0331-人工智能如何让每位员工成为建设者 |

输入“/”快速插入内容

0331-人工智能如何让每位员工成为建设者 |

用户9970

用户3733

5月9日修改

每日播客内容精炼 - Sycamore Labs 特辑

原标题: How AI Can Make Every Employee a Builder | Raviraj Jain, Sycamore Labs

来源: Latent Space 播客

嘉宾: Raviraj Jain (Lightspeed 合伙人) × Sri Viswanath (Sycamore Labs 创始人兼CEO)

发布时间: 2026年3月30日

处理时间: 2026年3月31日

---

🎯 短文版本 / Social Media Content

Sycamore Labs 创始人 Shri Vishnuat，Atlassian 前 CTO、Groupon 前 CTO、GoTo Ventures 前 VC，现在做了一件事：重新定义企业软件。​

他的核心判断：过去50年的软件一部署就开始腐烂。AI 的真正价值不是在现有软件上"加个 AI 按钮"，而是让软件从第一天起就能自我改进、自我修复、自我进化。​

总结一下做个笔记👇

1️⃣ 市场规模：企业软件市场 = 4000-5000亿 SaaS + 1万亿咨询/SI，总共1.5万亿。核心矛盾是：SaaS 太臃肿（你要5个功能，给你50个），咨询太短暂（来了、改了、走了，留下烂摊子）。​

2️⃣ 软件构建自身：Sycamore 构建三层架构 - Agent 操作系统（内核）、自适应工厂（重新设计解决方案）、集体智能（按组织层级个性化）。软件不是静态的，而是持续进化的。​

3️⃣ 企业级 AI ≠ 消费级 AI：企业有层级、角色、权限控制、合规审计。需要完全不同的架构和默认交互方式（语音模式）。​

4️⃣ 神经符号方法：Agent 写代码、执行、发现不够好就重写，带 CI/CD 的持续迭代。每次用户使用产品，目标都是让它比上次更好。​

5️⃣ 24×7 Agent 工作制：Sycamore 内部每日 Sprint，白天人机协作设计，晚上 Agent 24×7 执行，早上审查。不是996，是"Agent 24×7，人正常工作"。​

6️⃣ 集体智能收敛：两个人想做同样的东西，系统自动合并；即使做了两个，也会随时间自动收敛。传统"一次性大迁移"痛苦消失。​

7️⃣ 多模型策略：不绑定单一 LLM，取各家所长 - Codex 擅长的用 Codex，Claude 擅长的用 Claude，Gemini 擅长的用 Gemini。​

8️⃣ 真实触发点：去年年中编码 Agent 能力质变时，Shri 从"投10年"变成"建10年"。"我在旁边做原型，被震惊了，那一刻我知道这会改变整个世界。"​

---

📖 长文版本 / Deep Analysis

引言

Sri Vishnuat 的履历令人印象深刻：Atlassian 前 CTO（6年，带领工程团队从0做到7000+人）、Groupon 前 CTO、GoTo Ventures 前 AI 投资人。但更令人深思的是他对企业软件的哲学思考——不只想做新产品，而是重新定义整个范式。​

核心洞察：软件应该"自愈"而非"腐烂"

Shri 的核心观点振聋发聩："过去50年，软件一部署就开始腐烂。它会变脆，bug 长期存在，很快进入停滞状态。"​

然后他提出了一个革命性问题："如果软件不是越来越烂，而是越来越好呢？如果它能自己修 bug 呢？如果它能像人一样跟你对话、理解你、为你个性化呢？"​

企业软件的三大困境

1.
内部 IT 团队：永远缺人，优先级永远排不完，技术迭代快到员工技能跟不上​

2.
SaaS 软件：臃肿膨胀，你要5个功能，它给你50个，需要大量配置​

3.
咨询公司/SI：来了、改了、走了，留下内部团队维护不了的烂摊子​

Sycamore 的三层架构革命

第一层：Agent 操作系统（内核）

•
基础设施，具备"持续改进"能力​

•
监控所有运行中的软件，自动调整和重写代码​

•
采用"神经符号方法"：写代码→执行→发现不足→重写→改进​

第二层：自适应工厂

•
不是简单自动化现有流程，而是重新设计解决方案​

•
从第一性原理出发：你需要什么最少的东西，然后自适应扩展​

第三层：集体智能

•
知识层级与组织架构对应​

•
同样问题，市场经理和 CEO 得到不同答案（基于权限层级）​

•
默认交互是语音，让非技术人员也能自然对话​

企业级 vs 消费级 AI 的本质差异

消费级 AI：权限扁平，个人使用​
企业级 AI：层级分明，需要控制面（Control Plane）来管理权限、合规、审计​

Shri 的洞察深刻：OpenClaw 等工具定义了个人 AI Agent 层，但企业需要完全不同的架构设计。​

内部开发模式：机器速度 vs 人类速度

Shri 在 Atlassian 的真实经历让他深受触动：一次重大战略转型，做了视频、邮件、全员大会、答疑，一个月后发现40%的人还在按老方向走。​

"即使管理很好的大型组织，也不容易运转。"

这催生了 Sycamore 的独特工作模式：

•
每日 Sprint：白天人机协作设计，晚上 Agent 24×7 执行，早上审查​

•
效率指标：不测工程师效率，测 Agent 效率（"从5个 Agent 扩展到50个？"）​

•
目标：以机器速度运转，不是人类速度​

智能避免混乱的机制

很多人担心：如果每个人都能构建软件，会不会乱成一团？

0331-人工智能如何让每位员工成为建设者 |​