夜雨聆风AI 构建者日报
6月30日
追踪正在改变 AI 未来的建造者
今天是一个「角色重定义」之日。Boris Cherny 用五种原型重写了产品团队的职能光谱；Guillermo Rauch 用 6235 赞宣告 LinkedIn 时代终结；Aaron Levie 在 AI 地缘博弈中画出一条清晰的战略分界线。六位构建者从不同维度拆解同一个命题：当 AI 模糊了所有既定边界，人和组织该如何重新定位自己。
1 As engineering, product, design, DS, etc. melt into a new kind of role, I was reflecting on what roles might look like in the future. For example, when I look at the Claude Code team I see what I think is five archetypes: 1. Prototyper: comes up with brand new ideas; churns out many ideas, most of which don't ship 2. Builder: quickly turns a prototype/idea into production-grade product/infra 3. Sweeper: cleans up the UI, simplifies the code and system, unships, optimizes performance 4. Grower: takes a product that has been built and iterates on it to improve Product-Market Fit 5. Maintainer: owns a mature system to make it secure, reliable, fast, and efficient as it scales Many people span across 2 roles, and sometimes 3 roles. I also notice that these roles are not really tied to job function -- eg. across Anthropic, some designers match category 1, some 2, some 3; same for engineers, PM, DS. A healthy team needs a mix of these, depending on the product: - A product that is new and pre-PMF needs people that are strong at 1+2+3 - A product that is growing and has found PMF needs 2+3+4 and some 5 - A product that has strong PMF needs 3+4+5 and some 2 Maybe product roles of the future will look more like this, and less like the domain-specific roles of today? 随着工程、产品、设计、数据科学等职能逐渐融合为新的角色类型，我回顾了 Claude Code 团队，看到了五种原型： 1. <b>原型师</b>——提出全新想法，大量产出，大多数不会上线 2. <b>建造者</b>——快速将原型/想法转化为生产级产品或基础设施 3. <b>清扫者</b>——清理 UI，简化代码和系统，砍掉冗余功能，优化性能 4. <b>增长者</b>——对已建成的产品持续迭代，提升产品市场契合度 5. <b>维护者</b>——掌管成熟系统，确保其安全、可靠、快速、高效地规模化运行 大多数人横跨 2 种角色，偶尔 3 种。这些角色不绑定特定职能——在 Anthropic，有的设计师属于第 1 类，有的属于第 2 类，有的属于第 3 类；工程师、PM、DS 同理。也许未来的产品角色会越来越像这样，而非今天那种按领域划分的职能。 Boris Cherny 这则推文触及了一个正在发生的深层结构变化：AI 不仅改变「做什么」，更在重组「怎么组织人」。传统的工程师/设计师/PM 职能边界之所以存在，本质上是信息带宽瓶颈的产物——每个人只能掌握一个领域的上下文。但当 Agent 承担了越来越多跨职能的执行工作，人的角色被迫上移到判断、品味和方向设定层面。 五种原型中，Prototyper 和 Sweeper 最具颠覆性。前者拥抱「大部分产出不会上线」的浪费，后者以「删代码」为核心价值。这两种角色在大公司政治中几乎无法生存，却恰恰是 Agent 时代最高杠杆的工作方式。你在什么阶段需要什么样的人，这个问题的答案正在从「看职能」变成「看原型组合」。 |
2 You don't need a LinkedIn, you need a page on your website describing and linking to what you shipped You need a Link, not a LinkedIn 😂 你不需要 LinkedIn，你需要一个网站页面，在上面描述和链接你交付过的东西。 你需要的是一个 Link，不是 LinkedIn。 Guillermo Rauch 这条 6235 赞的推文看似在调侃，实则道出了 Agent 时代个人品牌建设的范式转移。LinkedIn 的核心价值是「第三方验证」——公司、学历、推荐信构成的信任代理。但当 AI 让「做出东西」的门槛断崖式下降，「我做了什么」的原始证据链变得远比「谁为我背书」更具说服力。 Rauch 自己就是最好的例子——Vercel CEO 的身份之所以有分量，不是因为他挂了这个 title，而是因为他做出了 Next.js。在一个人人可以快速交付的时代，你唯一需要的名片是你的作品。这条推文本身就是这个论点的自指涉证明。 |
3 It should be 100% obvious that there will soon be mythos level models on cyber security that are open and available to anyone. As a byproduct of this, alternative tech stacks will emerge that also drive more economic value and control away from the US’s tech stack. This is what should be considered when thinking through the gate keeping you want to have in AI. If advanced models will become open and available regardless, then by not allowing the release of models you’re neither more secure nor better off strategically. So much of the regulatory approach to AI has