AI 悖论：更多自动化、更多人、更多工作 | Dan Shipper
The AI paradox: More automation, more humans, more work | Dan Shipper
Guests: Dan Shipper
Full transcript · Read the full conversation in order, with its original context.
Contents1 chapter
§01原文文稿 · 00:00–1:33:43§01原文文稿 · 00:00–1:33:43
你上次来这档播客时，提出了一个很大胆的观点：大家都低估了 Claude Code。事实证明你完全正确。这一期我们要聊聊，你还预测未来会发生什么。
所谓 AI 导致工作末日，其实并不存在。我非常、非常看好产品经理和全栈设计师。
你们正在招聘，过去一年员工人数翻了一倍，这可不是一家高度拥抱 AI 的公司通常会给人的印象。
我一方面极度拥抱 AI，另一方面也非常看好人类。自动化的规模很大。每个智能体都需要一个人。我们拥有这么多自动化和这么多 AI，但我的工作量也增加了很多。
创造力似乎会越来越有价值，因为人们一直在不断发布和推出大量平庸的东西，而创造力能帮助你脱颖而出。
模型通常会让昨天的人类能力变得廉价，于是这些能力就被商品化了，不再有价值。人类要做的，是走进去说：‘没错，我们拥有这些昨天被冻结下来的人类能力，怎样利用它们创造出新颖而有趣的东西？’
你对工作方式将如何变化，有哪些预测？
它会沿着两个主要方向分化。第一，每个人至少都会有一个可以与之交谈、可以把工作交给它的智能体。第二，你做的大部分工作实际上都会在电脑上的某种环境里完成，比如 Codex 或 Claude Cowork。
你的预测是，SaaS 工具会在 Codex 或 Claude Code 里面运行。
我觉得所谓 SaaS 末日论很愚蠢。我现在就会买 SaaS 股票。智能体做的是增加 SaaS 的用户数量，而不是消灭 SaaS。
很多人正在转向 CLI，尝试从终端工作。
我们用速通的方式经历了 CLI 时代。它存在的时候还不错，但我觉得 CLI 已经结束了。
今天的嘉宾是 Every 的 CEO 兼创始人 Dan Shipper。Dan 和他的团队正在打造可能是全世界最拥抱 AI 的初创公司，因此他们实际上生活在 AI 越来越成为日常重要组成部分之后的未来工作形态中。他们公司的每个人，包括所有非技术人员，都使用 Codex、Cowork 和 Claude Code 完成大量工作。这也是为什么 Dan 早在其他人之前就看到了 Claude Code，以及如今的 Cowork 的崛起；差不多一年前他上这档播客时，就预测到了这一点。所以我邀请 Dan 再次做客，分享他目前对于未来一年大多数人的工作将如何变化的最大预测。我们会聊到今年年底大多数公司的工作会是什么样子，我们所做的工作的形态会如何改变，以及谁会在这个未来中表现最好、你现在需要投入什么才能做好准备。（00:02:25）提示一下，产品经理和设计师会表现得非常好。Dan 提出了许多大胆的预测，也提出了很多我没想到的、相当反主流的观点。我们会在今天整整一年后重新审视这次对话，看看他的预测有多少成真。在进入正题之前，别忘了访问 lennysproductpass.com。Lenny 的 Newsletter 订阅者可以在那里免费获得一年期、全球最热门且制作最精良的 AI 产品体验，而且这是专门为订阅者提供的。下面请出 Dan Shipper。Dan，非常感谢你来这里，欢迎回到播客。
谢谢你的邀请。和你一起做节目一直很愉快。
你上次来这档播客时，几乎只是随口提出了一个大胆观点：大家低估了 Claude Code，尤其是把 Claude Code 用于非工程工作，比如修复文件、整理硬盘，以及各种人们从未想到过的事情。当时没有人在讨论这些。这是一年前的事，而事实证明你完全正确。过去这一年发生的一切简直不可思议。他们后来打造了 Cowork，建立在用 Claude Code 处理非技术工作的这个具体想法之上。现在 Codex 也开始进入这个领域了。我猜你也一直在关注。他们似乎正在加倍投入这种非技术性的、基本上由编程智能体完成的使用方式。我觉得这也是 Anthropic 过去一年成功的重要原因之一：非技术人员究竟要怎样使用这些东西。（00:03:48）所以你在这方面确实领先太多了。我甚至还写过一篇 Newsletter 文章，继续探讨这个想法。我当时想：‘这很有意思，我应该深入研究一下。’我问大家：‘你们如何把 Claude Code 用于非工程工作？’结果收到了大量例子，那篇文章成了我受欢迎程度第二高的文章。显然，你对未来走向有独特的洞察。所以这一期的前提就是，我们要聊聊你还预测未来会发生什么，产品建设者的工作会如何改变。我觉得可以先让大家简要了解一下你和你的团队是如何工作的。这正是你能看见未来走向的独特视角。先给我们讲讲你的工作方式吧。
谢谢你。我真的很感谢你的介绍。是的，我觉得在 Every，我们思考预测未来的方式之一是：你不应该去预言未来，而应该和未来一起生活。所以 Every 现在差不多有 30 个人。我们接受采访时只有 15 个人，因此过去一年规模翻了一倍。我们都是 AI 的早期采用者，团队里有工程师、设计师、作者、编辑、销售人员和客服人员。每个人身上都有一点那种特质：‘我喜欢探索，喜欢实验，非常好奇，而且全力投入 AI。’我认为，这创造了一个小小的未来切片，让我们共同生活其中。于是我们能稍微领先一点，因为其他公司通常会有各种各样的人。（00:05:31）有早期采用者，有中间那一大群人，也有非常反对 AI 的人。还有一件很酷的事：因为我们负责评测模型，在 AI 领域多少扮演着领跑者的角色，我们能在产品发布前接触到它们。因此我们可以参与 beta 测试和 alpha 测试，在一定程度上帮助引导事情的发展方向，这非常酷。所以当我思考预测未来时，实际上，在这样的环境里，预测未来只是注意正在发生的事情。我觉得另一个核心部分是写下来。把你观察到的东西表达出来，把未来表达出来，会以一种让它对你、你的团队以及网上阅读这些内容的人变得真实的方式，把未来带到眼前。（00:06:24）Claude Code 的出现就是一个非常自然的过程。它刚推出时，我们试用了它，因为这就是我们的工作：模型公司推出新东西，我们都会尝试。当时它还稍微有点早，但大概在 Sonnet 3.5 或 Sonnet 3.7 的时候，我们正在测试它，给它做‘体感检查’，然后我们说：‘我的天，这太疯狂了。’他们去掉了代码编辑器。从那以后，我们基本上逐渐进入了这样一个世界：目前我们内部运行着大约六个软件产品，当时大概只有两三个；而从那一刻起，我们开始转向一个没有人查看代码的世界。每个人都在终端里用英语和电脑交谈，使用 Claude Code。（00:07:19）所以我能看到：‘哦，这件事开始发生了。’而且我的工作本来就包括推动和尝试新东西，于是我想：‘能不能把它用于写作？我该怎么做？’然后事情就逐渐展开，你会发现：‘好，它现在还没准备好，但对我来说显然有用。’我们内部有一个说法，我称之为‘伸手测试’：早上醒来时，你会不会自然而然地伸手去拿它？
我很喜欢这种组合：你在使用最新的东西，而且正如你所说，这可能是一项被低估的能力——你很擅长自我觉察，能分辨出‘这件事很奇怪、很新、很不同、很有趣’。这是一种很棒的组合，部分原因在于你必须写下它，也确实会写下它。所以我觉得，这正是让一个人感知未来走向的完美配方。（00:08:07）本期节目由本季冠名赞助商 WorkOS 呈现。OpenAI、Anthropic、Cursor、Vercel、Replit、Sierra、Clay 以及数百家成功公司有什么共同点？它们都由 WorkOS 提供支持。如果你正在为企业构建产品，就会感受到集成单点登录、SCIM、RBAC、审计日志以及大型公司要求的其他功能所带来的痛苦。WorkOS 把这些阻碍交易的功能变成开箱即用的 API，并提供专门为 B2B SaaS 打造的现代开发者平台。（00:08:39）我投资的每一家开始向高端市场扩张的初创公司，最终都会使用 WorkOS，因为他们是最好的。无论你是想拿下第一个企业客户的种子期初创公司，还是正在全球扩张的独角兽，WorkOS 都是成为企业级产品、解除增长障碍的最快路径。它本质上就是企业功能领域的 Stripe。访问 workos.com 开始使用，或者直接去他们的 Slack；那里有真正的工程师等着回答问题。WorkOS 让你可以用令人愉快的 API、完整的文档和顺畅的开发体验更快地构建产品。访问 workos.com，今天就让你的应用做好服务企业的准备。（00:09:18）我会把这次对话分成三个预测类别。第一，未来几年我们的工作方式会如何变化。第二，我们将要做的工作的形态会是什么样、会如何改变。第三，谁会在这个未来中最成功，以及你现在应该做什么、投入什么，才能在这个未来中取得成功？
