专栏 · AI 时代的产品经理 › 第 186 期 · AGENT 工程 · 收录于 2026 年 8 月 21 日
构建并组织一家 AI 原生公司
TB
Tom Blomfield · YC Root Access
2.6万观看
579赞
2.2%点赞率
28评论
37.2万频道订阅
数据截至 8 月 27 日
TL;DR · 三句话
- 一今天几乎所有公司的组织架构图，底盘还是两千年前罗马军团那套「靠人当传导管道」的科层结构——指令一层层往下传、报告一层层往上收，中间每一环都是人；AI 真正拆掉的不是某个具体岗位，而是「组织必须按层级搭、人是那个协调机制」这个从没被质疑过的默认假设。→ 详细
- 二AI-native 不是把 AI 挂在公司边上当问答机器人，而是把公司重搭成一串自我改进的 AI 闭环：真实世界数据进来 → 策略层约束 → 工具层动手 → 质量闸门审 → 学习机制绕回来；关键判据只有一条——这一整圈能不能在没有人参与的情况下跑完，能，你睡觉的时候产品就在自己变好。→ 详细
- 三落地就三板斧：烧 token 别烧人头（砍掉中层，只留 IC 和 DRI 两种角色）、把公司里一切录下来做成 AI 可读的「company brain」、每个动作都必须留下产物——因为对 AI 来说，没被写下来或录下来的事，等于根本没发生过。→ 详细
01
开场先泼冷水：「没人知道该怎么做」——包括 YC 自己
- Tom Blomfield（YC 合伙人、英国数字银行 Monzo 创始人）只有 25 分钟，一上来就把免责声明摆在最前面：「没有人知道这事儿该怎么做。」 内容基于他一个月前（也许六周前）那场已在 YouTube 的演讲、这次加了新想法；素材来自 YC 正在合作的几百家公司——「如果有谁跟你说他已经全想明白了，那多半是在吹牛。」唯一的底气是内部实践：YC 有一支很强的软件团队，已经往 LLM 能力边界上推了两年，攒了一批用例，但他也说「我不觉得我们已经彻底想明白了」。→ 详细
- 一个具体到吓人的预言：到 2026 年底、最晚 2027 年第一批 batch，技术上可以做到全自动跑完 YC 的完整业务链——AI 读完所有申请 → 挑出面试名单 → 亲自面试 → 决定投哪几家 → 整个 batch 期间给运营建议 → 介绍投资人 → 审 pitch deck → 复盘融资会议哪里出了问题。他补了一句很诚实的括号：「至于我们敢不敢承担那个公关风险就不好说了。」相当一部分已经跑通并开放给创始人在用了。→ 详细
02
罗马军团：你的组织架构图，两千年没换过底盘
- 讲「什么是 AI-native 公司」之前，Tom 先从反面切：这是罗马军团的组织方式。最小单位叫 contubernium（八人帐篷组）——八个士兵共用一顶帐篷、一套装备、一头骡子，配一名 decanus（十夫长）；十个 contubernia 组成一个 century（百人队），而百人队实际上是 80 个人、不是 100 个（他特意点出这点最容易搞混）。→ 详细
- 罗马帝国靠这套结构把力量投射到北非、近东，一路推到英国的哈德良长城。运转方式是：指令一层层往下传，报告一层层往上收，全程负责当传导管道的是人。「诡异的是，两千年后的今天，我们基本还在跑同一套东西。」他顺手放了一张 Karpathy（AI 研究者 Andrej Karpathy）的推文配图，画的正是现代公司那张长得略有不同、原理一模一样的架构图。→ 详细
03
Jack Dorsey 点着的那把火：人不必再当协调机制
- 大概两个月前 Jack Dorsey（Twitter / Block 创始人）的一条推文把这个话题彻底点着了：我们心里都埋着一个默认假设——组织必须按层级来搭，人是那个协调机制。Tom 的判断是，AI 基本上把这个假设拆掉了：你不再需要用人来当协调机制。→ 详细
04
你现在用 AI 的方式，让你自己变成了那道闸门
