AI 原生工程组织当写代码不再是瓶颈哪些流程该被干掉图 1流程跟着瓶颈走瓶颈变了流程就得变文章目录AI 原生工程组织当写代码不再是瓶颈哪些流程该被干掉1. 核心命题瓶颈迁移了2. 四个悄悄失效的流程2.1 规划从六个月路线图到 JIT2.2 知识获取别找写代码的人找 Claude2.3 代码评审Trust But Verify2.4 团队构成角色模糊化3. 怎么落地原则 自治不可妥协的原则团队级强制Pod 自治子团队自决定4. 三个衡量指标5. 从哪里开始实战选择你的团队该从哪里切入总结这套方法不适合谁参考摘要Anthropic Claude Code 团队分享了 AI 编程全面落地后的组织变革实践规划、知识获取、代码评审、团队构成四大流程全部重写本文拆解其方法论并给出落地建议。你的工程流程是为写代码很贵这个前提设计的。现在这个前提不成立了流程呢2026 年 6 月 3 日Anthropic Claude Code 和 Claude Cowork 的工程总监 Fiona Fung 在 Code w/ Claude SF 分享了一个让很多工程 Leader 不舒服的观察当 AI 编程成为默认模式团队里大量流程悄悄失效了但没有人主动去杀掉它们。这不是一个理论推演。Claude Code 团队自己就是实验对象——据 Fiona 的观察她已经四个月没有看到过团队里任何一个非 Claude 辅助的 commit。他们不是在讨论AI 能不能用而是在回答全面 AI 化之后组织该长什么样。这篇文章不是翻译或总结。我把 Fiona 的分享拆开看看哪些做法可以直接搬到你的团队里哪些需要改造。1. 核心命题瓶颈迁移了图 2瓶颈迁移——从写代码到验证和判断工程流程的本质是什么是针对特定瓶颈的解决方案。传统瓶颈写代码慢、写代码贵。所以我们发明了详细的设计文档、六个月的路线图、严格的需求评审——这些都是为了减少写了再改的浪费。新现实代码生产成本趋近于零。AI agent 可以在几分钟内输出一个功能原型。瓶颈迁移到了验证代码是对的吗行为符合预期吗评审变更是安全的吗符合产品意图吗安全信任边界在哪里谁有资格做判断如果你的流程还在优化减少写代码的浪费那它正在解决一个不存在的问题。2. 四个悄悄失效的流程2.1 规划从六个月路线图到 JIT图 3JIT 规划——从线性长链到紧凑反馈环Claude Code 团队曾经有六个月的产品路线图。结果呢到第三个月就过时了——因为 AI 工具本身带来的速度提升让原定计划的假设全部失效。他们的解法叫JIT PlanningJust-In-Time 规划类比 JIT 编译传统规划JIT 规划先写设计文档再开发先出原型再讨论路线图驱动反馈驱动季度评审调整原型 → 内部用户 → 立刻迭代成本前期文档可能白写成本需要更强的判断力决定什么值得做注意JIT 不是不规划。它是把规划的粒度从六个月一次大规划变成恰到好处的量在恰到好处的时间。前提是你的团队有足够的判断力在更短的时间窗口做决策。一个简单的试金石你最近的设计文档是不是写完就没人看了路线图是不是每个月都在改如果是说明你的规划周期已经不匹配实际节奏了。试试把一个模块的设计文档换成 PR 里的讨论给自己两个 sprint 观察信息传递质量有没有下降。2.2 知识获取别找写代码的人找 Claude图 4知识获取路径——找人问 vs 直接问 AI传统做法看到一个不熟悉的模块找这个模块的作者问。问题当所有 PR 都是 AI 辅助的“谁写的这个不再等于谁理解这个”。你需要的可能是这次回归的根因是什么→ 让 AI 分析 diff 和 commit history客户为什么投诉这个行为→ 让 AI 整理客户反馈当时的设计决策是什么→ 让 AI 搜索相关 RFC 和讨论Fiona 举了自己的例子她以前每天早上端着咖啡手动整理客户反馈频道的摘要——这曾经是一个 Leader 的早课。现在完全自动化了AI 在后台做摘要人只需要看结论和决定行动。迁移建议列出你团队里找人问的 Top 5 场景逐个判断这个问题的答案是否可以通过 AI 搜索代码库、commit 历史或文档获得如果可以就自动化。2.3 代码评审Trust But Verify图 5代码评审分工——AI 管规范人管判断这是变化最大、也最敏感的一环。Claude Code 团队的分工AI 负责的部分风格一致性、lintingPR 反馈的初筛和分类提交前的 bug 捕获和修复补测试人必须做的部分法律合规审查风险容忍度的判断机器做不了信任边界和安全敏感代码需要领域专家产品 sense 和品味PM 和设计师的领地关键原则“trust vs. verify 的平衡点会随模型能力变化而变化”。也就是说今天人需要审的东西明天可能不需要了。团队需要持续校准这个边界。迁移建议把你团队上周的 code review comments 分类统计多少是风格/格式/命名→ AI 可接管多少是安全/产品/架构决策→ 人必须做。