我强烈建议所有的老板和团队管理者都看看这期内容，看完之后，让我真正理解了什么才是 AI 原生公司。AI 创业公司 Every 的 CEO Dan Shipper 完整分享了自己团队使用 AI 的经验。
Every 是一家专注于 AI 领域的创业公司，目前团队只有 15 人，但业务覆盖非常广。除了做 AI 产品，他们还运营自己的媒体，每天发布时事通讯，还有一个专门帮助企业落地 AI 实践的咨询团队。
最特别的是，他们的工程师几乎不写传统意义上的代码，日常开发、需求制定、甚至内容编辑、运营流程，全部都大量依赖 AI 来完成。
比如产品开发，工程师通过和 AI 讨论需求、让 AI 生成代码、自动测试、自动上线，省掉了很多重复性、机械性的环节。
内容团队也一样，选题、写稿、润色、数据分析，AI 都能参与进来，极大提升了内容产出和质量。
更有意思的是，他们还专门设有一个“AI 工作流优化师”，负责帮全公司同事把各种最新的 AI 工具、工作流梳理出来，谁遇到什么难题都可以找他帮忙定制 AI 解决方案。
可以说，Every 已经不是在用 AI 提高效率，而是彻底把 AI 融入了公司的每一个角落。
我刚刚把这期内容打印了出来。准备本周继续深入读一次，然后在团队中参考 Every 公司的运作方式，继续推行 AI。我们的小团队，或许来可以通过 AI，来做很多有意思的事情。
以下是我们团队精编的翻译，一共 1.8 万字。
#01
AI 驱动下的小团队如何实现高效协作
他们团队只有 15 个人，但目前已经发布了 4 个 AI 产品。除此之外，他们还有一个 AI 媒体网站，以及一个专门帮助企业应用最新 AI 实践的咨询团队。
他们的工程师从不手写一行代码，完全依靠各种 AI Agent 帮他们制定需求、完成产品开发。
Every 的内容团队也会用 AI 来提升效率和内容质量。总之，他们团队把 AI 应用到了极致。也正因为如此，他们才能做这么多事情。
这期内容中，Dan 会尽情的分享他们内部提升员工效率的具体方法，他自己高频使用的 AI 工具，还有他们公司非常独特的运营方式。
那我们现在开始。Dan，你有没有哪些关于 AI 的看法，是你自己很坚信，但大多数人可能并认同的？
Dan Shipper：我就直接说一个最大胆的观点，而且目前证据不多，所以大家听听就好。我也有更有理有据的观点，但先说最大胆的：我觉得 AI 可能会成为美国制造业回流最大的推手之一。
现在大家都在担心 AI 会让很多人失业，确实，它会改变各种岗位对技能的需求。但我觉得它其实可能会让很多岗位重新回美国本土。
具体来说有两方面：
一是很多高昂的服务，比如大公司请的法律顾问、客服中心等，AI 让这些智能服务变得便宜，小公司甚至个人也能用得起，需求就被带动起来了。
第二就是让原本这些岗位上的员工服务的人数变多。
比如，客服行业不会消失，但十个美国中西部的小镇客服，可以靠 AI 服务成千上万、甚至更多的人，当然可能没到百万那么夸张，但数量肯定比原来多很多，不再只是一个个接电话。
这样一来，美国公司请本地员工的性价比反而更高。而且很多美国本地员工用 AI 工具的熟练度也会更高，所以这些岗位更适合在美国完成，再加上 AI 模型公司大多也在美国。
美国在 AI 上的动作很快，这点是事实。至于这对其他国家是好是坏，各自有不同看法，但 AI 让美国本地就业回流的作用，大家其实很少聊。
#02
AI Agent 的真实价值与日常应用场景
Dan Shipper：还有一个，其实这个不算很反主流，只是我觉得很多人还没意识到。比如 Claude Code，是一个被程序员低估的利器。
不仅 Claude Code，像 Google 最近发布的的 Gemini CLI 也类似。给没听说过的人解释一下：Claude Code 其实就是个命令行工具，就是黑色窗口那种终端，程序员常用。
我可以让它访问我本地文件系统，能用各种终端命令，也能浏览网页，能做很多事情。
我给它下个任务，它可以自动执行二三十分钟，全自动地帮我完成，像个 Agent 一样。尤其是最新的 Claude Opus 4 发布后，AI 自主工作能力又上了一个台阶。
Claude Code 还能自己分出多个子 Agent，并行的去完成一堆任务。
对程序员来说超级好用，我们公司每个人每天都在用，像中了 Agent 毒一样，一个人身边有 15 个 Agent 在给他跑任务，特别疯狂。但非程序员一般都不用命令行，其实挺可惜的。
比如，我可以把所有会议记录都下载到一个文件夹，然后跟 Claude 说：请你读完所有的会议记录，帮忙看看我是不是在逃避某些矛盾。
它会自己列一个待办清单，给自己记笔记，然后一条条读、一条条总结，最后给我一份答案。
这种体验不是像普通的 ChatGPT 或者 Claude Chat 那样，只能把一大段内容输入进去，它是真的一条条去处理我给的每一个文件。所以只要是需要处理大量文本的任务，它都特别厉害。
主持人：这么说吧，你其实就等于在自己电脑上请了一个 Agent，能访问你的本地文件，帮你做各种事。
Dan Shipper：对，没错，而且它能长时间连续工作，不会跑偏。
主持人：挺有意思的。唯一的小门槛是普通人要学会用终端窗口和一些命令，但一旦搞定，基本就是用英语对话，直接让它做事。
Dan Shipper：对，就是这样。
主持人：所以你这个观点其实就是，大家觉得 Claude Code 只适合工程师，但其实它对非技术人员来说是最被低估的工具。
Dan Shipper：没错。
主持人：你能不能再举点其他例子，像刚说的会议纪要那个案例就很酷。
Dan Shipper：比如我工作中有很大一部分时间都在写作。我很喜欢看书，你可能等会也会问我喜欢什么书，我先剧透一下，我特别喜欢《战争与和平》，刚刚读完第三遍。那本书真的很长，但很精彩。
我觉得托尔斯泰是个了不起的作家。有时候我想让自己的写作风格更像他，所以我让 Claude 帮我分析一下。
他擅长用很细腻的笔触，通过人物的动作、表情和语气之间的小反差，来展现人物内心活动，这很厉害。
于是我就把《战争与和平》下载到本地（公版书可以随便下），让 Claude 读前三章，把托尔斯泰写人物心理的那些描写都提取出来，然后让它自己整理出一份如何像托尔斯泰那样写人物描写的写作指南。
