追踪「把一家公司打造成能自动升级的 AI 原生组织」这条路上，全球最优质的观点、实践、案例与工具。
不同之处：这里的内容来自一个真实运营中的一人公司——元智宇寻。我们不做二手转述，只写自己跑通过的闭环。
本页每周自动更新 · 英文原帖保留原文并附中文翻译 · 基石文档见下方
在讨论任何工具、模型或组织形态之前，先建立一套共同语言。这就是为什么每一期观察站都把基石文档放在最前面。
一家 AI 原生公司的核心不是「用了多少 AI 工具」，而是把哪些判断权留给人、把哪些执行权交给 agent，以及用什么产物把两者接起来。这份手册给出六个阶段的完整产物链、人机分工边界与治理规则，全部来自一个真实运营中的一人公司。
追踪 X 上最重要的 builder 和 thinker。英文原帖保留原文，附中文翻译。信号按「对组织设计的含义」筛选，不按热度。
"THE APP STORE JUST HAD ITS FIRST REVENUE DROP IN HISTORY."
应用商店出现了历史上第一次营收下滑。
为什么长期挂在这里：开发者正在成批离开「应用商店分发 + 手工写代码」的旧世界，转向 agent 驱动的个人工作流。这是「AI 原生工作方式开始替代旧软件生态」最早的可量化信号之一——也正是为什么值得把一家公司按 AI 原生重建。
"At Anthropic, Claude now writes 80% of our code. Engineers ship 8x more code per quarter. Side effect: Tests grew 10x. CI jobs up 25x in 6 months."
在 Anthropic，Claude 现在写了我们 80% 的代码，工程师每季度交付的代码量是过去的 8 倍。副作用：测试量涨 10 倍，CI 任务量 6 个月涨 25 倍。
对组织设计的含义：AI 原生组织的瓶颈已经不在写代码，而在 CI、测试和验收基础设施。如果你的公司上了 agent 却没动验收环节，产出不会真的变多——只是把拥堵点往后推了一段。
来源 · x.com/addyosmani/status/2099577600159158765
"Prototypes and other throw-away code can be treated as totally black box… Production code written by Claude should have a higher bar than if it was written by a human."
原型和一次性代码可以完全当黑盒——反正要扔，爆炸半径低。但 Claude 写的生产代码，质量门槛应该比人写的更高。
对组织设计的含义：「分级验收」框架——爆炸半径决定你要读多少代码。他还提出「engineering 的其他部分会在 6-12 个月内变成像几何、历史那样的背景技能」。这是「怎么管 agent 写的代码」的第一人称答案。
来源 · x.com/bcherny/status/2098217571153838124
"Rather than creating a chat for every task, you work with a coordinator agent in a single, persistent thread. Your agent is always on…"
发布 Projects：不再为每个任务开一个对话，而是在一条持久线程里与一个「协调者 agent」协作。它常驻在线，主动用子 agent 管理工作，共享 memory/plans/demos。
对组织设计的含义：IDE 的形态从「开聊天」变成「常驻协调者 + 子 agent 池」。这正是「无人公司」在工具层的雏形——不是人给 agent 派活，而是 agent 自己排活、人在关键点介入。
来源 · x.com/cursor_ai/status/2098162488013455784
"We're 2,200 PRs deep on GH now and getting nearly a hundred new ones every day. I'll never be able to catch up. Agents will help, but we need humans too."
GitHub 上已经堆了 2,200 个 PR，每天还新增近百个，我永远追不上。agent 会帮忙，但我们也需要人：欢迎有深厚 Linux 功底、习惯 agent 优先工作方式的人加入新组建的 triage 团队。
对组织设计的含义：AI native 不是「不需要人」，而是人的岗位变了——分拣、验收、把关。一个开源项目的 PR 洪峰，逼出了「agent-forward 的人类分拣团队」这种新岗位。
来源 · x.com/dhh/status/2098755120540393908
"To get into 'hot' AI-native companies, you'll need to have had 'battle scars' solving similar problems that they struggle with."
想进热门 AI native 公司，你需要有解决过同类问题的「伤疤」。这本身就是不买现成厂商方案、自建 AI 基础设施的充分理由——亲手看看香肠是怎么做出来的。
对组织设计的含义：对正在转型的公司是个反直觉建议：现在自建 AI infra 的混乱期，恰好是团队积累不可替代经验的最佳窗口。买方案省的是时间，丢的是组织能力。
来源 · x.com/GergelyOrosz/status/2098426041895416274
"Devin just got a Mac. Now Devin can build & test apps on its own Mac VM, send a screen recording via Slack, and send a TestFlight link."