如果前者占比超过 60%说明你的 reviewer 时间正在被低价值任务吃掉。2.4 团队构成角色模糊化当代码不再是稀缺资源团队的选人标准也变了。Claude Code 团队现在重点招两类人有产品 sense 的创造型 builder——“做梦者对好奇心和交付都有执念”有深度系统专长的工程师——比如要在 Web 上构建 Claude Code 这种复杂系统仍然需要深厚的系统功底他们不再把产出吞吐量作为选人指标因为模型会处理那个。同时观察到的现象PM 现在经常自己用 Claude Code 写功能原型来验证想法——不是为了上线而是为了在 30 分钟内拿到这个交互行不行的答案不再需要排进工程师的 sprint。工程师则开始接手用户文档和界面设计的初稿。当 AI 把实现变便宜了原来由分工壁垒保护的边界就开始溶解。下次面试时不妨问自己一个问题如果把这个人的核心价值换成一句话是写得快还是判断得准如果答案是前者AI 已经能做到了。你真正缺的是那些能在模糊地带做决策的人——产品直觉、系统品味、对用户痛点的嗅觉这些暂时没法自动化。3. 怎么落地原则 自治图 6落地框架——原则统一方向Pod 自治执行Fiona 的团队把变革分成了两层不可妥协的原则团队级强制无条件 Dogfood每个人——包括跨职能伙伴——都必须用 Claude Code 和 Claude Cowork。不是建议使用是默认工具。极度扁平每个管理者先做 IC、先写代码、理解工程师体验。一个团队使命管理者的角色是支持 Pod 而不是发号施令。杀掉无效流程的许可证团队成员有明确的权限去质疑和干掉过时流程。这不是可以提建议是被鼓励这么做。Pod 自治子团队自决定怎么用 AI 做分诊triage怎么开站会或规划会哪个工作流先ClaudifyPod 的试错成果不是封闭的。一个 Pod 验证了好用的做法会通过全团队的 Demo Day 或内部文档自然扩散——不是强制推行而是你看他们这么做效果不错你要不要试试。这比自上而下推一个标准流程更容易落地因为每个 Pod 的具体约束不同。4. 三个衡量指标图 7三个衡量信号——吞吐量上升不等于成功怎么知道新流程在生效Fiona 给了三个可观测的信号指标含义注意事项新人上手时间 ↓新工程师第一周就能提交真实代码如果没缩短说明 AI 没有降低认知门槛PR 周期时间 ↓从开 PR 到合入的时间在缩短如果反而增加了可能是 CI 或构建系统跟不上产出速度AI 辅助提交比例 ↑Claude 辅助的 commit 占比持续上升他们团队已经 4 个月 100% AI 辅助但 Fiona 特别强调一个 caveat不要把吞吐量和成功混淆。PR 数量上升不等于产品在变好。最终衡量标准永远是你在解决的那个问题有没有被解决。5. 从哪里开始知道怎么衡量之后下一步是选一个切入点。Fiona 的建议很具体找到你团队里最吵闹、最贵、最让人不想面对的那个流程。然后问两个问题它还在服务它原来的目的吗如果是能自动化吗她举了自己的经历曾经在一个团队里有一个昂贵的周例会很多人参加但除了报告自己状态的那两分钟大家都在看笔记本电脑。她问了一个问题——“我们为什么还在开这个会”——然后会就被取消了。AI 时代暴露了这些流程的空洞——当代码产出速度加快 5 倍那些等待和协调环节的成本从隐性变成显性。曾经藏在排期里的三天等待现在看起来像一面红旗。实战选择你的团队该从哪里切入你的现状建议优先级设计文档写了没人看先试 JIT 规划用原型替代文档Code review 积压严重先让 AI 接管格式/风格/测试覆盖的审查新人要一个月才能提交先优化 onboarding让 AI 帮新人理解代码库周会/站会变成仪式先审计这些会议的实际决策产出率不确定从哪开始找团队里抱怨最多的那个流程总结这套方法不适合谁Fiona 没说的事情其实同样重要。这套做法有几个隐含前提团队有足够的判断力。JIT 规划对判断力的要求远高于路线图驱动——如果团队缺乏这个该不该做的直觉去掉规划期只会更混乱。产品能容忍快速试错。基础设施、合规系统、安全关键系统的试错成本极高先出原型再讨论可能不适用。AI 工具真的好用。Fiona 的团队用的是他们自己的产品。如果你的 AI coding 工具体验远不如 Claude Code那100% AI 辅助的数字目标没有意义。不要照搬数字。四个月 100% AI 辅助是他们的结果不是你的 KPI。对你有价值的是背后的判断框架当一个流程存在的理由消失了流程本身不会消失。你需要主动杀掉它。说到底Fiona 讲的不是 AI 有多好用。她在问一个更难回答的问题你有没有勇气去审视那些一直在做的事情参考Running an AI-native engineering org — Fiona Fung, Anthropic, 2026-06-03Claude Code 官方文档