99%代码AI写完,一天部署8次!前Meta工程师把公司彻底＂AI化＂

团爸

Claw团｜AI架构师

阅读约 8 分钟

前Meta LLaMA团队核心工程师把公司彻底"AI化"，这才是AI原生公司的终极形态

前Meta LLaMA团队核心工程师、现CreaoAI联合创始人Peter Pang近期公布的团队AI研发模式，刷新了行业对AI原生研发的认知：他们团队99%的生产代码全是AI写的。上周二早上10点刚上线的新功能，中午跑A/B测试发现数据不行，下午3点直接下线砍掉，5点就又上线了优化后的新版本。而三个月前，同样的迭代周期要花整整六周。

最狠的是：他们不是给工程师人手装了个Cursor就完事，而是把整个工程流程、技术架构、组织形态全部推倒重来。这哪里是工具升级？这是软件研发的文明级跃迁。

我把整篇长帖+几百条回复进行深入拆解，今天用最干的话给你复盘这套可以直接抄作业的完整打法，以及我一些独家思考。

大多数公司还在"AI辅助"，他们已经跑通"AI优先"

Peter的问题问得极其扎心：

这根本不是一个维度的竞争：人家是乘法级爆发，你还在抠加法级提升。

他们最先解决的三个致命瓶颈

很多公司刚上AI工具的时候都会遇到同样的问题：AI写代码很快，但人跟不上了，反而卡得更死。他们的三个核心瓶颈：

可直接抄作业的完整技术栈

他们现在在用的这套工具链，普通中小团队完全可以直接搬：

组织彻底变了，人也变了

整个公司的角色直接砍到只剩两种：

给所有工程师、CTO、创始人的三条硬核启示

别着急抄作业！AI First的前提是软件工程先过关

这篇帖我刷到三次，越读越觉得：大家都在看AI的热闹，其实底下全是软件工程的底子。与其说他们跑通了AI First，不如说他们先把软件工程做到了极致。

很多人看完热血沸腾，回去就想把所有代码全丢给AI写，结果半个月就崩了。在照搬之前，先对照自己的团队看看这5个前提条件有没有做到：

不是所有场景都适合AI First，找对自己的位置最重要

就算你把上面的条件全做到了，也不代表就能照搬这套玩法。这套打法只适合一部分场景：

最后

AI First的方向没有错，它代表的是一种意识的转变：每做一个决策的时候，先想一想这件事能不能让AI来做，如果不能，缺什么条件，怎么把条件补上。

但这种意识要落地，靠的不仅是买几个AI工具的订阅，还需要把基础搭好。测试、CI/CD、监控、架构、任务管理，这些做扎实了，AI的能力自然能释放出来。做不好，加再多AI也是在沙子上盖楼，风一吹就倒。

反而借着AI First的风口，把你喊了好几年都没落地的工程规范化、自动化测试、CI/CD升级这些事真正推动起来，可能才是很多团队最大的意外收获。