队，已经从公司的灵魂变成了服务台。
Jobs + Ive 那个年代：工程、营销、供应链全围着设计转。 现在：别的团队来拿 CAD、打样、选颜色，拿完就走。设计主管连高管席位都没有，向供应链出身的 COO 汇报。 结果： - Ive 2019 离开 - 接班的 Hankey 后来跟 Ive 做 AI 硬件，被 OpenAI 65 亿买走 - 管 UI 的 Alan Dye 跳去 Meta - iPhone 外型五年没大变，Apple
有一种职场毒，不是人坏，是结构坏。
每个人各做各的，共同对一个结果负责，但中间没有协作机制。 这时候，第一个站出来说「我们有问题」的人会发现： 所有人都开始默认他来解决。 但没有人给他权力去解决。 这就是「有责无权」的陷阱。 看见问题的人承担最重的代价。 最讽刺的是，这种结构在「扁平文化」的包装下尤其常见。 没有层级，但责任单向流动，流向最有善意的那个人。 结论：在这种结构里，沉默比主动安全。 但那不是你想成为的人。 这个问题在管理
分享一个比较 hardcore 的企业内部 FDE 团队搭建思路。
制造企业不应该把 FDE 完全丢给 IT helpdesk，也不该只放在数据科学团队。推荐的组织方式是「AI Deployment Office + 制造工程 embedded pod」：Office 负责平台、安全、MLOps 和模型治理；pod 则贴近 fab、良率、设备和规划一线，对真实 KPI 负责。 人才组合上，外部招聘适合补 LLM/RAG/Agent、MLOps 和数据平台能力，但制
很多人以为软件工程师的核心竞争力是写代码。
错。 写代码只占 30%。 剩下 70%： - 把需求问清楚，而不是靠通灵 - 写让同事一秒看懂的代码，而不是留下来加班的高级代码 - 能用人话跟 PM 和业务解释技术限制 - 卡住半小时，主动整理问题找团队，而不是自己关起来研究三天 这个职业的本质，是用技术解决人的问题。
今天X上流传出多条内部员工爆料，Google DeepMind 内部对 Gemini 的现状越来越不满，甚至有人形容团队气氛已经接近「信心危机」。如果这些匿名说法属实，这可能不是一次普通的产品节奏失误，而是 DeepMind 成立以来最严重
今天X上流传出多条内部员工爆料，Google DeepMind 内部对 Gemini 的现状越来越不满，甚至有人形容团队气氛已经接近「信心危机」。如果这些匿名说法属实，这可能不是一次普通的产品节奏失误，而是 DeepMind 成立以来最严重的一次心理转折。 Gemini 近几次发布很难让人感到「这就是前沿」。3.5 Flash 的确有进步，但在很多真实使用场景里，仍然没有打出足够明显的代差。 更伤
OpenAI Codex 团队只有 40 个人。
1 个 PM + 2 个设计师 + 37 个工程师。 结果呢？ 99% 的代码是 AI 生成的。 而且他们跑得飞快。 具体怎么干的： - 每个工程师同时跑 4 个并行 agent（code review、功能实现、安全审计、代码库摘要） - PM 用 Codex 处理用户 issue，1 小时能跑完 100+ 个，大部分 24 小时内修复 - 功能开发经常 2-3 人甚至单人从规划到发布 - 99
Every 是 Dan Shipper 自己创的媒体和软件公司，从 2020 年 GPT-3 时代开始到现在 6 年多。
1/7 他们从 GPT-3 那刻起就把 AI 塞进每个工作流：写稿、编辑、客服、设计、营销、工程。Codex 和 Claude Code 是默认界面，新模型 alpha 阶段他们就先拿到。理论上这是「自动化到极致」最彻底的样本。 结果 2026-05-21 他发报告《After Automation》，标题直白：「我们什么都自动化了，但人却变多了」——从 4 人扩到 30 人。 几天后上 Lenn