其实用普通的 Chat 对话也可以做到类似的事，但没办法一次性把整本书塞进去，而且要反复手动操作。Claude Code 可以全自动地帮我跑完所有流程，几乎不用我干预。
后来我还下了俄文版和英文版，让它帮我对比我喜欢的片段，看看有没有什么翻译细节遗漏，所以我们可以在任何感兴趣的小领域钻得特别深，玩得特别细。
比如我有一堆客户访谈或者客户数据，也可以用 Claude Code 去分析和总结，非常适合处理这种海量信息、挖掘有价值内容。
主持人：其实你也启发了我用 AI 做一件事。虽然不是你刚才说的那种用法，但也很酷。听起来会很宅，我最近在读《安娜·卡列尼娜》，也是托尔斯泰写的，这还是上次一位播客嘉宾推荐的。
我就想，行，那我也得读读。这本书也很长，我现在用 Kindle 看，读了好几个月才 13%。
Dan Shipper：我的一个大胆观点是，我觉得《战争与和平》其实比《安娜·卡列尼娜》更适合技术人阅读。
#03
从 AI 能力进化，看 AGI 的真实含义
你其实不用把整本书输给它，它本来就知道这些内容。Anthropic 也被曝光过，他们其实买了很多书，自己扫描，这样才能算合理使用，所以它本身就有很多背景知识。
这样你读书的时候可以随便问它，比如问它，俄罗斯社会里这个东西到底是啥？真的很有趣。
所以这个方法很棒，总结一下你的观点：其实现在大家完全可以让 AI Agent 直接读取本地文件，在电脑上自动完成各种任务，无需专门上传到云端或配置复杂的项目、编写大量提示词。很酷。
你觉得，大家会慢慢发现这种用法，然后日常用起来吗？
Dan Shipper：我觉得一定会。而且我觉得 AI 模型公司以后也会把这些做得更易用。
比如 Claude Code 这样的东西，将来肯定会变得和我们平常用的所有应用融合在一起，无论是在网页上还是其它地方。
早期 AI 应用的做法，其实就是把一个聊天框贴进已有的界面。比如 Copilot，就是在 IDE 里加了个自动补全；Cursor 则是侧边栏里有个聊天窗口。
Claude Code 的不同之处在于，人们根本不用看代码，也不是让人手写代码，而是直接说请你帮我搞定某件事，它就自己去做。
我觉得很快各种常规软件都会用到这种方式，AI 的能力强到人们不再需要操作一堆界面、点来点去，只需要把任务交给它，让它自己去执行。
主持人：对，我之前和 Cursor CEO Michael Pryor 聊过，他的愿景就是，有一天我们根本不用再看代码，软件也能自动完成。
Dan Shipper：我们 Every 内部也是一样，现在已经没人手写代码了。
主持人：这部分我们待会儿还要深入聊。你现在还有什么大胆观点要分享吗？
Dan Shipper：还有一个。我有一个关于 AGI 的定义。AGI 到底是什么，业界一直很难有统一的标准。
图灵测试曾经是一个标准，但现在 AI 在很多方面早就超越了它，所以其实我们并没有一个好定义。我注意到一个很有意思的现象，就是人们能放手让 AI 独立工作多久，这能很直观地衡量 AI 的进步。
比如最早 Copilot 就是代码自动补全，后来的 ChatGPT，人们可以问它问题，让它回复，这比补全又强了一些。
而现在像 Claude Opus 4、Gemini 这些 AI，可以连续工作二三十分钟做复杂任务，像深度研究类的需求，AI 能独立执行很久。人们能放手让 AI 自主工作的时间越来越长，干预的频率越来越低。
我想到了一位心理学家 Winnicott，他写过一本书叫《游戏与现实》。他认为，人的成长过程其实就是，小时候我们和母亲（或者主要照顾我们的人）是完全一体的，根本没有自我和他人的区别。
成长的过程，其实是家长在我们能承受的时候，偶尔让我们失落一下。
比如婴儿一开始什么都需要父母，后来可以短暂自己待一会儿，甚至哭一会儿，这样我们就慢慢意识到，我是我，妈妈是妈妈，我们不是永远粘在一起。
教养孩子的诀窍其实就是，判断孩子什么时候准备好了，可以稍微被独立放一会儿了，让他学会独立站起来。所以成长就是，我们独立的时间越来越长。
AI 也是类似的，现在 AI 能独立工作二三十分钟，虽然还没达到能让三岁孩子独处那么久的程度，但至少已经比婴儿阶段强多了。
主持人：也许现在还是只能独自待二三十秒的小孩那种阶段。
Dan Shipper：对，比如我们可以和幼儿在一个屋子里，虽然没一直陪着，但能让他们二十分钟不需要我们管。所以 AI 和 AGI 也是类似的成长过程。
我认为 AGI 的一个好定义就是，当让 Agent 一直持续运行、不会关掉，这件事本身开始具备经济价值的时候。
也就是说，Claude Code 可以一直运行、持续工作，无需频繁停下，因为它不断创造价值，用户更愿意让它持续运作，而不是每次都等着下指令才开始执行。
它平时就像一个自主运转的青少年，随时待命，等有任务时再分配，大家会觉得让它一直开着非常划算。
#04
AI 技术对组织与个人技能的重塑
Dan Shipper：对，既包括成本也包括价值。当然你也可以走捷径，比如你可以让 Claude 无休止地自己循环。
但我说的其实是，只有这种模式成为主流，大家都愿意花钱让 Agent 持续运行，这才算真正的转变。
如果让它一直运行，虽然会有些花费，但整体能带来实际收益，那就说明它确实创造了真正的价值，人们才会愿意让它一直开着。
主持人：很有意思，其实这和资深员工也很像。员工越成熟、越能自主工作，人们需要指导和审核的地方就越少。
Dan Shipper：是的。我还有很多类似观点。我其实很讨厌那种 AI 会取代工作岗位，会让三分之二的人失业的新闻标题，我觉得这些都不靠谱。我也不喜欢 ChatGPT 会让人大脑变笨这种说法。
还有一个典型的说法是，医生 VS 医生 + AI VS 纯 AI，纯 AI 更好，所以医生要被淘汰了，我觉得这种想法也很蠢。
举个例子，AI 其实也是一门技能。如果人们只看那些根本不会用 AI 的医生，确实能找出某些 AI 比他们强的场景，但现实世界非常复杂，医生需要做决策的场景太多了，一项研究根本没法下结论。
尤其是在 AI 发展这么快的时代，医生短时间内当然学不精，但我敢打赌五到十年后，情况会完全不一样。