我唯一的要求是，一年后我们要再来一次，然后由你来给它打分。我也想给它打分。
好，所以是一年后。好，好。这是你对一年后的预测，也就是那时事情会是这个样子？还是说这是正在形成的未来？
我可能会说，我没有一个确切的时间表。我想我接下来要谈的大多数事情，一年内应该会变得相当明显，但也可能需要更长时间。
好。[听不清 00:10:08]。
所以，至少在一年内，它应该不会明显错误；它应该看起来正在朝那个方向发展，这样才算预测成立。
好。2027 年 5 月，我们来复盘你的预测。
太棒了。
好，我喜欢。那我们进入正题。对于未来一年我们的工作方式会如何变化，你有什么预测？
这是我最喜欢的问题之一，因为如果你看那些基准测试，看到的往往只是：好，AI 基本上要拿走我们所有人的工作了。Meter 有一个很酷的基准测试，用来衡量最新模型能自主执行任务多长时间。结果可能是：哦，它能——叫什么来着？哦，Mythos preview，就是那个让所有人都担心的 Anthropic 大模型，它能以 50% 的准确率执行长达 17 小时的任务。你会觉得：我的天，这太疯狂了。我认为这是真实的，确实如此，而且模型进步正在呈指数级增长。但我的经验和感觉是，一年后回头看，我们会说自己其实有更多工作要做。即使模型更擅长完成工作，人类仍然有更多工作要做。这其中存在一个非常有趣的悖论。我对工作将如何变化，或者你一年后会如何工作的最大预测是：你使用智能体的方式会沿着两个主要方向分化。（00:11:41）第一，我认为这会是我们五年前设想 AI 工作方式时以为会发生的事情：每个人至少会在自己的公司里拥有一个可以交谈、能够完成工作、可以把工作交给它的智能体。我们会再聊这会是什么样，但它基本上类似 OpenClaw。第二，你做的大部分工作实际上会在电脑上、Codex 或 Claude Cowork 这样的环境里完成。它会成为……它会成为你完成所有工作的操作系统，无论是电子邮件、你创建的文档，还是其他一切，都会在这样的界面中进行。这正在成为清晰的竞争领域。（00:12:37）我想按照这两个方向来讲。第一，你会拥有可以委派工作的智能体，可能是在 Slack 里，但也可能在任何地方。第一件有趣的事是，我们还不清楚它的架构会是什么样：每个人都有一个智能体吗？每个团队都有一个智能体吗？只需要一个智能体吗？智能体会专门化吗？会不会出现一套平行的影子组织架构？OpenClaw 刚出现时，Every 内部的每个人都采用了它，我当时非常确信，未来会是每个人都有自己的智能体；平行组织架构的世界有一些非常有意思的地方。在那个世界里，智能体会变成你的小型映射，这既酷又有趣。就像如果你曾经……你读过《黄金罗盘》吗？
读过。
就像肩膀上有一个小恶魔……
[听不清 00:13:36]。
那是你灵魂的一小部分。我真的觉得，当时发生的事情看起来就是这样。所以我之前非常看好个人智能体，但现在我的看法完全转变了。我真的认为，目前的模式会是超级智能体，也就是整家公司共用一个智能体，而且你已经开始在一些公司看到这种情况。Shopify 很有名地有一个，Ramp 现在也有一个。我认为这背后有一些很有意思的原因。我其实仍然认为个人智能体会到来，但我们从 OpenClaw 的热潮中发现，所有人都说‘我要把它装起来，太酷了’，然后每个人都会意识到这需要的工作量太大了。它总是出问题，我得笨手笨脚地处理它，还得能 SSH 登录服务器，诸如此类。至少为了完成工作，大多数人就是不想花那么多时间，或者没有能力花这些时间。（00:14:38）推动这一切的根本因素是：无论是 OpenClaw 还是其他任何工具，要让 AI 智能体现在真正有用，它确实需要一个在乎它的人。它需要和某个人建立真实的个人连接，由这个人观察它做什么，确保它做对了，而且对大家有用。而一旦你切断这种连接，也就是某个人说‘唉，我不想维护这个愚蠢的 OpenClaw 了’，智能体就不再真正有用。这就是为什么我认为模式开始转向一家公司一个智能体：目前理想的做法，是设置一名驻场工程师或具备类似能力的人，负责确保这个智能体为全公司正常工作，另外可能再配一些小型团队智能体。（00:15:34）我认为，随着模型越来越擅长独立工作，情况会向下扩展，个人智能体会变得更常见，因为我们不必再摆弄所有内部细节。但我看到对我们以及许多其他公司，包括模型公司来说有效的模式是：对于异步智能体，顶部会有一个智能体负责处理各种事情。有时它什么都做，更多时候，它负责你决定全公司都需要智能体来处理的某项特定工作，比如数据请求。然后从顶部开始向下渗透，可能会出现更多专门化的智能体、团队智能体之类的东西。其运作机制就是：智能体需要有人在乎它们。
你说需要‘照料’智能体，这一点非常有意思，因为你必须不断给它添加上下文。正如你所说，它会出问题；而一旦维护它的工作量太大，你就会说：‘算了，忘了这个东西，我还是回去用 Codex、Claude 之类的吧。’
没错。
好，酷。这是一个很酷的机会。所以你的预测是，公司会有一个所有人都能交谈的超级智能体。正如你说的，Shopify 有 River，我记得是这个名字。Ramp 的那个叫什么？
我想不起来了。
好，它的名字可能也很有趣。好，这就是这个预测。
这是第一个预测……
这是第一个预测。
我们会从位于顶层、更加通用、由公司更多人使用的智能体开始。随着人们越来越熟悉这些用例，智能体会向下扩展，变得更加专业化，也不再那么……难伺候。它们会更好用。
你预测这主要会发生在 Slack 里吗？
工作方面？是的，这似乎很合理。我觉得人们喜欢 OpenClaw 上的绿色气泡。抱歉，是 OpenClaw 上的蓝色气泡，如果你能用 iPhone 操作它的话。但我觉得人们心里有个小念头：他们很喜欢把个人智能体和工作智能体分开。我认为，个人智能体处理‘电脑杂事’是一个完整的领域。我们的 COO Brandon Gell 把它叫作 computer errands，也就是电脑杂事。比如让它帮我买杂货之类的事情。这样的用途非常多，我觉得个人智能体在这里会大有作为，但我们主要关注工作场景，而我认为工作智能体主要会发生在 Slack 里。
好，去 Slack 吧。
你想谈谈另一个工作界面吗？
当然。
比如 Codex、Cowork。好，这个……
我们来谈。
我对这个特别兴奋。我觉得这是最酷的事情。事情基本上是这样：Anthropic 某个时候意识到，如果通过 Claude Code 把一个智能体放到你的电脑上，让它在你的电脑上运行，那么它就能访问你能访问的一切。它使用终端，因此基本上拥有超级强大的访问能力。不仅如此，这些智能体真的很懂得如何使用终端，因为网上有大量关于终端的内容，于是这创造出了一种极其强大的编程范式。Anthropic 确实是最早这样做的公司。OpenAI 有一段时间在我看来远远落后，但最近在我看来已经超过了 Anthropic。这很有意思，但 Anthropic 确实很早就做了这件事。当人们还把编程智能体或编程模型看成真正的结对程序员时，他们是最早说‘不应该只是这样’并成功做到这一点的人。（00:19:17）在他们之前也有人做过，比如 Devin，我认为它拥有大型云端环境，OpenAI 也尝试过类似的东西。但真正的采用似乎发生在你把智能体放到电脑上之后。所以他们找到了这一点，然后我认为他们和社区一起发现：一旦你的电脑上有一个能构建任何东西的编程智能体，它其实非常适合你想做的任何工作。人们开始改造 Claude Code，基本上用它来完成所有工作。Anthropic 后来打造了 Cowork，它是 Claude Code 更友好的包装，但本质上是同一件事。接着，我认为 OpenAI 做了几种不同的押注，但他们对编程智能体的主要押注是 Codex。早期版本的 Codex 非常技术化，能力极强，但有点像自闭症患者。（00:20:13）它有点难用……它不太理解你的意思，只会精确理解你说出来的字面内容。我想大约三四个月前，在他们推出 5.3 的时候，他们开始朝这个方向转变：‘不，我们懂你的意思了。这个模型速度很快，非常适合通用的知识工作任务。’然后他们推出了 Codex 桌面应用。我觉得 Codex 桌面应用吸收了 Anthropic 的所有经验：Anthropic 从 Claude Code 走到 Cowork，你可以在 Anthropic 桌面应用的界面标签里看到这一点。我认为 OpenAI 的想法是：‘我们看到了发展方向，那就直接跳到这一步。’所以我觉得 Codex 现在是一场赛马。他们会处在不同位置，但目前 Codex 是我的日常主力工具。