很多 senior 工程师卡在升 staff 的阶段。
他们以为往上爬，就是把技术钻得更深、写得更快、系统盖得更复杂。 但这些能力，撑不到 staff 那一层。 Senior 跟 staff 的差别，不是能力，而是影响力的形状。 Senior 靠自己的产出，staff 靠「放大别人的产出」。 你一个人写再多 code，也比不上让三十个人变快。 三个建议： 1. 主动扩大你的守备范围。 Jordan 自己开了一个 Slack 频道 how-i-ai，分享
真正相信「AI 能直接取代员工」的 CEO，往往是自己都不知道团队在干什么的人。
好 CEO 知道 AI 是杠杆。杠杆用不好，说明杠杆后面那个人才是瓶颈。 这篇文章把这层窗户纸捅破了。
“3 个 12” 的管理导向：
第一个 12：原则上员工每天最多工作时长 12 小时（大促和特殊项目除外）； 第二个 12：原则上鼓励员工下班不晚于 12 点，各职场到夜里 12 点可以考虑动员还在加班的员工回家休息，职场熄灯； 第三个 12：每个员工连续不休息的工作不要超过 12 天。 真的牛马
付费看完了 Codex 团队的采访，说几个让我真正在意的细节。
40 人的团队。1 个 PM，2 个设计师，其余全是工程师。 那唯一的 PM，日常工作是：用 Codex 处理用户反馈和 issue，每小时自动跑一次，单次处理 100 多个 issue，大部分 24 小时内修复。 我看到这里停了一下。 这个 PM 的活，老板自己就能干完。 功能迭代基本是 2-3 人甚至单人从头跑到尾，没有定期会议，没有流程，点对点直接说。 以前跨职能协作那套，现在大部分被 ag
CEO 最容易被 AI 误导，因为他们只看 happy path。
Aaron Levie 说的：CEO 离最后一公里太远了。他们能原型出一个产品、生成一份合同，但不需要修 bug、不需要逐条对账、不需要推上线。 看到的永远是 demo 里那 1% 顺利的部分。 然后下一个模糊的 AI 战略，员工用表演性 demo 应付，两年后真的什么也没发生——而一个 hands-on 的创业团队已经把你颠覆了。
Meta 内部裁员录音泄出来了。
扎克伯格的原话大意：你们的工作将被用来训练 AI。 8000 人大裁员。 第一波，用人。 第二波，用数据。 被裁是因为你，数据留下来训练替换你的模型。打工人在这件事里，没有任何一面赢。
即将揭晓: Meta 今天启动新一轮裁员，约 8000 人，占全球员工 10%。
裁的不是边缘部门，重点是中层管理和非核心岗位——正在把组织改成更小的 AI 团队结构。 与此同时，Meta 今年 AI 资本支出预计 1250-1450 亿美元。 逻辑很直接：钱从"人"流向"AI"。 文案、客服、运营、初级开发、数据整理，这些岗位正在最先被影响。 AI 替代工作是未来？不，已经开始了。
跨团队协作失败，90% 不是因为技术问题
是因为每个团队对「做完」的定义不一样 A 团队说做完了，B 团队说还差很多 不是有人在骗人，是双方的完成标准从一开始就不一样 我现在每次跨团队启动，第一个会议只做一件事 把「Definition of Done」写在白板上，让所有人签字 听起来笨，但省了后来 80% 的摩擦
技术债 (Tech Debt) 不是坏习惯的产物
是每一个「情有可原」叠加的结果 最可怕的技术债，不是你知道的那种 是你以为还没有，但其实已经很深了 1/8 技术债有两种 「显性债」你知道它在那里 「TODO: 这里需要重构」 「隐性债」你不知道它存在 直到加新功能的时候，才发现要先还三个月的债 隐性债比显性债危险 10 倍 2/8 隐性债是怎么来的 每次「先这样，之后再改」 每次「现在没时间，下个 sprint」 每次「这个场景概率很低，先不处