AI驱动的组织变革：Block CTO的实践分享

Lenny总结的金句：一个永恒的创业座右铭

“

Just focus on your core competencies and then buy everything else.

专注你的核心竞争力，然后购买其他一切。

- 主持人 Lenny's Summary

背景解读：

这句话是主持人Lenny在听完Dani分享“自研内部工具的陷阱”后提炼的总结。Dani指出，即使AI让自研非核心工具变得更容易，但其长期的维护成本、分散团队精力的代价是巨大的，会拖累公司对核心目标的追求。这个座右铭强调了企业应将所有宝贵的工程和产品资源，全部集中在那些能定义其市场地位、直接为客户创造价值的核心业务上。

对于所有非核心的功能（例如内部管理系统、IT支持工具、数据仪表盘等），则应优先选择购买成熟的第三方SaaS解决方案，而不是耗费精力去“重新发明轮子”，即使自研看起来“更快”或“更省钱”。

AI对软件工程生产力的真实影响

核心观点：关于AI生产力提升的争论（“过度炒作” vs “革命性”），Block的实践数据给出了明确的答案：AI确实带来了显著收益，而且“今天的成果，就是未来最低的基线”。

Block内部生产力数据：

AI先锋工程师团队：通过深度使用AI工具，每周平均节省 8到10小时 的工作时间。
全公司范围：跨越工程、支持、法律、风控等所有团队，AI工具正在帮助公司节省约 20%到25% 的“人类手动工时”。

最大的受益者（一个意外的答案）：

迄今为止，AI赋能的最大受益者是公司的非技术人员。他们通过AI Agent（如Goose）为自己的工作流程构建小型自动化工具，极大地减少了对工程团队的依赖。这反过来解放了工程师，让他们能更专注于核心和复杂的工程挑战，这本身就是一种巨大的生产力提升。

未来的软件开发：从“重构”到“重生”

AI正在从根本上改变软件的生命周期和开发哲学，预示着一种全新的工作模式。

未来工程师的工作模式：

7x24小时不间断的AI Agent：LLM不应该在夜晚和周末“闲置”，它们应该持续工作，预测需求，主动构建。一位Block工程师已在实验让AI Agent（Goose）实时观察他的工作，并在他与同事讨论后，主动编写代码提交PR。
大规模并行实验：开发者不再需要因资源有限而小心翼翼地选择一个“最佳”方案。未来，开发者可以描述多个不同的想法，让AI在一夜之间全部实现，第二天早上再挑选最好的一个，其余的全部丢弃。
“一次性代码”与“每日重写”：“不要重写”的传统软件工程金科玉律可能被打破。由于AI生成代码的成本极低，开发者将更频繁地“扔掉”不满意的代码甚至整个系统，然后从头开始生成一个更好的版本。终极设想是：“如果我们每次发布新版本时，都把旧代码全部删除（rm -rf），然后从零开始重新构建，世界会怎样？”

AI的局限性：目前，AI在处理需要深厚经验的领域仍显不足，例如复杂的系统架构设计、并发问题（Race Conditions）、全局性的流程优化等。这些高阶抽象思维和判断力仍是高级工程师的核心价值。

反直觉的工程哲学：代码质量 vs. 产品成功

最反直觉的教训：代码质量与产品成功毫无关系。

许多工程师执着于代码的优雅和完美的架构，但这并非产品成功的决定性因素。产品的核心是为用户解决真实问题。

经典案例：YouTube vs. Google Video

YouTube被Google收购时，其技术栈在Google的工程师看来“烂到无法直视”（例如，视频文件作为Blob存储在MySQL数据库中，后端是性能相对较低的Python）。而技术上远为先进、架构更优越的Google Video却彻底失败了。这个案例雄辩地证明，快速满足用户核心需求（即时分享短视频）远比追求技术上的完美更重要。

对工程师的启示：

与其过度陷入“我们需要重构”的循环，不如时刻回归初心：“我们正在为谁构建？我们正在解决什么问题？” 大部分代码可能在明天就会被AI重写或被整个扔掉，因此应专注于快速交付用户价值。

组织变革：比AI更重要的生产力引擎

核心观点：在引入任何强大的AI工具之前，Block进行了一项“枯燥但至关重要”的组织变革，其对生产力的提升甚至超过了AI本身。这个变革就是从 GM（总经理）制 转向 职能（Functional）制。

两种组织架构的对比：

旧的GM制：公司是多个独立业务单元的组合，每个单元都有自己的工程、设计团队。这导致了技术孤岛、重复建设和战略分散。在这种模式下，工程 headcount 往往被视为一种可以随意增减的“商品”。
新的职能制：公司按职能重组，所有工程师向一个工程主管汇报。这一变革受到了史蒂夫·乔布斯重返苹果后所做改革的启发。

对工程团队的影响：这一结构性调整，使得公司能够：

集中力量办大事：能够形成统一的技术战略，集中资源投入到像AI这样的基础平台建设上。
打破壁垒，促进复用：工程师可以在不同业务间流动，技术和工具（如Goose）可以被整个公司共享，避免了重复造轮子。
回归技术初心：重新将公司定位为一家“技术公司”，将工程和设计放在首位，追求技术卓越。

这印证了康威定律（Conway's Law）一个组织的沟通结构决定了其设计出的系统结构。简而言之，公司“设计”出的产品，其实是其组织架构的镜像。：组织架构的改变是技术和产品变革的先决条件。

揭秘Block的秘密武器：AI Agent “Goose”

Goose是Block内部开发并开源的一款通用AI Agent，它不仅仅是一个聊天机器人，更是赋予了大型语言模型（LLM）“手和脚”的平台。

Goose核心技术与能力：

工作原理：基于Anthropic提出的模型上下文协议 (MCP)Model Context Protocol：一套标准化的“包装器”，可以将任何现有的软件工具（如数据库、API、命令行）的能力暴露给LLM，使其能够调用和操作这些工具。，Goose能够动态地调用和编排公司内外的各种软件和系统。
全能任务处理：一个简单的指令，如“帮我制作一份营销报告”，Goose可以自主完成编写SQL、分析数据、生成图表、整合报告并发送邮件等一系列复杂任务。
开源与生态：Goose是完全开源的，任何公司都可以下载、使用和扩展，为其添加针对自己内部系统的MCP。它甚至可以编写自己的MCPs，实现自我扩展。