（00:21:06）我基本上所有时间都花在里面。偶尔我会切换到 Claude，但我觉得他们把这个范式做对了。对我来说很清楚，无论谁领先——因为我认为领先者还会变化——你做的所有工作最终都会在这些界面中的一个里完成。比如我写文档时，Codex 应用里有浏览器，是应用内浏览器。我写文档时，就进入 Codex 的某个线程，每个项目有一个线程，然后打开应用内浏览器，访问文档。我通常在 Proof 里做这件事，Proof 是我开发的一款在线 Markdown 编辑器。（00:21:49）接着我让 Codex 运行起来，在 Proof 里观察我。Codex 能看到我在做什么，我也能看到 Codex 在做什么，一切都在同一个地方。这是最初让 Claude Code 运转良好的同一件事的延伸。我基本上感觉自己有一个平行工作的伙伴：它不仅能在文档里回应和写作，还能去做研究，还能使用我的电脑，基本上做任何我能在电脑上做的事。这非常强大。我对所有事情都这么做。连续十天，我的收件箱都保持零未读，如果你了解我，就知道这很不可思议。我从来不是这样，而这是因为我实际上让 Codex 通过 Quora（我们的邮件智能体）收集所有邮件。然后它渲染出一个小页面，我觉得我在 Anthropic 的活动上给你看过。它渲染出一个小页面，我对着页面即兴讲解每封邮件。（00:22:49）我会说：‘好，去研究一下这个。哦，这是律师发来的问题。你能不能收集过去四年的所有文件，把它们整理成一份报告并发出去？’它就会完成。所以以前我会拖延的事情，现在基本不再拖延了。因此我觉得，很长时间以来我以为 AI 的最佳体验是把 AI 放进浏览器，但现在情况似乎反过来了，而且以一种我没预料到的方式变得非常有价值：把你一直在电脑上使用的 AI 智能体放进浏览器，让它能看到你正在做的一切。这是一个神奇的组合，我认为现在还非常少见。你甚至无法在 Claude Code 里这样做，因为他们不允许你在 Claude Code 内浏览外部网站。所以现在这很少见，但我认为一年后会非常普遍。
这件事的深远程度可能比听起来还要高。我的理解是，你的预测不是把 AI 嵌入 SaaS 工具，而是让 SaaS 工具运行在 Codex 或 Claude Code 里面？
这是其中一个……
……代码。
这里有一个非常重要的二阶影响……好，我现在正在使用 Proof，或者任何网站，也许是 PostHog 之类的，而且我是在智能体内部使用它，智能体可以访问这个网站。因此，它可以访问我能访问的一切，也能访问我的整台电脑。当我在那个网站上运行智能体时，用的是我的 token，不是供应商的 token，也不是应用的 token。这样一来，SaaS 就回到了一个新的位置：当然，你希望它对智能体友好，现在每个人都有 CLI，你希望 HTML 真正易于使用，也要确保 CLI 里发生的任何事情都能立即显示给用户，诸如此类。这里有很多问题需要处理。但一旦做到这些，你其实不太需要再把 AI 界面当成用户主要使用的东西，也不一定非要把智能体构建进你的产品。（00:25:03）我认为你可以这样做，而且这里还有另一个很有意思的分化，我们应该聊聊：两个智能体比一个更好。但目前有一件很酷的事，比如 Proof，任何使用它的人都不用由我支付 token，因为他们把自己的 AI 带到 Proof 里。这会改变 SaaS 公司构建产品的方式：产品需要同时供人类和智能体使用；同时，你的利润率也会恢复到这样的状态——我不再需要支付 token，因为用户会自带 AI。
所以我认为这是件大事。你描述的是，我们做的工作越来越多，尤其是专业工作，都会发生在 Codex 或 Claude Code 里吗？Cursor 在这里处于什么位置？它有潜力吗？
这是个好问题。我认为 Cursor 看到了许多同样的事情，而且在某些方面也拥有类似的功能，只是做得更好。我觉得 Cursor 的云端实现比 OpenAI 或 Anthropic 的更好，也更先进，而且至少到目前为止，Cursor 更明确地选择了自己的赛道。他们更明确地选择服务程序员，而这可能会限制他们在这里能走多远。我认为‘程序员’的定义正在充分扩展，所以他们会拥有一个很大的市场，但我不知道他们是否会进一步进入‘好，用这个做一份幻灯片’之类的场景。不过很明显，每家模型公司都开始意识到，想要充分发挥模型能力，拥有一个 harness 非常重要。因此，所有平台都在向一个不再只是提示和回应的世界移动。（00:26:51）当你在 OpenAI 或 Anthropic 平台调用模型时，他们实际上是在自己运行的云端电脑上运行模型，然后把结果交给你。他们知道，为了得到模型的最佳结果，必须提供这种能力。所以你能看到 Anthropic 有云端托管的智能体；OpenAI 还没有回应，但我猜他们也会这样做。现在 Cursor 基本上被 SpaceX 收购了，虽然不算完整收购，但已经很接近。因此人们开始意识到：我不能只做模型部分，还必须在模型之上提供这个 harness。我认为这种 harness 的最终形态是：我可以完成任何类型的知识工作。对 Cursor 来说，是否只服务程序员，会成为一个困难的选择。
所以，如果不是 OpenAI 或 Anthropic 的产品建设者，而这个预测最终被证明是正确的，那么这里的预测就是：随着时间推移，他们的产品会在某个智能体内部被使用。如果你是这些公司中的一家，你会做什么来为这样的未来做准备？
我会为这种未来做准备。比如，Slack、Word 文档、PowerPoint 之类的传统生产力软件，基本都是为人类使用而设计的。现在人们开始使用 CLI，软件也就被设计成可以脱离人类独立供智能体使用。我认为我们正在进入一个新范式：人和智能体一起处理同一项工作，双方都在做事；我需要看见智能体在做什么，智能体也必须看见我在做什么。我们必须以无缝的方式来回协作。为此打造的软件会非常不同。比如 Proof 缺少很多功能。我不需要大量 Word 文档格式设置、分页、制作表格之类的功能，因为智能体会完成这些事。格式可以全部交给它处理。（00:29:03）这样一来，产品可以比传统产品更简单，也能更快开始使用。与此同时，由于智能体与软件交互的方式很不同，你需要增加许多新的能力。比如智能体可以同时做很多事情：它可以对你的文档、幻灯片或代码库执行十亿个不同操作。你向用户展示这些操作的方式，会和展示一个人在文档中同时编辑的方式很不一样。你需要审批机制，需要一个收件箱，总结‘即将发生或已经发生的所有事情’；你需要日志，还需要快速回滚的能力。（00:29:46）这些考虑会改变产品本身，产品底层的用户体验和所需基础设施也会不同，因为智能体可以在三秒钟内发出十亿个请求。你要怎样处理这个问题？这正是 GitHub 现在遇到问题的原因：使用 GitHub 的人数呈指数增长，而实际上增长的是人们的智能体。这个全新世界才刚刚开始，我们现在只是看到了一点苗头，但其中有很多很酷的事情。例如，在 Proof 和我们的其他一些产品里，用户遇到问题时不会发邮件给客服，而是由他们的智能体发送错误报告。智能体写出的错误报告比人类的好得多，里面会有：‘这是我具体做过的事情，这是确切的复现步骤，这是……’（00:30:40）Proof 是开源的，所以报告还会说：‘我认为代码库里发生的情况是这样的。’我们收到后，它就会变成 GitHub issue，然后我们可以派出一个智能体去修复。不是所有事情都能这样处理，但这种方式好得多。你已经能看到一种非常快速的闭环雏形：我遇到一个问题、一处小瑕疵或想要的小功能，我的智能体就去和公司的智能体沟通，然后公司的智能体直接把它修好。我觉得这非常酷。
既然很多人正在转向 CLI，尝试从终端工作，那么这个预测的一部分是否是：人们会离开 CLI，回到真正的用户界面，同时让智能体在旁边运行？
哦，是的。
……让智能体与他们并行运行？
CLI 时代已经结束了。我们用速通的方式经历了 CLI 时代。它存在的时候还不错，但我觉得很明显……抱歉，不是说 CLI 会彻底消失。显然它们已经存在了大约 30 年、40 年、50 年之类的时间，还会继续存在。我认为，在 Claude Code 非常流行、或者刚开始流行起来的时候，人们说：‘真正有效的地方在于它是 CLI。’但我不认为原因在这里。当你转向真正的用户界面时，就会意识到我们之所以创造 GUI 是有原因的：GUI 更好用，而且在 GUI 内也能获得同样的好处，尤其是对非程序员工作而言。但我估计，Every 内部绝大多数技术人员已经不再把 CLI 作为主要工作界面。（00:32:27）我认为很多程序员仍会偶尔切回 CLI，但总体上，他们使用的是 Codex、Claude Code、Cursor 之类的工具。
