三个人干十五个人的活之后
Compute Labs 三个人。六个产品，两个月。
不是周末 side project 那种"产品"——是上线、有用户、在迭代的产品。
数字摆在这里。三个人的产出量级大概是传统团队十五人。不是因为我们更聪明，不是因为加班更多。是因为团队里每个人都有清晰的判断力和方向感，AI 接管了几乎所有执行层面的工作。
做了两个月之后，有一件事我确认了：这不是提效。这是团队形态本身在变。
三个判断：
一、AI 原生团队只筛选一样东西：Will。 品味、判断、方向感、好奇心。AI 处理所有 Skill（执行、代码、分析、生产）。团队的构成逻辑从"你能做什么"变成"你能看到什么"。
二、三个设计原则。 品味多样性（不是一个人的品味，也不是共识）。工程化异议（把 Netflix 的"farming for dissent"变成系统机制）。上下文织网（用 Block 的"世界模型"替代层级的信息路由功能）。
三、最难的问题不是建团队，是评估团队。 会计有 GAAP，软件有测试套件。品味没有。怎么衡量一个人的判断力是不是好的？这个问题不解决，AI 原生团队的天花板就打不开。
1. 三个人为什么能干十五个人的活
先说不是什么。不是因为工具好。Claude Code 谁都能用。不是因为加班。我们的工作节奏跟正常团队差不多。
是因为每个人被选进来的标准不一样。
传统团队招人看 Skill——你会什么语言、用过什么框架、做过什么项目。这些东西在 AI 时代全部贬值。我在道升术降里分析过这个：AI 能做的技能几乎没有长期价值。你花三年学会的东西，明年 AI 可能就能做了。
真正值钱的是 Will——方向感、品味、判断力、好奇心。这四样东西 AI 既给不了你，也替代不了。
我的团队三个人，每个人的共同点：对"什么值得做"有自己的判断，对"什么算好"有自己的标准，遇到不懂的东西第一反应是去搞懂而不是绕过去。这些不是软技能——是承重墙。
AI 接管执行之后，团队的一天长什么样？
早上：查看 agent 的隔夜产出。AI 跑了 40 组实验——产品的人看结果，挑出值得推进的三组。AI 写了四版合作方案——商务的人读完，选最好的框架，改判断层的措辞，发出去。AI 标记了三个数据异常——分析的人看一眼，判断哪个不是噪声。
中午：同步。不是汇报——没人需要汇报，因为共享上下文里什么都有。同步是对齐判断。"用户行为出现了这个趋势，你觉得定价策略要不要调？""实验结果显示我们对留存的假设有问题，要不要改方向？"这些全是品味对话。没有执行层面的讨论。
下午：设定下一轮 agent 的工作目标。不是逐任务指派——是高层目标加约束条件。"探索三种通知系统的架构方案。优先简洁和可维护，不要功能堆砌。给我看取舍，别替我选。"Agent 干一夜。第二天循环重来。
这个团队里没有一个人是因为"能做什么"被录用的。每个人被录用的原因是"能看到什么"。看 40 组实验结果知道哪三组有价值——这是品味。读一份草案能感觉到哪里框架不对——这是品味。在一堆噪声里找到信号——还是品味。
2. 从三份手册到三个设计原则
上一篇我读了三份员工手册，找到了三种组织原型。MrBeast 把品味集中在一个人身上。Netflix 把品味分散给自主个体。Duolingo 用系统生产品味。
AI 原生团队需要第四种做法。
2.1 品味多样性
不是一个人的品味——那是单点故障。MrBeast 的模式在他在场时运转完美，但 Jimmy 自己说过"I am not always right"。一个人的盲区就是整个组织的盲区。
不是分散的自主品味——那需要每个代理人（人或 AI）都有真正独立的判断力。Netflix 做到了，因为它只雇"异常负责任"的人。但现在的 AI 做不到真正独立判断。
不是纯实验驱动——Duolingo 的模式只对可量化的东西有效。最重要的判断往往没法事先量化。你不知道一个产品方向对不对，直到做了半年之后。
第四种做法：5-7 个品味互补的人，每人负责一个判断域。
张月光在道升术降那篇采访里说的原则我很认同：团队需要共同的方向和一致的价值观，但品味、风格、思维方式必须不同。大厂出身的人有纪律和执行力。独立开发者有全栈品味。有审美的创业公司出来的人有产品和市场直觉。
AI 让这件事变得更重要而不是更不重要。给五个工程师同样的 AI 工具和同样的需求——他们写出来的代码几乎一样。执行在趋同。唯一的差异化来源是：坐在桌边的五个不同视角决定了做什么。
2.2 工程化异议
Netflix 最有力的机制是"farming for dissent"——做重大决定之前，负责人要主动去找不同意的人。不是等反对意见冒出来，是去把它们挖出来。
人类团队天然就会产生异议。人有自尊、有立场、有利益冲突。分歧是默认状态。难的是把分歧导向建设性方向。
AI 加持的团队面对的是反过来的问题。AI agent 天生谄媚。你问它"这个策略好不好"，它会找出好的一面来说。你给它看你的方案，它会夸"思路很清晰"。不是 bug——是训练目标造成的。模型被优化成"有帮助的"，而"有帮助"经常被等同于"同意"。
后果：团队做了一个决定，问 agent 评估，得到的是附和。但那不是共识——是迎合。
我在做 Mio 的时候写过这个问题：AI 的赞美是起点，不是结论。真正的检验在真实世界——代码能不能扛住生产环境？用户到底要不要这个功能？
AI 原生团队必须把异议设计进系统里。三个机制：
