Tenex 如何为财富 2000 强搭建 AI 原生 SDLC

去年，Alex Lieberman 和他的联合创始人加入我们来解释 Tenex 的一个不寻常赌注：按 AI 工程师交付的工作付费，而不是按他们在键盘前花费的小时数付费。如果 AI 让工程师更快，按小时计费可能会让工程师做同样的工作赚得更少。Tenex 希望激励方向反过来。

在 AIE New York，Alex 带着 CJ Hess 回来，谈论把这一想法扩展到工程组织时会发生什么。我们还把自己的一项实验摆上桌面：Kill My SaaS，我们请构建者替换一款会议演讲者管理工具，我们被报价每年 $43,000 来使用它。

两个故事都提出了同一个问题：当构建变得更便宜时，你如何决定好的工作值多少？

当工作不断变化时，为产出付费

Tenex 仍把故事点作为工程薪酬的重要组成部分。Alex 说，令人担心的失败模式——人们抬高估算，或交付糟糕代码来攒点数——并没有成为最大的问题。Tenex 的 AI 战略师负责客户留存和增长，这使他们有动力抵制对客户没有帮助的工作。

更难的问题是，如何奖励那些无法恰当地归入一张工单的工作：理解客户的问题、设计架构，或首先决定应该构建什么。CJ 描述道，随着模型变得更好，直接写代码的时间更少，而把客户的上下文整理成模型能够使用的形式所花的时间更多。围绕已交付任务设计的薪酬体系，也必须为这类工作留出空间。

Alex 说，Tenex 已增长到 75 人，客户分为 Fortune 2000 公司和中端市场企业。公司起初是一家 AI 驱动的开发工作室；客户越来越多地寻求全公司 AI 转型方面的帮助。跳转到薪酬讨论 →

MetaHarness：把项目留在仓库里

CJ 逐步讲解 Tenex 的 MetaHarness：围绕工作的一套共享技能、项目文档和 CLI。计划与决策和代码一起签入 Git。当智能体回到一项任务时，它不仅能读到构建了什么，还能读到团队为什么选择那样构建。

Tenex 自己的 AI 原生 SDLC 文章把这一想法展示为一份人类与智能体共同对照工作的项目记录，并带有 Linear、GitHub 和客户更新的视图：

来源：Tenex，构建 AI 原生 SDLC。

有用的区分在于让智能体更快地写代码，与让周边工作清晰可读：计划、验收标准、决策和证据。Tenex 的文章也指出了代价：对一个小团队的单个项目来说，这么多结构可能会过头。CJ 讲解工作流程 →

Kill My SaaS：拥有你所构建之物的成本

我们的 Kill My SaaS 那一集涵盖了 72 份用于替换我们演讲者管理软件的投稿。在我们的人类评委那里获胜的团队，在我们的 AI 评委排行榜上名列第 19。这是一个有用的提醒：检查软件是否满足一份场景清单，与判断人们是否想要使用它，是不同的工作。

我把这个项目拿给 Alex，作为一家公司选择自建软件的真实例子。他的反驳是：越往高端市场走，拆掉一套既有系统的成本就越高、风险也越大。即便是较小的工具，也得有人维护。省下的钱是否足以支撑这种持续投入？

我的回答是，好处并不只是那笔账单。我们的团队已经长期忍受一款平庸的产品。如果我们掌握这条工作流，就能让它对演讲者和运营人员更好用，并在几分钟内迭代，而不是等供应商几个月。这种潜力必须与 Alex 所描述的维护工作放在一起权衡。观看这段交流 →

支持与反对垂直 AI 的理由

Alex 总体上看空垂直领域的 AI 产品：如果每家企业都期望独一无二的解决方案，你如何以软件利润率来交付？而且随着前沿模型不断进步，底层任务有多少会被通用工具吸收？

我用 Harvey 和 OpenEvidence 这样的例子进行了反驳。即便底层模型人人可得，特定领域的数据、专门的界面、集成以及用户习惯依然重要。Bloomberg 是一个有用的对照：交易员可以在别处获得市场数据，但终端把数据、工作流、沟通和既有习惯汇集在一起。

CJ 区分了两类东西：一类垂直产品的主要功能是由智能体执行某项任务，另一类工具则改进围绕该任务的实际工作流。这就留下一个比“垂直 AI”孰胜孰负更有意思的问题：哪些产品会成为人们持续开展工作的地方，哪些会变成他们已经在用的智能体中的一项功能？观看这场辩论 →

