夜雨聆风核心就一句话：把公司打造成 mini-AGI，AI 在核心，人在边缘。
为了这个转型，Block 裁了 4000 人（占总人数 40%），股价应声涨了 22%。
很多人说 Dorsey 激进。但在我看来，他只是比其他人更早意识到一个事实：
层级制这个组织形式，已经到极限了。
一、2000 年的约束，AI 来破局
文章里有个观点特别戳我：
层级制不是最好的组织形式，而是人类认知局限下的无奈选择。
从罗马军队到现代铁路，所有大规模组织都依赖层级，因为一个管理者只能有效管 3-8 个人（管理幅度）。
要规模化，就必须加层。
加了层，信息就慢。
信息慢了，决策就迟。
决策迟了，就被市场淘汰。
这是个死结。
但 AI 可以破这个局。
Dorsey 的逻辑是：AI 可以比人类更快、更准地做协调工作。它能维护一个全公司的实时模型，动态路由工作，不需要中层管理来传递信息。
所以 Block 搞了个"mini-AGI"组织：
• AI 在核心：负责协调、路由、决策支持 • 人在边缘：做 AI 做不了的事（创造、审美、复杂判断）
听着很激进。但我想说的是：
这个理念，我们小团队已经验证过了。
二、规范驱动：小团队的 mini-AGI 实践
花大半年时间，我跑通了一整套规范驱动开发体系。
核心思路和 Dorsey 一样：用规范（AI 可读的规则）替代中层管理的协调职能。
我们的做法
1. 规范即协调
传统团队怎么做协调？
• 项目经理拉会 • 技术负责人分配任务 • 产品经理写需求文档 • 大家对齐信息
我们怎么做？
• 规范写清楚（机器可读） • AI 解析规范 • 自动分配任务 • 自动检查合规
协调工作从人转给了规范 + AI。
2. 三种角色的对应
Block 搞了三种新角色：
我们发现：
• IC 的核心能力确实是审美和判断力：规范写得再好，也有需要人做判断的地方 • DRI 确实要对商业结果负责：不是对"完成任务"负责，是对"解决问题"负责 • Player-Coaches 确实最难培养：既能写代码又能带人，这种人是团队的放大器
3. 技术前提：高密度数据环境
文章里说 Block 的优势是金融交易平台，有百万级实时交易数据喂养 AI。
我们小团队的优势是什么？
所有工作 artifact 都是机器可读的。
• 规范是结构化的 • 代码是规范的 • 文档是模板化的 • 评审是自动化的
这就像给 AI 喂了"高质量语料"，它能真正理解团队在做什么，而不是只看表面数据。
三、小团队 vs 大公司：谁更有优势？
很多人觉得 AI 转型是大公司的事。
我的看法相反：小团队更有优势。
大公司的劣势
| 历史包袱重 | |
| 决策链条长 | |
| 既得利益多 | |
| 试错成本高 |
Block 能这么干，因为 Dorsey 是创始人 + CEO，有绝对话语权。
小团队的优势
| 决策快 | |
| 包袱轻 | |
| 反馈快 | |
| 成本低 |
我们团队十几个人，转型规范驱动只用了 3 个月。
现在正在帮几家类似规模的团队做转型，验证下来：
• 交付周期缩短 50%（从需求到上线） • 新人上手时间从 3 天降到 1 天 • 代码 review 时间减少 70%（AI 先过一遍）
四、实操建议：如何开始？
如果你也想试试规范驱动，我给你 4 条建议：
建议 1：从一个模块开始
不要一上来就全团队推行。
选一个相对独立、边界清晰的模块，先跑通流程。
我们第一个试点是 API 网关模块：
• 规范定义清楚（输入、输出、错误码） • AI 生成骨架代码 • 自动检查合规 • 自动测试
跑通了再推广。
建议 2：规范要机器可读
别写 Word 文档。
用结构化格式（YAML、JSON、Markdown frontmatter），让 AI 能解析。
示例：
module: user-serviceversion: 1.0.0owner: @zhangsaninputs: - name: user_id type: string required: trueoutputs: - name: user_info type: objecterrors: - code: 404 message: User not found这种格式，AI 能直接生成代码骨架、测试用例、API 文档。
建议 3：培养 Player-Coaches
这种人最难找，但价值最大。
特征：
• 技术能力强（能服众） • 愿意分享（不藏私） • 有耐心（能带人） • 懂业务（不只是写代码）
培养方法：
• 让他负责一个模块的规范制定 • 让他带 1-2 个新人 • 定期复盘（什么规范好用，什么不好用）
建议 4：CEO（或团队负责人）要做系统校准
Dorsey 说 CEO 的职责是：原则、文化、持续突破。
我的理解：
• 原则：什么能做，什么不能做（规范底线） • 文化：鼓励什么，反对什么（评审标准） • 持续突破：规范不是死的，要迭代（定期 review）
我们每两周做一次规范 review：
• 哪些规范太死了，要放松 • 哪些地方没规范，要补充 • 哪些规范写错了，要修正
五、一些思考
1. AI 不是替代人，是替代"中间层"
很多人担心 AI 抢饭碗。
我的观察：AI 替代的不是"干活的人"，而是"传递信息的人"。
• 传统中层管理：传递信息、协调资源、检查进度 • 这些工作 AI 做得更快、更准、更便宜
但干活的人（IC）反而更重要了：
• 审美、品味、创造力，AI 替代不了 • 复杂判断、跨领域整合，AI 还差得远
2. 小团队的窗口期
大公司转型慢，这是小团队的机会。
未来 3-5 年，会用 AI 的小团队可以碾压不会用的大团队。
不是因为大团队技术差，是因为他们决策慢、试错成本高。
3. 规范驱动的边界
规范不是万能的。
适合规范的场景：
• 重复性工作 • 有明确标准的工作 • 多人协作的工作
不适合规范的场景：
• 探索性工作（从 0 到 1） • 需要创造力的工作 • 边界模糊的工作
我们的经验：70% 规范 + 30% 自由
最后
Block 的转型能不能成功，现在下结论还太早。
但方向是对的：用 AI 替代协调，让人做更有价值的事。
小团队不需要等大公司验证，现在就可以开始。
规范驱动这套东西，我们跑通了，也帮其他团队验证了。
不能说完美，但至少是一条可行的路。
如果你也在做类似尝试，欢迎交流。