to assume China can’t catch up, when all current evidence suggests they can and are. And further, hard to imagine a higher priority than winning in AI for China; so you’re basically betting against their long term ingenuity, talent and motivation. Seems like a bad bet. So your options are either to create gates around your best models, which means you’re asymmetrically disadvantaging yourself, or you work to ensure you’re always at the frontier and driving the future architectures of AI. 应该百分之百清楚的是，很快就会出现 Mythos 级别的开源网络安全模型，任何人都可以使用。作为副产品，替代技术栈将涌现，推动更多经济价值和控制权从美国的技术栈中流失。 这就是你在考虑 AI 领域要设置什么样的门禁时应该思考的问题。如果先进模型无论如何都会变得开源可用，那么不允许模型的发布既不会让你更安全，也不会让你在战略上更有利。 AI 监管的很大一部分逻辑都建立在「中国追不上」的假设上，而当前所有证据都表明中国能追上、正在追上。很难想象对中国来说有比赢下 AI 更优先的目标——所以你本质上是在赌他们的长期创造力、人才和动力不行。这看起来是个糟糕的赌注。 所以你的选择要么是在最佳模型周围设置关卡——这意味着你正在不对称地削弱自己——要么是努力确保自己始终站在前沿，并推动 AI 未来架构的发展。 Aaron Levie 这条推文是本周最值得关注的地缘战略推演。他的核心论点有三层： 第一，开源 AI 能力的扩散是不可逆的物理规律，不是政策变量——Mythos 级别的网络安全模型将不可避免地开源化。第二，出口管制的「不对称劣势」——你不让美国公司发布模型，不代表其他国家不发布，结果是你单方面削弱了自己的生态。第三，赌中国追不上是糟糕的赌注。 Levie 给出的选择是二元的：要么选择门禁——自残；要么选择永远跑在前沿——自强。这种「动态竞争 vs 静态封锁」的框架远比媒体上的二元对立叙事更值得认真对待。 |
4 For every hour you spend on building the product, spend two hours on explaining it, demonstrating it, selling it, teaching it… This is my favorite part about building: telling the world about it and then refining it based on contact with reality https://t.co/9uOj0ocrUM 每花一小时建造产品，就要花两小时来解释它、演示它、销售它、教别人怎么用。 这是建造过程中我最喜欢的部分：告诉世界关于它的一切，然后在与现实的接触中不断打磨。 Zara Zhang 提出的「1:2 建造传播比」是对 "build in public" 方法论最精确的量化。在 AI 大幅降低建造门槛的时代，建造本身正在变成一种「防御性」而非「进攻性」行为——你能做的东西别人也能做。真正的护城河变成了两件事：一是你解释、传播和教授的能力（distribution），二是在与真实用户反复碰撞中获得的品味判断力（taste）。557 个赞本身就是对这个论点的自指涉验证——这条推文本身就是一次完美的「2 小时传播」。 |
5 How Anthropic PMs use agents internally to get closer to the product from Jess, product lead for Claude Managed Agents: “Access to our codebase has been the biggest unlock for me. It helps me manage state more easily. Rather than poking a bunch of engineers on what they’re doing, I can just track the PRs directly and see which ones are merged, which ones are deployed. I deeply understand and interact with my product so much more than I’ve ever been able to in the past.” 📌 Watch the full episode here: https://t.co/rYIC7uyDpJ https://t.co/8YMfGN06fl Anthropic 的 PM 如何在内部使用 Agent 来更接近产品——来自 Claude Managed Agents 产品负责人 Jess： 「访问我们的代码库是我最大的解锁。它帮我更轻松地管理状态。我不再需要到处戳工程师问他们在做什么，我可以直接跟踪 PR，看哪些合并了、哪些部署了。我比过去任何时候都更深入地理解和交互我的产品。」 Peter Yang 引述的 Jess 访谈揭示了 PM 角色的静默重构。Jess 说的「Access to our codebase has been the biggest unlock for me」这句话，暗示了一个 PM 在 AI 时代的核心能力转变：从「会沟通」到「会读代码」。不是写代码，而是能直接追踪 PR、理解部署状态。 这对传统 PM 来说是个无声的警钟——如果你还把「不懂技术」当作护城河，AI 会让这道护城河变成护城沟。当非技术角色的信息获取能力追平了工程师，组织的权力结构也会随之重组。 |
6 this has to be because coding agents change the engineering math on how it is to work with or port a legacy codebase, right? anyone at Riot able to confirm? https://t.co/9vsCzsbmYY 这肯定是因为 coding agents 改变了处理或迁移遗留代码库的工程数学吧？有 Riot Games 的人能证实吗？ Thariq 这条推文虽然简短，但指向了一个被严重低估的趋势：遗留代码库的价值重估。过去 20 年，技术债务是企业的资产负债表毒药——谁有大量 Cobol/Java 遗留代码，谁就是「技术落后」的代名词。但编码 Agent 正在逆转这个方程：遗留代码库不再是负担，而是 AI 蒸馏的宝贵原材料。 一个拥有 15 年业务逻辑沉淀的遗留仓库，对 AI 来说就是一个训练好的领域语料库。Thariq 提到的 Riot Games 案例——如果属实——将是最早的「遗留代码资产化」证明。这个趋势如果成立，将彻底改变企业软件的并购估值逻辑：今天以技术栈新旧定价值，明天以业务数据质量定价值。 |
AI 构建者日报 · 每日更新