节目笔记

Tenex — Alex 和 CJ 的应用型 AI 公司，与企业合作推进 AI 采用与工程落地。
Alex Lieberman 谈 Tenex — Alex 对该公司及其方法的介绍。
构建 AI 原生 SDLC — Tenex 对其智能体辅助开发流程及 MetaHarness 的说明。
我们此前与 Alex 和 Arman 的对话 — Tenex 最初提出按产出为 AI 工程师付酬的理由。
Kill My SaaS — 我们用 AI 智能体替换一套每年 $43K 的演讲者管理工具后学到了什么。

时间戳

0:00 冷开场
0:26 介绍
0:51 Tenex 做什么
1:32 CJ 为何加入 Tenex
3:17 按成果为工程师付酬
7:20 MetaHarness 内部
10:25 模型与长时间运行的任务
15:11 Token 支出与 ROI
19:29 企业 AI 采用差距
23:22 为何智能体部署很难
24:42 垂直 AI 与企业软件
30:32 Kill My SaaS
35:23 AI 与就业
38:18 纽约的 AI 生态
42:28 Tenex 招聘

文字稿

根据访谈自动生成；措辞可能有误，且发言人未标注。

0:00 我只是觉得自己的产出越来越好、越来越快，最后拿到的报酬却更少。比如我按小时向客户收费。我对团队的说法是，你无法自动化一个并不存在的流程。

0:26 好的，我们在 AI Engineer，正在和 Tenex 交流。欢迎回来，Alex。谢谢。谢谢邀请我们。你带来了你们的工程总监 CJ。欢迎来到播客。Tenex 的特别项目负责人。好的，特别项目负责人。好吧，你们就是特遣队。是的，是的。所以你之前上过这个播客，大家对 Tenex 的故事也略有了解，但你能不能从头重新介绍一下，2026 年是什么，你如何介绍自己？是的，非常简单，Tenex 是一家应用型 AI 合作伙伴，为世界上一些最大的公司服务，帮助他们从 AI 缺席走向 AI 原生。我们的信念是，AI 非常了不起，但它是原始智能。

1:04 而最难解决的问题，是真正把它扩散到整个经济中的最后一英里。所以我们的看法是，充当那个帮助企业把这一切都搞清楚的角色。我可以骂脏话吗？把这些破事全都搞定。是的，是的。是的，我们在 Apple Podcasts 上有露骨内容标签。不过我最近发现 YouTube 不喜欢这个。哦，真的吗？他们就是，对，你不能说那个 F 词。所以我是不是刚把你的视频搞砸了？你打算怎么办？我不在乎。好的。我们是给成年人的。CJ，是什么吸引你来到 Tenex？所以我其实是第一个被录用的人。我甚至不知道 Alex 和 Armand 当时是不是已经定下 Tenex 这个名字了，

1:40 但在 Tenex 之前，我有一片自己尝试创办的创业公司坟场，最终汇成了我自己那种工程咨询公司。我在那里花了一些时间做传统工程，后来转向做一些这类 AI 咨询，并且越来越多地用它来做构建。我的本行是软件工程师。我只是觉得自己的产出变得更好、更快，最终拿到的报酬却更少。比如我是按小时向客户收费的。而我真的很喜欢 Alex 最初发出来的那种 Tenex 理念

2:16 我在 Twitter 上看到的，大意是想按产出奖励工程师，而不是按他们的时间来奖励。我想，你知道，快进两年，你就能看到工程师现在可以如何并行处理大量工作，并拥有多得多的产出。当时你知道有 Sonnet 3.5、Gemini 2.5 Pro，这可能还没那么明显，但我基本上下了这个注：我认为凭借我的技能组合并更深入地投入 AI，我可以有高得多的产出，并最终拥有更高的赚钱能力来做到这一点。

2:53 从那以后，我就爱上了那种模式。我认为那就是工程未来真正的样子。最终，当 AI 在解决所有这些技术问题时，公司会按结果付费，他们不会想按构建某样东西所需的时间来付费。是的。所以想了解更多细节，大家可以回看我们之前的播客，你们简直是按故事点给人付钱。没错。而你们只需要就故事点是什么达成一致。但这也意味着，一些 10 倍工程师一年真的能赚数百万美元，而另一些人可能赚得没那么多，只是因为他们没那么高产。是的，正是如此。这个论点是，AI 其实只是对人类智力的一种杠杆化押注