- 大多数公司对 AI 的体验停在两级：第一级是把 ChatGPT 当问答机器人——丢进一个问题、吐出一个答案；第二级进化到 agent（能自己调工具、分步骤把活干完的 AI 程序，不只是问一句答一句），运行时间长一点，但本质仍是「你派活 → 它干到卡住 → 回来找你」。→ 详细
- 这里有个很扎心的比喻：你这个人类，就是那道闸门。「凌晨三点它跑到一半停下来等你输入，就再也走不动一步。」你睡着的时候，整个系统是停摆的。→ 详细
05
「提效 20%」是错的框架，该问的是「解锁了什么新能力」
- 按旧框架你能做的事无非是：让工程师效率提升 20%、给律师加个 copilot 让现有工作流好一点、用 AI 多发一点软件——这些全都仍然依赖人在每个环节当协调机制。（讲到这儿他被自己的幻灯片卡住，插了句「穿西装的人要来抓我了」。）→ 详细
- 换成「新能力」框架，答案完全不同：一个人能干的活可以顶过去几千人；你的整家公司变得「可查询」；你发出去的软件本身就是 agent-native 的（软件从设计上就是给 agent 调用的，不只是给人点的界面）。分水岭在于：多数公司是把 AI 「挂」在公司边上，而从地基开始把公司理解成一连串自我改进的 AI 闭环，会得到一个非常非常不同的结论。→ 详细
06
一个 AI 闭环长什么样：五层结构逐层拆开
- 第一层 · 真实世界数据入口：产品埋点数据、进来的各种消息——具体点名了计费信号、客服工单、代码变更。这一层决定了闭环有没有「感官」，没有真实世界的输入，后面全是空转。→ 详细
- 第二层 · 策略层（policy layer）：用大白话说就是「给这个 AI 立的规矩」——有哪些规则在约束它？哪些动作必须先申请审批？哪些必须留日志？ 这一层是你把风险边界写死的地方，写清楚了，后面才敢让它无人值守地跑。→ 详细
- 第三层 · 工具层：让它能真的动手——调用内部的 AI API、发邮件、更新账单。走 REST API 也行、走 MCP（Model Context Protocol，一种让 AI 统一接外部工具和数据源的标准接口） 也行，「随你」。→ 详细
- 第四层 · 质量闸门，这层是整段最反直觉的：闸门可以是人，但 Tom 的态度非常明确——「除了最极端的情况，都不该是人。」 质量闸门往往应该是第二个「对抗性」LLM：它盯着第一个的输出反问——我们是不是中了 prompt injection（提示词注入：外部内容里藏着指令，把 AI 骗去做它不该做的事）？或者在银行场景里问「我们这是不是在给投资建议？是还是不是？」是的话就得套上约束。他给工程师留了个最好懂的对照：质量闸门就是第二个模型来做 code review。 这条的意义在于——把人从闸门位置上换下来，闭环才可能 7×24 转。→ 详细
- 第五层 · 学习机制：把环闭上——部署上去、做了改动、看它对真实世界产生了什么影响，再拿这个反馈回到第一层。判据只有一句：「如果这一整圈能在没有人参与的情况下跑完，那你睡觉的时候，你的产品在自己变好。」→ 详细
07
那个「脑子炸掉」的数据 agent：从「英语转 SQL」到「夜里自己提 PR 修自己」
- 底座：YC 手里有 7,000 家公司、20,000 名创始人、几十万份申请的数据。一两年前他们做了第一个 agent——本质是「英语转 SQL」的数据查询工具：你问「这一批里欧洲创始人和美国创始人的比例是多少？」，它把人话翻成 SQL、跑一遍、把答案端回来。→ 详细
- 但 Tom 对第一层的评价其实很冷淡：这只是「让数据分析师效率提升 20%、30% 的工具」；对他自己是「合伙人效率提升 10%、20%，而且我不用去招一个数据分析师。也就还行吧。」——它老是撞上边界情况，有些事就是干不了，「我就想，唉，真烦。」 这正是第五节说的旧框架的天花板。→ 详细
- 转折在两三个月前：他们上线了第二个 agent，架在这个数据查询 agent 之上。这第二个 agent 在夜里跑，把白天所有人跑过的查询全翻一遍，分出成功和失败——成功的信号是「我把结果复制走了、发了邮件、干了点什么」；失败的信号是「这玩意儿没跑通、撞上权限问题、数据库索引不对、或者它申请了一个自己没有的权限」。然后它通宵去提 pull request（代码改动申请）把前一天的问题全修掉。「于是第二天你这个人类回来，跑昨天那条一模一样的查询，它现在能跑通了。」→ 详细