再比如学生用 AI 就不用动脑了这种观点，其实技术进步的历史从来都是人们放弃一部分技能，换来更强的新技能。
比如柏拉图就很反感书写，他觉得会伤害人的记忆力，事实也是如此，我们确实没法像古人那样一字不差背下史诗，因为他们没书写只能靠记忆，但我觉得换来文字能力，这个代价完全值得。
AI 也是类似，人们可能在某些任务上没那么专注，但如果用对了，会让人们在更有价值的任务上投入更多精力，拥有更大能力。
我们可以做一项实验，证明用 AI 时大脑活跃度降低，就像我们可以证明会写字的人记忆力比不会写字的人差，但没人会想回到那个谁都不识字的时代。
主持人：这个例子很有意思。现在也有研究证明，AI 对学生的帮助很大，比如尼日利亚那种地方，学生进步特别快。
所以你强调的这个观点很重要，就是确实会丢掉点什么，但得到的远远更多，而且现在看来确实是这样。
Dan Shipper：没错，技术刚开始发展的时候，大家总是低估变化的速度。我经常举的例子就是，我住在布鲁克林，楼下裁缝店还不能刷信用卡，信用卡都出来多少年了。
哪怕是最好的技术，普及都需要很久。而且人类现实生活的场景复杂得多，远不是考试成绩那么简单能替代的。
AI 能考高分很厉害，我也很喜欢 AI，但它并不能让人们体会到，现实中到底有多难把各种具体工作真正替换掉。
我举个例子：一个月前我周末做了个小项目，是想让 AI 预测我在会议上会说什么。这其实算是一种 CEO 基准测试。
OpenAI 内部测试新模型的标准，就是让它在内部代码库里预测下一个内容，因为那些代码不在网上，能很好衡量 AI 的真实能力。
我也想，既然我的会议记录没人能在网上找到，不如用它们测试下各种前沿大模型会怎样。
结果是，表现都很一般，不是因为模型不够聪明，而是现在大家都在研究所谓的上下文工程（Spotify 的 Toby 提出的概念），意思是要在合适的时间把合适的信息给模型，这一点起码决定了 AI 一半以上的表现。
我以前把这叫做知识编排，现在上下文工程这个词更合适。
这绝对不是个小问题，不是给大模型喂大段上下文就能解决的。
未来肯定会越来越好，但只要 AI 能准确预测我下次会议会说什么，我肯定会把它变成工具，这也会彻底改变我开会说话的方式。所以，远没有大家想得那么简单。
#05
Every 团队的 AI 优先运营模式
Dan Shipper：完全可以。其实我们现在也有点类似这种做法。
虽然还没到能完全预测我在会议上会说什么的程度，但如果你是 CEO、创始人或者管理者，会发现自己的工作其实有很大一部分是在重复同样的内容。而 AI 革命最棒的一点，就是你不用再反复说这些话了。
比如上个季度，我通常会定一两个季度目标，其中一个很重要的目标就是不要重复自己。我希望我在会议上再也不用说同样的话，只要能避免就好。我们 Every 的一个很重要的部分就是我们的日报。
我花了很多时间给大家反馈，比如怎么写标题、怎么写开头、这个观点值不值得写之类的。现在我们把这些都整理成了提示词。
虽然它还不能完全模拟我本人，不能 100%说出我在会议上会说的话，但它能把我的品味和标准传递下去，这样编辑们在没见到我之前，其实已经和我的模拟体聊过了。这非常有用。
主持人：我们就顺着这个话题继续吧，这正是我想聊的方向。我觉得你们正在打造的公司、团队和运营方式，就是未来 AI 时代公司运营的前沿代表。
你们是真正以 AI 为核心的团队，很多做法都很有参考价值，非常感谢你的分享。
能不能先简单介绍一下 Every 是一家什么样的公司？以及你们具体是如何运作的？刚才看到你笑了，感觉一定有有趣的故事。
Dan Shipper：每个人都这么问，因为我们的公司形态真的很奇特。
人们确实可以在以前的某些公司里看到类似的形态，但它并不常见，也没那么合理。我觉得现在是 AI 让这种形态变得成立了，我们等下可以聊原因。
一般我会这样介绍 Every，我们是在 AI 前沿探索想法和应用的公司。
日报是公司核心业务，已经做了五年，有大约 10 万订阅者。AI 领域最顶尖实验室的人都会看我们的内容，只要有人关心 AI 前沿、想知道行业动态，基本都会读我们的日报。
比如每次 OpenAI 或者 Anthropic 发布新模型，我们都能第一时间拿到，用用看，然后写体验感受，这就是我理想的工作，我特别喜欢，非常开心能做这些。
主持人：你们把这种体验感受叫 Vibe Check，对吧？
Dan Shipper：对。我觉得做 Vibe Check 非常重要，原因就是，它关注的就是用起来是什么感觉，把它用在实际工作和生活中的感觉怎么样。
这种体验是传统评测和标准基准测试完全无法捕捉到的，只有真正处在前沿、亲自用 AI 解决问题的人，才最有资格做这种 Vibe Check。
我们长期发现，最好的技术内容，一定是来自那些真的在用技术、在动手构建的人。所以我们一直有个传统，就是除了写文章以外，还会做一些小实验，这样反过来能提升我们的内容质量。
慢慢这些实验变成了我们内部用的一套 App。而做这些 App 的人也都是写作者，他们也会参与 Vibe Check，所以读者能从第一视角了解这些 AI 工具到底怎么用。
我们现在内部用的 App，比如 Cora，就在我们录音这天刚刚正式上线，非常激动。可以把 Cora 理解成人们的 AI 幕僚，专门帮人处理和管理邮件，非常酷。如果你有兴趣，我们可以再详细聊聊。
我们还有一个产品叫 Sparkle，是 AI 文件清理工具。还有一个叫 Spiral，可以用 AI 自动化内容创作。我们还孵化过 LEX，一个 AI 文档写作工具，后来独立出去了，我的联合创始人 Nathan 现在在负责 LEX。
我们所有软件都打包成一个产品包，用户付一次钱就能用到我们所有自研工具，我们会不断把新应用加进去。我还可以聊聊我们怎么孵化这些产品、喜欢做哪些类型的项目，有很多有意思的地方。
#06
AI 驱动下的新型能力、人才与商业逻辑
Dan Shipper：对，我们也做咨询，这是公司业务的第三个支柱。
它和“想法 + App”主线不完全一样，但我们会花很多时间给大公司做培训，教他们怎么变成 AI 驱动的团队，培训所有员工用 AI，非常有趣，也很重要。