Devin 拥有了自己的 Mac：在自己的 Mac 虚拟机上用 iOS 模拟器构建和测试 App，通过 Slack 发屏幕录像，直接发 TestFlight 链接让你上手试用。
对组织设计的含义：agent 的边界从「写代码」扩展到「拥有一台电脑」。交付物从 PR 变成可直接安装的 App——agent 开始承担完整的开发-交付闭环。
来源 · x.com/cognition/status/2099887193804112190
不看发布会 PPT，只看谁真的把组织结构改了——以及改的代价是什么。
Claude 写了公司 80% 的生产代码，工程师交付量 8 倍——代价是测试量涨 10 倍、CI 任务 6 个月涨 25 倍。工程团队的应对不是限制 agent，而是重建测试影响分析系统，按变更影响选择性跑测试。瓶颈从「写代码」移到了「验证代码」。
来源 · Anthropic Engineering · 2026-09-15
内部「agentic 软件工厂」被深度拆解：agent 参与从代码生成到性能回归的全流程。头部实验室的工程组织不再是「人用工具」，而是「人管理 agent 流水线」。
来源 · Pragmatic Engineer · 2026-09-15
把传统 10-15 人的团队单元（pod）压缩到 3 个人 + AI agents。CEO 在全公司强制推行 AI 工具。「你的同事是 AI agent」从段子变成组织架构图。
来源 · The Wall Street Journal · 2026-09
项目在 GitHub 上堆了 2,200 个 PR、每天新增近百个。DHH 的应对不是关门，而是组建「agent-forward 人类 triage 团队」——人负责分拣和把关，agent 负责干活。AI 原生项目催生的第一个新工种正在成形。
来源 · X @dhh · 2026-09-12
EV 充电平台披露其 AI 原生组织实践：HR 招聘代理筛简历、销售外联代理跑触达、PRD 由 spec 代理生成、运营有「CoOperator」代理。CEO 的总结：AI-native 不需要大公司。（注：公司自述，供参考而非背书。）
来源 · AMPECO Blog · 2026-09
一家真实运营中的半导体猎头一人公司：200+ 可复用 AI 技能、15+ 招聘项目并行、20+ 自动化任务常态运行。用「人负责判断、agent 负责执行」的方式，把传统需要 10 人团队的交付量压在一个人身上。不是案例研究，是正在跑的系统。
来源 · 本项目 · 持续更新
本周的主旋律是「生产代码要有更高的质量条」。以下是从这个角度看过去信息密度最高的几篇。
Agent 让代码产量爆炸后，CI 成了新瓶颈（任务量 6 个月涨 25 倍）。Anthropic 的答案是测试影响分析：按变更影响选择性跑测试，而不是全量。任何用 agent 量产代码的团队都会撞上这堵墙，先读这篇。
OpenAI 内部 agent 工厂的深度报道：agent 怎么参与从代码到性能回归的全流程。继 Anthropic playbook 之后，第二家头部实验室的工程组织形态被完整记录。
讲 Codex 的 code review 怎么设计和调优——与 Anthropic 侧的 Boris Cherny / Addy Osmani 观点互为对照。质量闸门从「人的自觉」变成「流程的设计」。
Agentic engineering 系列仍是 Coding Agent 实战的标准参考。他本周附和了 Boris 的生产代码质量条：「Claude 写的生产代码应该有比人写的更高的标准」。
只收录能改变「agent 怎么被治理」的项目，不收录单纯的模型发布。★ 数据为收录时快照，以仓库实际为准。
Agentic coding 工具的事实标准，也是 AI-native SDLC playbook 的工具载体。
TypeScript agent harness，强调可组合的 agent 工作流定义。
Claude Code 生态的 awesome 清单：hooks、skills、工具、工作流。
LangChain 团队的 Python harness，标准化了规划、文件系统访问、子 agent 的接口。
NVIDIA 出品的 auto-research loop harness：让 agent 自动跑「假设 → 实验 → 验证」的研究循环并持续优化效率。
前面五节都是别人的信号。这一节是我们的。如果一个方法我们自己没跑通，就不会写进这里。
元智宇寻是一家半导体高端人才猎头的一人公司。核心不是「用 AI 写文案」，而是把整条业务链路拆成「AI 可执行段 + 人必须判断段」，用产物和自动化把两段接起来——需求澄清、人才地图、简历筛选、匹配评分、破冰话术、报告生成、反馈回流、画像迭代，全部有对应的 agent 流程与人工闸口。