我读了 MrBeast、Netflix 和 Duolingo 的员工手册
一个数字先摆出来。
MrBeast 大概 250 人，年营收超 7 亿美元。Netflix 约 14000 人，年营收 380 亿。Duolingo 不到 900 人，营收超 7 亿。
算一下人均产值：MrBeast 约 280 万美元，Netflix 约 270 万，Duolingo 约 78 万。三家都在百万美元量级附近。
最近这三家公司不约而同地公开了各自的员工手册。我花了一天把三份都读完了。风格天差地别。但拆到底层，它们在回答同一个问题。
三个判断：
一、高人效公司都找到了某种"杠杆"——用技术替代人头堆砌。 MrBeast 靠 YouTube 的分发算法，50 个人做一条视频，一亿人看。Netflix 靠推荐引擎，软件服务 2.6 亿用户。Duolingo 靠产品自增长，那只绿色猫头鹰自己就是市场部。人效百万不是目标，是拒绝线性扩张的结果。
二、三份手册代表三种组织原型。 MrBeast 是"创始人大脑"模式——一个人的品味驱动一切。Netflix 是"上下文而非控制"模式——雇最好的人，给最少的规则。Duolingo 是"实验机器"模式——系统自己产出品味，数据说了算。三种模式对 AI 的适配度完全不同。
三、这三份手册本质上在解决同一个问题：怎么把品味传递出去。 不是传递知识，不是传递流程——是传递"什么算好"这个判断标准。这跟给 AI 写系统提示词是同一件事。
1. 三份手册长什么样
先说直观感受。
MrBeast 的手册 36 页，Jimmy Donaldson 自己写的。满篇错别字和语法问题，他开头就道歉了——"我是 YouTuber 不是作家哈哈"。读起来像凌晨两点的创始人独白。读完这本手册你会觉得跟 Jimmy 吃过一顿饭，聊了他怎么想视频、怎么管团队、什么事让他抓狂。
Netflix 的只有 5 页。极度精炼。四根柱子撑起整份文件：梦之队、人大于流程、令人不安的兴奋、永远更好。休假政策两个字："休假。"报销政策五个字："按 Netflix 利益行事。"
Duolingo 做了一本 64 页的插图书。有版本号（1.0.0），封面是猫头鹰 Duo 的建模解剖图，背面标注"O.BUTT"。五个原则、一套叫"绿色机器"的运营框架、术语表。像一本软件操作手册。
风格完全不同。但每份手册都在做同一件事——把创始人脑子里关于"什么算好"的隐性判断，变成别人能执行的显性系统。
2. MrBeast：一个人的品味就是公司的操作系统
Jimmy 的手册有一条核心原则：你的目标是做最好的 YouTube 视频。 不是最好看的视频，不是制作水平最高的视频，不是最搞笑的视频——是最好的 YouTube 视频。
这句话看着像废话。但他后面花了 20 页解释为什么不是废话。
YouTube 视频的好坏可以精确度量。三个指标：CTR（点击率）、AVD（平均观看时长）、AVP（平均观看百分比）。每条视频的留存曲线精确到秒——60 万人点进来，第一分钟走了 21 万，第三分钟走了多少，第六分钟在哪里回升。他在手册里放了真实的后台截图。
品味在这里不是虚的。品味 = 理解这三个指标、知道怎么优化、并且知道什么时候不该优化。
他举了一个例子。100 天圆圈挑战——有人住在一个圆圈里 100 天就给 50 万美元。一般制作公司会从他住进去的第一天开始拍。Jimmy 的做法是：开拍 30 秒，一台吊车把整个房子吊到半空中放进圆圈里。
这对留存率没有直接帮助。从数据角度说，可能是浪费钱。但 Jimmy 说这种事的价值在于"wow factor"——"who the fuck else on Youtube can do that"。让观众记住 MrBeast 和其他频道不一样。
这个判断不在任何指标体系里。它纯粹是品味。而整个公司的运转围绕这一个人的品味展开。
