跨国深谈← 返回←Dan Shipper：15人零手写代码，AI原生公司怎么运转

Dan Shipper：15人零手写代码，AI原生公司怎么运转

关联

人物 Lenny · Dan Shipper

公司 Every · Cora · Claude Code · ChatGPT

概念 智能体 · 提示词 · 复合工程 · 配置型经济 · 通才

来源 Lenny’s Podcast

一个15人的公司，跑着每日通讯、四款产品、一个咨询业务——产品团队里没有人手写一行代码。这不是预言，是 Dan Shipper 的 Every 现在的真实状态 。

产品团队不写代码，在干什么

Every 的工程师不写代码，他们做的事情本质上是：写需求文档（PRD），然后让 Claude Code 去执行。工作流是这样的——用自然语言描述想构建的东西，通过内部积累的提示词库把它打磨成结构化的 PRD，然后喂给 Claude Code，智能体去写代码、提 pull request，人来做代码审查 。

Cora 团队只有两个人，Kieran 和 Nityesh，加上 15 个 Claude Code 实例 。Cora 是一个 AI 邮件管家产品，刚公开发布时已经有 2500 个活跃用户，数百万封邮件从中流过，全部投入（含薪资）大概只花了 30 万美元 。

但这有个前提：这些人仍然懂代码。Dan 强调，他们不是不会写代码的人，而是有编程能力、但选择不手写的人 。

他打了个比方——就像当年脚本语言（Python、JavaScript）出现时，真正厉害的程序员仍然要懂底层的 C 语言；英语现在是编程栈的最上层，懂底下几层仍然会显著加速你 。离”完全不懂代码的人独立做出一个真正的 SaaS 产品”还非常远 。

复合工程：每一轮工作都让下一轮更轻松

Cora 团队发明了一个原则叫”复合工程”（compounding engineering）：每一轮工作，都要让下一轮工作变得更简单 。

具体做法是：他们不在 Claude Code 里每次从零开始写 PRD，而是花时间写一个提示词，能把他们零散的想法自动转成结构化的 PRD。这个提示词存到 GitHub 上共享，以后每次写需求都更快 。他们还在 Claude Code 里建了一整套斜杠命令库，就是可复用的提示词模板 。

不只是提示词，连文案审查都自动化了。主编 Kate 以前要花每天几个小时做文字编辑，确保所有内容符合 Every 的风格。

现在他们把风格指南做成提示词，工程师 Nityesh 用 Claude Code 写了一个命令：扫整个代码库里的文案，按风格指南自动修改，然后直接提 pull request 发给 Kate 审批 。工程师在用他们想要的风格写营销文案，而主编只需要点一下合并。

多智能体协作：不同智能体有不同”品味”

Cora 团队不是只用 Claude。他们同时用一堆 Claude Code 实例，外加三个其他智能体——一个叫 Friday，一个叫 Charlie 。Charlie 住在 GitHub 里，收到 pull request 时可以 @ 它来做检查 。

为什么要同时用好几个？Dan 说，不同智能体有不同”个性”和风格，就像不同人有不同品味。

ChatGPT 的风格偏简洁、极简、专业；Claude 是另一种感觉。Kieran 作为资深 Rails 开发者，对代码的风格很敏感，他会根据任务性质选择不同智能体 。这不是”一个智能体统治一切”，更像组建一个各有专长的团队 。

AI 运营主管：让自动化不依赖当事人

Every 设了一个专门岗位——AI 运营主管，Katie Parrott。她的职责不是自己做业务，而是发现团队里谁在重复做什么事，然后把它自动化 。

Dan 每周跟她碰一次，每当发现自己或别人在重复做某件事，就加到待办清单里，她就去建提示词、建工作流 。关键在于：做业务的人不用自己花时间去搞自动化，否则他们会倾向于用老方法——“我已经在救火了，哪有时间去试一个可能不工作的新方式” 。

Katie 的背景也值得注意：她之前在 Animalz（一家顶级内容营销公司）做，非常注重流程，同时本身是很好的写作者，而且对 AI 极度兴奋、爱折腾 。Dan 说，这个岗位最核心的特质就是”想折腾、想构建东西”，加上一定的流程思维，如果还理解所服务业务的技艺就更好了 。