主持人：我觉得这块简直就是下一个十亿美元生意，等下我还要详细问。
你刚才提到你们团队不写代码，你们到底是怎么做到这么高效运作的？你们团队很小，却有日报，有三四个产品，还有咨询服务。
你们团队现在有多少人？15 个人，对吧？讲讲你们内部有哪些前沿高效的做法？
Dan Shipper：有几件事。第一，我觉得所有公司都应该做的，就是有一个 AI 运营负责人。
我每周会和她聊一次，每当我发现自己有重复性工作，就会记在待办清单里。她就会不断帮我和其他团队成员搭建提示词、工作流，让我们能尽可能自动化各种工作。我觉得这是我们很大的突破。
因为如果人们每天都在岗位上救火，肯定会优先用老办法，而不会想着用新工具，哪怕新工具可能更高效。
大家都不想花时间折腾 Zapier 做无代码自动化，有了 AI 运营负责人，就能帮大家识别并解决这些问题，而不需要大家亲自去学，所以成效很大。
当然还有个难点，就是我们要确保大家真的用起来。这其实就像人们不断往内部丢小应用，但如果能把这些工具做得让大家愿意用，效果就会很好。我强烈推荐所有公司都配一个 AI 运营负责人。
主持人：我记得你看到 Quora 的 CEO 发推招这个岗位吧，这已经成趋势了。
所以这个岗位本质上就是脱离日常具体业务，专门帮团队用 AI 提升效率，对吧？那么她主要是帮你个人自动化，还是帮所有人？
Dan Shipper：帮所有人。现在我们主要是从编辑工作流入手，因为编辑流程里有太多细碎的重复劳动。
我们的主编 Katie 每天要花很多时间做小修改，保证文章风格统一，耗时好几个小时。现在我们整理了一套提示词，这样 Opus 就能自动帮 Katie 把所有文稿都按照预期风格润色，效果非常棒。
难点不仅是把工具做出来，还得让 Katie 形成习惯，比如每次有人把文章交给她，她都要先问一句，你用 AI 润色了吗？所以这也是组织层面一种行为改变挑战。
对我们来说容易一点，因为团队本身都很愿意用 AI，也没有谁说我才不要用新东西。但很多公司会遇到员工不愿意用 AI 的难题，这也是为什么推行 AI 有时候没那么容易。
#07
如何打造 AI 原生的极小高效团队
Dan Shipper：她叫 Katie Parrott。她其实还帮我们写过很多文章。我们公司那些自己动手写作的 builder 有时候也会需要她帮忙，把自己做的事写出来，这就是她最初的工作内容。
现在除了做这些，她还花大量时间做 AI 自动化。在加入我们团队之前，她在 Animal 工作过，那是一家顶级内容营销机构，非常注重流程。
Katie 之所以这么厉害，是因为她非常擅长流程管理和优化，但她又是个优秀的写作者，而且超级热衷 AI，特别喜欢折腾各种 AI 新工具。
这也是为什么我请她不光做写作，还让她全力负责 AI 自动化，这个决定非常正确。
所以我觉得，至少需要找一个爱折腾、爱尝新、爱搭建东西的人。如果他再懂一点流程优化，懂一些业务，那就更好了。
主持人：这建议太棒了，我觉得所有公司都会开始招这种人。
Dan Shipper：我也这么觉得。其实现在有不少人都在讨论这个岗位。我听 Rachel Woods（她也研究 AI 相关）聊过，感觉这正成为一种趋势，真的很重要，并且正在渗透到公司各个环节。
比如我们现在在编辑工作里用 AI 自动化，其实像 Cora、Spiral、Sparkle 这些产品里的各种文案润色也都需要同样的高标准。
以前我们工程师做完 Figma 文件，会把文案发给 Katie 让她润色，这样对大家都是折磨，而且 Katie 就一个人，根本忙不过来。
后来我们有个工程师 Natas，他用 Claude Code 做了个命令，只要输入提示词，它会自动扫描整个代码库的所有文案，自动创建 Pull Request（PR），然后发给 Katie 审核。
这样我们就可以把提示词写成工程师也能用的格式，让技术团队直接写出想要的市场文案。我觉得这个特别酷。
主持人：非常酷。我想稍微岔开一下话题。你刚才一直提到 Claude，我挺好奇你和你们团队现在常用的工具栈都有哪些？Claude 是不是你们核心工具之一？
Dan Shipper：我确实很喜欢 Claude。不过说实话，我最常打开的是 o3。
我是 ChatGPT 的忠实用户，我觉得 o3 质量很高，写作也好、编程也好，都非常棒。它和 Claude 最大的不同就是它有记忆功能。
我很喜欢的一点是，我花了很长时间调教 ChatGPT，比如反复让它写作时要有力、要简洁，现在它已经懂我想要什么了。
所以每次我让它帮我写东西，效果都比大多数 ChatGPT 用户要好，甚至可能比你用得还棒。
我还常常用它做自我反思和个人成长，比如我把会议记录发给它，让它评价我表现如何。它会说：你还是像往常一样做了某些事，但这方面你比以前好了很多。我很喜欢这种反馈，非常棒。
所以日常我最常用的是 o3。不过说到 Claude Opus，尤其是 Claude Code，Every 公司所有人基本上都在用。
只要我们在开发什么新东西，就会用 Claude Code，真的很强大。Gemini 最近也出了新功能，我很想试一试。
#08
小团队用 AI 提效的核心秘诀
Dan Shipper：我用 Granola。我以前也用 Super Whisper 和 Whisper Flow，这两个我觉得都很好。
我们现在内部有个自研的版本，叫 Monologue，大概一个月后就会发布，现在我自己在用。它们的作用都差不多。
我觉得语音转文字的交互方式是未来趋势，应该有更多人用、更多人做相关工具。还有我们常用 Notion，我主要用它的会议录音功能。大概就是这些工具。
主持人：明白了，这很有帮助，也很有意思。接下来我想回到你们团队的运营方式。你刚才说到 Katie，对吧？你们还有哪些做法是你觉得其他公司应该学习，或者未来一定会跟上的？
Dan Shipper：Cora 团队就是 Kiran 和 Natas 两个人。
主持人：也就是说，团队现在就两个人？
Dan Shipper：其实是 Kiran、Natas，还有 15 个 Claude Code 实例。这样其实比普通团队还厉害。
主持人：我喜欢这个说法。这真的像是在给大家展示未来。
