
11 月 19 日 · 35 分钟

文章记录了一支千人研发团队两年内尝试四条 AI 编程落地路线的完整复盘。前三条路——「老城改造」单点提效导致整体效率下降、「精益流程」知识块爆炸变成电子垃圾、「全民造物」催生新的信息孤岛——均因未解决「谁知道事实、谁组织下一步、谁负责结果」三个结构性问题而受阻。作者指出效率提不上去的根因:编码仅占研发流程 30%,却吸纳了几乎所有 AI 投入,且各岗位 AI 互不相通。第四条路的核心是构建企业级 AI Native 研发体系:用本体论(TBox/ABox/Rule/Action)统一全公司业务语义,把项目事实从人脑抽离成可共享上下文,将管理对象从「人/任务/工期」转为「目标/上下文/依赖/证据链」,让组织围绕 Agent 重新分配判断、阻塞处理、验证修复与越权决策。实践中岗位边界融合(研发抢测试活)、架构被业界最佳实践替代、质量先降后升、交付效率首次可统计。作者以机械工业化类比软件工业化:高 T 程序员如八级钳工蜕变为流水线设计者,码农转型知识工程师,管理者成目标定义者。
为什么工具越来越快,团队交出的最终结果反而越来越慢?
这期节目来自嘀嗒出行 CEO 王晓波带千人研发团队试错两年的真实复盘。他们把主流的三种路线全踩了一遍:给每个人工位配上 AI 助手、把业务切成标准化知识包、让非技术人员自己动手做工具,结果无一例外撞上天花板——不是海量生成内容看不过来,就是知识包变成电子垃圾,甚至重新掉回信息孤岛。
问题从来不在工具,而在我们组织协作的方式。在这场复盘里,你能带走几张真正影响自己每天产出的底牌:
如果你手头正忙着把 AI 用进日常工作,却常感到越做越散、上下游接不住,这期复盘能帮你重新看清手头那件活儿真正的发力点。
时间轴
个人用工具干活越来越快,为什么一放进团队协作反而更慢了?
给每个人工位配上 AI 助手,为什么只造出了更多看不过来的产出?
把业务切成标准化知识包,为什么最后堆成了没人敢用的电子垃圾?
让业务人员自己动手搭工具,为什么反而做回了互不通气的信息孤岛?
团队七成精力耗在扯皮对齐上,为什么我们还在拼命给制作环节加速?
打通全流程业务上下文,怎样在最源头就把不靠谱的需求筛掉?
不再靠晨会催进度,人在协作流程里到底该做哪些不可替代的判断?
多条生产线并行跑、研发抢测试的活:岗位打碎融合后我们该盯住什么?
告别手工作坊之后,为什么高水平的“八级钳工”价值反而被放大了?
在满地试错残局里,真正能帮我们在组织里立足的三条底牌
————————————
我是 Felix,在中美经营一家 AI 技术公司。
想共同探索 AI 机会,或者想加入我的团队做有意思的事,欢迎来找我:
• 小红书 / 公众号:康康你的AI
• X:@hereFelixK
• 博客:https://felixk.me
• 播客:AI 边角料
说明里标出的时间点,点一下跳过去
AI 从整集转写里归纳的,不是节目方的宣传语
编码只占开发时间约三成,其余七成耗在需求澄清、开会与返工,这是AI提效难以翻倍的真正原因。
航空公司车队用Agent自建网页调度系统,全程没有产研参与,上线后被真正用起来。
湾区大会上小朋友反问:你们怕屎山代码是因为还要看代码,而我是用AI写的,AI不怕改不动。
「今日发现」选中这一期的理由
一位千人研发团队的CEO把两年AI编程实验摊开讲:给每人配Agent、把业务切成知识块、让业务同学自己造系统,三条路分别撞上单点提效、电子垃圾和信息孤岛。他算了一笔账——编码只占开发时间三成,真正拖慢速度的是澄清、开会和返工。最有趣的是那个小朋友的反问:你们怕屎山代码,是因为你们还要看代码,而我是用AI写的。
由 AI 从整集转写生成,是创作者说明之外的补充
