我们每天为你更新硅谷最新的 AI 创业与科技播客总结，让你与前沿保持同频。
“Agent 会增加 SaaS 的用户数量，不会把它消灭。"
“自动化是一种谎言，每个 Agent 都需要一个人。”
“PM 和设计师会变强，前提是他们亲自上手 AI。"
Dan 是 Every 的创始人兼 CEO，也算最早一批把 Claude Code、Codex、Cursor 用进非工程工作的创业者。他上次在节目里提醒大家别低估 Claude Code，一年后，这个判断被大量公司内部的实际用法验证。Every 现在接近 30 人，团队里有工程师、设计师、作者、编辑、销售和客服，几乎每个人都在用 AI 做日常工作。Dan 这次给出的结论很直接：PM 和全栈设计师会变强，前提不在于写更多文档，落点在于把模型带进真实工作流。
先别预言未来，先住进去
Dan 说 Every 判断 AI 趋势的方法，没有停在会议室预测，而是把团队放进新工具里生活。他们会试模型公司刚放出的版本，也会在日常写作、产品、销售、客服里折腾新工具。Claude Code 当年刚出来时，他们只觉得有点早；到了 Sonnet 3.5、3.7 附近，团队发现代码编辑器的重要性被削弱了。判断一个工具有没有未来，Dan 用的是 reach test：早上醒来，会不会自然伸手去用它。 如果一个工具让人不自觉打开，它就已经跨过了“新奇”阶段。
“你不该做预言家。你该做的，是一起住进未来。”
Every 的特殊之处在于，它把这种试用变成组织习惯。工程师、设计师、作者都在同一个小环境里互相观察：谁用 Claude Code 写作，谁让 Codex 查邮件，谁把 Cursor 用到产品原型里。Dan 认为，未来并不靠一句宏大判断出现，而是在一群人反复把新工具接进旧流程后，慢慢显形。
他还强调写作的作用。团队一边试工具，一边把观察写下来，很多变化才会被命名。Claude Code 从工程终端延伸到整理硬盘、写作、修文件，最早看起来像小技巧；等 Every 内部反复用，Dan 才意识到非工程人也会把 coding agent 当作电脑里的工作伙伴。
公司会先养一个超级 Agent
Dan 对工作方式的第一个预测，是公司里会出现一个人人都能调用的“超级 Agent”。他原本相信每个人都会有一个个人 Agent，像一张平行组织图；但 Every 用 OpenClaw 后发现，个人 Agent 维护成本太高，普通人不想 SSH 到服务器里排查问题。Shopify、Ramp 这类公司已经开始尝试公司级 Agent。现阶段最稳的做法，是先让一个人或一个小团队负责把 Agent 养好，再服务整个组织。
“为了让一个 AI Agent 有用，它现在真的需要一个在乎它的人。”
这对产品团队很现实。很多公司会先把数据查询、内部知识检索、运营支持交给一个 Slack 里的 Agent。它要成为工作系统的一部分，就需要有人持续补上下文、修坏掉的流程、整理用户提问。Dan 的判断是，Agent 会从公司顶部的通用能力开始，逐渐下沉到团队和个人。个人 Agent 会来，但要等模型和产品形态再稳定一点。
Lenny 追问它会不会主要发生在 Slack，Dan 的回答偏向肯定。工作 Agent 留在 Slack，个人 Agent 负责订菜、整理电脑、处理私事，两者分开会让人更安心。很多组织接下来要补的能力，可能要少买一个聊天机器人，多安排一名懂业务、会维护上下文、愿意看日志的维护者，让 Agent 持续可用。
Codex 会变成知识工作的桌面
第二个预测更贴近个人工作台：大量工作会发生在 Codex、Claude Co-work 这样的环境里。Dan 说，Claude Code 的突破在于把 Agent 放到你的电脑上，它能用终端，也能拿到你本来就有权限访问的文件和工具。Codex 桌面端进一步把浏览器、项目线程、电脑操作放在同一处。Dan 现在为每个项目开一个 Codex 线程，写文档时打开浏览器，让 Codex 看着他在 Proof 里写，也让它随时去查资料、整理邮件、找文件。
“大部分工作都会发生在 Codex 或 Claude Co-work 这样的环境里。”
他举了一个很小但有力的例子：自己连续 10 天保持 inbox zero，是因为 Codex 会配合 Every 的邮件 Agent Cora，把邮件变成一个页面。他只需要对每封邮件口述处理意见：去查这件事、找过去四年的合同、起草回复。AI 不再只是某个 SaaS 里的按钮，它开始成为你进入 SaaS 的外壳。
这里的变化不只关乎工具入口。Codex 线程能看到项目文件、浏览器页面和用户正在操作的文档，能把一封律师邮件和过去四年的合同连起来，也能把一个产品想法和当前代码库连起来。Dan 说自己仍会在 Claude 和 Codex 间切换，但当前日常主力已经变成 Codex，因为它把电脑上的上下文装进了同一个工作空间。
SaaS 没死，用户数量会变多
Lenny 追问：如果所有工作都在 Codex 或 Claude Code 里做，SaaS 工具会不会被吃掉？Dan 的回答很反直觉：SaaS apocalypse 很蠢，他现在反而会买 SaaS 股票。原因是 Agent 会带来更多“用户”。当用户带着自己的 AI 进入 Proof、PostHog、邮件系统或 CRM，SaaS 公司不一定要替用户付推理成本，却要让人和 Agent 同时能操作产品。
“Agent 会增加 SaaS 的用户数量，不会把它消灭。”
