未来属于会指挥 AI 的人
一个人指挥 AI 军团的超级个体时代
Block（Jack Dorsey 的公司）上个月裁了近 40% 员工——大约 4000 人。
官方说法不再遮遮掩掩。2022 到 2023 那批裁员爱用的"宏观经济不确定性"不玩了。这次 Block 直说：省下来的钱投 AI。
不是个例。越来越多的公司明牌在打——裁人不为缩减开支，是把人力预算转成 AI 预算。人不再被当作要保留的资产，而是可以被替换的成本。
别急着问"AI 会不会取代我"——那是旧世界的问法。
新世界里，什么人活得好？
最近听科技早知道 S10E01，David Shell（前 LinkedIn，现 Walnut AI CEO）在硅谷观察到的趋势让我想写这篇。不是播客复述，结合自己造东西的经验，聊聊"超级个体"到底意味着什么。强烈推荐去听原播客，信息密度很高。
现在 30% 以上的创业公司创始人是 solo founder。
五年前这个比例不可想象。创业过去是"凑队"的事——技术合伙人、产品经理、设计师、运营，齐了才能开始。一个人做不了什么，带宽就那么多。
AI 把等式改了。
不是 AI 能替你做所有事——是有系统性思维和 AI 编排能力的人，产出能放大 10 到 50 倍。过去五个人三个月做的事，现在一个人两周做出来。
一人公司正在大量涌现。AI 第一次让"一个人 = 一支团队"变得可能。
自己就是活的例子。盘盘猫——29 天，10 个 app，一个人 + Claude Code。没联合创始人，没外包，没团队。从八字排盘到塔罗到 MBTI 到星盘，全栈开发加产品设计加运营，全一个人。Mio v1——空仓库到语音 AI 伴侣，4 天。Mio v2——整个产品方向推翻重来，后端大重写，还是一个人。
不是 PPT。上线了，能用。
David 在播客里提了一个招人框架：AI 共生能力 + 系统性思考 + 协作能力。三个维度里两个跟"能不能写代码"无关。
这指向了很多人没想明白的现实：AI 的执行力不是瓶颈。
让 Claude Code 写 API endpoint，比大多数初级工程师快且好。让它做代码审查，比你仔细。让它跑并行 agent 同时做竞品调研、重构模块、写测试，全能干。
真正的瓶颈不在 AI 的执行力。在于谁来定义问题。
Naval Ravikant 说过很到位的话：AI 会适应你，不是你去适应它。Prompt engineering 是过渡期概念——长期看，模型会越来越擅长理解模糊的人类表达。真正不会被模型进步淘汰的能力：能不能清晰地定义问题。
David 在播客里反复强调："你更多地还是要从第一性原理出发。"解决什么问题？为什么是这个问题不是那个？能不能拆成独立的子任务？
举个例子。传统团队写测试：每个函数写 unit test，覆盖率尽量高。AI-native 的方式：从系统层面定义输入、行为和输出 contract，让 AI 生成测试。两种方式都能产出测试代码，后者的效率高一个量级。
不变的是什么？对"到底需要验证什么"的系统性思考。覆盖率是手段，不是目的。AI 改变了手段，没改变目的。能分清手段和目的的人，就是架构师。
关键词：调度能力。David 原话："AI 能力已经非常强了。这时候就考验你的调度能力。"你有一支 AI agent 军团，每个单兵能力都很强。
问题是：你知道怎么指挥吗？
"AI 用 1% 的时间完成 99% 的工作，后面需要花 99% 的时间解决那 1% 的细节。"
David 在播客里说的。过去半年最深切的体会。
用 Claude Code 做盘盘猫，每个 app 核心功能几个小时就能跑通。八字排盘算法、塔罗牌解读引擎、星盘绘制——AI 生成代码的速度快得离谱。
但每个 app 从"能跑"到"能用"，中间的路比想象远得多。
