AI 原生公司招人不看简历

先交代下背景。Compute Labs 现在就三个人，两个月做了六个产品，产出量级大概能抵一支十五人的传统团队，这个数字我自己说出来都觉得有点离谱，但确实就是这样。我不觉得我们三个有谁特别聪明，真的，差别就在每个人都有比较强的 Will，就是品味、判断、方向感这些东西，Skill 层面的活基本全让 AI 接管了。做满两个月，我只能说，AI 带来的变化比提效要深得多，深到团队为什么存在这个事情本身都变了。

上一篇拆过三家百万人效公司的手册，结论是员工手册是给人类写的 CLAUDE.md：三份手册干的其实是同一件事，把品味编码进一个系统。而且给人写比给 AI 写更难，因为人需要激励、有自尊、会遗忘。顺着这个结论往下走，自然会撞上一个新问题：要是从零开始，给一家 AI 原生公司写员工手册，该写什么？结合这两个月的体感，加上道升术降那套框架，我现在的答案大概能压成三条：

1. 招人只看 Will，也就是品味、判断、方向感、好奇心。简历上的 Skill 全在贬值，筛选方法得整个重做。
2. 手册的核心从「怎么做事」换成「怎么判断」：教人评估 agent 的产出、做判断抉择、跟 agent 协作。它本身就是一份 prompt engineering 教程。
3. 最难写的一页是评估标准。品味没有 GAAP，一个人判断力好不好没法衡量，这个问题不解决，手册永远写不完。

简历是一份 Skill 文档，全在贬值

道升术降里我分析过，Will（方向、判断、品味）在升值，Skill（执行、技术）在贬值。AI 原生公司等于把这个逻辑推到极致：只招 Will，不招 Skill。而简历呢，恰好就是一份纯 Skill 文档，工作年限、会几门语言、用过什么框架、做过什么项目，全是贬值资产。你花三年学会的东西，明年 AI 可能就会了。

招人机制反转——简历是一份不断贬值的 Skill 文档，AI 原生公司只招升值的 Will（品味·判断）。

那要找什么样的人？我心里的画像大概四条：

1. 对「什么值得做」有自己的判断。等别人把需求定义好再执行的不算，得自己能看到问题、形成观点、排出优先级。这个能力跟工作年限关系真不大，有人第一年就有了，也有干了十年还在等别人告诉他该做什么的。
2. 对「什么算好」有自己的标准。看 40 组实验结果，能挑出有价值的那三组；读一份草案，能感觉到框架哪里不对。说白了就是从噪声里挑信号这一种能力。而且这种眼力我觉得没什么天赋成分，就是大量观察、判断、犯错、修正，一点点长出来的。
3. 遇到不懂的东西，第一反应是去搞懂。跨领域好奇心是 Will 很早期的一个信号：什么都想搞懂的人，判断力一般比只在一个领域深耕的人好。原因也不玄乎，判断力需要参照系，见过的东西越多，看新东西的标准就越准。
4. 能形成独立观点，还能讲清楚。上一篇提过，人类 CLAUDE.md 和 agent 的 CLAUDE.md 最大的区别是「推回来」的能力。AI 原生公司格外需要这条：执行大部分是 agent 干的，agent 永远说你的方案好，这种谄媚是系统性风险，人能推回来，基本是唯一的纠错机制。

张月光说过一个原则，我觉得说得很准：团队需要共同方向和一致的价值观，但品味、风格、思维方式必须不同。AI 已经把执行拉平了，同样的工具、同样的 spec，写出来的代码几乎一样，那差异化基本就只能来自人看东西的角度不一样了。

白板题测不出 Will

现在的面试，白板写代码、系统设计、「讲讲你做过的一个项目」，测的全是 Skill，是这个人做过什么，测不出他怎么想。想筛 Will，得换一套测法。我能想到的是四种：