- 为什么这是他口中的「脑子炸掉的时刻」：因为「评估系统在干什么 → 提出对系统的改动 → 更新系统」这三步一旦连成环，系统就不再是你维护的工具，而是会自己长大的东西。注意这里最巧的一步是成功/失败信号是从人的行为里白捡的——没人填反馈表，复制结果、发邮件这些自然动作就是标签。→ 详细
08
PostHog 把同一招用在产品上：整个产品面自我改进
- 同场早些时候 PostHog 的 James 讲过他们的做法：把全部产品埋点数据吃进去 → 看哪里坏了 → 提 pull request → 最后自动合并，于是整个产品面变成自我改进的。→ 详细
- 运转所需的「人类输入」只剩两样：一组你想优化的核心指标 + 一堆产品愿景文档（写清楚什么在范围内、什么在范围外）；剩下的是 AI 看埋点 → 想点子 → 部署上线 → 拿真人测 → 看指标动没动 → 自己迭代自己。→ 详细
09
这一切本质就是「爬山」，而机器不用睡觉
- 大概三周前 Copacetic 发过一条推文讲「自动做研究」：让 AI 在 GPT-2 量级的模型上自己想研究点子、自己测、通宵跑，一路爬山。→ 详细
- 「其实这一切都是爬山（hill climbing）」——只要有一个可量化的最终结果，剩下就是：想点子 → 测 → 往山上走了还是往山下走了？往下丢掉，往上留着，接着爬。计算机特别擅长这活，因为它们从不停下来，会一直跑到局部最优。「挺酷的，因为它们不用睡觉。」→ 详细
10
3,000–4,000 小时 office hours，把 500 页死手册变成一份活的指南
- 问题的起点是一件很人性的事：Tom 拖延症犯了。 YC 内部有一本过去 15 年一点点写出来的「使用手册」，大概 500 页，很多内容放在五年前非常好——然后 AI 来了，一大堆建议已经不适用了。他被派了重写其中一大块的活，「然后我一拖再拖、拖了又拖。」→ 详细
- 转机来自另一条线：大概六个月前 YC 开始把 office hours（合伙人和创始人一对一答疑）录下来，现在攒了三四千小时录音。团队里的 Harj 提了个想法：要不把录音全转写出来，把我们在 office hours 里真正给出的建议全挖出来，拿这些去重写使用手册？→ 详细
- 于是手册从「文档」变成了「闭环产物」：当建议本身发生变化时，AI 看到人类在说什么 → 把洞见提取出来 → 直接重写使用手册 → 推上去。「于是它变成一份『活的』指南，反映我们实际是怎么给公司提建议的。」——这一步的精髓是：它对齐的不是「我们号称的最佳实践」，而是「我们真实在说的话」，SOP 与实操之间那条永远存在的裂缝，第一次被自动缝上。→ 详细
11
建议 agent：16 位合伙人的记忆合体，给出「超越人类水平」的建议
- 手册一旦是活的，下一步就顺理成章：把整份东西做成一个「建议 agent」能查询的知识源。 因为创始人在 Slack 里问的问题高度雷同——「第一个客户该怎么定价」「我第三个客户快流失了怎么办」「这个客户提了个很偏门的需求怎么办」——这类问题的各种变体「我们已经回答过大概 500 遍了」。→ 详细
- 真正的增量不是省事，是换了一种建议的品类：现在 AI 不只能给出 Tom 的答案，还能告诉你「Niccolo 会怎么回」「Harj 会怎么回」。他的原话是：「我认为这东西真的能给出超越人类水平的建议，因为它的记忆是完美的，而且能同时调用 16 位合伙人的智慧，而不是只有一个记性还不靠谱的人。」→ 详细
- 注意这里的复利结构：录音 → 转写 → 挖建议 → 重写手册 → 喂建议 agent → agent 的回答又发生在 office hours 和 Slack 里 → 再被录下来。「这些闭环可以在后台一直跑，然后越来越好、越来越好、越来越好。」→ 详细
12
给 agent 一台虚拟机，你就有了一个「AI 员工」
