跨国深谈← 返回←Ryan Carson：从手把手到管理成群智能体

Ryan Carson：从手把手到管理成群智能体

关联

人物 Ryan Carson · Claire

公司 Devon · Codex · Claude Code

概念 智能体 · 云端智能体 · 后台智能体 · 剧本

Ryan Carson 做了一个叫 Untangle 的产品，一开始面向消费者做 AI 离婚工具，结果没人买单——人们要的是真人律师。他转头去找律师聊，发现律师助理短缺、证据开示(离婚案中交换证据的法律流程)是噩梦，于是转型 B2B 卖给家事律师事务所，业务立刻爆发 。

一年前他上这档节目时，还在 IDE 里手把手地、一步步指令式地教智能体干活。现在他几乎不打开 IDE 了，全部工程工作搬到了云端智能体 Devon 上，同时跑 10 到 15 个线程 。他一个月在 Devon 上花了 5000 美元，后来涨到 20000 美元，最后去找 Devon 的团队谈了免费额度 。

用文件夹管优先级，用纸管注意力

同时跑十几个线程，怎么不乱？他的方法是用文件夹按优先级分：P0 是必须推进的核心新功能，P1、P2 往下排，Bug 单独一个文件夹 。他发现人能同时跟踪的并发任务大概就是四五个，多了就乱了，所以必须分桶 。

除了数字分桶，他还用一张纸写每周优先事项，贴在显示器旁边。他认为核心技能已经不是写代码，而是管理——就像管理 10 个、100 个员工一样，怎么排优先级、怎么委派，这些管理能力在智能体时代直接可以复用，而且回报是倍数的 。

Watchdog：让智能体帮你盯业务

他一个人兼客户成功、工程、销售，客户多了之后根本盯不过来。于是他搭了一个叫 Watchdog 的剧本(一种预定义的指令模板)：针对每个客户账号，自动进去查自从上次检查以来的活动、Sentry 错误日志，然后过滤排序，列出排名前三的问题，再检查是不是已经被修了、有没有未合并的 PR 。他感觉焦虑、不知道业务在发生什么的时候就跑一次 Watchdog，几分钟后拿到一份清晰的状况报告 。

编码智能体不只是写代码

他认为人们严重低估了编码智能体的能力范围——Devon 不只写代码，还在帮他做报价、运营文档、客户分流 。他的思路是：如果一个人既懂你的代码库又能写代码解决任何业务问题，你会让他干什么？就这么用你的智能体 。

本地 vs 云端：各有分工

他也还在用本地智能体 Codex，场景是：需要低延迟、需要人在旁边牵着走的大型前后端功能开发，以及用浏览器做前端验证——写用户故事、拉起预览分支、像用户一样走一遍、列出通过和失败的、自动修 Bug 。这类需要频繁干预的活，本地体验更好。

云端智能体则用来跑 Bug 自动修复、一次性小需求、运营类任务 。

自动审查和合并：Land PR 与 Merge Mommy

他在 Devon 里搭了一个叫 Land PR 的流程：智能体说 PR 做完了，就触发一次 Devon 内置的代码审查，最多跑两轮找 Bug 和未解决的评论，然后在浏览器里录一段带字幕的视频走查，展示测试红绿结果。他看完视频说”通过”，就合并 。

主持人这边则搭了一个叫 Merge Mommy 的智能体，部署在 Vercel 上：PR 打开并通过所有 CI 检查(包括 BugBot 审查)后触发，从爆炸半径、安全性等五个维度打分，低风险的自动批准合并，中高风险的在 Slack 里 ping 人类来审 。

不要迷信自动改进循环，去见真人

两人都反对”让智能体 24 小时跑、自动出产品”的做法。主持人认为现在的前沿模型根本不知道该发布什么，自动改进循环对产品来说是个笑话 。

Ryan 更直接：代码产出量和可商业化产品之间存在严重不匹配，AI 没有凭空创造市场 。他找到产品市场契合点的方法非常传统——发邮件约客户打 Google Meet，然后跑去人家办公室坐着聊 。

用视频面试：不看人，看智能体管理能力

他在招第一位工程师时，不聊、不见面，只让候选人录一段全屏桌面视频：在一个已有应用上用智能体构建一个新功能，他要看的不是技术能力，而是”你是一个多好的智能体管理者” 。通过后给 Devon 权限做一个真实项目，同样录视频，最后才聊几句就招 。

本集带走

• 用文件夹按 P0/P1/P2 分桶管理智能体线程：人能同时跟踪的并发任务有限，必须分优先级，配合一张纸写每周重点保持注意力锚定。
• 搭 Watchdog 类剧本让智能体帮你盯业务：针对每个客户自动查错误日志、活动记录，过滤排序后只给你看排名前三的问题及修复状态。
• 编码智能体当全能业务助手用：不只是写代码，报价、运营文档、客户分流都能丢给它。
• 本地和云端按场景分工：需要低延迟、频繁干预的前后端功能用本地；Bug 修复、一次性需求、运营任务用云端。
• PR 审查和合并可以自动化：用智能体做代码审查、浏览器视频走查、风险评估分级，低风险自动合并。
• 代码量不等于产品价值：前沿模型不知道该发布什么，去找真人客户聊，别坐在椅子上让智能体自动转。
• 面试工程师看智能体管理能力：让候选人录全屏视频展示他们如何用智能体构建功能，比聊技术栈更能看出实际工作方式。

【背景】Devon 是 Cognition 公司开发的云端编码智能体产品，转写稿中多处拼写为 Devon，实际应为 Devin。Claude Code 是 Anthropic 的命令行编码工具。Codex 是 OpenAI 的本地编码智能体。BugBot 是一个 PR 审查工具。Opus 5 指 Claude 的 Opus 5 模型。OpenClaw/OpenClaude 是一个第三方 Claude 包装客户端。Polly 是该客户端中的某个配置或实例名。

我认为未来几乎 100% 都是云端智能体。
I think the future is pretty much 100% cloud agents.
—— Ryan Carson · [09:46]

我认为为什么有一定经验水平的人现在准备好用 AI 大干一场的原因是，你在职业生涯中培养的所有那些管理技能都可以在这里直接应用。
The reason why I think folks of a certain level of experience are like ready to cook right now with AI is all those management skills that you have developed over your career can be applied right here.
—— Claire · [15:48]

我实际上认为我们离任何具有知道发布什么的智能的前沿模型还差得很远。
I actually think we’re nowhere near any frontier model having the intelligence to know what to ship.
—— Ryan Carson · [20:13]

所以是的，我想我们都想要这种自动改进循环，但它们不适用于产品。
So yeah, I think we all wanted these sort of like automatic improvement loops, and they just don’t work with product.
—— Ryan Carson · [20:25]

你会怎么对待一个既了解你的代码库又能编写代码来解决你业务中任何问题的人？
What would you do with somebody who both knew your code base and could write code to solve anything in your business?
—— Claire · [23:28]

我确实认为人们对他们的后台智能体要求还不够多，尤其是那些非常擅长编码的智能体。
I do think that people really don’t ask enough of their background agents and especially ones that are very good at coding.
—— Claire · [23:39]

这就是为什么我仅仅认为 Slack 不是为 AI 时代而构建的。
That’s why I just think Slack is not built for the AI age.
—— Ryan Carson · [32:47]

你们时间线上最沉迷 AI 的两个人花了我们大部分时间谈论太多的 AI 代码其实并不能给你带来好产品。
The two most AI-pilled people on your timeline spent most of our time talking about how too much AI code doesn’t really get you great product.
—— Claire · [42:13]