Dan Shipper：我们还有一个很酷的做法，其实是他们俩自己发明的，和我没关系。他们提出了一个复利工程的想法。就是说，每做完一件事，都要让下一件类似的事变得更容易。
举个例子，在 Claude Code 主导的世界，大家其实不怎么手写代码了，更多是在写 PRD（产品需求文档），把需求细化成清单。
我们可以每次都从头写一份，也可以花点时间，把 PRD 的理想模板做成一个提示词（prompt），让 AI 把我们零散的想法自动转成 PRD。
这样之后每次写 PRD 都更省力，做事越来越快。这种持续叠加的小优化，能大幅提升工程团队的杠杆效应。
所以像 Kiran 和 Natas，以及我们的 Cora，现在已经有 2500 个活跃用户、每天处理上百万封邮件，我们公司只有 15 个人，能做这么多产品，真的挺疯狂的。
主持人：你们是怎么做到提速的？靠不断完善提示词吗？
Dan Shipper：主要靠提示词、自动化等手段。
主持人：那你们做自动化用的是什么工具？
Dan Shipper：我们用的主要还是 Claude Code。你可以在 Claude Code 里用斜杠命令（slash command），相当于重复性提示词，随时调用。
主持人：明白。也就是说你们会不断积累和优化提示词，让从需求到高质量 PRD 再到 Claude Code 的流程更顺畅、更高效。
Dan Shipper：没错，就是这样。
主持人：这些提示词是存在文件里，还是放在某个项目里，怎么管理？
Dan Shipper：和 GitHub 类似。我们用 GitHub 共享和管理这些内容。另外还有个很酷的做法，就是会同时用好几个 Agent。我们很喜欢一个叫 Friday 的智能体。
主持人：Friday？ 我好像听说过，是 AI Agent 类产品。
Dan Shipper：还有一个叫 Charlie 的 Agent，我们也很喜欢。
Charlie 有个很棒的地方，就是它集成在 GitHub 里。我拉取请求（PR）时，可以直接 @Charlie，让它帮我检查。这样不同的 Agent 能提供不同视角，就像团队里有不同性格和专长的人。
Kiran 本人是那种很喜欢 Rails 框架的工程师，他对风格、体验很敏感。比如有的 AI 像 ChatGPT，感觉很简洁、专业、有距离感，可能他喜欢这种风格。
Claude 风格又不太一样。我觉得不同 Agent 各自的特点非常有趣，这也决定了我们怎么用它们、以及为什么要同时用好几个 Agent。
#09
通才和 AI 让团队更有创造力
Dan Shipper：确实可以。
主持人：而且我感觉这个市场比大家想象得大得多，将来大家肯定会同时用不同公司的 Agent，而不是全用 Devin，也不是全用 Codex。
Dan Shipper：我也这么觉得，肯定不会出现一个 Agent 统治一切的局面，市场空间还很大。
主持人：对啊，Cora 团队那两个人什么背景？都是工程师吗？
Dan Shipper：对，两个人都是工程师。Kiran 的经历特别丰富，他之前在创业公司做过 VP，等于是创始人、CEO，还是连续创业者。
在这之前，他是作曲家，做过专业音乐人，再早以前还当过面包师。去年我们团队去法国团建，他还教我们做牛角包。我做得巨难吃，他做得超漂亮。
我特别喜欢这种多元背景的人在 Every 工作，因为我们团队里每个人都是多面手，喜欢用 AI 做各种新奇又有创意的事。有这样经历的人，品味会更好，不光能选 Agent，还能设计产品主页等等。
毕竟要让 15 个人撑起 5 个产品，大家都要多面手才行。Kiran 就是这样。Natas 的背景更让我羡慕，他是 ChatGPT 出来以后才学会编程。
他一直想学写代码，但直到 AI 时代才真正学会。我老和他说，兄弟，我中学是买书学编程的，遇到 bug 也不能上网查，全靠自己琢磨。
主持人：那时候甚至还没有 Stack Overflow。
Dan Shipper：对，我学编程的时候，根本没有 Stack Overflow。Natas学得比以前任何工程师都快得多，我觉得在没有 AI 的年代根本没法这么快。
我在公司其他同事身上也看到了同样的现象。现在大家都在讨论 AI 会不会让年轻人、入门岗位被取代，我觉得这个问题确实值得思考，将来有可能会变成问题。
但我的看法是，每次我看到有小孩在用 ChatGPT，我心里都想，天呐，他们将来的成长速度会比我合作过的任何人都快得多。
比如我们有个同事 Alex Duffy，他帮我们做 Context Window 专栏，他还做了个很酷的项目，教 AI 们互相玩《外交官》这个桌游。这个项目就是他自己一手完成的。
我觉得他真的非常非常有才华。他刚加入公司的时候（大约一年前），其实是我常见的那种典型例子，想法很多很棒，但写作能力还不够成熟。
在写作能力提升之前，其实很难给他安排重要工作，只能先让他做点小任务慢慢练。
可我发现他进步飞快，本来一年才能练到的水平，他两个月就做到了。每次我教他怎么讲故事、怎么想标题，他都会录下来，整理成提示词，之后就再也不会犯同样的错了。
我觉得正是因为有这些 AI 工具，他成长的速度快了很多。
在公司里其他地方我也看到类似的情况。Natas 就是另一个好例子。所以我觉得，总体来说，人们会发现，只要去指导一个订阅了 ChatGPT 的二十岁年轻人，他很快就能变得非常厉害。我觉得这非常棒。
主持人：这个话题真的可以聊很多。现在外界都担心入门岗位消失了，那还怎么培养资深员工？但你说的是，ChatGPT 这些工具能让新人飞速成长，所以其实你根本不用在基层岗位熬很多年。
Dan Shipper：对，我们实际上从一开始就在学着怎么当比入门再高一级的人。
这其实也就是我一直说的分配经济学理论：AI 时代最有价值的技能，其实和现在人类管理者的能力很像。将来每个人都是模型管理者。现在管理能力并不普及，因为管理很贵，只有 8%的人是管理者。
未来管理变得很便宜，更多人都得会管事。所以现在这些 20 岁的年轻人，除了做实际的工作，也会同步学着怎么管理 AI。
我们不能只丢任务给 AI 然后撒手不管，还是得进去改进结果，他们其实是在同时学习怎么管人和怎么做事，所以成长得特别快。