好，我确实想把这一点讲清楚。回到这个预测的大局面，你设想的是两种工作模式。第一，公司内部有一个超级智能体，你最可能通过 Slack 和它聊天，它可以出去完成工作、回答问题。第二，在你的电脑上运行 Codex 或 Claude Code。你平时在电脑上做的所有工作，现在都会存在于 Codex、Claude Code 里，或者存在于某个我们还不知道、未来出现的第三方工具里。
是的。你会在这些工具的内置浏览器中使用应用。
哇，好。听你这么描述，事情听起来可能没有实际那么深刻，因为这会彻底改变我们的工作方式。我们现在还没有一个会经常在 Slack 里与之交流的 AI，也还没有主要在 Codex 或 Claude Code 里工作。所以这其实是一次相当巨大的转变。
我也这么认为。
在进入下一个预测前，关于这些还有什么要补充的吗？
有几件事。我绝对不是智能体极端主义者，我真的认为我们会使用许多不同的智能体。这一点对我来说相当明确。我也确实认为两个智能体比一个更好。举个例子：当我让 Codex 与另一个智能体交互时，它能提供比我自己输入更多的关于我和我的需求的上下文；它可以来回讨论一些事情，而如果直接向一个智能体表达这些内容，我可能要花很长时间。这会带来加速效果，前提是你假设用户把 Codex、Claude Code 或 Cowork 当作访问你应用的基本方式。一个很简单的例子是，我们有一个托管版 OpenClaw 产品，之前放在候补名单上。后来我们不得不暂停，因为开始让候补用户进入，而 OpenClaw 是非常难以稳定运行的智能体 harness。（00:34:41）它发展得太快了。如果你是它的平台，出问题时根本无法修复，非常困难。但这个过程中我们学到了一件事。假设你正在构建一个智能体产品或任何新的软件体验，你通常会认为，设置智能体需要构建一个小型网页界面或 Slack 流程，询问用户：‘你是谁？你要用它做什么？你理想中的结果是什么？’也就是把这些问题放进新用户引导清单。（00:35:24）但如果你直接规定：我们只服务使用 Codex 或 Cowork 的用户，会发生什么？你只需把一段提示粘贴进 Codex 或 Cowork，它就会和应用交谈。应用可以是普通服务器，也可以是自己的智能体；而 Codex 掌握大量关于你的信息，可以直接提供给它：‘这是我和 Dan 一直在做的事情，这是他可能使用这个应用的各种方式。’然后把结果带回来，于是就变成了非常定制化的体验。对于智能体这样的技术产品，出了问题时我还可以直接告诉 Codex：‘去修好它。’Codex 会和应用交谈，替我弄清楚发生了什么。因此，当你假设每个人都有一个智能体、而这些智能体又以这种神奇且重要的方式彼此交谈时，整个范式都会改变。
在开始之前我还想谈几件事，因为有太多内容要聊。一件事是，你提到 SaaS 工具不需要使用……使用 SaaS 工具时可以使用模型公司的 token。再多讲讲这一点吧，因为这可能会改变 SaaS 公司未来的商业模式。这听起来是件大事。
我认为这实际上可能拯救它们的利润率，因为现在所有这些公司都在争先恐后地给产品加入智能体，并认为‘智能体会成为人们与我互动的主要方式’。这显然会消耗 token。而我认为，一旦 Codex 或 Cowork 成为我的主要工作界面，我仍然想使用 SaaS。所以这是另一个很好的预测：我现在就会买 SaaS 股票。我觉得 SaaS 末日论很愚蠢，SaaS 股票在未来几年会大幅上涨。这不是投资建议，但我会买 SaaS 股票。（00:37:25）我认为它能拯救利润率，因为你的思考方式会从‘我必须把 AI 做进产品’转变为‘我必须打造一款人类和 AI 愿意共同协作的软件’。这很难，但一旦构建完成，成本会比假设每个人都要消耗 token 低很多，我认为这会是一门好生意。我如此看好 SaaS 的部分原因是：第一，正如我所说，我们公司内部每个人都有智能体，都在使用 Codex 之类的工具，但我们仍然支付大量 SaaS 费用，而且我们的 SaaS 支出同比增长；我们并没有给每一个小功能都用氛围编程。我认为智能体做的是增加 SaaS 的用户数量，而不是消灭 SaaS。因此 SaaS 公司将看到需求量疯狂增长，因为会有大量智能体以非常高的频率使用这些产品。（00:38:36）正如我说的，这会带来巨大的基础设施挑战，也会带来许多有趣的定价挑战，但这让我非常看好 SaaS。
我喜欢这个观点。如果这次对话还有别的结论，Dan Shipper，那就是 SaaS 是 AI 的未来。B2B SaaS。
加个标签，发推。
是的，这非常反主流。另一个有意思的地方是，你们正在招聘，过去一年员工数量翻了一倍，而这并不是人们对一家如此拥抱 AI 的公司所期待的。谈谈你们的经历吧：我们确实仍然需要人类。
自动化是个谎言，因为每次你自动化某件事，为了确保自动化运行良好，都需要有人在上面监督并确认它确实运行良好。所以几年前我写过一篇关于‘分配经济’的文章，核心想法是，人类与 AI 协作的方式会类似管理工作。关于管理者，你必须记住：管理者其实会花很多时间工作。大多数管理者并不是躺在海滩上，他们会不断跟员工沟通，努力弄清楚：‘我们怎样让这件事运转良好？怎样让它变得更好？进展如何？这个人表现怎样？’等等。我认为人类管理者和模型管理者之间存在一些差异，但从根本上说，两者都需要投入大量时间和注意力。（00:40:07）我觉得模型讨论忽略了这一点。原因之一是，基准测试让 AI 看起来比实际更自主。这里的‘自主’有特定含义，我试着把它表达出来。这有点难，但我自己一直在感受这个悖论：我们拥有大量自动化和大量 AI，但我的工作量也增加了很多。当我做了自己的基准测试后，这个悖论才开始对我稍微变得清晰。我做了一个高级工程师基准测试，叫作 senior engineer benchmark，用来比较 AI 和人类工程师的能力。构建方式是这样的：我有 Proof 这款应用，之前在运营 Every 的同时用氛围编程做出来。（00:41:01）它上线时，因为完全是用氛围编程构建的，应用就开始不断宕机，我没法修复，特别尴尬，简直颜面尽失。产品在内部经过测试，也有许多 beta 测试者，但上线第二天，服务器几乎每十分钟就宕机一次。大家都看着我，我只能说：‘我不知道发生了什么。Codex，修好它。’Codex 会说：‘我知道发生了什么，我已经修好了。’然后它又引发另外四个错误，你就这样绕圈子。我根本睡不着，而且氛围编程太拼命，最后手肘还得了滑囊炎。所以这里面也有一个人生教训。
氛围编程手肘。
总之，我找了两名不同的高级工程师，让他们分别独立修复这个问题。所以我有两份不同的代码库重写版本，能告诉我他们是怎么做的。这样一来，每当有新模型出现，我就给它一个提示：‘这是一堆氛围编程产生的垃圾代码。如果你要从第一性原理重写它，会怎么重写？去做吧。’在 GPT 5.5 之前的所有模型大约只能得 30 分（满分 100 分），而人类高级工程师大约能得 80 多分到 90 分出头。还有很长的路要走。后来我测试 GPT 5.5，它大约得了 62 分。请注意，这个 60 分的成绩是 GPT 5.5 使用 Opus 4.7 方案得到的。Opus 4.7 方案非常好，但 GPT 5.5 是唯一一个有足够行动意识和信心、会直接删掉旧代码、从第一性原理真正重写的模型。（00:42:48）其他编程模型最终都会在边缘或周围打补丁，它们会说：‘这是一项大工作，我先做个小修补。’而你会说：‘不，我明确告诉过你不要这样做。’所以 GPT 5.5 的分数提高了大约 30 分，达到 60 分。很明显，一年内甚至更短时间，它就会达到高级工程师水平。但这会在你的脑中形成某种图景，尤其是考虑到我给基准测试取的名字，而很多基准测试都会这样做。我可以告诉你，等模型达到那个水平时，我很容易把基准测试改到让当前模型归零，得到 0 分。比如，现在看起来提示词本身似乎没有技巧或思考，它只是说：‘这是氛围编程产生的垃圾代码，从第一性原理修复它。’（00:43:41）但实际上，我花了很长时间才找到一个不会泄露答案、又能让模型展现能力的提示词。我最初给它的提示词，是我当时试图修复线上问题时使用的原始提示词：我早上醒来后说：‘好，昨天报告了四五个问题。我想让你检查所有问题，然后制定解决方案，并去执行。’市场上的每一个编程模型——我相当确定这是一个预测——一年后市场上的每个编程模型仍然都会这么做。你告诉它：‘这里有一堆问题，去修复。’它就会认真接受指令，直接尝试修复这些问题。（00:44:32）而真正的人类高级工程师会查看代码库，然后说：‘这东西写得太糟了，写代码的人不知道自己在做什么。’接着他们会说：‘我们确实需要重写其中很大一部分，这会很困难，也有风险。我知道你们都想听到别的答案，但我们必须这么做。’如果你问模型‘我们应该这样做吗？’，它可能最终会得出这个结论，但不会主动这样做，而有很多激励因素会阻止它这样做。即便它这样做了，我们仍然可以继续提升观察问题的层次。因此，当我们思考基准测试的进步时，必须从这个角度出发：基准测试是在我们框定、能够表达、能够评分的问题上不断提高。（00:45:25）还有大量人类工作，在被写下来之前无法评分；但思考如何提示模型或把问题写下来的行为本身无法测量。这意味着，即使基准测试饱和了，也不等于你完全取代了所有高级工程师。我认为，这就是为什么即使模型越来越擅长自动化，我仍然会招聘工程师。