3:29 以及职业道德。所以，收入能力的差异将比以往任何时候都更大。我们的看法是，我们的模式并不适合所有人，但对于那些基本上想做多自己、在软件工程方面有着出色基础、同时又不断推动自己去利用前沿、在保证高质量产出的同时尽可能把自己的时间用到极致的人来说，没有比这更好的赚钱方式。现状如何，比如上次我和你聊的时候，我想你大概有两三个人一年赚到一百万或超过一百万。这方面有更新吗？对，对，对。所以先描绘一下情况，

4:05 我们18个月前创办了 Tenex，也就是开始做这门生意的时候。说实话，我们起初就像一家 AI 驱动的开发工作室。最初的想法其实是，工程某种程度上就像 AI 的煤矿金丝雀。部分契机是，我的联合创始人 Armand 本身是技术出身，开始大量使用编程智能体。然后他认识的一些人还在自己的 IDE 里敲代码，完全没有采用这项技术。于是我们就想，为什么不直接给那些尚未采用这项技术的公司工程团队做加速赋能呢？所以我们从那里起步。接着，当我们开始从初创公司和中端市场

4:42 公司向更高端市场走，到现在，你知道，我们50%的客户是 Fortune 2000。另外50%是年营收100到500 million的中端市场公司。他们要的并不只是人员配置和 AI 工程。他们要的是类似 AI 转型即服务。如今，公司有75人。其中90%的员工要么是工程师，要么是 AI 策略师，基本上可以理解为技术顾问。而且我认为这一论点已被证明成立，也就是 Tenex 薪酬最高的工程师和薪酬最低的工程师之间，收入能力存在非常大的差距，

5:20 Tenex。大概是4X左右的差距。哦，不是10X？不是10X的差距，对。那是梦想。对，没错。但关于这一论点的一切都被证明是对的。我确实认为，围绕我们按故事点付酬的模式，有一些有趣的心得：这个模式存在一些我们当初就知道会存在的局限，以及我们今后如何看待这些局限。但总体而言，我认为人们此前对这种按产出付酬模式的担忧——那些典型的担忧是，故事点是主观的。人们要么会给故事点注水，要么就只会

5:55 交付一大堆烂代码。就像勉强勾选交差。没错。对。但并没有真正把工作做好。对，正是如此。而我要说，这两项担忧根本就没有成为问题，这是因为我们的 AI 策略师。我认为我们把激励设置得正好与工程师形成制衡，AI 策略师的激励在于客户留存和增长。实际上，最大的挑战一直是，如何为工程师所有没花在写代码上的时间付酬，无论是做架构，还是与客户开会。因此，这正是我们必须在薪酬模型中找到更精细做法的地方，

6:30 但它在很大程度上仍然是基于产出驱动的。还有什么要补充的吗？是的，关于这一点，我花了很多时间思考，因为如果回想我在 Tenex 的任期，我曾经大量写代码，大量写代码，后来写得少一些，而现在我们差不多到了这样一个阶段：只要给予正确的上下文，模型大体上就能帮你完成解决方案的 90%。而且我确实认为这里有一些机会，可以去思考，真正的价值在于坐下来和客户交流，听他们把能想到的一切都倾倒出来，然后直接提供给模型

7:05 从而真正更接近解决方案。所以我设想，你知道，未来我们会开始更多地去看这个产出到底是什么、它如何运作、看起来怎样，而不是那种传统的故事点模型，但仍然以那些作为计量单位来锚定。我觉得还有一件事，我不知道我们之前有没有谈过，就是这个 meta harness 的想法，也就是我们在 Tenex 使用的那些工程工作流，它让我们能够在长时间运行的任务上做我认为真正有意义的工作。你想简单讲讲我们的流程是什么吗？因为我觉得人们会觉得这很有意思。好。所以我们基本上开始尝试把一套技能标准化。

7:44 嗯，我想大多数工程组织到现在都做过类似的事。嗯，对我们来说，这发展成了仓库中一套实际上非常结构化的文档，以及围绕它的一个 CLI，模型用它来实际推动正在完成的工作，无论是制定计划、做可视化，你知道，为客户做某种汇报，实际上就是把围绕真正编写代码的流程中的所有部分都构建出来，让它们在我们团队中更自动、并且以标准化的方式发生。所以我们有几样东西，比如其中一个就是这份很大的规范计划文档，它有一些类似的