主持人：你说的管理其实就是管理 AI Agent，对吧？
Dan Shipper：对，就是管理 AI。
主持人：所以你刚才说的，比如 Quora 团队，还有 Every 整个团队，其实已经不写代码了，全是管理 AI Agent 让它们写代码？
Dan Shipper：对，没错。我还没见过哪个公司能做到这个阶段，真的很酷。
现在的工作流程就是，把想法告诉 AI，反复用我们搭建的提示词库优化需求，让 AI 去写代码，然后我们花时间做代码审核和结果检查，不断完善。
主持人：哇，那你们其实已经提前实现了 Cursor 创始人 Michael 预测的未来。他几个月前说，一年后大家都不用再看代码了，而你们现在其实已经实现了，虽然偶尔还是会看下代码。
Dan Shipper：确实还是得看。现在他们还是要做代码审核，不能完全不看。
比如 Danny（负责 Spiral，Claude Code for 内容工具的负责人），最近还花了几天研究第三方库的内部实现，他只是想搞清楚底层原理，但搞懂之后，他就全靠 Claude Code 给指令了，自己基本不写代码。我觉得这点非常重要。
主持人：这真是个巨大的里程碑。我们正进入一个你不需要懂代码、不需要写代码的时代，你们已经提前到达。很多人其实没意识到这多么不可思议，你们的产品团队完全不写代码。
Dan Shipper：真的挺疯狂的。特别是，像我们这样的团队，人很少，每个人都是多面手，都是 AI 导向，所以在这种环境下能做的事太多了。
我们还要发明一套全新的协作、工程原则。我很喜欢我们写的内容，也是因为我们真的自己在用 AI 做这些，所以能写出基于实战的好内容。
但我还想补充一句：Every 的人还没到完全不会写代码也能做现在这些事的程度。就是说，虽然大家不手写代码了，但会写代码依然很重要，而且未来很长时间内也有价值。这其实是历史发展的规律。
比如我初中学编程那会儿，最火的是脚本语言（Python、JavaScript）。
但在程序员圈子里，大家普遍认为真正的程序员，就得懂 Python、JavaScript 这些脚本语言背后的底层 C 语言，他们觉得脚本语言还不够正统。
想做厉害的东西，就得两层都懂。C 语言当年刚出来，70 年代吧，大家说想写 C 得会汇编。
现在的英语提示词（prompt）其实也是加在脚本语言上的新一层。所以每次转型期，能往下钻一层非常重要，这种需求会随着时间慢慢减少。
但这需要很久。哪怕这个人是 JavaScript 或 Python 程序员，懂底层原理也会帮上大忙。虽然现在重要性没以前那么高了，但也是十几年才变成这样的。
我觉得写代码的能力还会很重要，还会让人加速成长，只是随着时间推移会慢慢没那么必要，但现在远远没到那一步。
主持人：这点很重要，谢谢你提出来。那你觉得，距离我们能招一个不会写代码的人来主导开发新产品这种情况，还有多远？
Dan Shipper：就像那种真正的 SaaS 产品吗？
主持人：对，比如我们有个想法，想招个人带这个项目，但这个人不会写代码。
Dan Shipper：我觉得还很远，暂时看不到。但有一些比那低一层、简单点的产品，现在几乎已经能让不会编程的人做了。
比如我们刚才说到的 Dia（Browser Company 做的新 AI 浏览器）有个技能系统，实际就是 AI 小应用，可以在网页上运行，有点像 ChatGPT 里的自定义 GPT，非技术人员就能做。
我认为，虽然离零代码做传统 SaaS 产品还很远（除了 demo 级别），但会出现很多新形态软件。
比如现在软件越来越像内容，会有很多不像今天软件那样的产品，非技术出身的人也能做，甚至当成生意运营，这很快就会发生，甚至现在已经在发生了。
它们和你问的那种传统软件不太一样，就像好莱坞电影和 YouTube 视频的区别。
#10
AI 产品创新的方法论
Dan Shipper：对。
主持人：还有没有什么特别简单高效的做法，能帮你们小团队做更多事？可以分享一下吗？
Dan Shipper：我很想跟大家聊聊我们是怎么思考做什么产品，怎么挑选项目的。我觉得这方面有些独特经验，应该对大家有参考价值。其实这也是最近才真正想明白，之前都靠直觉在做。
回头看我们孵化过的产品，发现本质都和我一开始说的一点有关：过去很多服务只有大公司或有钱人才用得起，比如邮箱助手、私人律师、整理师、自动整理电脑文件的工具、写作助手等等。
现在 AI 让这些服务的成本降低了几十倍、上百倍，小公司也能用。
比如像我们这种 AI 优先公司，常常会有很多需求，我现在就想要个写作助手，可雇不起，想要个律师，可 25,000 美元太贵……市场需求很大但供给有限，因为人工太贵。
AI 来了以后，我就能用 Claude/ChatGPT 顶替部分工作。像我们公司，其实能请得起律师、写作助手，但还是有很多事做不了。
现在我们的想法是，先把 AI 当成万能工具用起来，只要发现某个用法确实有价值，我们就会把它单独拆出来，做成自己的产品。
所以我们现在的方法是，先用 AI 工具测试有没有用，如果真有用，那就把它单独拆出来，变成单独的应用。
我觉得现在最特别的是，整个产品格局都被重新洗牌了。五年前大家可能还在做新一代笔记软件或者又一个 B2B SaaS，但现在都是全新领域，没人知道什么才是行业标准，大家都在一边探索一边创新。
就像当年电子表格刚出来时，大家都在摸索新流程，后来这些流程被拆分成成专门的 B2B SaaS。ChatGPT 和 Claude 也是类似，得先把它当万能工具，发现有用，再细分成独立产品。
我们公司的好处是，全员 AI 优先，都在做类似的事，团队本身就是第一批种子用户，大家觉得这个产品超棒，那就说明成了。
我们的下一个用户群就是我们订阅者，他们和我们气质相似，这样能形成很自然的产品试错与推广链条。
这种新路径真的很有趣，机会很新。像我们这种做前沿实验的公司，三年后，今天的做法会变成行业共识，现在也许还很小众，但不久以后大家都需要。
主持人：太酷了。所以我理解其实就是 GPT 套壳是很好的主意。
Dan Shipper：我完全同意。GPT 套壳其实超级有价值，外界一直有人吐槽，但他们根本没明白这类产品到底有多重要。
#11
Every 的融资哲学
