#AI原生公司

1周前

Peter Yang 对 Cursor 设计负责人 Ryo Lu 的访谈中，其中两点尤其认同： 1. 在 AI 原生（AI-native）公司里，角色边界会变得很模糊。在 Cursor，设计师、产品经理、工程师之间的分工并不是传统那种各管一摊。 Ryo 的说法是：大家会根据自己的长处来做事，谁更擅长就多承担那一块，然后用 AI Agent 把这些工作串起来，形成一个完整的产品体验。 2. 模型越强，规格说明（spec）就越重要，而不是越不重要。 Ryo 的预测是：随着大语言模型能力越来越强，它们会变得非常擅长“严格按规格实现需求”。这意味着：你的 spec 写得有多清晰、具体、准确，很大程度上就决定了 AI 帮你做出来的东西质量有多高。 3. 分批发布，每一轮都会根据反馈打磨调整 Ryo 讲了 Cursor 内部发布的节奏：第一步，先发给公司内部员工用；第二步，再把最新的 nightly build 发给 Cursor 的忠实用户；第三步，才逐步推给普通用户；最后，才是企业用户（enterprise）。每一批用户都是一次打磨机会，让他们在小范围发现问题、修细节，再扩大范围。

AI编程工具激战：Claude Code、Gemini Cli崛起· 1242 条信息

#AI原生公司 #角色边界模糊 #规格说明重要性 #分批发布 #用户反馈打磨

2个月前

真正AI Native公司的实践探索经验。最新一期42章经播客总结：组织能力才是 AI 公司真正的壁垒 | 对谈 Palona AI 联创任川 ① AI重构研发流程：效率提升不止十倍传统互联网公司，代码审查平均要1-2天，而在Palona AI，时间被压缩10分钟。秘诀是用CodeRabbit工具，完全让AI负责代码审查，半年多的实践证明效率和效果都远超传统方式。 ② AI原生工作流三大原则 1）默认让AI做所有研发工作从写文档、写测试、写设计文档到写代码、审查和监控，全流程AI优先。只有AI无法完成时，人才会介入。 2） Claude Code是最佳AI编程工具尽管国内受限，但它能力最强，支持二次开发，正如刘小排说：“只要有SOP，就没有Claude Code无法完成的任务”。 3）减少人机交互，消除瓶颈传统"拉通对齐"会议往往是效率杀手，AI时代需要将上下文直接融入代码库，实现自动同步。 ③ AI时代的新人才标准： 1）上下文提供者 Context Provider 2）快速学习者 Fast Learner 3）创造者 Builder 人不是使用AI的工具，而是为AI提供上下文的赋能者。 Context Provider：提供AI所缺的行业知识和上下文。 Fast Learner：快速掌握"最少必要知识"，重点不是比AI更聪明，而是知道如何引导AI发挥最大潜力。 Builder：对最终结果负责，全流程掌控。避免因分工导致的上下文传递损耗，一个人就能端到端完成任务。 ④ 组织形态的彻底重塑：按结果分工而非流程 Palona AI的20人团队完全没有全职PM，所有人都直接为业务结果负责： 1）按结果而非流程分工团队分为商家体验组和消费者体验组，而非前端、后端等技术职能划分。工程师可以直接修改任何影响其负责结果的代码，无需跨团队协调。 2）工程团队为核心，速度优先工程师直接参与产品设计、市场沟通，先做出60分产品快速上线。专业设计师再在此基础上优化至80-100分。 ⑤ 未来组织可能形态少量核心合伙人+大量专业合同工核心成员享受合伙人级待遇，同时灵活调用各领域专家资源。 ⑥ 招聘与人才筛选 1）采用Take Home项目测试要求两天内完成一个必须使用AI才能完成的任务现场测试：一小时内使用AI理解并改进一个充满"陷阱"的陌生项目 2）团队协作：会议集中在每天3-4小时，其余时间专注独立工作。工程师直接拜访客户，获取一手需求，跳过传统的"销售→PM→工程师"传递链条

#AI原生公司 #Palona AI #组织能力 #AI重构研发流程 #新型人才标准