手册里有一段特别值得注意。Jimmy 教员工怎么向他提问题。别说"我们要送一辆车，这辆雷克萨斯怎么样"——这让他承担了所有认知负荷。应该说："视频第 6 到 9 分钟有个送车环节，预算一万美元。我搜了北卡所有这个价位的酷车，找到 5 辆已经过了创意审批的，还有 5 辆备选。你觉得哪个好？"
这不是沟通技巧。这是提示词工程。他在教人类怎么给他提供足够的上下文、界定约束条件、呈现选项。跟写 AI 的 system prompt 是一回事。
2.1 但这个模式的天花板是创始人本人
手册里有一段写得很诚实。Jimmy 说他同时管 4 个频道、3 个企业、一个慈善基金。他没法对每条视频都了如指掌。所以当你问他问题的时候，别指望他跟你一样清楚细节——你要把调研做完、把选项摆好、把背景讲清。
他提到一个人，James Warren，"理解这家公司每一个环节"，5 个人做了一周解决不了的问题他 30 分钟搞定。不是因为 James 更聪明，是因为他掌握了全局上下文。
在道升术降那篇文章里我说过：Will（方向、判断、品味）是升值资产，Skill（执行、技术、手艺）是贬值资产。MrBeast 的架构是这个论点的极端表达——一个人的 Will 驱动整个公司，所有 Skill 都是 Will 的放大器。
问题是：他手册里还写了一句话——"I am not always right"。他让员工挑战他、给他选项、告诉他哪里不对。这种来自人类的反馈是结构性的。换成 AI 执行会怎样？AI 目前不会真正推回来。它可以被指令"生成反对意见"，但它不知道什么时候该推回来。
创始人大脑模式最容易迁移到人+AI 团队——结构几乎不用变。但你会失去人类推回来的那股力量。
3. Netflix：给最少的规则，换最大的自主权
Netflix 的做法正好反过来。
MrBeast 写具体操作，Netflix 写原则。MrBeast 说"知道你在做的是视频的第几分钟"，Netflix 说"按 Netflix 利益行事"。
Netflix 的核心赌注：雇异常负责任的人，给他们最大自由度。 规则越少越好——因为规则会随公司变大而膨胀，最终扼杀创造力。他们明确说："我们自己不会总是做到这些标准。"
几个关键机制。
Keeper test。 管理者要定期问自己：如果这个人要离职，我会拼命留吗？如果答案是不会，那就让他走。不是因为他做错了什么——是因为有更好的人存在。Reed Hastings 小时候钓到一条鱼，他爸说"That's a keeper, Reed!"——这就是名字的来源。
Context not control。 管理者不做决定。管理者给团队提供做出好决定所需的上下文和信息。但——手册里强调了——这不等于放手不管。管理者要参与、要提问、要在关键时刻介入。
Farming for dissent。 做重大决定之前，负责人要主动去找不同意的人。不是等他们来找你——是你去找他们。听完之后，做出决定。如果有人仍然不同意，要求他们"disagree and commit"——可以保留意见，但执行要全力以赴。
在后 Agent 时代的组织那篇文章里，我分析了 Block 的 IC/DRI/player-coach 三角色模型——消灭永久中层管理。Netflix 的做法异曲同工但路径不同：不是取消中层，是让中层从"控制者"变成"上下文提供者"。
这个模式对 AI 来说最难复制。原因很简单——它要求代理人具备真正的自主判断力。不是执行指令，是在模糊情境下形成独立观点、有勇气表达、在决策逆风时依然全力执行。现在的 AI 还做不到。
Netflix 的体系只在一种条件下运转：组织里全是"异常负责任"的人。放到 AI 语境里就是：你需要一个用极短系统提示词就能做出高质量判断的模型。我们还没到那个阶段。
4. Duolingo：品味不靠人传递，靠系统生产