Dan Shipper：我真的希望 Every 能成为一家机构，教人们怎么用科技（尤其是 AI）过更好、更人性化的生活。我们会通过写作和内容去教大家，也会开发工具帮助人们做到这一点。
但我觉得，要打造一家公司，对我来说，最理想的方式是，让内部氛围就像一个创意游乐场，大家可以去冒险、做创新、做没人理解的怪东西，哪怕说不清理由，只是觉得好玩。
所以我一直在认真做公司和玩得开心之间找平衡。我认为，这种张力很有价值。
所以我一直挺犹豫要不要融资太多，因为一旦钱多了，我们就必须认真起来，全力奔着那种超级大公司目标去。
很多公司都能在这两者之间找到平衡，但对我个人来说，我更想留住选择权，留住那种自由和好玩的感觉。
部分原因是这样我还能比较自主地做自己想做的事，当然背后可能还有一些更深层的心理原因，如果你想聊我也可以说。但这就是我想要的状态。
所以我们刚创办 Every 的时候，只融了 70 万美元的种子轮。那时候正是创作者经济最火的时候。我和你几乎同一时间开始做 Newsletter，那段时间大家都疯狂撒钱，特别夸张。
但我们只融了 70 万，就是想有足够的钱去试错，有点现金缓冲，但也不会因为钱太多，就被限制只能按某种方式发展。我们还专门给所有投资人发邮件说，你也是我们的小股东之一，应该也收到过。
主持人：没错，我是个小投资人，但我在里面。
Dan Shipper：我们发邮件跟大家说，这家公司大概率不会走风险投资那条路，所以你们别指望我们再融资。
我们还用了一种改过的 SAFE 协议（一种创业公司常用的融资合同），允许所有人三年后即便我们没再融资，也能选择转成股权。
这样既有机会做大，也有机会按照我们自己的方式慢慢来。哪怕不是一家巨无霸公司，只要我们喜欢就好。
最近这一轮我们也是这样做的。这次最多融了 200 万美元，投资人有 Reid Hoffman 和 Starting Line VC，我们就把它叫 Sip Seed 轮。
他们承诺给我们 200 万美元，但我们随时想用就能拿出来，是个设定好估值上限的 SAFE 协议。
对我来说，这特别好，因为心理压力小了很多。如果账上钱用完了，还能继续拿投资，不用担心。而且团队也不会盯着一个天文数字的账户余额，想着怎么烧钱。
Reid 肯定希望我们成功，但我觉得他并不在意公司规模多大，更认同我们做的事情本身。如果公司做大他会很高兴，这种价值观正是我追求的。因为我最看重的还是保留核心的创造精神。
我确实希望公司扩大影响力，但影响力有很多种方式。有一种是做一个百亿美元的企业，另一种是影响人们看待世界和自己的方式。
有时候故事本身就能起到这样的作用，我们未必非得靠一家大公司才能实现。
很多我们喜欢的故事，其实主角都不是有钱人。所以我想做的，是打造一个既能做出好生意，又能真正影响人，让人重新认识自己的地方，这才是我觉得最重要的东西。
主持人：你这算是自己发明了一种全新的融资模式，不是纯自力更生，也不是传统 VC，而是 Sip Seed 形式。
我觉得你们 200 万美金的操作挺对的。要是拿五千万，可能大家就飘了，200 万其实已经很够用了。
Dan Shipper：这确实是个重要考量。当然，谁知道两年后我会不会后悔、会不会觉得钱不够用。但现在的感觉是，我们用很少的钱就能走很远。
比如 Cora 这个产品，全部投入可能才 30 万美元。
想想看，这还是算上人工成本的。而且三年前我就算再有几亿美金，也根本造不出来 Cora 这样的产品，因为没有 GPT 就做不了邮件总结、自动回复这些功能。
所以不仅当年技术上根本做不到，现在我们只用两名工程师就能完成过去需要二十个人才能做的事，这也说明其实我们用不着那么多资金。风投界现在还没完全理解这个变化。
现在其他公司也在搞类似玩法，叫 Seed Strapping，就是用种子轮资金去自我造血。我也很好奇这会不会最终影响 VC 的模式。
对我们来说，我们有独特的孵化模式，和传统 VC 有区别，也有一些和创始人互动的新玩法。我就是想找一个最适合自己的形态，不一样也没关系，看看能不能走通。
#12
AI 落地的关键在领导
还有几个问题想请教，一个是你们的咨询业务。我一直觉得这块有潜力，甚至是下一个十亿美元级的生意。现在每家公司都在琢磨，别的公司 AI 都怎么玩了，我们是不是落后了。
好多公司产品负责人给我发邮件说，能不能介绍一些已经在 AI 上有突破的同行让我们学习学习。你们基本就在帮大家解决这个难题。能不能跟大家聊聊你们咨询这块的业务？
还有一点，你一定见过很多企业，有的 AI 落地特别好，有的就不行。你觉得这些公司的最大区别是什么？
Dan Shipper：这个问题我很喜欢，而且我有非常明确的看法。
第一，关于咨询业务，我们其实就是一直在玩新模型、写体验、造工具，粉丝也多，所以时间长了自然有公司找上门来，向我们求助，能不能来教教我们怎么用？于是我们就开始做咨询了。
其实这个业务还很新，大概才做了六到九个月，但体量已经挺大了，今年营收大概能翻倍。去年做了大约一百万美金，今年说不定还会更多，有几个大单子还在谈，说不定最终会高很多。
主持人：我大胆预测两年后能到十亿美元规模。
Dan Shipper：哈哈，有很多公司来问我们：能不能来帮忙培训团队怎么用 AI？我们的流程是，先去调研公司，了解各个团队都在做什么，哪些环节有重复劳动……就是前面我们聊到的那些事情。
然后我们会出个简报，告诉他们，我们发现了什么，不仅如此，我们还会做一个聊天机器人，客户可以直接通过和机器人对话，去检索、提问、探索所有采访资料，主动挖掘他们想知道的内容。
我们有一个大仪表盘，展示各团队对 AI 的兴趣度、落地潜力等。这也是我去年和 Devin 在一个周末用 Vibe Code 做出来的 App，后来 Alex（咨询业务负责人）升级了这个工具。
接下来我们会有一套培训课程，给每个团队定制培训内容，因为 AI 是通用技术，每个岗位用法不同。
我发现企业里 10% 的人超级感兴趣，10% 的人死活不碰，剩下 80% 只要告诉他怎么用在本职工作里，他就会用。
所以我们会针对每个人写好专属提示词、专属场景，这样才能推动落地。每个团队培训 4 周，每周一小时。结束后，还会帮企业做自动化，导入 AI 运营相关的流程。