嘀嗒出行CEO王晓波复盘千人研发团队两年的AI编程实验。团队先后尝试“老城改造”(给每人配Agent但流程不变)、“精益流程”(把业务切成知识块)、“全民造物”(让业务同学自己造系统)三条路,分别撞上单点提效不解决整体、知识块爆炸成电子垃圾、信息孤岛回归三个天花板。他提出编码只占开发时间约30%,真正拖慢效率的是需求澄清、开会与返工。第四条路试图把项目事实从人脑中抽出来,用知识包、事实链、企业本体(TBox/ABox)和证据链让组织围绕AI协作,并重新定义人的边界为判断、阻塞、修复、越权处理。最后以八级钳工类比程序员职业的蜕变。
点一章从那里开始播 · 与上面创作者标的时间点各自独立
代码生产突然不稀缺了
王晓波回顾AI编程从补全工具到生产主力的过程,指出2026年程序员集体焦虑的根源是代码生产不再稀缺。他描述团队一年里的情绪曲线:年初兴奋、三四月醒悟、五六月发现屎山代码更屎山、整体提效有限。
第一条路:老城改造
给每个岗位配Agent但保留原有流程。编码环节全员all in,测试反而更重要却更凌乱,知识库因微服务隔离扫不全。结果是超级个体被放大,中低级程序员只是假象放大,整体提效反而变差。
第二条路:精益流程与知识块爆炸
把业务切成带上下文的node单元让AI自动跑。初期收益大,随后知识块大量不可复用、场景一变八成失效,最终变成一堆电子垃圾,且变化中的数据无法进入知识块,信息链路仍打不通。
第三条路:全民造物与信息孤岛回归
给业务同学简易编程工具,航空公司车队做出调度系统。但推广后系统数量翻倍、可用性差,同一ID在不同系统含义不同,部门间无法联动,重新回到十年前的信息孤岛状态。
三条路的共同困境与30/70错配
三条路都卡在谁知道事实、谁组织下一步、谁对结果负责三个问题上。编码只占开发时间约30%,其余70%耗在需求澄清、开会、博弈与返工上,AI只优化了那30%,所以提效难以翻倍。
从以人为中心转向以AI为中心
传统研发围绕人与人协作组织,用AI后需要给AI补足上下文、知识与验证。现实中OPC并未大量出现,每个岗位各用各的AI、各建各的知识库,需要打通岗位间的上下文。
第四条路:知识包、事实链与调度器
新体系分四层:业务变化入口、智能交付流水线、研发实时中枢、企业本体。把研发流程打包成知识包,建立从需求到任务的确认事实链,自身只做调度器,调度Codex等编码Agent。
企业本体:给公司做数字投影
只做产研自动化不够,因为产研服务于整个企业。团队借用八十年代的本体论,用模型生成企业本体,抽象为TBox、ABox、规则与动作,让不靠谱的需求在推演阶段就被消灭。
管理对象之变:从人到目标与证据链
业务变化点从未被管理起来,团队尝试让AI主动发现异常与趋势。管理对象从人、任务、工期转向目标、上下文、依赖、证据链;状态来源从晨会汇报转向事实与证据,因为人报的进度往往不准。
推进方式与人的边界重定义
推进从人催人变为事实驱动,AI不能被催。人的边界收敛为判断、阻塞、修复、越权四类。团队沿用OKF协议做知识包,保留完整语义,让人与Agent共享同一份可读知识。
案例:会员优惠活动规则升级
以一个项目事实拆出两条链路、六条生产线,人的判断出现在关键节点。从人的视角看是同时操作几条流水线,岗位边界开始融合,研发在抢测试的活。
岗位融合、架构变化与质量先降后升
程序员因要验证AI代码而变成测试,测试与研发反向融合。基模作为超大知识库替换掉一些团队自认的秘方。质量先降后升,效能第一次真正可被统计,为下一轮交付沉淀证据。
提效的分层判断
提效分四层:单任务、项目、组织、整个企业。理论上提效倍数取决于能同时操作多少条产线的人工确认,目前看到倍增但过程仍粗,本体模型能否投影整个公司仍是问题。
软件工业化与八级钳工的隐喻
AI编程改变的是生产关系而非个人技能,软件正从手工业走向工业化。王晓波用八级钳工类比高级程序员:钳工没有消失,而是把经验变成数控机床代码,换了个形态继续存在。
码农变知识工程师与三点结论
码农将变成知识工程师,管理者变成目标定义者。结语给出三点判断:改变的是组织方式、根因在组织而非模型、补上缺口靠知识工程。第四条路仍是实验品,但方向相对确定。