我非常兴奋地向大家介绍本季支持赞助商 Vanta。Vanta 帮助包括 Cursor、Ramp、Duolingo、Snowflake 和 Atlassian 在内的超过 15,000 家公司赢得并证明客户信任。借助 AI，团队比以往更快地构建和发布产品，但因此引入到产品和业务中的风险也比以往更高。我接触到的每一位安全负责人，都感受到保护组织、业务，更不用说客户数据所带来的日益沉重的压力。由于变化太快，他们不断被动应对，只能猜测优先级，勉强使用过时的解决方案。Vanta 通过 35 多种安全与隐私框架自动化合规与风险管理，包括 SOC 2、ISO 27001 和 HIPAA。这能帮助公司快速实现合规，并持续保持合规。如今，信任比以往更能决定企业成败。（00:46:51）访问 vanta.com/lenny 了解更多。作为本播客听众，你可以获得 Vanta 1000 美元的优惠。网址是 vanta.com/lenny。（00:47:01）我最近在播客中提到过一件事。说到人类编写的代码，我听说数据标注公司正在购买 2021 年、2022 年之前，也就是 AI 成为现实之前编写的代码，这已经变成非常有价值的数据。[听不清 00:47:16]
手工制作的人类代码。
对，完全正确。很有意思的是，构建这个模型时，用的正是这类代码。
这里有一点很有意思，我想澄清一下。我并没有让人类完全手写代码，因为那对我来说其实很荒谬。我不在乎这件事，因为我知道如果一个工程师不用 AI，我就不会和他合作。我真的不在乎。那就像我要不要让一个人和一辆汽车赛跑？我大概不会这么做。但我会让一个坐在车里的人类和另一个坐在车里的人类比赛，然后问：‘谁更好？’在这个案例中，基准测试的设计是：没错，这些人类工程师使用了 AI，但他们使用 AI 的方式是我做不到的，因为我不理解，也没有时间——
他们使用 AI 的方式是我做不到的，因为我不理解，也没有时间，而且老实说，我也不太想进去尝试理解代码库。我认为，当我们思考基准测试时，这是一个非常重要的事实：AI 是一种广泛分布的技术，任何人类都可以使用。当我们把 AI 和人类进行基准比较时，实际上总是在比较一个使用 AI 的人类和另一个使用 AI 的人类，因为 AI 不会自己使用自己。它或许能以某种略带递归的方式做到这一点，但在任何真实用例中，总有一个人类离它很近，确保它运行正常。
好，我想试着总结一下第一个类别。要聊的内容太多了。我列了一份小清单，想根据你的预测，谈谈人们该做什么才能取得成功。最后我们也会再谈，但先说几件事。第一，越来越多地在工作中使用 Codex 或 Claude Code，尤其是使用其中的浏览器，在里面使用各种工具。第二，让智能体能够使用你的产品。如果你在构建 SaaS 工具，就要让智能体基本上很容易成为你的用户。第三，开始考虑某种可以在 Slack 里协作的机器人，尝试一些工具。我知道 Slack 自己也有一个 Slack bot，我听说它很不错，虽然我还没玩过，但大家都很喜欢。所以，寻找一个可能成为公司内部 AI 智能体的工具。（00:49:24）尽快购买 SaaS 股票，这不是投资建议。
我认为完全正确。我的小小修正是：当你考虑为智能体构建软件时，目前的模式是‘我正在构建一个智能体使用的 CLI’，但实际情况是你把任务委派给智能体，由智能体使用 CLI。我认为未来会是你和智能体共同使用应用。智能体可能使用 CLI，但你使用网页界面，二者必须保持同步。我认为这会带来一个非常有趣的新挑战。
太棒了。在进入下一个类别前，还有什么要补充的吗？
买 SaaS。
这就是标题。天啊，好。第二类预测，是我们将要从事的工作形态会改变。你的预测是什么？
关于工作的形态，有很多有趣的事情。一旦进入这样一个世界：你有可以委派工作的异步智能体，同时还有开始出现的 Codex、Claude Code 工作界面，就会发生变化。我们内部经常看到的一件事，在大型模型公司也能看到：拉取请求的数量会飙升。咨询、运营等岗位的人，或者编辑，都会创建拉取请求。第一，这很酷，也是一种非常不同的工作形态：公司或用户中会有更高比例的人开始做以前只有技术用户能做的事情。但另一方面，这也给负责处理所有新代码的人带来压力，他们必须想办法应对。（00:51:26）因此会有很多有趣的事情发生。例如，我前面提到 OpenClaw。Pete 每天会收到 OpenClaw 数千个拉取请求，然后他启动 50,000 个 Codex 实例，筛选这些请求，最后合并其中 1,000 个。这非常疯狂。我认为这种情况会越来越常见。（00:51:55）这会引出很多有趣的问题，比如哪些拉取请求应该合并。每当你在流程的一部分增加处理能力，就会破坏其他环节。过去构建东西很难，现在却变得很容易。所以问题不再是‘我们能不能构建它’，而是‘它和我们已经构建的其他东西是否协调，以及我们怎样保持整体的一致性’。还有，我们要删除什么？我认为 Anthropic 在这方面做得很好，他们会从 Claude Code 中删除许多东西，确保它不会臃肿。所以，一方面会有大量非技术人员能够完成技术工作，另一方面，技术人员要负责确保这些工作以连贯、协调的方式进入产品或流程。（00:52:47）产品人员也会做同样的事情。我觉得这很酷。
我从一些人那里听到的是，现在每个人都能做一切：工程师可以做设计，产品经理可以写代码，市场人员可以发布东西。这让人非常困惑：我现在到底是做什么的？我的具体责任是什么？我应该负责发布产品吗？我还是市场人员吗？这给这个世界制造了很多困惑和不确定性，我只是想说一下。
这确实是真实情况。我认为 Every 的特别之处在于……每个人多少都是通才，真的喜欢把手伸进很多不同的领域，或者不管这个比喻该怎么说。我想这种情况最终会稳定下来，感觉也会更正常。市场人员即使会接触网站，仍然会做市场工作，那现在就是市场工作的一部分。但我也认为，如今通才可以走得更远，这很酷，尤其对小公司来说。另一个有意思的地方是，确实出现了一些新的工作角色。（00:53:52）越来越清楚的一点是，驻场工程师这个概念确实存在，它来自‘每个智能体都需要一个人’。你去大型模型公司看看，它们有在内部运行的智能体，也有负责运行这些智能体的团队，我不认为这些团队会消失。模型会变得更强，智能体会变得更强，智能体数量会增加，但人们仍然会管理它们。这类工作需要一种非常具体的人。我们内部就有几个人负责确保智能体正常运行并做正确的事。我们也做咨询，所以会把这种能力提供给其他人，我认为很多人都需要它。（00:54:44）这又是一个让人感叹的领域：自动化原本应该夺走工作，但看起来它只是创造了一个甚至很多新的工作。（00:54:53）还有一种特定类型的工程师很喜欢这件事。Nitesh 就是这样的人。他是 AI 工程师，符合这种驻场工程师的类型，也是我们团队的一员。他大部分时间其实都在 Slack 里和我们的一个智能体交谈。我们内部有个名叫 Claudy 的智能体，负责整个咨询业务。他花很多时间在 Slack 里说：‘你为什么做了这件蠢事？我们修好它。’当然也有代码，他也会使用 Claude Code 之类的工具，但很多工作只是和智能体对话。我认为，有些工程师就喜欢这种工作：喜欢亲手接触最新事物，也喜欢让工作区里出现一个与传统软件构建略有不同的‘存在’。
你的意思是，我们离智能体不需要人类的阶段还很远。你已经多次说过智能体需要人类：既有设置阶段，也有永久维护阶段，而且两者似乎都很重要。我听到的是，这会成为一个长期存在的工作。AI 还不会很快变得足够聪明，从而实现完全自动化。
是的。我一方面极度拥抱 AI，另一方面也极度看好人类、看好人类的作用，以及确保 AI 良好运行的人类。
有意思。好，你谈到的这里大概有两个类别。第一，正如我理解你刚才所描述的，软件发布的速度和一切事情的节奏都在加快，这也意味着要审查这些粗糙产出的工作多得多。我刚和一位数据科学朋友聊天，他说他们的数据科学团队过去的工作是做分析、回答问题、判断实验是否有效。现在所有人都在做这些事情并分享结果，而他们不得不说：‘不，这不对。’他们的大部分工作现在变成了审查糟糕的数据科学成果。