8:20 结构，但我想说，随着模型变得更好，我们实际上减少了那里在结构上的强制约束。在所有这些方面都大致类似。但一旦你有了计划，你就会真正把它构建出来。而且我们对智能体如何去记录它们的决策、记录它们在做什么，以及持续追踪它们的进展，有一套非常有主见的做法。一切都签入 Git。是的。所有这些都已签入。现在对我来说，所有这些其实有点像是 Markdown，而更多是 HTML。我喜欢看这些由智能体配备出来的图画书。但所有这些都会被签入，然后它就充当了这样一个界面，在那里不

8:55 仅拥有代码作为来源，你知道，我想存在一种争论，比如你到底还需要文档吗？比如代码实际上就可以成为代码库的记忆。而我确实认为你需要。你需要知道你为什么做出某个决定。你需要知道当时那场对话的上下文。但最终，这些加上代码库，如果有问题，如果有我们需要回答的事情，如果我们需要回顾我们为什么做了某件事，我们就总能在某种持久记录中找到。而且它从不在某个人的脑子里。它始终在仓库里。所以这就给我们的智能体和工具这些超能力，让它们拥有我认为很多工程团队仍然只是存在于

9:31 对话，或者存在于他们的脑子里。我们的目标是继续把这件事往前推进，让所有上下文都集中在一个地方，越来越多的工作由智能体来驱动，而不是我们不得不事先把一切都提供好。是的，太棒了。我们甚至衡量这些流程是否有效的一种方式，就是看公司里每位工程师每月的平均故事点数是否呈上升趋势。对。你觉得这个数字是多少，比如说和今年年初相比？我不知道。你觉得呢？你觉得……加 50？我觉得，这真的要看情况，因为我们有一些人……

10:09 我在 Twitter 上看到过一张图，一个人站在巫师水晶球上方，天空中还有这些东西。我就是这样看待我们的一些工程师的，他们把智能体甩来甩去。我真的会说，总体而言，增长了 2 倍，尤其是今年。我觉得，基本上，如果你把 12 月看作 Opus 4.5 的时刻——模型真正开始承担这些长时间运行的任务——到今天我们又回到了 Opus，不过是 Opus 5.5。我的意思是，那真是一个了不起的模型，能做大量工作。在那段时间里，我看到工程师的实际产出，我会说，

10:44 大致翻了一倍，从他们以前能做到的，到他们现在在同样时间跨度内能够覆盖的范围。现在一个故事点的价值还和一年前一样吗？我们一直在尝试校准。这是一个棘手的等式。是通胀还是通缩？我的意思是，理论上应该是通缩，对吧？是的。是的。我不知道。我们大致就是这样想的。我会说，至少每个季度一次，我们会坐下来评估，比如，这些故事点的标准是什么？我们实际上是如何估算这些项目的？需要在仍然奖励这种

11:19 产出，以及随着模型变得更好，我们也确实需要能够校准我们所创造的价值之间，找到一个微妙的平衡。所以总体而言，我会说大约 2 倍的增长在我们做这些估算时起到了类似的作用，但如果我只看人们现在正在构建和推出的一些功能和东西，与去年这个时候相比，差异大得离谱。所以我可以从几个角度来谈这件事，但我只想先确认一下模型偏好的情况，因为这总是一个话题。我觉得你就是让人们选择他们喜欢的任何工具，但也许你有一些统计数据

11:55 关于办公室里更偏好什么。看起来 Opus 领先。你能估算一下市场份额之类的吗？我觉得现在的氛围是 Opus 5.5。没有 Fable？我并不特别使用 Fable，而且我觉得现在很多人只是默认不用它。Opus 太好了。它又快又便宜。它差不多勾选了我所有的选项。我会说，我以前会用两到三个模型，取决于它们是否便宜又快、是否真的聪明、是否能解决特定问题。而现在 Opus 差不多覆盖了我的全部需求。

12:30 我觉得团队里很多人在需要做一些也许更偏向 computer use 领域的事情时，仍然会去用 codecs 这类工具。而从工作流来看，我觉得两者一起用仍然是最好的选择，不管你的主力是哪一个——我觉得对我们团队大多数人来说是 Opus 5.5。用 codex 来做审查，并让它们在你的机器上实际来回协作，我觉得仍然能产出最好的结果。但目前我们在这两点上相当一致。那你还在 AMP maxing 吗？哦，我在 AMP maxing。所以你是通过 AMP 使用 Opus？对，他们最近……