红队 agent。 每个重大决策发出之前，一组专门配置了对抗性指令的 agent 进行评估。"找出这件事可能失败的所有方式。""我们没看到什么？""谁会因为这个决定受损？"红队 agent 的工作不是帮忙——是找茬。团队再判断哪些反对意见是结构性的。
多先验并行。 同一个分析用不同假设跑多个 agent。一个假设市场在增长，一个假设在萎缩。一个假设用户很懂行，一个假设是新手。输出不一致的时候，不一致本身就是信息——它暴露了团队需要做的判断抉择。
回溯校准。 追踪团队过去的决策和结果。"半年前我们决定了 X。数据现在显示 Y。我们判断对了吗？"长期积累下来，这套机制能告诉团队：我们的品味在哪些领域准，在哪些领域偏。
Netflix 的异议是免费的，因为人天然会不同意。AI 原生团队的异议必须花钱买。
2.3 上下文织网
在后 Agent 时代的组织那篇文章里，我分析了层级制的本质——不是权力结构，是信息路由协议。管理者的核心功能是把战略向下翻译、把状态向上聚合。本质上是一台路由器。
Block 用"世界模型"替代了这台路由器——一个实时的、全局的公司状态表示。当一个信号出现（商户的报税截止日快到了，同时贷款刚批下来），系统自己发现并行动。不需要 PM 想到这个场景。
AI 原生团队需要类似的东西——上下文织网。一个共享层，让所有相关信息对每个团队成员和每个 agent 实时可见。
不是仪表盘。仪表盘是你主动去看的静态摘要。上下文织网是一个活的系统，在你需要某个信息的时候主动推给你。路由不靠管理者，靠 AI。
前提条件——Block 的论文也说了——是高质量的结构化数据。Block 有支付数据，每笔交易都是结构化事件。大多数公司没有。AI 原生团队的做法是：把每一个决策、每一次实验、每一个判断连同理由一起结构化记录。 不是为了问责。是为了上下文。让下一个遇到类似情况的人（或 agent）能用到你学到的东西。
这也是为什么上一篇文章里"手册就是人类的 CLAUDE.md"这个类比比表面看起来更深。CLAUDE.md 就是一份上下文文件——告诉 agent 它做好决策需要知道什么。上下文织网是一份活的、实时更新的 CLAUDE.md。
3. 招聘：怎么面试品味
如果 AI 原生团队只筛选 Will，面试流程要彻底重新设计。
传统面试是 Skill 测试。白板写代码、系统设计、"说说你做过的一个项目"——全在测你做过什么，不是测你怎么想。
Will 导向的面试大概是这样：
品味测试。 给候选人看十个产品、十个设计、十个策略。排序、批评、解释。没有标准答案。看的是：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的还是重叠的？
判断模拟。 呈现一个真实的、信息不完整的模糊场景——从公司历史里选。"当时我们知道这些。你会怎么决定？为什么？"然后揭晓实际发生了什么。不确定性下的推理质量比"答对了"更重要。
好奇心探测。 最近在工作之外探索了什么？钻了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？跨领域好奇心是 Will 的先行指标——什么都想搞懂的人，判断力通常比只在一个领域深耕的人更好。
异议演练。 把团队当前的策略展示给候选人，让他反驳。不是设套——是真正测试他能不能形成独立观点并清晰表达。如果他在面试里都推不回面试官的策略，进了团队也不会推回 AI 的迎合。
这些都不测 Skill。全测 Will。
对大多数公司来说最难接受的一件事：一个"过不了"传统编程面试的人，可能恰恰是你需要的人。
4. 什么会出问题
4.1 品味没法量化
会计有 GAAP。软件有测试套件。医疗编码有 ICD-10。
品味什么都没有。
怎么评估一个人的判断力好不好？可以看结果——但结果取决于运气、时机和一千个判断本身之外的变量。好决策可以产生坏结果。坏决策可以产生好结果。反馈循环既嘈杂又滞后。
对 AI 原生团队来说这是一个具体问题：不能度量的东西不能优化。 如果品味是团队唯一的资产，而品味没法可靠度量，你怎么知道团队好不好？
部分解法：组合评估，看时间线。不是"这个决策对不对"，而是"过去 50 个决策里，这个人的判断是否系统性地好于随机？"需要耐心——年，不是季度——和纪律性地追踪每一个决策与结果。
这是我在后 Agent 时代的组织里分析过的评估基础设施问题，应用到团队内部。
4.2 文化从哪来
传统团队的文化从人际互动里长出来。午饭闲聊、走廊争论、一起踩坑的摩擦。当团队 90% 的"成员"是 AI agent 的时候，文化从哪来？
老实说：从那 5-7 个人身上来。小团队的人际关系、共同价值观、沟通方式就是文化。Agent 通过系统提示词继承文化——本质上就是上一篇分析的那个逻辑：手册是文化文件。
但这意味着文化更脆弱（依赖更少的人）也更显性（必须写下来，因为 agent 不能靠耳濡目染吸收文化）。Duolingo 的做法——把文化编码成原则和流程——变成了必需品。
工具时代考的是你能做什么。结果时代考的是你能判断什么。
AI 原生团队不是传统团队的缩小版。不是"用 AI 替代一些岗位"。是团队存在的理由变了——从"把事情做出来"变成"判断什么事值得做"。
现在能建这样的团队吗？能。碎片已经存在了。我自己的三人团队就在这个边界上运转。
但完整的 AI 原生团队还差一块拼图：品味的评估体系。谁先建出来——品味领域的"GAAP"——谁就解锁了 AI 原生组织的全部潜力。
在那之前，我们用手头最好的判断力建团队，在能实验的地方跑实验，接受一个事实：Agent 时代最重要的决定，暂时还得靠直觉。