这就是问题所在，也意味着你确实需要更多工程师和数据科学家来做这件事。这说明你还没有建立适当的系统或智能体来帮助你。例如，在大型模型公司内部，至少有一家真的有一个数据科学机器人，组织里的每个人都可以查询它。这个机器人连接到他们的数据仓库，还知道每个人是谁，因此在数据仓库层面知道谁有权限访问什么。因为有一个团队负责搭建和维护这个机器人，大家可能提出的所有基础问题，即使机器人有时会答错，也会有人不断确保它答对。（00:57:42）这样数据科学团队就不用回答所有无聊的问题，因为另一个团队正在构建一个专门把这些问题处理好的智能体。但如果没有这个团队，数据科学家会过得非常痛苦。
是的。不过，这可能让工作变得没那么有趣，因为你只是坐在那里照料别人粗糙的成果，而不是……
我认为它实际上能让工作变得更好。对数据科学家来说，你不再处理那些琐碎请求，而是处理更深层的问题；那些问题对负责基础请求、并构建智能体来处理基础请求的团队来说更难。这个系统会过滤掉所有杂事，让你可以专注。
我一直在思考一个问题。我本来没计划谈这个，但确实想了很久：现在变化最小的产品或技术岗位是什么？工程师现在 100% 都在使用 AI 写代码，这已经是完全不同的工作。产品管理方面，很多 PRD 不必再由你亲自写那么多，你可以直接发布代码，不用等别人。设计方面，根据最近的嘉宾所说，整个设计流程都已经死了，因为没有时间走完整流程，岗位变得非常不同。数据科学现在也是完全不同的工作。还有市场、销售。所以我的问题是：到目前为止，你认为哪个岗位的根本变化最小？
有意思的一点是，我不知道这算不算，但 CEO 和投资人似乎仍然可以很自由地选择是否使用这些东西，至少看起来是这样。我认为事实恰恰相反。根据我的经验，我们和高级管理人员、高级领导团队做了很多这类工作：你公司的 AI 能走多远，取决于 CEO 在 AI 上能走多远，而且这件事无法委派。你必须亲自参与，因为否则你不会形成直觉。但很长一段时间以来，人们似乎认为：这件事由真正做工作的人来做就行，我不必做，只要告诉他们该做什么。所以如果你是 CEO，暂时可以让自己的日常看起来非常相似。（00:59:54）我认为这种情况会在某个时候迅速改变，届时你会说：‘糟糕，我已经远远落后了。’但目前，甚至可能包括中层管理者在内，这些人的工作看起来还比较相似。我想也许销售的变化最小，因为它非常依赖面对面交流。
对，这就是我的选择。
它正在逐渐渗透到 BDR 这类工作中。我们可以处理很多 BDR 类型的查询，而且你只和真正有需求的人交流。对销售而言，研究非常有用。我最喜欢的一次 Codex 体验是：我们正在招聘学习与发展负责人。通常我们会发布招聘信息之类的，但我当时想：‘我记得纽约有一家叫 General Assembly 的公司，他们长期以来一直在做很好的技术教育。’我觉得，在 General Assembly 工作过、现在又投入 AI 的人应该很合适。我就把这句话直接输入 Codex，然后去做别的事。回来时它已经找到了完美的人选：曾在 General Assembly 工作过，做过讲师，非常拥抱 AI，而且还在 Twitter 上关注我。（01:01:17）于是我给他发了私信，后来和他吃了顿饭。这太疯狂了。以前这会花很长时间，但对销售、招聘以及类似工作都非常有价值。
对，我想到的也是销售。漏斗顶部的 AI 在寻找候选人、筛选之类的事情上帮了很多忙。销售人员的工作似乎并没有发生根本变化，而（01:01:39）客户支持却发生了根本变化。这很有意思。到目前为止，销售从业者似乎还不错。好，那我来总结一下这一类预测，也就是工作形态会如何改变。目前听到的是，工作中会有更多审查他人产出的内容。第二，会有很多近似于照看 AI 智能体的工作：让它们完成你想要的任务，部署之后持续维护，确保它们继续工作。在进入第三类之前，还有什么要补充的吗？
我会把它分成两部分：与其说是照看智能体，不如说是你的驻场团队在努力构建一整套系统，让知识较少的人也能使用它，而不会做出蠢事。这是一个非常有意思的工程挑战。‘照看’这个说法让人觉得你只是在等它出错，然后修复它；有时确实如此，但我认为更多时候，这是一个极其有趣的工程挑战：构建一个系统，让组织里的每个人都能完成过去只有技术人员才能做的工作。如果你不是这类人，比如你是数据科学家，那么你可以利用 AI 深入研究真正重要的问题。这些问题最终可能会流入驻场工程团队的工作，但它们更具生成性、更全新，也更难。还有一件我认为非常有意思的事：我们会在文档和邮件中阅读多得多的 AI 生成文字，而且会喜欢它。（01:03:20）我认为我们已经在编程中这样做了：我们会阅读计划文档。我不希望工程师手写计划文档，那会非常愚蠢，显然没有必要。每个人在 2025 年底为 Every 做季度规划时，也发生了同样的事：我们全部使用 Notion Agents。我们有一堆 Notion 智能体，实际上是一个 Notion 智能体，再加上一份公司顶层战略；公司每个人都和智能体交谈，它会问去年发生了什么、进展如何、你的目标是什么、今年想做什么、指标是什么。它会提出反问，然后询问这和公司的总体方向有什么关系。（01:04:10）最后我收到的是每个团队和每个部分都非常好的 AI 生成战略报告或季度计划。然后我可以进一步检查：哪些人需要互相沟通？哪些团队其实需要交流但还不知道？哪些报告质量低，哪些质量高？诸如此类。这让处理工作变得容易得多。我现在经常收到 AI 生成的内容，而 AI 生成的垃圾和高质量内容是有区别的。垃圾内容的特点是：他们制作它花的时间比我阅读它还少，而且他们不会为每一行文字负责。所以我的预期是，如果你发给我一份 AI 生成的文档，我会觉得很好；但如果我们讨论它时发现你完全不知道里面写了什么，那就绝对不行。我认为我们对 AI 生成内容的排斥会消失，因为在团队成员正确引导下，GPT 5.5 能写出的战略文档，远胜于他们自己用手指在键盘上敲敲打打。
没错。大多数人都不擅长写战略文档，本来门槛就很低。
邮件也是一样。我现在的大多数邮件都是 Codex 里的 GPT 5.5 写的。老实说，我甚至希望它明确说邮件来自 GPT 5.5，我可能会改成这样。但前几天发生了一件事：我必须给一位投资人发邮件，于是我让 Codex 去做。Codex 通常会知道要问我确认，但这次没有，直接把邮件发出去了，我完全没看，心里想：‘糟了。’于是我去已发送邮件里看，发现：‘这正是我会发的内容。’所以它大多数时候已经非常接近我的表达。它可能有点过于正式，而且有一些问题……但仔细想想，你的大多数邮件其实都……比较套路化，比较平淡。（01:06:34）我当然希望由自己决定应该说什么、内容应该怎样表达，但通常句子本身对我没那么重要。有时我确实很在意，而这是一个作者说的话，我非常重视写作。我认为人类写作极其重要，也希望我们只发表人类写作。好吧，其实我们发表的是人类和 AI 写作的混合内容，但总会标明来源。在某些事情上，有一个 AI 共同作者很有帮助。我绝对认为人类写作很重要，也认为人们对 AI 写作的反感很可笑。
这是一个非常有意思的视角。人们想到 AI 写作时，通常会想到社交媒体和视频；而你的观点是，如果只是做内部规划、文档、邮件之类的事情，AI 写作就没那么可怕。正如你所说，人们已经在这样做了，而且很多时候你甚至更喜欢它，因为人们本来就很不擅长做这些事。
外部内容也一样。我们发布各种指南，这些指南经常由智能体辅助完成，智能体是共同作者，而且它们既准备给人类阅读，也准备给智能体阅读。因为如果你在写一篇很长的信息性内容，要真正应用它，最好的方式就是让你的智能体吸收并记住它：下次我做定价时，提醒我这份指南，然后我们一起过一遍之类的。这样能更好地把想法转化为实际操作，也能让你深入得多，因为智能体一秒钟就能阅读一万页。所以你可以和人类讨论故事、重要内容和核心想法，而智能体掌握全部细节，等你需要时再为你应用。
太棒了。在进入最后一类之前，这一类还有什么要补充的吗？
没有。
好，那就开始。最后一类是：在我们即将进入的 AI 未来中，谁会成功？或者说，为了在未来一两年取得成功，人们现在应该投入什么？
我非常、非常看好产品经理。我知道你的听众可能会喜欢这句话，但真正让我相信这一点的案例是我们公司内部有一个人，叫 Marcus，他负责我们的写作应用 Spiral。Marcus 接受的是产品经理训练。他此前负责 Axios 的写作产品，担任产品经理，管理一个大型团队，产品的年度经常性收入达到了数千万美元。后来他离开那份工作一年，彻底拥抱 AI，基本上学会了如何非常熟练地使用 Cursor。现在我想他用的是 Claude Code，但很长一段时间他都非常依赖 Cursor。我会把他称为轻度技术型人才：知道什么是数据库迁移。如果必须看代码，我认为他能理解，但即使一年前，我们也不可能雇他来做现在的工作。如今编程模型已经足够强大，他可以把自己具备的技术知识，和非常突出的产品判断力、写作能力以及对用户的理解结合起来，这非常有杀伤力。（01:10:01）他的发布速度比团队中几乎所有人都快，而且他能敏锐地理解每一个用户、每一次对话：这意味着什么？如何把它们汇总成关于下一步方向的故事？我们要修复哪些问题？诸如此类。我认为他感到自己被解放了，因为他不用再组织一整队人来完成这些事。他自己就能完成。这非常令人印象深刻，也让我非常、非常看好任何真正拥抱 AI 的产品经理。