11 月 19 日 · 35 分钟

11 月 15 日 · 12 分钟

11 月 3 日 · 14 分钟

10 月 28 日 · 5 分钟

AI 边角料 · 11 月 4 日 · 38 分钟
文章记录了一支千人研发团队两年内尝试四条 AI 编程落地路线的完整复盘。前三条路——「老城改造」单点提效导致整体效率下降、「精益流程」知识块爆炸变成电子垃圾、「全民造物」催生新的信息孤岛——均因未解决「谁知道事实、谁组织下一步、谁负责结果」三个结构性问题而受阻。作者指出效率提不上去的根因:编码仅占研发流程 30%,却吸纳了几乎所有 AI 投入,且各岗位 AI 互不相通。第四条路的核心是构建企业级 AI Native 研发体系:用本体论(TBox/ABox/Rule/Action)统一全公司业务语义,把项目事实从人脑抽离成可共享上下文,将管理对象从「人/任务/工期」转为「目标/上下文/依赖/证据链」,让组织围绕 Agent 重新分配判断、阻塞处理、验证修复与越权决策。实践中岗位边界融合(研发抢测试活)、架构被业界最佳实践替代、质量先降后升、交付效率首次可统计。作者以机械工业化类比软件工业化:高 T 程序员如八级钳工蜕变为流水线设计者,码农转型知识工程师,管理者成目标定义者。
为什么工具越来越快,团队交出的最终结果反而越来越慢?
这期节目来自嘀嗒出行 CEO 王晓波带千人研发团队试错两年的真实复盘。他们把主流的三种路线全踩了一遍:给每个人工位配上 AI 助手、把业务切成标准化知识包、让非技术人员自己动手做工具,结果无一例外撞上天花板——不是海量生成内容看不过来,就是知识包变成电子垃圾,甚至重新掉回信息孤岛。
问题从来不在工具,而在我们组织协作的方式。在这场复盘里,你能带走几张真正影响自己每天产出的底牌:
如果你手头正忙着把 AI 用进日常工作,却常感到越做越散、上下游接不住,这期复盘能帮你重新看清手头那件活儿真正的发力点。
时间轴
个人用工具干活越来越快,为什么一放进团队协作反而更慢了?
给每个人工位配上 AI 助手,为什么只造出了更多看不过来的产出?
把业务切成标准化知识包,为什么最后堆成了没人敢用的电子垃圾?
让业务人员自己动手搭工具,为什么反而做回了互不通气的信息孤岛?
团队七成精力耗在扯皮对齐上,为什么我们还在拼命给制作环节加速?
打通全流程业务上下文,怎样在最源头就把不靠谱的需求筛掉?
不再靠晨会催进度,人在协作流程里到底该做哪些不可替代的判断?
多条生产线并行跑、研发抢测试的活:岗位打碎融合后我们该盯住什么?
告别手工作坊之后,为什么高水平的“八级钳工”价值反而被放大了?
在满地试错残局里,真正能帮我们在组织里立足的三条底牌
————————————
我是 Felix,在中美经营一家 AI 技术公司。
想共同探索 AI 机会,或者想加入我的团队做有意思的事,欢迎来找我:
• 小红书 / 公众号:康康你的AI
• X:@hereFelixK
• 博客:https://felixk.me
• 播客:AI 边角料
说明里标出的时间点,点一下跳过去
AI 从整集转写里归纳的,不是节目方的宣传语
编码只占开发时间约三成,其余七成耗在需求澄清、开会与返工,这是AI提效难以翻倍的真正原因。
航空公司车队用Agent自建网页调度系统,全程没有产研参与,上线后被真正用起来。
湾区大会上小朋友反问:你们怕屎山代码是因为还要看代码,而我是用AI写的,AI不怕改不动。
「今日发现」选中它的理由
一位千人研发团队的CEO把两年AI编程实验摊开讲:给每人配Agent、把业务切成知识块、让业务同学自己造系统,三条路分别撞上单点提效、电子垃圾和信息孤岛。他算了一笔账——编码只占开发时间三成,真正拖慢速度的是澄清、开会和返工。最有趣的是那个小朋友的反问:你们怕屎山代码,是因为你们还要看代码,而我是用AI写的。
由 AI 从整集转写生成,是创作者说明之外的补充
嘀嗒出行CEO王晓波复盘千人研发团队两年的AI编程实验。团队先后尝试“老城改造”(给每人配Agent但流程不变)、“精益流程”(把业务切成知识块)、“全民造物”(让业务同学自己造系统)三条路,分别撞上单点提效不解决整体、知识块爆炸成电子垃圾、信息孤岛回归三个天花板。他提出编码只占开发时间约30%,真正拖慢效率的是需求澄清、开会与返工。第四条路试图把项目事实从人脑中抽出来,用知识包、事实链、企业本体(TBox/ABox)和证据链让组织围绕AI协作,并重新定义人的边界为判断、阻塞、修复、越权处理。最后以八级钳工类比程序员职业的蜕变。
点一章从那里开始播 · 与创作者标的时间点各自独立
代码生产突然不稀缺了
第一条路:老城改造
第二条路:精益流程与知识块爆炸
第三条路:全民造物与信息孤岛回归
三条路的共同困境与30/70错配
从以人为中心转向以AI为中心
第四条路:知识包、事实链与调度器
企业本体:给公司做数字投影
管理对象之变:从人到目标与证据链
推进方式与人的边界重定义
案例:会员优惠活动规则升级
岗位融合、架构变化与质量先降后升
提效的分层判断
软件工业化与八级钳工的隐喻
码农变知识工程师与三点结论
节目里自然聊到的,不是广告

AI 对内容的推测
☕🧄 这个比喻出自 2009 年周立波的一句「喝咖啡的怎么能和吃大蒜的呆在一起呢」;郭德纲后来在《你要高雅》里回了一句「雅和俗分不开,喝着咖啡就着大蒜,秋水共长天一色」。我们借它标注风格取向 —— 两端没有高下,编辑部式与熟人局式都能做出极好的节目。
https://proxy.wavpub.com/bianjiaoliao.xml复制概要、章节、提及与推广标注由 AI 生成,可能有误;内容版权归创作者,声湃按创作者开放的 RSS 收录。了解收录与 RSS →

11 月 19 日 · 35 分钟

11 月 15 日 · 12 分钟

11 月 3 日 · 14 分钟