@SaitoWu: https://x.com/SaitoWu/status/2058860578291241071

X AI KOLs Timeline 新闻

摘要

本文探讨了AI-First组织架构的概念,将AI从辅助工具转变为生产力主导者,重新设计公司流程,并介绍了Harness Engineering、Agent经济等新理念。

https://t.co/H1wQ8CAPzc
查看原文
查看缓存全文

缓存时间: 2026/05/25 12:52

Harness 时代 AI-First 的组织架构

这期《硅谷 101》请来了 Creao 的三位创始人,重点聊了 Harness Engineering。它不是简单的 Prompt Engineering,也不是 Context Engineering,而是真正把 AI 当成生产力主体,重新设计整个公司组织和流程。

从 Prompt Engineering 到 Harness Engineering

过去三年,大模型工程能力经历了三次进化。

2023 年大家在聊 Prompt Engineering,重点是怎么写好提示词;2024 年变成 Context Engineering,重点是怎么给模型更完整的上下文;到了 2026 年,一个新词突然冒出来:Harness Engineering

Harness 本意是给马套的缰绳,现在用来形容:怎么围绕大模型搭一套能自我修复、自我提升、并且能在真实世界持续工作的系统。

真正的 AI-First,不是把 AI 当辅助工具

Creao 的 CTO Peter 之前在 Meta Llama 团队和苹果多模态组工作。他发了一条推特,直接爆了 187 万流量。

核心观点是:大多数公司所谓的 AI-First 都是假的。真正的 AI 优先,是把 AI 从辅助工具变成生产力主导者,彻底重构组织架构和工作流。

结果就是:他们早上 10 点写完一个功能,中午就能做 AB test,下午 3 点根据数据砍掉,5 点又重写出更好的版本。

传统流程可能需要六周,现在一天搞定。

最震撼的是,角色彻底颠倒了

以前产品研发速度慢,营销团队可以超前四五个月准备。现在反过来了:开发速度远超营销,营销团队在追着工程师发布的功能跑。

Clark 说,他们现在已经不需要 feature wishlist 和 bug list 了。因为 bug 能被 agent 及时发现并自动修复,feature 多到根本用不完。

这个变化很夸张。

过去公司最稀缺的是“开发产能”,现在变成了“组织能不能消化 AI 产能”。

信任从“信任人”,变成了“信任 AI”

还有一个很大的变化:跨团队协作方式变了。

以前跨团队对齐成本极高,工程、产品、营销之间要反复同步。现在 AI 可以直接告诉 Marketing:今天 Engineering 要发布什么功能,中间不需要人来回沟通。

Peter 他们甚至把产品经理这个角色拆解掉了。

因为在他们看来,对齐成本本身就是个伪需求。只要系统足够强,决策可以由 AI 驱动,信息也可以由 AI 自动流转。

初级工程师,反而更容易适应 AI-First 环境

更反常识的是:初级工程师比资深工程师更容易适应 AI-First 环境。

资深工程师有太多技术债务和思维定势,不愿意把 scope 扩大到产品设计和数据分析。初级工程师反而更愿意跨越职能边界。

Peter 说,未来最值钱的可能不是某个垂直领域的 deep specialist,而是同时具备 Architecture + Product Sense + Marketing Sense 的 generalist。

这点很值得想。

AI 把执行能力放大之后,真正稀缺的会变成:你能不能定义问题、判断方向、理解用户、看懂数据,并把系统搭起来。

Agent 经济:未来内容可能不是给人看的

最让我脑子嗡嗡的,是 Clark 提到的 Agent 经济

他们发现,现在很多营销素材其实是给 Agent 看的,而不是给人看的。

未来买东西、订报纸、订牛奶,可能都是 Agent 在决策。那你今天产出的内容,到底是给人消费,还是给 AI 消费?

价值判断标准可能会完全不一样。

过去我们优化的是人类注意力,未来可能还要优化 Agent 的理解、检索、判断和行动。

Harness 分成两层

他们把 Harness 分成两层。

第一层是公司内部 Agent 系统的 Harness,重点是 self-healing 和 auto-fixing。

第二层是用户在 Creo 平台上自己搭建的 Agent,也能持续 self-improve。

他们整个团队只有 25 人,工程师不到 10 人,却在两个星期内完成了整个架构重构。

Peter 说,一年前这种规模的产品至少需要 100 人干四五个月。

当然,代价也很真实

这不是说 AI-First 转型没有代价。

他们花了很长时间 align 全员 mindset,尤其是让大家真正相信:AI 可以主导,而不只是辅助。

很多人嘴上说拥抱 AI,但本质上只愿意用 AI 工具提升自己的效率,并不愿意把生产力主体让给 AI。

这个心态上的差距,决定了一家公司能不能真正完成 AI-First 转型。

最大的认知升级

听完这期,我最大的认知升级是:

AI-First 不是在现有流程上叠加 AI 工具,而是把 AI 当成新物种,重新设计整个组织生态。

人未来的核心价值,不是执行,也不是对齐,而是定义需求方向,以及最终审核结果是否符合人类利益。

这期信息密度极高,逐字稿很长,推荐直接去 Podwise 看完整版。

你觉得未来产品经理这个角色会消失,还是会进化成新形态?

欢迎评论区聊聊。

**更多硬核播客内容:Podwise @PodwiseHQ **

相似文章

@Pluvio9yte: https://x.com/Pluvio9yte/status/2063518008757432613

X AI KOLs Timeline

文章探讨了AI Native的概念,即不只是用AI辅助旧流程,而是重构整个流程使AI成为默认参与者,并划分了从Search-first到AI-first组织的四个层级,强调未来世界不再奖励只会亲自做事的人。

本文系统梳理了AI Agent架构与工程实践,涵盖控制流、上下文工程、工具设计、记忆、多Agent组织、评测、追踪和安全,基于OpenClaw实现展开,强调Harness(测试验证基础设施)对系统稳定性的关键作用。

X AI KOLs

本文系统梳理了AI Agent架构与工程实践,涵盖控制流、上下文工程、工具设计、记忆、多Agent组织、评测、追踪和安全,基于OpenClaw实现展开,强调Harness(测试验证基础设施)对系统稳定性的关键作用。

@Potatoloogs: https://x.com/Potatoloogs/status/2057391224592667051

X AI KOLs Timeline

本文深度拆解了Agent Harness的概念,即包裹在LLM外部的工程基础设施,包括编排循环、工具调用、记忆系统、上下文管理等12个组件。文章引用Anthropic、OpenAI、LangChain等公司的实践,论证了harness对生产级AI Agent的关键作用。

@FakeMaidenMaker: https://x.com/FakeMaidenMaker/status/2055146731625447516

X AI KOLs Timeline

本文深入探讨Harness Engineering概念,指出裸模型在复杂工程任务中完成率为0%,而通过分层上下文管理、合理工具编排和任务结构化等工程基础设施,可大幅提升AI编码效率,使小团队也能构建生产级软件。文章提供了5个核心维度的实践指南。