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
Reddit 上有人说："AI is my only team。"
我去查了几个真正赚到钱的一人公司，看他们在用什么工具。 Levelsio，数字游民鼻祖，多个产品同时跑，服务器 $3/月（VPS + SQLite，自己搭）。 更通用的一套是这个，总共 $21/月： 💻 Claude Code — $20/月 🗄 Supabase — 免费 🚀 Vercel — 免费 🌐 域名 Namecheap — ~$1/月 💳 Stripe — 按交易抽成 📧
一人公司能做到多大？
Pieter Levels 给了一个答案：一个人，一台电脑，年收入 $320 万。 他做了十几个产品，最出名的是 Nomad List——帮数字游民找最适合远程办公的城市。 没有融资，没有员工，从 2014 年一路滚到现在。 他的逻辑很简单：每隔几个月做一个新项目，大多数失败，但只要一个跑通，就够了。 一人公司不是小而美，是小而不需要大。
NYT：Meta 大力拥抱 AI，员工却越来越惨。
这个故事我在自己公司见过。 Zuckerberg 把 AI token 使用量列为工程师 KPI。 Pichai 开始往代码库提交代码。 CEO 开始写代码——工程师做 code review。 老工程师系统判断力被 AI 放大了。 新工程师的成长路被封死了。 中间那层 3-8 年的人，不上不下。 "最了解 AI 的那批人，觉得普通人完蛋了。" 问题不是 AI 来了。 是没人知道怎么软着陆。
在合作中，最难的不是做事。
是判断：这件事，该我管吗？ 有本书给了 3 个很实用的标准。 标准一：影响范围 他搞砸的是自己的模块 → Let Them，让他承担后果 他的行为会让整个项目完蛋 → Let Me，必须介入 （介入之后通常要重新评估这段合作关系。） 标准二：能量流向 你在消耗能量说服/唠叨他变成你 → 越界了，立刻 Let Them 你在消耗能量完善方案、找资源 → Let Me，这是建设性行动 标准三：动机检验
【1/7】OpenAI Codex 团队只有 40 人。
付费看完了他们的内部采访，记下几个让我印象最深的细节👇 【2/7】1 个 PM，2 个 designer，其他全是工程师。 这唯一的 PM 每天干什么？让 Codex 跑一遍：1 小时处理 100+ 用户 issue，大部分 24 小时内修复。 他在管理 Codex，而不是在管理产品。 【3/7】99% 的代码由 Codex 生成。 每个工程师同时跑 4 个并行 agent： code revi
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
1on1 不是汇报会
很多工程师把 1on1 当成「跟老板汇报进展」的场合 这是最大的浪费 1on1 是你唯一一个可以跟上级说「我觉得这个方向有问题」的场合 是你唯一一个可以问「我现在的成长路径是什么」的场合 会用 1on1 的人，成长速度差异很大 我见过用好 1on1 的人，3 年走完别人 6 年的路