AI-native 公司如何不靠手写代码也能持续交付

Dan Shipper 这期最容易被传播出去的一句话，是“他们几乎不手写代码了”。但如果只记住这句，基本等于把重点听反了。

对，因为真正值得学的不是“别写代码”，而是他们怎么把一部分重复劳动，从人脑里搬进了可复用的 agent 流程。这里面最值钱的，不是工具名字，而是他们怎么分工、怎么回看、怎么逐步放权。

我能理解大家为什么会被那个标题吸引。对很多创业团队来说，不写代码、照样持续交付，听上去像捷径。

但它不是捷径，更像是重新排布生产关系。你还是得定义需求、拆任务、验收结果、承担后果。只是过去这些动作很多靠工程师亲手一行一行完成，现在一部分可以交给模型和 agent 做草稿、做执行、做来回试探。

她提到公司里有一种关键角色，是专门帮所有人做 AI 工作流的人。我觉得这个角色很新。

对，而且这个岗位特别说明问题。因为如果 AI 真只是一个附加小工具，你不会专门配人去围着它设计流程。可一旦你开始认真用它交付内容、交付功能、交付内部系统，你就需要有人去把提示、上下文、审核点、失败回退这些东西接成一套能跑的生产链。

她还说 Claude Code 会让很多非工程师也能做原来做不到的复杂任务。这句话挺容易让人兴奋，也挺容易让人误解。

是，所以这里要翻译得更具体一点。它不是说“以后谁都不用学技术了”，而是说很多以前完全卡在工程门槛前的事情，现在能让更多人推进到一个可用草稿的阶段。比如整理大批文档、重写知识库、梳理会议纪要、起一个原型，这些都能让非技术成员先迈进去。

也就是说，AI 先把“我根本做不了”变成“我至少能推进到第一版”。

对，这个差别很大。对团队来说，最贵的往往不是一个人不会做，而是他完全没法开始。现在很多人至少能把问题描述清楚、把第一版产物拉出来、把需要别人 review 的东西摆到桌面上。这样协作方式会变很多。

她讲“少一个等待”那段，我觉得特别像在讲组织效率，而不是讲 AI 功能。

没错。过去很多团队卡住，不是因为没人聪明，而是每件事都要等另一个人有空。现在如果你能把一些中间步骤交给 agent 连续跑二十分钟、三十分钟，很多原来必须排队的工作就能并行。人不再只是在界面前点下一步，而是在管理一组正在工作的流程。

她还用了一个说法，像是给系统更长的 leash。这个词挺形象，但实际意味着什么？

意思就是，你不再每走一步都盯着它，而是提前把边界和检查点定义好，让系统自己往前跑一段。前提当然是这段路你相对有把握。任务越稳定、标准越明确、回滚越容易，你就越适合把 leash 放长。

所以这里的关键，其实不是勇敢，而是先把可控性设计出来。

对。很多团队一上来追求全自动，最后最先失去的是信任。你不如先把任务边界写窄一点、输出格式写死一点、审核规则定细一点。先让大家放心，再逐步放权。系统不是一口气放飞的，是一点一点争取到更大行动空间的。

如果一个团队真的想往 AI-native 方向走，第一批最值得交给 agent 的活儿是什么？

我会从那些“高重复、低风险、能快速复核”的任务开始。比如周报整理、客户反馈聚类、知识库更新、内容重写、竞品摘要。它们有一个共同点：结果一眼能看，出错代价可控，而且一旦跑顺，大家会立刻感受到节省下来的时间。

听起来这更像在重新发明一条交付流水线，而不是单独买几个 AI 工具回来。

是，而且这也是很多团队迟迟做不起来的原因。工具谁都能买，流程不是买来的。你得决定谁负责写上下文，谁负责验收，失败了怎么回滚，哪些数据会被喂回去，哪些不能动。这些看着不性感，但它们决定了你到底是在玩玩具，还是在搭生产系统。

那如果把这期内容翻成一句不那么上头、但更靠谱的提醒，会是什么？

我会说：别把 AI-native 理解成“大家都不用干活了”，而是理解成“团队把越来越多可重复的活儿，移进了标准化流程里”。这样听起来没那么炸裂，但更接近真相。

如果真要从下周开始做，你建议第一步是什么？

先挑一个最烦、最重复、最容易被拖延的任务，把它拆成明确输入、过程和输出，再指定一个人工检查点。不要先幻想全自动公司，先把一个小流程跑顺。等团队亲眼看到它能省时间、还能追责，后面的路才会越走越宽。