AI Native思考

1

《人员神话》：加人无法加速一个延期的项目。

为什么？因为沟通成本随人数指数增长，学习也有成本，在短时间内无法转换为产能和效率的提升。

那加Agent、加Token能否加速一个延期的项目呢？

这个是不是AI Native特质的一个衡量标准？

2

个人效率与组织效率的关系：

1、个人的效率提升不等于组织的效率提升。

2、组织的效率的是随着组织短板、痛点、瓶颈的解决而提升的。

3

AI Native的工作分为两层：

1、底层是结构化的Harness层——代码、测试、流水线、文档等，所有信息都是“AI友好”的形态，AI主导。

2、上层是松散的Hive Mind层——对话、试错、思考、选择等，人主导。

4

大量工作、系统、流程能用，是因为人聪明、勤奋，不是因为它们AI友好。

AI友好的衡量标准：

1、测试完备性。

2、环境完备性。

3、架构合理性。

4、端到端测试可执行性。

5、文档充分性。

5

当人们开始主动拆解工作、系统、流程，将它们变成AI友好的时，在这个过程中，一旦Harness跑起来，就会出现这样的情况：AI接管的越多-->失败Case越多-->Harness修复优化的越快，然后你会发现你获得了一个不断加速的飞轮。

因此越早建成Harness的公司会在某个临界点之后越来越快，晚建成的公司不只是慢一点，而是被远远甩开。

6

即使是同一个人，他在做不同的事情时，要求和规范也会不同，比如同一个项目，PD、开发、测试、部署的同学，对程序的要求也不同，有的关注好看，有的关注快速实现，有的关注质量稳定，有的关注易部署易维护，而PM还会关注整个推进过程协作和进度的可观测、交流留底等。

AI Agent模式下"角色"概念发生了这些变化：

1. 角色的本质从"人设"还原为"评价函数" —— 这让多Agent设计有了可计算的判断标准

2. 同模型多角色的有效性取决于评价函数是否正交 —— 而非是否用了不同的模型

3. 冲突从需要消除的摩擦变成了需要设计的张力 —— Generator-Critic结构是这个思想的体现

4. PM类元角色应该下沉到框架层 —— 而不是做成一个Agent

5. 串行角色切换在很多场景下优于并行多Agent —— 单Agent + 多视角链式推理是被低估的模式

"同一个人戴不同帽子"的形容非常准确。它指向的是Agent系统设计的一个未来方向：与其搭建复杂的多Agent编排，不如设计精准的评价函数切换机制。这可能是下一代Agent框架的核心竞争力。