这话真让我高兴，Dan。你让很多听众都非常开心。我也一直这么说：你需要培养的技能，就是那些能力；现在构建工作已经有人替你完成了。你需要擅长什么？判断该构建什么，判断它是否优秀，判断要解决哪些问题。所以我很喜欢你真的看到了这件事变成现实。
我真的相信这一点。
这可能是我整个播客评分最高的一期。大家会说……
我喜欢。
……没错，太棒了。
一切都会好起来的。SaaS 回来了，产品经理也回来了。
这是我做过的最反主流的一期节目。我的天。
好，我认为另一类会变得非常、非常强大的人，同样是因为我们在内部看到了这一点，就是全栈设计师。如果你是一名设计师，而且一直在使用这些工具，你很习惯这样的情况：我做出了漂亮的交互，但工程师不想实现，或者实现出来的方式不是我想的，或者还有各种问题。现在我看到公司内部和外部的很多设计师都觉得自己被赋予了力量，可以直接去构建东西，因为他们有很多让东西看起来很棒、拥有有趣交互的想法。而这正是氛围编程很难做到的地方，因为它生成的东西看起来都一样，像是千篇一律的模板。他们可以做出完全不同的东西，而且现在真的能把它构建出来。（01:11:51）我们和他们一起工作时看到的是，他们现在会直接创建拉取请求，不再需要频繁交接。有时仍然会交接，但很多时候他们直接创建拉取请求，东西就这样构建完成了——
……不再需要频繁交接。有时仍然会交接，但很多时候他们直接创建拉取请求，东西就这样构建完成了。我认为这会极大改变公司的工作方式，也为这些人自己创业提供了巨大机会，因为他们现在能真正做出东西。我认为设计师都是很有创造力的人，而 AI 对这样的人来说是一种超级工具。
我完全同意。即使现在有云端设计，也有各种 AI 设计工具，你一看到结果就会说：‘这绝对是云端设计。’正如你所说，创造力似乎会越来越有价值，因为人们不断发布和推出大量平庸的东西，创造力能让你脱颖而出。所以我完全同意。有意思的是，设计师岗位一段时间以来并没有增长。我一直在研究就业市场，这一点很有意思。所以我要看看这是否会成为一个大趋势：是不是我们会需要更多设计师。
这真的很有意思。我们拭目以待。
我们拭目以待。也许可以用这个来预测：公司是否开始招聘更多设计师？我不知道。
这很有意思。
好。那么产品经理和设计师都在蓬勃发展、表现出色——
产品经理和设计师都在蓬勃发展。我还认为，总体而言，所谓 AI 工作末日并不存在。我们确实看到公司开始重组，我认为这很合理。老实说，很多重组可以归因于 AI，但其实是公司招聘过多、业绩不佳之类的情况……这本来就会发生，而 AI 只是一个好借口。但一些 AI CEO 谈到的大规模失业，我认为不会发生。到目前为止我看到的模式是——我没有完全看透未来，但我们已经看到了足够多的新模型发布，能大致判断方向——新模型发布，或者说模型总体上所做的事情，是让昨天的人类能力变得廉价。（01:13:56）我的意思是，模型吸收了已经发生的一切数据，让你可以非常廉价地把这些能力部署到任何你想要的场景中，作为自己的能力。（01:14:10）于是每个人都拥有了一种新的力量，它会被迅速采用，相关事物会突然无处不在。突然任何人都能做落地页，到处都是新的落地页；突然所有人都能写作，到处都是垃圾推文。但有意思的是，因为这些内容都来自模型，而且大家基本使用的是相同的模型，如果你以最默认、最基础的方式使用它们，结果看起来都会一样。于是它被商品化，不再有价值。（01:14:50）人类要做的，是走进去说：‘没错，我们拥有这些被冻结的昨日人类能力，怎样利用它们创造出新颖有趣的东西？’我真的认为，从模型的工作方式以及模型公司的财务激励来看，模型在结构上总会落后于那些把模型用于创造新专业知识、或为特定场景创造过去未曾有过的东西的人。那些新东西最终会被纳入模型，但这又会给人们留下继续向前推进的空间。（01:15:34）我认为几乎所有工作都能看到这一点。工程师的情况就是：突然所有人都成了工程师，但这不意味着我们解雇工程师。对工程师的需求反而更多，因为需要工程师判断：这些都是垃圾，那么它们应该如何真正进入我们的代码库？我认为基准测试分数上升并不能捕捉到这一点，而这种情况可能需要很长时间才会改变。
听众可能会从这个预测中听到：工作末日不会到来，人们不会全部被解雇，人类工作还会存在很长时间。但这可能让人过于安心，因为你可能必须改变自己的工作方式，才能继续拥有未来的工作。你是否知道，为了不成为被裁员的人之一，人们需要做什么？
是的，我认为这非常重要。你唯一需要做的就是‘驾驭模型’，也就是把它们用于你所做的事情。我们已经聊过，Codex 和 Cowork 正在成为工作的标准操作系统。如果你只是使用它们，并且每当新模型出现时就去尝试，弄清楚‘现在出现了哪些新能力？我该如何使用？’，而不是说‘我要试着忽略它，因为它让我害怕’——我认为这种反应其实很合理，也很可以理解。（01:16:56）如果你驾驭模型，它们会扩展你的能力，让你不会被落下。你会成为未来的一部分，也会成为工作发生方式的一部分。我认为很长、很长时间内都需要这样的人。
我喜欢‘驾驭模型’这个说法。假设有一个新模型发布了，比如某个在 Salesforce 工作的人，假设是 Salesforce 的产品经理，他应该怎样驾驭这个模型？
很有意思的一点是，许多公司甚至不让员工这样做，或者说限制员工这样做，因为我不知道你能不能在 Salesforce 使用最新模型。很多时候你必须等待，或者只能在其他地方使用。所以可能要在业余时间做。但我非常喜欢用新模型来玩，有些事情我知道它现在还做不到，可每次新模型出现，我都会重新翻开那块石头问：‘现在能做了吗？’上次它还做不了高级工程师基准测试，我再次尝试后，现在已经得到 100 分中的 60 分，这已经很好了。因此，驾驭模型不是某一件具体的事情，因为模型一直在变化；关键是要保持好奇、保持玩心，把新模型应用到你关心的事情上，无论是工作还是工作之外的事，并不断翻开那些石头，因为现在不行，以后可能行。（01:18:33）它很可能最终会行，而且你使用它的方式也很重要。真正酷的是，我认为人们以为 AI 的前沿在旧金山，但我不认为那里才是前沿。我认为 AI 的前沿在 AI 遇到正在做真实事情的人类的地方。旧金山的人在制造 AI，但他们并不真正了解人们会怎样使用它，或者至少不知道全部用法。他们需要看到其他人如何使用它。（01:19:02）所以每当新模型发布，你就有机会成为世界上最早发现它有什么用的人之一。这就像一次新发现。我认为，这就是为什么我们虽然在布鲁克林，却能让自己感觉、也确实在很多方面比旧金山的人更靠前：我们把模型用于一切。如果人们持续这样做，我认为他们很难落后。
AI 现在最令人惊叹的一点是，无论你有很多钱还是只有一点钱，你都能使用最先进的 AI 模型。它不是免费的，所以你需要一些钱，但模型一推出就能立即获得。也许唯一有优势的是 OpenAI 或 Anthropic 的员工，但除此之外，模型对所有人都开放。
我知道。上周或几周前，我和你一起参加了他们的活动，也就是他们的 Code with Claude 活动。他们都在使用 Mythos，我心想：‘天啊，真讨厌。’这太让人恼火了。但我认为这完全正确。如果是 IBM 发明了 AI，你可以肯定事情不会是这样：它会贵得离谱，只有顶尖公司用得起，而且它们会以最奇怪、最无趣的方式使用。如果 AI 是在美国、在硅谷这种‘我们要让智能便宜到不计成本’的文化中建立起来的，这一点非常重要。这不是默认立场。它意味着每个人都拥有一个广泛可用的工具，我认为这太棒了。
说得太好了。有意思的是，它也创造了历史上增长最快、规模最大的公司。
没错。那些硅谷人很聪明。
如果我把这场对话拉远来看，会发现硬币有两面。一面是其实没有太多事情改变，很多事情都没有改变：SaaS 还在继续，工作没有消失，我们仍然互发邮件，仍然在 Slack 上工作，很多工作的本质没有改变。另一面是每个岗位都发生了转变：工程师不再写代码，产品经理不再写 PRD，设计也发生了变化。很有意思，改变了这么多，同时又有这么多没有改变。我不知道。这很有意思：人们以为这会是一个全新的世界，但从很多方面看，事情会继续以原来的方式运行，只是边缘出现了大量变化。