Duolingo 走了第三条路。
五个原则明确，但真正的操作系统是"绿色机器"——六步循环：
- 用好人。保持团队精简，成功之后才加人。
- 定义成功。设清晰可量化的目标。
- 设护栏，想长远。
- 开建，设反馈循环。
- 紧迫但精良地执行。
- 加倍投入有效的，停掉无效的。
这套机制的精妙之处：它不依赖任何个人的品味。 系统自己产出品味。跑几百个实验，数据说哪个好就留哪个。
Luis von Ahn 在 letter 里写道："我们的文化不是从科技创业手册里抄来的，是几个书呆子在匹兹堡一个体育酒吧楼上的办公室里从零建起来的。"第一批员工大多是刚毕业的新人——得自己摸索"应该雇什么人？怎么组织团队？怎么做产品？"
这种从零摸索反而成了优势。没有预设，一切从实验中来。
几个细节值得注意。
V1 不是 MVP。 Duolingo 明确不做 MVP（最小可行产品）。他们做 V1——"V1 可能没有所有功能，但它必须精良。MVP 经常成为发布半成品的借口。"这个命名选择本身就是品味编码——每次有人说"发 V1"，这个词自带质量标准。
99 个坏主意。 领导层会议上专门留时间头脑风暴"荒谬、不可能的问题"——"如果能跟 Duolingo 的角色对话呢？""如果 Duo 在超级碗有 5 秒钟时间呢？"前一个变成了产品功能。后一个变成了 2024 年超级碗 5 秒广告——花了别人三十秒广告的零头，效果一样好。
Trust Battery。 信任不是默认给的，是充出来的。不管你是实习生还是新来的副总裁，刚进来信任电池都是半格。每一次靠谱的交付充一格。每一次掉链子掉一格。级别不决定信任——成果决定。
这套系统跟 AI 的适配度最高。绿色机器的六步循环就是一个 agent loop：启动、定义目标、设约束、执行、测量、迭代。把其中几步交给 AI agent——特别是"跑实验"和"测量结果"——机器照样转。可能转得更快。
5. 底层是同一个问题
三份手册风格不同、长度不同、面向的组织规模不同。但拆到最底层，它们在回答同一组问题：
- 我们在优化什么？
- "好"长什么样？
- 遇到模糊地带怎么办？
- 什么事绝对不能做？
- 怎么评估一个人（或一个产出）的质量？
如果你写过 CLAUDE.md——给 AI agent 的系统配置文件——你会发现这组问题一模一样。
CLAUDE.md 回答的是：这个 agent 应该怎么思考、怎么做决定、什么时候停下来问人、质量底线在哪。好的 CLAUDE.md 不写抽象原则，写具体操作——"遇到不确定的类型用 unknown 而不是 any"，"改 bug 之前先说根因"，"不要动没让你动的代码"。
MrBeast 的手册做的是同一件事。"知道你在做的是第几分钟。""向我提问时带着调研和选项来。""创意能省钱——一年的多力多滋只要 1825 美元。"
品味传递的难点在于：大部分品味是隐性知识。你知道什么好什么不好，但你从来没被迫把它写成文字。写 CLAUDE.md 的过程会逼你把脑子里模糊的判断标准变成明确的指令。写员工手册也是。
三家公司的手册质量——品味编码的精度——直接预测了组织能自主运转到什么程度。
MrBeast 的手册极具体，所以即使 Jimmy 不在场，团队也知道该怎么做。Netflix 的手册极抽象，所以它只能配合极优秀的人运转。Duolingo 的手册是一套流程，所以它不依赖任何个人。
给 AI 写系统提示词也是同一个取舍。写得太具体，agent 自主空间小。写得太抽象，agent 容易偏。写成一套流程，最稳定——但你需要好的度量体系支撑。
工具时代考的是你能执行什么。AI 时代考的是你能编码什么——你的判断、品味、对"好"的感觉——能不能变成一套系统，在你不在的时候自己运转。
三份手册，三种写法，同一个问题。跟给 AI 写系统提示词是同一件事。只不过对象是人的时候，更难写。