移动端滚动行为在某些安卓机型上的怪异。支付回调偶尔超时的边界情况。用户某个特定操作序列触发的状态不一致。文案的微妙语气问题让用户觉得"这个 app 不懂中文玄学"。
AI 能帮你解决大部分 bug。判断"这个交互是否让用户感觉对"——人的活。
工匠精神在 AI 时代有了新的含义。不是说手写每一行代码——那已经不合理了。AI 把 98% 到 99% 推完，最后 1% 到 2% 需要人的判断力、品味和对细节的执念。
那 1% 决定了产品是"能用"还是"好用"。
更根本的问题：AI 不知道该解决什么问题。你得告诉它。架构师的核心职能——不是 how，是 what 和 why。方向错的话，执行力越强越灾难。
Dario Amodei（Anthropic CEO）提了一个概念：半人马时代（Centaur Era）。不是 AI 替代人，不是人抵制 AI，而是人机融合——半人半马，能力远超纯人或纯 AI。
超级个体不是用 AI 替代自己。是用 AI 增强自己。
Agent 军团是你的认知能力延伸——像外骨骼增强肌肉力量，AI agent 在增强你的思考带宽。
David 分享了一个具体例子。要参加 1000 人的行业活动，想提前了解与会者的背景做 networking 准备。传统做法：一个一个查 LinkedIn，10+ 小时起步。他搭了一套系统：AI agent 批量抓取 1000 人的公开资料，交叉比对，生成结构化的优先级列表——谁是潜在合作伙伴、谁在做相关方向、谁值得深聊。
1 到 2 分钟就搞定了。
这就是编排能力的样子。从"我用了 ChatGPT"到"我设计了一套系统，让 AI 帮我做了过去需要实习生干一周的事"。
更打动我的一个例子：一个 18 岁的年轻人用 AI 工具做了一个心律失常检测的 app。不是 CS 专业，不是医学专业。他有领域知识知道这个问题值得解决，有系统性思维能把问题拆成可实现的步骤，有 AI 工具补齐了执行能力。
"人人可以是创业者"——这件事在 AI 出现之前只能当口号说。现在不需要加引号了。前提没变：你得有系统性思维去编排工具。工具给了所有人，能用好的人依然是少数。
David 说过一句话我特别认同："人的审美价值永远不会被 AI 替代掉。"
AI 能批量生成文章、图片、视频、代码。内容生产变得廉价。什么都能生成的时候，有真实经验和判断力支撑的创造反而变成了稀缺品。不是 AI 生成的东西不好——是太多了，多到失去了信号价值。
跟架构师的角色完美呼应。AI 能生成无限选项，最终得有人选择。选哪个方向、砍哪个功能、保留哪个细节、什么语气对、什么体验"感觉不对"——全是审美判断。
第一篇讲了 benchmark 不重要，重要的是系统。第二篇算了账：花一份订阅的钱，买到远超价格的算力。这篇讲的是人的部分。
造了东西才知道几件事。
Mio v1 粗糙得很。v2 推翻了 v1 的几乎所有东西。但 v1 必须存在——不 ship 就看不到真实用户行为，看不到就发现不了 v2 的转型方向。第一版是调研工具，不是产品。
盘盘猫十个 app，有些起量了有些没。没起的几天内就放弃了。AI 把试错成本压到了极低——该同时做三个版本然后丢掉两个。说实话自己也不够果断，总有冲动去打磨没 work 的东西。
学会拆问题，别学 prompt。真正复合的能力是把大问题拆成子问题。每次开工前写一份"做完了长什么样"的文档。不写的话代价就是浪费一天跟 AI 打转。
还有两件事不值得花时间。逛排行榜——花几周研究 GPT-5 是不是比 Claude 某个 benchmark 高 3%，最后什么都没 ship。现在的补贴窗口不会永远在的。只评论不动手——能把 AI 革命讲 45 分钟的人不少，用 AI 造过东西的人很少。我自己也是让 Claude Code 并行跑了好几个盘盘猫的任务之后，才算真的懂了 agent 编排是怎么回事。光看文章没用。