- 下一步是给 agent 一台虚拟机（VM，一台它自己专属的云端电脑），配上四样东西：搜网页、爬公司内部通讯录、搜 Slack 历史记录，以及持久化的文件存储——最后一样的用处很具体：它可以先想出一个计划、把计划写到磁盘上，万一中途挂了还能接着往下跑。→ 详细
- 再加上写代码、执行代码解决问题，然后对照计划看效果、调整、再来一遍——「到这一步，你基本就有了一个 AI 员工。」目前还在非常早期，像 OpenClaw 或 Hermes 这类东西，本质就是一台 VM，里面住着一个 agent，在一个不断重复的循环里跑。→ 详细
13
「company brain（公司大脑）」到底指什么
- 先说现状：YC 内部已经有几个这样的闭环了，但偶尔还是得有人介入——「这个环跑歪了」，或者「把那边的洞见挪到这边来」。他认为再往后会发生的，是这些闭环开始互相对话：AI 员工之间交换想法、重新规划、互相评估。（他也吐槽这个词已经被用滥：大概六周前突然火起来，两周前他在台下已经看到有人穿着印了 company brain 的 T 恤。）→ 详细
- 定义借的是 Jack Dorsey 的话：「在传统公司里，智能分散在每个人身上，而层级结构把它钉死在那儿。在这个新模型里，智能存在于系统之中。」→ 详细
- 他用 SOP 的困境把这句抽象话讲实了：非常多的公司都试图把标准作业流程写下来——事情应该怎么做。但你真去观察员工实际怎么干活，他们会说「哦，遇到这种边界情况，其实我该那么做才对」。有大量东西留在人的脑子里，而这些东西如果不待在脑子里、而是真被写下来，你能从中榨出巨大的价值。→ 详细
- 所以 company brain = 三件事叠在一起：① 把公司里所有数据拿出来（对 YC 来说就是申请数据、和每位创始人每次会议的通话转写、给出的建议、挑公司的方式）；② 记录下来并做成「可读的」，做到 AI 能全部访问；③ 搭一堆强化闭环无限期跑下去、还能互相对话。三件齐了，「整家公司就变成了一家自我改进的公司」——「你不停地往里灌 token，模型能拿到你全部的数据，整套系统就开始自我改进。」→ 详细
14
人待在边缘：模型去不了的地方，才是人该在的地方
- 图景是这样的：中间是公司大脑、数据、自我强化的循环；人分布在边缘——也就是这套智能跟现实世界发生接触的地方。→ 详细
- 他引 Jack Dorsey 的那段话，值得原样记住：「人能伸进模型还去不了的地方，能感知模型察觉不到的东西——直觉、有主见的方向感、文化语境、信任关系、一个房间里的气氛。」 人负责做那些不该由模型自己拍板的决定，尤其是伦理判断、从没遇过的新情况，以及一旦错了代价就是生死存亡的高风险时刻。→ 详细
- 最狠的一句是：「一个碰不到真实世界的世界模型——这个所谓的公司大脑——那不过是个数据库罢了。」 所以人的位置具体在哪儿？在销售会谈里、跑到客户办公室安抚对方、说服 CEO、向投资人 pitch——全是带情绪的、人跟人打交道的事。→ 详细
- 但被切走的那一半要说清楚：信息传递这件事不再需要人了。「所有信息会自动路由到需要它的那个人手上，不用再一层一层往上走审批。」——人保留的是感知与拍板，交出去的是当传导管道。→ 详细
15
第一条实操建议：烧 token，别烧人头
- 他自己先替听众问了那个合理的疑问：「理论上听着挺美，可这不有点像科幻吗？真会发生吗？谁知道呢。那我们现在具体能做点什么，让它真的发生？」 接下来是 YC 现在真的在给创始人的几条建议。→ 详细
- 第一条：烧 token，别烧人头。 证据是实打实的：「我们看到有创始人走到 Demo Day 时已经做出一百万美元营收，还有的拿 A 轮时营收一千万美元，而团队人数只有过去的零头。」→ 详细
- 他对倍数的表述很克制，反而更可信：「到底是不是一千倍可以争，但至少是好几倍。一个真正会用这些工具的多面手（polyglot），抵得上过去好多个人。」 直接推论是整家公司的人数都会更少——「尤其意味着一件事：不要中层管理。我们真心觉得，你不再需要一层又一层的总监和 VP 了。」→ 详细
