SW

Sherwin Wu

OpenAI API 工程负责人 | 前 Opendoor 工程主管

访谈主题:Engineering with AI, The Future of SaaS, and Management

"The models will eat your scaffolding for breakfast. (模型会把你的脚手架当早餐吃掉。)"
"软件工程师正在变成施法的巫师(Wizards),代码就是咒语(Incantations)。"
"This is the worst the models will ever be. (这是模型最差的时刻,未来只会更好。)"
深度复盘:软件工程的范式转移
+

AI 不仅仅是辅助工具,正在重构软件工程的三个基本维度:角色定义、工作流、协作模式

核心数据: OpenAI 内部 95% 的工程师每天使用 Codex;100% 的代码 PR 经过 AI 审查;使用 AI 的工程师 PR 提交量高出 70%。

1. 角色重构:从 Coder 到 Wizard

  • 观点 Vibe Coding 时代: 工程师不再纠结于语法细节,而是凭直觉(Vibe)和自然语言意图来指挥 AI。
  • 观点 IC 即 Tech Lead: 普通工程师现在管理着一支由 Agent 组成的舰队。你需要做的是“指挥”和“审查”,而不是亲自“搬砖”。
  • 隐喻 《SICP》的预言: 编程回归到了《计算机程序的构造和解释》一书中所描述的“巫师念咒语”的状态。咒语(Prompt)发出,精灵(Agent)去执行任务。

2. 工作流实验:极端测试 (The Escape Hatch Experiment)

  • 实验 OpenAI 内部有一个团队正在维护一个 100% 由 Codex 编写的代码库
  • 限制 无逃生舱 (No Escape Hatch): 当遇到问题时,工程师被禁止自己动手写代码修复,只能通过调整 Prompt 或增加上下文来让 AI 修复。
  • 发现 当 Agent 失败时,通常不是能力问题,而是上下文缺失 (Context)
  • 解法 解决之道在于显性化“部落知识” (Tribal Knowledge) —— 将工程师脑中的隐性知识转化为 Markdown 文档、Skill 文件,喂给 Agent。

🧹 魔法师学徒困境

The Sorcerer's Apprentice

隐喻:米老鼠让扫把自动干活结果失控。指工程师并发运行多个 Agent 虽高效,但必须具备在 AI "发疯"时清理混乱的高级能力,这对 Seniority 提出了新要求。

🏗️ 脚手架陷阱

Scaffolding Trap

开发者为了弥补模型当前缺陷而写的复杂逻辑(如过度设计的 Agent 框架)。"模型会吃掉你的脚手架",意指模型能力的通用提升会瞬间让这些工作贬值。

👔
AI 时代的工程管理
+

当 IC 的能力被 AI 放大 10 倍,管理者的职责也随之改变。

  • 洞察 方差扩大: AI 让优秀的人变得卓越(Exceptional)。顶尖人才利用 AI 获得的杠杆率远超普通员工。
  • 策略 50% 时间法则: Sherwin 将超过一半的时间花在 Top 10% 的高绩效员工身上,确保他们没有任何组织性阻碍(Unblocking)。
  • 隐喻 外科医生模式: 工程师是主刀医生(Surgeon),只需伸手(要资源/工具),管理者和其他人像护士一样配合,确保手术(开发)流畅进行。
  • 趋势 管理半径扩大: 借助 AI 总结文档和代码库,管理者能掌控更多上下文,未来管理半径可能从 6-8 人扩展到 20-30 人。
🚀
一人公司、B2B SaaS 与未来预测
+

关于“一人十亿美金公司”的推演

  • 一阶效应 确实会出现超级个体,一人利用 AI 杠杆创造巨大价值。
  • 二阶效应 (更重要) 微型 SaaS 爆发: 既然一人能做大公司,那么做中小公司更容易。未来会有成千上万个估值 1000万-5000万美金的微型 B2B SaaS,解决极度细分的垂直需求。
  • 三阶效应 服务外包化: 即使是一人公司也需要客服和运维。这些需求会被外包给专门的 AI Service 公司,形成新的生态。

被低估的机会

  • 蓝海 业务流程自动化 (BPA): 相比于写代码,传统的企业业务流程(有 SOP、高重复性、非技术领域)是更大的金矿。
  • 趋势 语音/多模态: 商业世界依赖沟通。原生多模态(Speech-to-Speech)将重塑销售和客服,这是目前最被低估的赛道。
🛡️
开发者生存指南:如何不被 OpenAI 颠覆
+

面对 OpenAI 极其快速的迭代,开发者的焦虑是真实的。

  • 警告 不要陷入“局部最优”: 客户现在想要的(比如更好的向量数据库逻辑)可能是因为模型不够强。如果你只听客户的,半年后模型变强,你的产品就没用了。
  • 法则 Build for where models are going: 要预判模型 6-12 个月后的能力(更长的上下文、更强的推理、原生多模态),基于未来的能力构建现在的产品。
  • 苦涩教训 AI 领域的 "The Bitter Lesson" 同样适用于应用层:任何试图把人类知识硬编码进系统的努力,最终都跑不过算力和通用模型的提升。
💡
Sherwin 的个人洞察与推荐
+
  • 书籍推荐 (科幻): There Is No Antimemetics Division —— 关于对抗“让人遗忘”的实体,脑洞极大。
  • 书籍推荐 (非虚构): Breakneck (Dan Wang) & Apple and China —— 深入理解供应链与工程文化。
  • Opendoor 往事: 在做房屋定价算法时,发现户型图 (Floor Plan) 的好坏极难量化但影响巨大;高压线前门的感觉 (Curb Appeal) 是意外的高权重变量。
  • 生活信条: "Never feel sorry for yourself."(永远不要自怨自艾),保持 Agency(能动性)。
Generated based on Sherwin Wu x Lenny's Podcast Interview

原文

源链接