客户都很喜欢。我们现在做的客户不少是大型对冲基金、PE、企业客户等等。
你问的第二个问题，就是哪些公司能 AI 落地，哪些不行，最大分水岭是什么？我觉得首要预测指标就是，CEO 用不用 AI。
主持人：用不用 ChatGPT。
Dan Shipper：对，或者说 CEO 自己用不用智能聊天机器人。如果 CEO 经常用，每天都觉得很酷，整个公司的人就会跟上。
如果 CEO 自己觉得这不关我的事，就没人会带头做；要么公司整体消极，要么 CEO 没概念、期待不切实际、很容易失望。
但如果 CEO 每天都用，他既能带动全员激情，也能制定合理预期。这样公司 AI 落地就会很顺利。
我见到做得特别好的，比如我们合作的 Walleye 对冲基金（我几周前请了他们创始人上我的播客），这是一家千亿级对冲基金。他们怎么做的？
第一步，CEO 像很多公司一样，直接发我们是一家 AI 优先公司的全员邮件。
所有人都接到通知，必须认真对待。而且他在邮件里专门写了，这封邮件是我用 ChatGPT 写的，你们也要学着用。必须以身作则。
然后，他们还有个做法，每周开会大家分享提示词和用例，每周发全员邮件公布 ChatGPT 的使用数据，公布谁贡献了新提示词等等。
这样能让早期使用者脱颖而出，因为这 10% 的人会花大量时间摸索，其他人只要把他们的经验转化为全员流程就行。
只要给这些人奖励、提供舞台，整个组织的学习和创新就会自动传导下去。我觉得这就是秘诀。
主持人：太棒了，我很喜欢这些建议。总结一下你刚才提到的一些公司内部的具体方法：
比如，可以发个 AI 优先的全员信（有点像 Toby 那封），大意就是我们是 AI 优先，这会纳入绩效考核。
以后遇到问题，先让 AI 试一遍再去问别人等等。还有在邮件里顺便写一句这封信我也是用 ChatGPT 写的，这个点子很棒。
另外是每周有个周会，可以是线下也可以是 Zoom，让大家分享使用 AI 学到的新东西。
还有每周发个数据邮件，告诉大家全公司用 ChatGPT 的情况，表扬做得好的员工。这些都很棒。
尤其是如果 CEO 每天用 ChatGPT、Claude 之类 AI，那这家公司 AI 落地一定没问题这个判断方法，非常好。
现在还早，但你看到哪些公司全面拥抱 AI 后，已经有什么变化吗？有没有有趣的例子或数字？
Dan Shipper：目前还是早期，很难说具体效果，但普遍来说，做得好的公司都觉得自己现在能做的事情比以前多太多了，而且不用再多招人。所以公司效率提升了，用同样的预算走得更快更远。
我还没看到那种要大裁员的情况，当然我也不想做裁员咨询，那太糟心了，我们还从来没遇到过。大家的态度反而是：用现有人手、借助 AI，可以做更多事。
回到我一开始说的美国本土就业回流，我确实见过一些公司，不是我们的客户，是我认识的朋友公司，他们会说，我们以前有海外呼叫中心，但现在用美国本地两个人 + AI 客服平台，也能搞定同样的工作量。
这些 AI 平台还没完全自动化，比如只要两个人那种 CEO 说法太夸张了。
但确实可以用更少的美国本地员工，做原来海外几十、上百人的活，薪资可以低点，当然每家公司要自己权衡。但确实这种事情越来越多了。本质就是：同样人手，产出更多。
#13
分配经济时代的新型核心能力
Dan Shipper：这其实基于我两年多前写的一篇文章。那时候 AI Agent 还没人当回事，我就在琢磨怎么表达我的体验。
我的感受是，每天使用 AI 后，哪些技能变得有用？我觉得很多人将来也会遇到类似体验。做这类预测，最好的办法就是自己每天用，然后把自己的感受讲出来。当时用的还是 GPT-3，也许 GPT-4。
我发现，我每天都在思考怎么把问题讲清楚，怎么收集和组织好要解决问题的信息，怎么让 AI 理解任务，怎么挑选合适的大模型，给它们分配给不同任务，有些复杂任务还要拆分。
让不同 AI 各自完成一块，然后基于经验判断什么效果好什么不好。还要给 AI 反馈，还得有清晰目标和判断标准。
所有这些，其实本质上就是管理！一旦人们意识到这一点，很多事就通了。
比如，很多人常说 AI 不靠谱，怎么能放心让它做事？干脆自己动手最省事。其实这就是每个新晋管理者的困扰：只要学会授权，就得忍受结果可能没亲自做得好；但自己啥都做就没杠杆了。
真正的管理就是要学会什么时候出手，什么时候放手，怎么拆解和分配任务，怎么判断结果是不是靠谱，能不能信。
这类管理能力，现在很少有人具备，但未来一定会变得很普及，因为当管理者的成本大大降低了。
主持人：我看过你那篇文章，你还特别强调了未来最有价值的几种能力，比如：评估人才、提出愿景、审美品味，以及什么时候该下场细管、什么时候该抽身，这些都很重要。
另外你也说过，通才会越来越重要。Every 公司全员都是通才，可以多聊聊这块吗？
Dan Shipper：对，我觉得，也可能因为我自己是通才，所以多少有点主观，但这正是 AI 让我的体验变得特别棒的原因，我喜欢各种事情都尝试一下，写代码、做视频、画图、写作……ChatGPT 也能全程陪我一起玩。
从古希腊到现在，社会进步其实就是专业化程度越来越高，大家分工合作，所以亚当·斯密才会举制针工厂的故事来说明分工的好处。
但专业化的分工虽然带来很多好处，但有时候真的没那么好玩。成为一个全面发展的人其实很酷。
AI 有意思的地方就在于，它就像我们兜里装着一万个博士，啥都懂。各种领域、各种艺术、各种技艺它全掌握，所以我们本来要花十年钻研的专业问题，现在随时随地都能查 AI 问清楚。
所以我能在不同技能领域之间大幅度跳跃，比如我们公司，15 个人就能一直保持高效率，因为大家都是通才，AI 帮我们补齐专业深度，通才能在公司里待得更久，效率很高。
我觉得这种模式会扩散到社会其他地方，将来不会再是超大公司每个人只干一个小环节，而是会有更多小型组织、成员都是通才。我认为这会是个好事。
主持人：这让我想到我最近请的健身教练，她说自己特别有大局观，喜欢高层次思考，但执行力、做计划、细节管理不是强项，ChatGPT 对她来说就像有了个超级帮手，她可以直接说我要做什么，AI 就帮她搞定细节。
Dan Shipper：这太棒了。
主持人 ：对，这让我更清楚地看到 AI 到底能释放多少价值。
相关文章