但建了不用也白搭。他们还必须推动行为改变——比如让主编 Kate 养成习惯，每次收到文案先问一句”你过提示词了吗” 。

一句话预测：CEO 自己用不用 AI

Every 的咨询业务去年做了大约 100 万美元，今年可能翻倍 。他们帮大公司做 AI 采用，流程是：先调研组织里各团队在做什么、有哪些重复任务，出一份报告（还附带一个可以跟所有访谈记录对话的聊天机器人），然后针对每个团队定制四周培训——不是泛泛地教 AI，而是给每个人”你在这个具体场景下用这个具体提示词” 。

Dan 被问到”什么决定了一家公司能不能成功采用 AI”，他的回答非常直接：CEO 自己用不用 ChatGPT 。

如果 CEO 天天在用、觉得这是最酷的东西，所有人都会跟上。如果 CEO 说”这是给别人用的”，那要么没人推动，要么 CEO 因为没有直觉而设定完全不切实际的期望，然后失望 。

他举了一家对冲基金的例子：创始人发了”我们要成为 AI first 公司”的邮件，但邮件里写了一句”我用 ChatGPT 写了这封邮件，你也应该这样” 。然后每周发全员邮件公布 ChatGPT 使用统计、表彰想出新提示词的人，每周开会让人分享用例 。核心逻辑是：公司里大概 10% 的人是天然早期采用者，找到他们、给他们舞台，他们的经验会自动传染给剩下 80% 愿意跟的人 。

Claude Code 对非程序员是被严重低估的工具

Dan 有个反直觉的观点：Claude Code 这种命令行工具，对非程序员来说可能是最被低估的 AI 工具 。

大多数人觉得终端很吓人，但跨过这个小门槛之后，你就有了一个能读你本地文件、自主运行很久不跑偏的智能体 。比如他把所有会议记录下载到本地文件夹，让 Claude Code 逐个文件处理（不是一股脑塞进上下文窗口），然后让它在笔记本里记笔记、按待办列表逐项分析，最后汇总回答——比如”我在哪些时刻微妙地回避了冲突” 。同样的思路可以用来处理大量客户访谈、客户数据 。

他还拿《战争与和平》做了个实验：让 Claude Code 读前三章，提取所有托尔斯泰描写人物心理的技巧，然后自动生成一份写作指南，再拿俄语版和英语版对比他喜欢的场景，分析翻译中丢失了什么 。用普通聊天界面做不到这个量级的文件处理。

配置型经济：每个人都在变成管理者

Dan 两年半前写过一篇文章，提出了”配置型经济”（allocation economy）的概念 。

他观察自己日常用 AI 的方式——怎么把问题描述清楚、怎么收集正确的信息、怎么选模型、怎么拆任务给不同模型、怎么给反馈、怎么判断结果好不好——发现这整套技能就跟管理人的技能一模一样 。

现在只有 8% 的劳动力是管理者，因为管理成本高。AI 让管理变得便宜，所以更多人必须学会管理——不是管理人，是管理智能体 。他举了个例子：新手管理者总说”我委派出去的东西做出来的不是我想要的，不如我自己做”，这跟人们说”我不信任 AI 能做好，不如自己做”是完全一样的问题 。

伴随这个趋势，通才会越来越值钱。AI 就像口袋里装了上万个博士，你可以跳过十年专业训练直接获取任何领域的知识，这让小团队里每个人都能做更多不同的事 。Every 15 个人能撑五条产品线，就是因为每个人都是通才加 AI 先行 。

用 AI 的人加速有多猛

Dan 反感”AI 抢走入门级工作”的说法。他的观察完全相反：一个用 ChatGPT 的年轻人，成长速度比他共事过的任何人都快 。

他团队里有个叫 Alex 的人，刚来时有想法但写作不行。Dan 每次跟他聊完”怎么讲故事、怎么想标题”，Alex 就把全部内容录下来塞进提示词——从此不再犯第二次同样的错误。

两个月取得了过去需要一年的进步 。另一个工程师 Natasha，ChatGPT 出来之后才开始学写代码，只知道 AI 时代的编程方式，速度比前 AI 时代的工程师快得多 。