这个判断对 B2B 产品很关键。过去的产品设计只服务人：按钮、表单、权限、报表。接下来还要服务 Agent：页面结构要可读，状态要清楚，操作要能被代理复现，导出和历史记录要友好。Dan 甚至说，用户可能把自己的 AI 带到你的产品里，这会改变 SaaS 的成本结构和产品边界。
他拿 Proof、PostHog 这类工具举例：用户在 Codex 内打开网站，Agent 使用的是用户自己的 token 和权限。SaaS 公司需要思考，页面如何让人看得舒服，也让 Agent 不迷路；权限如何不牺牲安全，又能支持代理执行；日志如何记录“人要求 Agent 做了什么”。这会把产品细节重新拉回中心。
自动化越多，人越要站在旁边
Every 是一家 AI 使用非常激进的公司，但过去一年人数从 15 个涨到接近 30 个。Dan 用一句话解释这件事：自动化是一种谎言。每当你自动化一个流程，就需要一个人在上面盯着它，确认它真的服务业务。Every 曾经上线一个 vibe coded 产品，发布后服务器每 10 分钟就崩一次，Dan 让 Codex 修，Codex 每修一处又带出四个新错误，他最后找了两位高级工程师分别重写。
“我非常相信 AI，也非常看好人在其中的角色。”
这段经历解释了为什么高级工程师、数据科学家、运营负责人不会简单消失。AI 让更多人能提交 PR、做分析、写策略文档，组织另一端就会出现更大的审核、整合和取舍压力。当生成能力被放大，判断力、系统感和责任感会变成瓶颈。 很多团队接下来要补的岗位，可能就是懂业务、懂工具、也愿意照看 Agent 的人。
节目里还聊到数据科学团队的变化。以前是数据科学家回答实验是否有效，后来每个人都能让 AI 做分析，团队反而要检查结论、纠正方法、建设能处理基础请求的 Agent。好的自动化把低质量请求挡在外面，让专家处理更深的问题；差的自动化只会把一堆半成品推给下游。
PM 的优势从写 PRD 迁移到定义问题
Dan 最兴奋的群体是 PM。他讲了 Every 内部 Marcus 的例子：Marcus 负责 Spiral 这款写作产品，以前做过 Axios 的写作产品，带过大团队，也把业务做到数千万美元 ARR。他不是传统工程师，只是“轻技术”，知道数据库迁移是什么，能看懂一些代码。过去 Every 不会把这样的人招来独立负责这类工作，但 Cursor、Claude Code 这些工具把他的产品感、写作判断和用户理解放大了。
“他发货速度几乎比团队里任何人都快。”
Marcus 不再需要先组织一整支团队，才能把一个判断落到产品里。他能自己把用户对话、产品问题、修复清单和下一步方向串起来，再用 AI 推动实现。Lenny 听到这里很兴奋，因为 PM 的核心能力早已从敲 PRD 的动作，转向判断该做什么、好不好、解决什么问题。模型把“造出来”的门槛压低后，PM 的强项反而更容易被看见。
Dan 对 AI 生成文档的态度也很清楚。他不反感团队成员用 GPT 或 Codex 写策略文档，甚至认为被很好指挥的 GPT-5.5 写出来的策略稿，常常比人硬敲键盘更好。红线在于发送者是否站得住每一行。如果开会时发现对方根本不知道文档里写了什么，那就是不可接受的工作。
全栈设计师会直接把感觉做出来
另一个被 Dan 看好的群体是全栈设计师。过去设计师常遇到一个具体场景：自己做了漂亮交互，工程实现时被砍掉，或最终效果没有那么细。现在很多设计师能自己用工具做出可运行版本，甚至直接提交 PR。Dan 说，内部和外部都能看到设计师突然变得更有力量，因为他们不只描述“我想要一个更好的交互”，他们可以把它做出来。
“设计师现在可以把那些让东西看起来惊艳的想法直接造出来。”
这和当下满屏同质化 AI 产品形成对照。Lenny 也提到，很多 AI 设计工具一眼就能看出模板味。越多人能快速生成，越需要有人让产品从一堆相似界面里跳出来。创造力不再停在 Figma 文件里，它开始进入可运行的软件。 对小团队和独立创业者来说，这是一种新的生产力结构。
很多团队过去把设计交接当作流程问题：评审、标注、排期、验收。AI 工具让设计师绕过一部分等待，把手感、动效和细节直接推进到产品里。工程师仍要守住架构和质量，但设计师能先把“感觉”变成一个可点击、可讨论、可提交的版本，协作的起点被明显前移。
别害怕模型，要骑在模型上
Dan 不相信大规模“AI 工作末日”的简单叙事。他承认公司会重组，也有人会借 AI 做裁员解释，但模型每次进步，更像是把昨天的人类能力变便宜。人人都能做 landing page、写邮件、生成代码后，默认输出很快变成同质化材料。人的任务，是用这些冻结下来的旧能力，做出更贴近自己场景的新东西。
“AI 的边缘不在旧金山，而在 AI 遇到一个正在做事的人那里。”
他给普通从业者的建议很朴素：ride the models。新模型出来，就拿自己的工作流试一遍。以前做不了的事，过几个月再翻出来试。公司如果暂时不允许，就在个人时间里玩 Codex、Co-work、OpenClaw 或类似工具。不要只带着 FOMO 上手，最好找一个自己真的想解决的问题。那一刻的惊喜，往往比任何培训更能改变人的工作方式。
写在最后
Dan 这期最有价值的地方，是把焦虑拆回日常动作。PM、设计师、工程师都不必等组织给出标准答案。先把一个真实流程放进 Codex 或 Claude Code，看看哪里省时间，哪里需要人盯，哪里能做出新东西。未来不会一次性宣布，它会先出现在你的下一次交付里，今天就能试一次。
内容来源："PMs and designers are about to win the AI era | Dan Shipper"丨Lenny’s Podcast
共同学习，写下你的评论
评论加载中...
作者其他优质文章