1. 品味测试。给候选人看十个产品、十个设计、十个策略，让他排序、批评、解释，没有标准答案。看两件事：他能不能看到团队现有成员看不到的东西，他的品味跟团队是互补还是重叠。品味重叠是团队最隐蔽的坑，五个人品味一样，做出来的东西其实只覆盖一个视角，执行又已经被 AI 拉平了，那这个团队就很难说还剩下什么了。
2. 判断模拟。从公司历史里挑一个真实的、信息不完整的模糊场景摆在他面前，「当时我们知道这些，你会怎么决定，为什么」，聊完再揭晓实际发生了什么。看的是不确定性下的推理质量，不是答没答对。好的候选人会说「我先确认 X，X 决定方向是 A 还是 B」，他在把不确定性结构化；差的候选人直接猜一个答案，然后自圆其说。
3. 好奇心探测。最近在工作之外折腾了什么，钻过什么不相关的兔子洞，对什么跟简历毫无关系的领域有了解。听着像闲聊，实际在测跨领域判断力的潜力。一个同时懂技术、设计、用户心理和商业逻辑的人，判断比只懂一个领域的人好几倍，这种综合判断力在 AI 时代可能是最稀缺的资源。
4. 异议演练。把团队当前的策略摆出来，请他反驳。这不是设套，测的就是他能不能形成独立观点，还能顶住压力说出来。连面试官的策略都推不回去的人，进了团队大概率也不会去推回 agent 的迎合。

说实话，照这个逻辑推下去，一个过不了编程面试的人，可能反而正是 AI 原生公司要的人，这一点估计大多数公司都接受不了。Skill 不足在这里根本不是问题，AI 补得上；麻烦的是 Will 不足，白板题压根不测这个。

手册的核心换成了「怎么判断」

上一篇拆的那三份手册，MrBeast 教的是怎么做视频，具体到第几分钟该发生什么、留存率怎么优化、怎么用创意省钱。Netflix 教怎么做人，坦诚、自主、追求卓越那一套。Duolingo 教的是怎么跑系统，绿色机器的六步循环。说到底都是教「怎么做事」。AI 原生公司的情况是，做事的部分 agent 干了，手册要教的变成了怎么判断 agent 干得好不好，怎么让它干得更好。这是差别最大的一块。

第一页还是使命

上一篇分析过，给人写和给 AI 写系统提示词，最大的区别之一是人需要意义。这个需求不会因为公司是 AI 原生就消失，所以手册第一页依然是使命。这一页不能写成「你是一个 helpful assistant」那种套话，得老老实实回答：我们为什么存在，在解决什么问题，为什么这件事值得把职业生涯押上去。AI 原生公司的使命还得格外诚实，团队就 5-7 个人，每个人都在前线，空话活不过一周就会被看穿。

每个判断域都要定义「好」

这部分是手册里最重的。执行层面的好坏本来有客观标准，代码能不能跑，设计稿符不符合规范，一眼能看出来，不需要手册教。麻烦在 agent 的输出永远「过得去」，你要判断的从「能不能用」变成了「够不够好」，而「够不够好」这个事，没有客观标准。

所以手册得把每个判断域的「好」写清楚。产品上，什么样的功能值得做，什么信号说明方向错了，什么时候该坚持、什么时候该放弃。设计上，什么算精良，V1 的底线在哪，这里可以直接借 Duolingo 的概念，V1 不是 MVP。技术上，什么算简洁，什么时候用现成方案、什么时候从头建。商务上，什么样的合作值得谈，什么条件是底线。这些标准跟规则不一样，规则可以穷举，判断框架不行，它的用处是帮人在信息不完整的时候做出 70 分以上的决定。

手册同时是一份 prompt engineering 教程

AI 原生公司的每个人每天都在跟 agent 协作，所以手册必须教会四件事：

1. 下指令。「帮我分析一下」是坏指令，好指令长这样：「我有这些数据，关心的维度是 X 和 Y，给投资人看的和给团队内部看的分析方式不同，先给我投资人视角。」道理跟你是管理者里写的一样，管 AI 跟管人是一回事，给足 context、定清楚目标、说明白「好」长什么样。
2. 评估产出。agent 一次给你四个方案，挑哪个？看哪个方案抓住了问题的关键约束，「看起来专业」不算数。手册要教的就是这套看法。
3. 迭代。第一版不对的时候，别只说「重做」，要说「方向对，估值模型换成 DCF，风险部分加上汇率敞口」。反馈给得精确，一轮就能改对；只丢一句「不太行」，它就得猜好几轮。
4. 防谄媚。agent 会说你的方案很好，你的方案可能并不好。所以每个重大决策发出去之前跑一次红队，用一组专门配了对抗性指令的 agent 找茬：这件事可能怎么失败，我们没看到什么。红队只负责拆台，不负责帮忙，哪些反对意见是结构性的，团队自己再判断。