13:05 或者说那就是 AMP 的默认模型。对，他们最近推出了接入你的 Cloud Code 订阅的功能。这对我来说是个相当大的转折。因为那真的能把你的成本削减大约 80%。完全同意。我的意思是，我喜欢 AMP，因为它把所有东西都从我的电脑上拿走了。他们有这套云端配置，也就是 orbs。我们上周实际上还和他们联合办了一场 happy hour，所以能见到团队并 orb out 很酷。那永远不会成为一件事。哦，会的。我想让它成为一件事。这可能是历史上第一次有人这么说。

13:41 我们在 orbing out。我们当时在 orbing out。不，他们确实会说现在是 orbing time。是啊。不过，对，那是我首选的界面。而模型其实就在这之间，如果我偏向 codex 的话。是 Sol6 one。你试过 CloudTag 吗？Anthropic 从未像 Orbs 那样拿下远程环境这件事，是不是很奇怪？是啊，我觉得其中有一部分原因是，在 AMP 这边，他们非常有主见，并不想打造这种通用解决方案。像云端的 CloudCode 和 CloudTag 这类工具，我觉得能为那些团队提供价值

14:16 真正想要协作、也许是在非技术任务上协作的团队。但我喜欢 AMP 的部分原因是，它具备所有这些跨模型功能，而我可以那样做。由 Opus 来写。我甚至可以跳到另一个 orb，说，看看那个 orb 并审查它。而所有这些仍然能汇到一起，基本上复现我在自己机器上做的事情。而我用云端的 Cloud Code、Cloud Tag 就始终没能完全做到那一点。是啊，是啊。有道理。另一件我一直在追踪、并且今年开始追踪的事，是比如说 token 支出相对于员工支出的百分比。我不知道你有没有这个数字。所以大致来说，大多数公司也许在，

14:53 姑且说是每位员工 $10 到 $200 的支出。更偏 AI native 的那些会把这个换算成百分比，所以大约是 10%。平均而言，AI 创业公司的员工在员工支出和 token 支出上大约是 1 倍，然后 token 支出会上升到也许 5 到 10 倍。你们处在这个区间的什么位置？我其实一时想不起一个数字。我会说我们大概在，如果谈的是原始 token，大概在 1 比 1 到也许 2 比 1 之间。

15:29 真的吗？那挺高的。我们经常在想的是，什么时候该动用最大的模型。我觉得每家公司都开始在考虑这件事。但我得说，最近我们的成本因为 Opus 5.5 已经大幅降下来了。我们曾经有过一个阶段，大家都在用 Astra 和 Fable，它们给出的结果就是最好的。但这些模型最终都很贵。而且，你知道，自从我们上次聊过之后，很多人都出现了这种 token maxing 的问题，token 排行榜，什么都有。然后他们就说，哦，不，不，不，不。现在我们的成本太高了。而这就像，嗯，这是世界上最可预测的事情。你有没有担心过这件事，还是说你只是在获得不错的 ROI

16:07 无论如何？对，我的意思是，我有几种看法，就是我们当时确实、确实担心过这件事，就在我们的人数不断增长的时候，嗯，而且我觉得，即便是我们团队，我会说，我不觉得我们团队里有人真正认同那种 token、那种 token-maxing 的时代风气，因为……我有过几次那样的时刻。是啊，我也是。但这就像，嗯，如果老板愿意买单，我就放开了用，对吧？因为那样你才会去做那些奇怪的事

16:42 这样你之后才能缩减回来，但你必须先做那些奇怪的事，才能发现可以带走的经验教训。是啊，完全同意。我的意思是，这听起来可能很疯狂，我也很想听听你的想法，但我早些时候和一个人聊过那场还在继续的争论……基本上，我保证这是相关的。就像我早些时候和一个人聊过那些数据公司，对吧？比如 Micro One、Mercore、Handshake。就是，这些业务的长期会是什么样，对吧？因为它们 90% 以上的收入都来自那些实验室。