我也是这种感觉。我同时感到非常兴奋，觉得一切都变了，也非常看好 AI 和我们取得的进步。但确实有些东西会和过去很相似，而这可能是好事。我认为，我们对未来的直觉，就像中世纪的人对于地平线尽头会发生什么的直觉：那里有龙吗？会不会掉进虚无？很多人深深觉得地平线之外会有可怕的事情，也有人觉得那里会有不可思议的东西，一切都会改变，大家都会幸福，会是乌托邦。（01:22:28）但当你真正到达那里时，会发现有些东西很酷，也有些东西不酷，那不过是另一条地平线。我认为应该这样思考未来。在真正到达那个地方、开始看见未来之前——而我们因为一直在内部实践，所以能不断看见它——不要让自己的想象失控，觉得‘这一定会发生，那一定会发生’。因为你当下讲出的故事听起来非常真实，后来却会发现：‘其实复杂得多。’最终它可能是两者兼有：一切都变了，同时什么都没变。当你到达那里时，才会开始觉得：‘好，这是件真实的事。’
其中一部分原因是，AI 公司非常擅长吓唬我们，让我们担心未来可能发生什么。我认为这种情况正在改变，他们可能意识到，也许不该把每个人都吓得魂不附体。
那种公关策略对我来说完全说不通。我确实认为他们是真诚的，但这种策略非常无效，而且我认为它也是错误的。
我们最后用几条建议结束吧：按照世界的变化方式，听众在未来一年怎样做才能取得成功？
驾驭模型。我会尝试在 Codex 或 Cowork 中完成你所有的工作流程，看看效果如何。如果你的公司不允许你在工作时间之外使用它，我会试试 OpenClaw 或 Hermes 之类的智能体产品；对技术程度较低的人来说，还有 Victor，我们也有 OnePlus 版本。我会熟悉这两种工作方式，并且尽量享受过程。我认为太多人是因为害怕错过、担心失业，或者担心错过什么大事，才在做这件事。真正找出 AI 有趣且有用的用法，最好的方式是做一些令人愉快的事情。
Nikhil Singal 上过这档播客，他的说法是：你必须找到和 AI 一起工作的快乐时刻。等你发现‘哇，我不敢相信 AI 帮我做到了这件事，太棒了，我们要继续构建东西’，就找到了。
是的，我同意。
如果你还没体验过，那就去尝试，找到一个问题并设法解决它。我经常听到的建议是：在生活或工作中找一个问题，看看 AI 能不能完成。去 Lovable、Apply Code 或 Replit，试着把它构建出来，很多时候你会想：‘我的天，这太酷了。’（01:24:58）Dan，还有什么我们没谈到的吗？我们已经深入聊了很多。还有什么想分享的吗？还有什么想预测或说的吗？然后我们就进入非常令人期待的闪电问答。
我觉得我们已经谈到了。聊了很多。这太棒了。我非常期待一年后看看自己的表现究竟好还是坏，也希望你会要求我兑现承诺。
我们会让 AI 给我们评分。怎么样？
好。
把这个世界看成一次舞蹈式预测，看看它会走向哪里。好了，Dan Shipper，我们进入非常令人期待的闪电问答。我有五个问题要问你。准备好了吗？
准备好了。
你最常向别人推荐的两三本书是什么？
当然是 Annie Dillard。Every 的每个人都必须读《写作生活》。加入公司时你会得到一本，而且必须读。不过只需读最后一章。我觉得最后一章不可思议，它处在写作、技术、未来，以及写作与未来和时间之间关系的交叉点上。它把 Every 的一切都浓缩进一章非常紧凑的文字里。太棒了。我认为 Annie Dillard 总体上也非常优秀。（01:26:11）我还推荐什么？我告诉你几本最近读过、非常喜欢的书吧。每当我喜欢某件东西，我就会告诉所有人，所以这些书我推荐过很多次。我最近一直在读……我学到了一件以前不知道的事：丘吉尔是一位非常好的作家，他写过一整套关于二战的历史书，结合了历史和回忆录。我觉得这太酷了，因为他亲历了一切。我们在 Every 做的事情和这有某种联系：我们构建东西、写东西，而能同时做这两件事的人非常少见。（01:26:48）所以丘吉尔的《第二次世界大战史》非常棒。我刚读完第一卷，现在在读第二卷。纳粹刚刚入侵法国，内容非常引人入胜，这是第一本。我最近还迷上了量子物理。只要深入了解，AI 其实非常适合学习量子物理。我刚读完一本叫《天使的严谨》的书，它是一部思想史，把拥有不确定性原理的海森堡、阿根廷小说家博尔赫斯联系起来。博尔赫斯写过许多很棒的短篇小说，现在这些小说开始得到更多关注，因为它们和 AI 有很强的关系。还有康德，内容非常酷，也非常震撼，和 AI 有很多有趣的交集。总之我强烈推荐。
我觉得我们可以专门做一期关于你阅读和推荐书目的播客。我知道这是你的热情所在。我现在沉迷的是《权力掮客》。我记得我去拜访你时我们聊过这本书。它就是……
太棒了。
永远读不完，但读纽约历史的过程出人意料地引人入胜。好，第二个问题：如果你有时间看电视，最近喜欢的电影或电视剧是什么？
我最近看了很多篮球，这是一个答案。今年我成了尼克斯队的球迷，所以很有意思。但我最近看了一部——我想应该算迷你纪录片——叫《黑暗巫师》，讲的是 Dean Potter。他就像 Alex Honnold 成名之前的 Alex Honnold。他的性格非常极端：自由独攀各种路线，然后穿翼装进行 BASE 跳伞之类的活动。纪录片在探索他的心理以及后来发生在他身上的事情。我不知道，我就是喜欢这类内容。（01:28:58）还有一部叫《百英尺巨浪》，讲的是试图征服巨浪的冲浪者。这类内容给我的感觉有点像 Founders 之类的节目。不过《黑暗巫师》我强烈推荐。
你最近发现了一款非常喜欢的产品吗？
Codex。
好。
真的很好用，真的很好用。
你有没有一个在工作或生活中经常想起的座右铭？
有，我有好几个。我在大学时为自己写下的核心座右铭是：做值得写下来的事，写值得阅读的东西。还有一个人叫 Rob Burbea，他在 AI 与冥想交叉领域的讨论中非常受欢迎，这本身也是一个很大的话题，我也非常喜欢他。他已经去世了，但我觉得他非常了不起。我听过他的很多演讲，其中有一次他只讲了一句话，但他谈到：当你面对困难的事情时，你要能够从一种宽广而有力量的位置与它相处。（01:30:13）我认为这里有一些真正有趣且重要的东西。很多冥想讨论通常是在问：你如何应对困难？它多少有点像 David Goggins 的风格。（01:30:24）就是你得直接冲上去。有时这种方法有效。但有时，当你面对某些事情时，比如我非常害怕 AI 会如何改变我的工作，下面这种做法对我很有帮助：我会问自己，‘我是否正从一个宽广而有力量的视角来面对它？如果不是，我能否抵达那里？因为从那个位置处理它，对我而言会高效得多。’这对我帮助非常大。
哇，我喜欢这个。最后一个问题，还是围绕今天的主题：有没有一款你认为仍然被低估、最近值得大家了解的 AI 工具？不要说 Codex。
我不想这么说，但我不得不说，因为了解我的人都知道……我们最近参加了 Anthropic 的一个会议，我当时对 Claude Code 的 Boris 和 Kat 说：‘你们一定要试试 Codex。’它真的很好用，而且能做的事情非常不同，尤其是搭配应用内浏览器使用时，可以处理邮件、查看分析数据或其他类似事情。它彻底改变了我的工作方式。如果我还去寻找别的答案，反而是在误导你，因为它就是这么好。
哇，天啊，这太疯狂了。你觉得 Anthropic 能追上来吗，还是只能说：‘好吧，他们已经……[听不清 01:32:07]’
不，我认为他们能。正如我说的，这会是一场赛马，不同的人会在不同时间领先。但我认为现在 OpenAI 稍微重新获得了‘天命’。过去大约六个月很艰难，但我觉得他们回来了。
有意思。如果 OpenAI 变成……你会切换吗？
会的，会的。很有意思，人们会问：‘你是不是得到了 OpenAI 的赞助？’我会说：‘没有，我只是谈我喜欢的东西。’Claude Code 是我真正喜欢的东西时，我也曾经大声称赞它；当我喜欢上别的东西时，我也会直接说。
正如你所说，针对不同的事情同时使用两种工具很有价值。
确实。我会来回切换。我现在仍然经常使用 Claude。
是的。这是一个巨大的市场。Dan，我们做到了。我们谈了这么多。我迫不及待想在一年后重新审视这些预测，也想把节目发布出去，让大家开始为下一年做准备。最后还有两个问题：大家在哪里可以找到你和 Every？大家需要了解什么？听众怎样才能对你有所帮助？
你可以在 X 上找到我，账号是 @danshipper，拼写为 S-H-I-P-P-E-R。你也可以订阅 Every，请访问 every.to/subscribe。听众怎样帮助我？好好体验 AI。真的，它非常有趣。这不一定对我有直接帮助，但当人们亲手使用 AI、一起探索，而不是争论它时，我觉得一切都会变得更好。所以你能做的最有用的事情，就是找到在生活中善用它的方法，并分享出来。
Dan，非常感谢你来参加节目。
谢谢。
感谢大家收听。如果你觉得这期节目有价值，可以在 Apple Podcasts、Spotify 或你最喜欢的播客应用中订阅。也请考虑给我们评分或留下评论，这会真正帮助其他听众找到这档播客。你可以在 lennyspodcast.com 找到往期节目，或进一步了解这档节目。下期再见。