跨国深谈← 返回←不写一行代码，一个人 shipping 一整个产品：复利工程方法论

不写一行代码，一个人 shipping 一整个产品：复利工程方法论

关联

人物 Kieran Klaassen

公司 Every

概念 compound engineering · Compound Engineering Plugin · Cora · 智能体

今年一行代码都没写、甚至大部分代码都没看过，但 Kiran(Every 的工程师,Every 是一家研究「未来工作方式」的 AI 实验室)却在持续发布产品:他一个人构建了一个完整的 AI 邮件客户端 CoreAsMine,成千上万的人在用,连自己的邮件收件箱都托付给它。他做这件事两年了,核心理念是:把自己的思考和品味提炼成一个能复利的系统——不是追逐「黑暗工厂」这类时髦概念,而是一套比潮流活得更久的工作方式。

瓶颈一直在移动,我的角色一直在变

两年前起步时,瓶颈是代码:坏代码、幻觉、跑不通的东西。他加了智能体、加了审查技能,代码变好了。

下一个瓶颈是计划——有了好计划,AI 就能做比代码改动更大的事。计划变好后,瓶颈变成「决定做什么」:和用户交谈、真正理解要解决的问题。

再往后,他发现自己在不断重复同样的话,于是意识到需要记忆系统:每次重复自己,就把知识以某种方式存下来。一开始存在 ClaudeMD 里,太大之后,他建了一个会记忆的系统——这就是「复利工程(Compound Engineering)」的由来。

于是他的角色从打字转向了判断力和品味。他认为实现基本已经被解决了,无效的是我们的判断和品味。

关键问题是:什么时候把大脑打开,什么时候利用模型。凡是思考、迭代、头脑风暴的地方,他就把那些思考提取进系统——下次 AI 做头脑风暴时,已经包含了那些思考,他就能去解决下一个更大的问题。

他的结论很直接:「一个拥有复利系统的工程师,就是能打赢完整的、在用 AI 但没有复利系统的团队。」

人类-AI 三明治:大脑放在两端

他的循环是:头脑风暴 → 规划 → 工作 → 审查 → 打磨 → 复利 → 重复。诀窍在于两端——像三明治,人是面包,AI 是中间:开头头脑风暴,决定做什么、理解问题;结尾是品味起作用的地方,决定「这个很好」还是「要提高标准、要更流畅」。中间的规划、干活、审查交给机器,甚至可以通宵并行跑上好几个小时。

中间能放手的唯一前提,是在系统上花时间。他的规则:50% 的时间花在创建功能上,50% 的时间花在教导系统上——针对它做错的每一件事,问「能学到什么?

能教会系统什么?」,让下一次变得更好。

一个反直觉的发现:把这些知识以「解决方案文档」存进代码仓库,人们会说「可是 token 啊」,但他的研究是长期反而更省 token——答案已经在上下文里,就不需要审查、不需要纠正、不需要跨互联网做深度研究。这套方法真正奏效的原因是:「我的大脑是固定的,而 AI 不是,或者说没那么固定。」他的理念是:持续提取,直到完整的中间环节能自己运转,好到让你大吃一惊。

具体怎么做:Compound Engineering Plugin

他把这套方法做成了开源插件(在 Codex、Claude Code、Cursor 等十来个工具里都能装),现在每天有几十万人使用。几个核心命令:

• CE ideate(激活大脑想方向):遍历你所有打开的工单(可关联 Linear、GitHub、Slack、Intercom),从一团乱麻中生成结构,论证哪些值得做;可以指向你的 OKRs,让想法生成与战略对齐,还能对照仓库里过去的实验和教训给想法打分。输出是一份干净的 HTML 页面,有人拿去让 Claude 生成带 XY 矩阵的 PowerPoint,几乎不费力气。
• CE DocReview(文档审查):别人给你一份 PRD,跑一遍,返回非常尖锐的问题;回答之后用 CE compound 把答案提取进系统,下次它就不会再问了。
• CE brainstorm(头脑风暴):想法太大没法直接描述时用,比如邮件客户端从版本 1 重构到版本 2。这是「随叫随到的大脑」——他会留出整块时间、不 multitask,专门跑它。它会拉取复合知识和用户画像,只问恰到好处数量的问题。他特别强调:拿到 30 个问题会让人感觉「我做了好多」,但目标不是回答问题,而是得到最好的成果,其他工具可能问得过多。
• slash LFG(自动化循环,他最喜欢、用得最多):一口气跑好几个小时——规划、干活、审查、测试、开 PR、dog food、修问题,还在 PR 里附前后对比视频,让你一眼看清发生了什么。可以过夜跑、并行跑,甚至可以往里丢操作录屏,让它自己分析哪里出了问题。
• CE Polish(抬高门槛):拿到 PR 后,左边显示「这是 LFG 流程哪一步引入的」,右边展示产品。他强调这不是 QA——「应该能正常工作」是底线,跑不通就是 LFG 流程失败了。Polish 抓的是品味层面的问题,比如一页上出现两个 logo 标记:技术上不算错,但他不想要。他说一句「确保永远只有一个」,再跑 CE compound,这条知识就被提取进系统,下次做设计工作时它自己就知道不要那样做。