17:17 而这些创始人中有不少会争辩说，他们认为情况会翻转，在接下来的几年里，将由企业来驱动。然后我想到的是，如果你认为企业将成为这些数据的核心买家，那么你接下来必须相信的是，企业会在自己的模型上做大量微调。然后问题就变成了，这在哪里才说得通？要么你认为质量会更好，但再说一次，前沿的门槛只会不断上移。所以这是一个很难下的赌注。那就必须是价格了。价格这一点我觉得很难成立，因为我们正看到这些模型的 token 成本在持续下降。

17:52 所以我想，我们内部不担心的部分原因是，感觉我们几乎已经到了这样一个帕累托点：按每项任务来看，成本正在下降。那么今天有人想 token max、在成本上真的把公司搞砸，要比六到八个月前难得多。我几乎觉得，六到八个月前才是你会真正担心的那个时点。是啊。你同意吗？同意。我觉得未来可能会以几种方式展开，比如如果存在这样一个世界

18:30 那里有 Astra 6.5、Fable 5.5，它们超级贵，但效果最好。我能看到我们可能会重新往那个方向走，但总体来说我同意，你看他们昨天、今天推出的 Muse Wonder 这类东西，它处于前沿，却便宜得要命，竞争正在升温，开源和闭源都是如此。我认为这只会继续把成本压下去。而当你真正去看，很多有经济价值的任务用 Opus 5.5 就能完成。所以这就像那个悬崖，

19:08 一个聪明 10 倍的模型，真的值得为了在电子表格里移动几个单元格而付出那个成本吗？大概不值得。对。所以回到你们的客户，以及你在市场上看到的情况，你们最常被问到的是什么？然后又有什么是人们找上门来、你们会说，不，我们其实还不想接这个活的？是的。所以我思考这件事的一种方式是，我把企业采用 AI 几乎看成一场比赛中的不同里程碑。而且我觉得，尤其是在 AIE，当我告诉人们有多少比例的公司已经达到这些里程碑时，他们简直震惊了。

19:45 但情况是这样，企业 AI 竞赛的第一个里程碑，就是给员工部署一个通用 LLM。我会说，在我们今天正在接触的、姑且算 100 家企业里，90% 已经给员工部署了 Claude 或 Codex。下一个里程碑则是真正教人们怎么用，也就是培训和赋能，这件事从来没有得到它应得的重视，但可以说比技术本身更重要，或者至少同样重要。我会说这个比例大概在 60%。

20:21 哦，那还挺不错的。是啊，是啊。有一部分公司会觉得，我们的人自己会摸索出来。但也有相当一部分会说，好，我们得教员工什么是 skills。我们得教员工这些界面的特性和功能。然后，在通用 LLM 里完成培训和赋能之后，下一步就是编程智能体。离谱的是，我在这儿问了几个人：你们觉得有多少比例的企业已经把编程智能体部署到公司的工程和产品组织了？大多数人都说，那肯定得有 70% 或 80%。实际数字更接近 50%。

20:57 也就是说，我们接触到的企业里，每隔一家要么还没部署编程智能体，要么他们正在用的东西更接近于没有编程智能体，而不是有。然后下一步，也是我认为落差最大的地方，从原始智能到企业实际使用之间扩散差距最大的地方，就是把智能体投入生产、用于非工程类工作，这个比例掉到了大约 5%。就是说，我的意思是，你整天都在这些对话里，但我们接触到的大多数企业，姑且说员工超过一千人的那些，并没有一个已经投入生产、真正在干活的智能体

21:33 那并不是在构建软件。所以我认为有几件事。其一是，因为就像，这整波浪潮是由一小群理解这项技术能实现什么的人，以及大得多的一群被 FOMO 驱动的人共同推动的。顺便说一句，FOMO 并不坏。它能带来一些向前的动力，但也意味着人们会抓住那些最符合时代精神的东西。我想在过去一年半里，人们一直在说这是智能体之年，或者不管到底有多久。每一年都是智能体之年。

22:08 比如企业会说，你能帮我们为组织内的某项后台任务构建一个智能体吗。这是最常见的事情之一。这也是为什么我们现在在 Tenex 做的很多工作，是把智能体部署到生产环境中，在 entor 之外，为公司处理他们正在做的可重复工作。第二是权限配置和 RBAC。基本上，随着公司里每位员工都有 CLAWD，或者他们有 codecs，并且需要访问某些数据，这对 CIO 和 CISO 来说已经变成了一场绝对的噩梦。而且他们基本上没有一个好的网关来轻松地做，