Dan 的比喻是柏拉图反对写作——写作确实损害了记忆力，但没人想回到不识字的世界。AI 可能让你在某些任务上参与度降低，但如果你用对了，你在更有力量的任务上参与度会高得多 。

本集带走

• 设 AI 运营主管：找一个人，职责不是做业务，而是发现重复劳动并自动化。核心特质是爱折腾+有流程思维，不必是技术人员。
• 复合工程原则：每做一轮工作，花一点时间让下一轮更轻松——把重复的提示词存成库、把人工审查流程改成智能体自动跑。
• CEO 自己必须用：预测公司能不能成功采用 AI，第一指标就是 CEO 自己用不用。发了”我们要 AI first”的邮件不够，得在邮件里写”这封邮件是我用 ChatGPT 写的”。
• 找到 10% 的早期采用者并给舞台：每周分享用例、公布使用统计、表彰贡献提示词的人，让他们的经验自动传染给 80% 愿意跟的人。
• 多智能体搭配：不同智能体有不同”品味”和风格，针对不同任务选不同智能体，而不是找一个”全能”的。
• 入门级不是消失了，是加速了：用 AI 的新人如果懂得把每次反馈录进提示词、不犯两次同样的错，成长速度可以数倍于前 AI 时代。

我认为 AI 可能是推动美国就业回流的最大力量之一。
I think that AI may be one of the biggest force for reshoring American jobs.
—— Dan Shipper · [05:05]

我认为人们真的忽视了 Claude Code 对非程序员来说有多好用。
I think people are truly sleeping on how good Claude Code is for non-coders.
—— Dan Shipper · [07:16]

所以我注意到的是，你可以通过你可以给它多长的”绳子”去工作来判断 AI 变好了多少。
And so what I have noticed is that you can tell how much better AI is getting by how long a leash you can give it to do work.
—— Dan Shipper · [14:57]

所以我认为 AGI 的一个好的定义是，什么时候让智能体无限期地运行在经济上是变得有利可图的？
And so I think a good definition of AGI is when does it become economically profitable for people to run agents indefinitely?
—— Dan Shipper · [17:22]

Spotify 的 Tobi 杜撰了这个术语叫”上下文工程”，也就是把上下文传递给模型，在正确的时间传递正确的上下文，这至少占性能的一半。
Tobi from Spotify coined this term called “context engineering,” which is getting the context to the model, the right context at the right time, is at least half the performance.
—— Dan Shipper · [23:32]

如果你整天在工作中，你在救火，你会想，“好吧，我是要用我知道的方式做这件事，还是用可能不奏效的新方式做？“
If you’re working in a job all day, you’re fighting fires, and you’re like, “Okay, am I going to do this in the way that I know how or am I going to do it in the new way that might not work?”
—— Dan Shipper · [30:44]

所以基本上，对于每一个工作单元，你应该让下一个工作单元更容易做。
So basically, for every unit of work, you should make the next unit of work easier to do.
—— Dan Shipper · [42:10]

但我的看法是，每当我看到一个拿着 ChatGPT 的孩子时，我都会说，天哪，他们的成长速度将比我共事过的任何其他人都快得多。
But my take is whenever I see a kid with ChatGPT, I’m like, holy shit, they’re going to grow so much faster than any other person that I’ve worked with.
—— Dan Shipper · [48:45]

今天，他们是人类管理者，明天每个人都是模型管理者。
Today, they’re human managers, tomorrow everyone’s a model manager.
—— Dan Shipper · [50:53]

GPT 包装器是惊人的，它们受到了很多毫无理由的诽谤，人们不理解它们是多么绝对有价值。
GPT wrappers are amazing and they’ve been much maligned for absolutely no reason and people don’t understand how absolutely valuable they are.
—— Dan Shipper · [61:54]

这个产品甚至在技术上是不可能的，即使你在三年前有数十亿美元。
This product was not even technically possible even if you had billions of dollars three years ago.
—— Dan Shipper · [67:28]

我认为第一大预测指标是，“CEO 使用 ChatGPT 吗？“，或者填入你自己的聊天机器人。
I think the number one predictor is, “Does the CEO use ChatGPT?,” or insert your own chatbot.
—— Dan Shipper · [72:10]