为什么有些人的薪水会越来越高？
有人把打工人分成三个层次—— 初级：你让我做什么我做什么，照着流程走。替代性高，薪水天花板低。 中级：超越流程，发挥判断力和创造力。卖的是技能，但仍在等别人定义任务。 高级：老板给的不是任务，是一团焦虑。「这个产品推不动，你看问题在哪？」他们的工作，是把焦虑和不确定性，变成清晰的方案和判断。 公司用低薪买时间，中薪买技能，高薪买「放心」。 高级打工人，就是有本事让人放心。
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。
PM 到底要不要会写代码？
老实说：懂技术加分，但不是核心。 PM 真正无可替代的价值，是整合团队的经验与智慧。 非技术背景的 PM，掌握这 3 点就够用： 1. 不看代码，看逻辑——搞清楚系统各模块之间的 input/output，理解「谁先完成、谁才能动」就行 2. 背 300 个专有名词——技术类 100 个、项目管理 100 个、流程 100 个。沟通障碍瞬间少一半 3. 带功课去问工程师——别空手去问，做完功课再去
用 AI 之后干活快太多，反而成了问题。
现在我写方案、写代码的速度是以前的 3-4 倍。领导看到进度条直接震惊。 但我不敢全开，因为太快显得‘不认真’。 你们是怎么在团队里合理展示 AI 生产力的？是故意放慢，还是藏一部分进度？
Google 和 Meta 都砍掉了传统 QA 部门。
但走向了完全不同的方向： Google：测试是工程师自己的责任，合并前必须有自动化覆盖，流程慢但很难炸生产。 Meta：不测试，用 Production Engineer 盯线上，出问题快速回滚，靠 A/B 实验决定去留。 一个防患于未然，一个出事了再说。 两种哲学都跑通了，说明质量没有标准答案，只有适不适合你的规模和文化。
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
刚看完英特尔 CEO 陈立武的专访
66 岁，本来要退休，朋友都劝他别接。他还是接了 他说了一句很实在的话：英特尔是半导体业的基石，能救的话，退休前该把这件事做完 上任后三件事，条条都狠： 砍掉一半管理层，工程师直接向他汇报 拉来 NVIDIA 50 亿美元，美国政府 89 亿补贴转成股权 押一个市场不太信的观点——AI 时代 CPU 和 GPU 的比例，会从 1:8 变成 1:1 股价从 17 美元涨到 120，市值 6734 亿
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
曾经也是内耗体质。
后来读了《金刚经》，两句话治好了我。 应无所住而生其心：内耗的根源是心念卡在某个地方不动。卡在别人的评价里，卡在过去的失败上。无住，就是不让它停。 破四相：内耗的核心是我相太重。一直在问我为什么会这样别人怎么看我，本质上是把我当成了一个需要不断维护的东西。 放下这个设定，自我审判就没地方立足了。 现在大部分人在我眼里是过客 NPC。不是冷漠，是终于不把别人的剧本当成自己的考题了。
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。
你有没有发现，工程师文化里有一种很奇特的现象：“不需要说明”本身就是最大的说明。
资深工程师说“这段 code 看就知道在干嘛，不用加注释”，然后所有人点头，包括你。 但你点头的当下，心里其实有个问号，只是没说出来。这很正常，我们都这样过。 问题在于，三个月后那个“看就知道”的函数没人敢动，因为没人知道当初 if/else 为什么那样写，连原作者自己也要花五分钟回忆。 这背后是认知偏差：写代码时思路清晰、逻辑连贯，所有背景都在作者脑子里，所以“自解释”。 一旦离开情境，清晰就消
很多人以为自己在和一个人沟通，
其实是六个人在说话： 你 + 你以为的自己 + 真实的你， 我 + 我以为的自己 + 真实的我。 沟通出错，多半因为这六种认知无法对齐。 每个人都困在自己的世界， 默认别人和自己看到的一样， 带着想象去交流，而非真正看见对方。
AI 时代的一人独角兽公司正在快速出现。
Bencera 的产品 Polsia 成立仅 3 个月，就完成了 3000 万美元 A 轮融资，估值达到 2.5 亿美元，且公司只有创始人一人。 目前平台已有超过 7600 名用户，用它创建了数万家微型 AI 网站。Polsia 的商业模式是：每月 49 美元订阅费 + 广告收入 20% 分成 + 用户收入分成。 Polsia 是一个「全自动运营公司」的 AI Agent 平台。用户只需输入一个想
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
一家年营收超过 300 亿美金、3 万多名员工、几十个 Division 遍布北美的基建材料公司
外面几乎搜不到它的科技子公司 因为这家子公司完全服务内部，外面的人根本不知道它存在 子公司下面有数百个开发者 公司做了一件事：全面订阅市面上所有主流 AI 开发工具 Claude、Copilot、Gemini，想用哪个就用哪个 只需要在内部网站申请一下，不需要审批、不需要报告，直接开通 更关键的是后面发生的事 内部工程师开始自发分享 怎么用 AI、踩了什么坑、学到了什么 没有人强迫，也没有人盯着要
当你第一次当 PM，会发现没有人告诉你「怎么开始」。
我常问初阶 PM 三道场景题，看他们会怎么处理。 这不是要答得完美，而是看你是不是开始真正「管理」了。 下面是我的混乱处理 SOP。🧵 场景 1｜马克杯任务考验 客户：「我要做一个马克杯。」 你是项目经理，请问你要怎么开始推进这个项目？ 怎么安排时程？找谁？问什么？ [最烧脑的其实不是做，而是先把需求拆清楚。] 处理方式：不急着下单，先「拆功能」。 • 马克杯是什么？尺寸？图案？材质？数量？包装
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。
1/ Cloudflare CEO 在《华尔街日报》写了一篇文章，标题很直白：
1/ Cloudflare CEO 在《华尔街日报》写了一篇文章，标题很直白： 「AI 时代，我如何决定裁谁？」 公司营收创纪录、现金流强劲——然后他裁了 20% 的人。 一家年增长超 30% 的上市公司，这在美国商业史上几乎没有先例。 2/ 他把公司所有人分成三类： 🔨 建造者 — 造产品的工程师 💼 销售者 — 拿下客户的前线 📊 测量者 — 其余所有人：中层管理、合规、运营、大部分市场
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。
在大厂干了十几年后出来创业，最大的教训是：
1/7 你以为自己有直觉。 其实你只是在一个保护得很好的环境里，发展出了一套"感觉对"的反射。 换了环境，这些直觉，几乎全变成了错觉。 2/7 大厂有一套默认正确的框架： director/VP兜底，流程工具链成熟，组织协同到位。 努力 → deliver → 进步 → 回报。 这个闭环在大厂是真的。 在startup，第一周就崩了。 3/7 前三个月，基本是铺天盖地的失败。 每个PR都有一堆问题
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。
面试一个 AI Agent 工程师，问他："怎么设计'竞品日报自动生成 Agent'？"
他没堆术语，直接拆架构： 规划 Agent — ReAct 框架拆解任务，生成执行计划 检索 Agent — RAG 召回信息，去重排序 分析 Agent — 结构化对比，关联产品路线图 审核 Agent — 安全合规校验 然后补了一句： "Agent 开发更像搭建虚拟自动化团队。要给它明确流程，也要给它容错机制。" 用 LoRA 微调对齐业务语境，用户修改记录变增量样本，模型周级自动更新。 这才