反谄媚纠错回路——agent 永远说方案好，用一组对抗性红队专门拆台，人来判断哪些反对是结构性的。

什么时候信数据，什么时候信直觉

AI 原生公司会产生大量数据，agent 跑实验、分析结果、生成报告，数据唾手可得。危险恰恰在这里：数据太容易拿到，人会慢慢变成什么都看数据。偏偏最重要的那些决策，做不做一个方向、要不要一个人、放不放弃一个产品，往往没有好数据，等数据出来，窗口早就过了。

手册要写明白哪类决策听谁的。能量化的产品优化，交给数据就行，照 Duolingo 那套实验驱动跑。品味类的判断量化不了，那就听直觉，MrBeast 的 wow factor 其实就是这么用的。还有一类是高风险、不可逆的决定，这种必须走异议流程，像 Netflix 那样主动征集反对意见。

还有一个我觉得挺好用的机制：同一个分析，用不同的假设跑多个 agent，一个假设市场在增长，一个假设在萎缩。输出不一致的时候，不一致本身就是信息，它标出来哪里需要人拍板。

决策连同理由一起记录

每个决策、每个实验、每个判断，连同理由一起结构化记录下来。这套记录不是拿来问责的，拿去问责就糟蹋了，它的价值全在 context。后 Agent 时代的组织里我分析过，层级制看着是权力结构，实际干的活是信息路由。AI 原生公司没有层级，信息路由靠的就是共享 context，每个人、每个 agent 都能看到所有相关信息。

这也是「手册就是人类 CLAUDE.md」这个类比比看上去更深的地方。AI 原生公司的手册没法是一份静态文件，它得是个活的系统，每个决策、每个教训都往里写，品味标准跟着团队的经验一起演进。就是一份一直在更新的 CLAUDE.md。

品味没有 GAAP

最后是最难的一块，评估。会计好歹有 GAAP 这种大家公认的标准，品味这边是真的什么都没有。

评估一个人的判断力，最直接的办法是看结果。但结果这个东西掺了太多运气和时机，好决策照样可以出坏结果，反过来也一样，反馈又吵又慢。管理学有句老话，不能度量的东西没法优化。品味偏偏是 AI 原生公司唯一值钱的资产，又偏偏最难度量，所以公司到底好不好，说实话就是一笔糊涂账。

目前我能想到的部分解法是组合评估，把时间线拉长。别盯着单个决策对不对，看过去 50 个决策里，这个人的判断是不是系统性强于随机。这个需要耐心，单位是年，一个季度看不出什么，也需要纪律，每个决策连同理由记录在案，每个结果都追踪回去。

Netflix 有个 keeper test，「知道我现在知道的一切，还会雇这个人吗」，算一种粗粒度的品味评估。有用，但它是定性的、回溯的，全靠管理者个人判断。AI 原生公司需要更细的版本，我管它叫回溯校准：半年前决定了 X，数据现在显示 Y，回头核对当时的判断对不对。攒得够久，这套机制能告诉你团队的品味在哪些领域准，在哪些领域偏。

回溯校准——决策连理由一起记录，半年后用数据回头核对，看一个人在几十个决策上的判断是否系统性强于随机。

这一页是整份手册最难写的，说实话今天也还没人写出来过。这个问题现在没有好答案，我上面说的组合评估、回溯校准也都只是部分解法，只能先记着、攒着，走一步看一步。

写到最后回头看，这份手册跟 MrBeast、Netflix、Duolingo 那三份的差别也清楚了，那三份教的是怎么把一份工作做好，这份要教的是怎么判断一件事值不值得做。上一篇我说给人写比给 AI 写更难，这一遍过下来，这个判断没变，甚至更确定了一点。