16
只剩两个角色：IC 与 DRI
- 角色一 · IC（individual contributor，一线执行者）：每个人都得亲手干活，「开会时带来的是能跑的原型，不是一堆 PPT」。→ 详细
- 角色二 · DRI（directly responsible individual，直接责任人），他说这恰恰是很多公司最缺的东西：有一个人把脑袋押上去，负责让这件事成。「一旦变成委员会制就完了——我在银行待过，什么事都有一堆委员会，最后就是一切都停摆。」（这是他 Monzo 之前的银行经历在说话。）→ 详细
- 这两个角色是最重要的；中层管理则会消失。→ 详细
17
把一切变得「对 AI 可读」：录下来、禁私聊、每个动作留产物
- 总纲：把组织里的一切都做成「legible（可读的）」——他特意解释了这个词：「legible 这个词现在在硅谷特别火，意思就是能被读取。」 落到实处就是把你所有的数据都变成 AI 读得懂的形式，而不是留在人脑和口头会议里。顺带一句很关键的时机提示：「越早期越好办。」→ 详细
- 动作一 · 什么都要录：每一个会都要转写成文字。（回看第十节——三四千小时 office hours 录音正是这条纪律攒出来的资产。）→ 详细
- 动作二 · 干掉暗流：「如果你没法读取 Slack 私聊，那我干脆就禁掉 Slack 私聊，所有沟通都放在 AI 能访问的公开频道里。」 这是全场最激进的一条组织纪律——私聊不是隐私问题，是「大脑读不到的盲区」问题。→ 详细
- 动作三 · 每个动作都必须留下产物（artifact）：一份写下来的或录下来的版本，「否则对 AI 来说，这件事根本就没发生过。」 这句话是整场演讲最可操作的判据——你可以拿它去审自己的任何一个流程：这一步做完，AI 看得见吗？→ 详细
- 动作四 · 内部软件随取随做：公司所有内部运营都用「on-demand（随取随做）」的内部软件来跑，「这是绝对必要的」——过去要排期立项才能做的内部工具，现在应该是想到就让 AI 搭出来。→ 详细
18
模拟投资人电话：把对话「另一侧」的数据也吃进来
- 他分享了一件「我们最近刚开始做、好像还没对外讲过」的事（补了句「反正早晚也会传出去」）：销售会谈录音喂回 AI 问「我这场谈得怎么样」已是常规操作，那如果把跟投资人的会也全录下来呢？ 第一层价值（对单个创始人）是直接告诉他 pitch 的问题出在哪——「你 90% 的时间都在自己讲」「这个问题你答砸了」「你的 go-to-market（进入市场策略）得说得精炼得多」；成本极低，而很多 YC 创始人一轮要打 40、50、60 场投资人电话，录了音全丢进去就有反馈。→ 详细
- 第二层价值才是杀招（对话另一侧的聚合数据）：几百上千家公司每三个月见的是同一批投资人，于是可以模拟一场投资会谈——「Andreessen Horowitz 的每一场投资会谈到底怎么走，一清二楚；Founders Fund 会问你这个问题、那个问题；某位特定的合伙人一定会问：你的切入点（wedge）是什么？ 或者：如果 Anthropic 也下场来做这件事，你的护城河在哪？」然后再告诉你这个问题怎么答最漂亮。→ 详细
- 伦理上他一点不含糊：「我对这么干一点心理负担都没有，因为我百分之百确定，那些投资人也在录音，也在把内容灌进他们自己的 AI 里。」——这句话顺带交代了一个正在发生的事实：录音+喂 AI 已经是双向军备竞赛，不参与的那一方单方面吃亏。→ 详细
19
收尾一问：如果你今天创业，你会照这样搭吗
- 全场的落点是一句话总结加一个反问：「只要你能把它录下来、能让它变成可读的，AI 就能开始理解它，然后给你超能力。」——然后是那个真正的钩子：「如果你今天要创业，你会照这个方式来搭公司吗？」→ 详细
- 他强调了「早」的红利：原版演讲是讲给非常早期的 YC 创始人听的，「而你们大多数人甚至更早期，团队小到完全可以从第一天就把它搭对。」——潜台词是，这套东西对已经有层级、有历史数据债的公司是改造，对刚起步的人是默认设置。→ 详细