如果你自己动手:四条原则

不用他的插件也可以,但要做到这几条:

• 永远提取、永不重复:发现自己在重复自己,就把它提取出来,确保不再发生。
• 中间环节必须能没有你而运转,而且它应该是无聊的、就是能正常工作。如果你还在循环里被需要,把时间花在中间环节,手动做、感受哪里不对劲、迭代到能放手。判断标准:你跑一个东西,它跑三个小时结果总是很好,你就到了。
• 记录思考,而不是代码:这很反开发者直觉——代码才是产物,文档不重要?他的观点是要泛化就需要「为什么这么做」的推理轨迹,哪怕是糟糕的轨迹,事后复盘时能追溯「是谁或哪个智能体做了什么决定导致了这个」,再把它变成学习,改变下次的行为。他在复盘上见过非常好的效果。
• 每次交互都花 50% 的时间让下次更好:构建一个会记住的系统,而不是问「这次好不好」,要让系统变得更好、让系统知道。他承认这很难,「能跑就行、继续往前」的诱惑一直都在,但经常这么做,系统真的会跑起来。

赌注与终局

这套方法押注的是:实现只会越来越便宜,判断力不会。未来的模型和系统需要被设置成能访问我们的判断力和品味,才能获得更大的杠杆——那才是真正的瓶颈。

最后一条被颠覆的工程常识:传统工程里,你加了复杂性,下一个功能就更难;他要反过来——下一个功能应该因为这一个被交付而变得更容易。

本集带走

• 50/50 规则:一半时间做功能,一半时间教系统——对 AI 做错的每件事提取教训,让下一次免费变好。
• 大脑放两端:开头真正理解问题、不把思考全丢给 AI;结尾用品味抬高门槛(不是 QA,是「不发布垃圾代码」)。
• 永不重复自己:一旦发现重复,立刻把它变成系统里的记忆(方案文档/规则),答案内置后 AI 不再问、长期还更省 token。
• 放手的检验标准:中间环节应该「无聊地」正常工作——能通宵跑三小时、结果总是好,才算真正建成。
• 记录思考而非代码:保留决策推理轨迹,复盘时能追到「哪个智能体做了哪个决定」,并把答案喂回系统。
• 复利导向的验收:下一个功能应该因为交付了这一个而更容易,而不是更难。

我想先说一句：今年我还没写过一行代码。
I want to start with saying I haven’t written a single line of code this year.
—— Kieran Klaassen · [00:22]

我认为实现基本已经被解决了，尽管你看到很多人在做编排、黑暗工厂。
And I think implementation is mostly solved, even though you see many people that do orchestration, dark factories.
—— Kieran Klaassen · [05:35]

我看到，一个拥有复利系统的工程师就是能打赢完整的、在用 AI 但没有复利系统的团队。
And I see that one engineer with a compounding system just beats teams, like full teams that use AI that don’t.
—— Kieran Klaassen · [06:27]

但另外 50% 的时间应该花在系统做错的地方去教导这个系统上。
But 50% of the time should go to teaching the system for anything that it did wrong.
—— Kieran Klaassen · [08:09]

而根据我的研究，实际上这样更省 token，因为如果你已经有了正确的答案和正确的解决方案在 token 里，你就不需要做审查。
And in my research, it’s actually more token efficient because if you have the right answers and the right solutions already within the token, you don’t need to do review.
—— Kieran Klaassen · [08:39]

这套方法真正奏效的原因是，我的大脑是固定的，而 AI 不是，或者说没那么固定。
The real reason why this works is my brain is fixed and AI isn’t, or less fixed.
—— Kieran Klaassen · [09:03]

我的理念是：持续提取，直到完整的中间环节能够自己运转，并且好到会让你大吃一惊。
And my philosophy is keep extracting until the complete middle runs itself and is so freaking good that it will surprise you.
—— Kieran Klaassen · [09:11]

重要的是记录思考，而不是代码。
It’s important to document the thinking, not the code.
—— Kieran Klaassen · [17:37]

所以，这个赌注是：实现只会越来越便宜，而判断力不会。
So, the bet is implementation is only getting cheaper and judgment is not.
—— Kieran Klaassen · [18:50]

但一定要抬高门槛，因为我们不发布垃圾代码。
But make sure to raise the bar because we’re not shipping shitty code.
—— Kieran Klaassen · [19:31]

如果下一个功能变得更难，是因为你增加了复杂性，而工程通常就是这样运作的，但我们正在颠覆这一点。
If the next feature is harder because you added complexity, which is normally how engineering works, we’re flipping that.
—— Kieran Klaassen · [19:41]