22:46 几乎就像一个数据权限的控制面板。说白了就是你能读什么、不能读什么。没错。而这是一个大问题。所以这是我们花很多时间在做的事。所以你们是给人做的，还是说买现成的？所以基本上我们一开始是为公司构建 Bespoke，现在我们实际上把它产品化了，有了自己的网关解决方案。对，没错。还有没有别的让你想到的，就是我们从客户那里听到很多的？我认为这涵盖了我们听到的，特别是关于智能体部署方面的。我认为有一种痛点总是会被发现，

23:22 我跟团队是这样说的，就是，你无法自动化一个并不存在的流程。所以当你有 40 个人都大致在做同一职能，但每个人的做法都有一点不同，实际上要构建一个在后台有点主动地做这件事的智能体要难得多，你完全可以和他们坐下来，给他们工具，带他们了解如何增强自己的工作流，但当你真正开始获得杠杆时，是当你有这些智能体把工作呈现给你，你在审核，你把它退回去，而你变得更像是，你知道大家都在谈论成为一名智能体

23:57 管理者，而且我认为我们正处在那个临界点，但当你把视角拉远，我们给公司的建议往往是，嘿，首先，我们需要围绕你公司内部的这个组织建立一套流程。然后这是我们实际把这项工作交给后台智能体的步骤。但如果我们没有某种形式的标准化，智能体就不可能知道自己做得对不对，我们也无法围绕这个系统构建 evals，并真正交付一个执行此职能的智能体本应带来的价值。甚至还有一件事我很想听听你的看法，我们刚才正好在谈这个

24:35 是，而且，呃，CJ 应该不介意我分享这一点，就是我们当时在谈垂直领域专用的 AI 解决方案，以及这些解决方案的未来会是什么样子。我们总体上对各个职能或行业中的垂直专用 AI 解决方案表达了看空态度。部分原因只是出于我们的视角——我们整天都待在企业的内部深处，那里有太多细微差别、太多惯性，还有太多系统和人需要你去应对。而且，当垂直解决方案的买家

25:11 真正期待的是独一无二的体验，我们正处于一个人们期待一对一软件解决方案的时代。所以如果你期待的是这个，也就难怪每家软件公司基本上都在组建一支 FDE 团队，因为当每家公司都想要所有这些传统上并不指望软件提供的细微差别时，服务与软件正在发生这种融合。所以我觉得思考这一点真的很有意思，对，比如四个垂直专用解决方案。其一，他们将如何做到这一点

25:47 如果每个人都期待一对一的解决方案，还能维持软件利润率？另外，我们为什么不该预期前沿模型会直接把它们吞掉。是的。所以举一些具体例子，你说的像是面向律师的 Harvey。对。面向医生的 Open evidence。这些是在各自领域胜出者的经典例子。而你看空它们？我会说总体上对它们看空。没错。哇。嗯，到目前为止你是错的。对。而我认为答案非常简单，就是获取 ChatGP 不会拥有的数据，

26:22 这非常常见。那是一道护城河。显然，Anthropic 和 OpenAI 也在获取那些相同的数据来源，但他们就是不会像这些人将要做的那样专注。他们确实有创新。如果你试用过 Harvey，他们有 Tabular Review。Legora 也有。我们请过 CTO 上播客，他们有可供性、UI 之类的东西，这些都是定制的，因为他们只服务这些人。卖点基本上就是专注。专注，也许还有可供性。你说的可供性是什么意思？就在于你在意为你的客户走完最后一公里，他们在意

26:57 在软件方面他们自己的最后一公里。而且只要人们在那套软件中接受训练，它就永远不会消失。比如作为一名银行家，或者，你知道，在我的金融职业生涯中，我总能从 NASDAQ、从纽约证券交易所获取完全相同的信息。但为什么我每年要为 Bloomberg 支付 50,000 美元？嗯，就是因为大家都这么做，我所有的同行都这么做。而且一切都为我整合好了，一切也都为我专门化了。所以我不会犯错，或者诸如此类。或者它接入了我的交易系统，或者我的聊天，或者别的什么，我的新闻系统。不，我认为人们为 Bloomberg 付费是因为它是社交网络。我认为人们喜欢 Bloomberg 里的私信。

27:33 就是这样，就是这样。但作为交易员，我知道我实际上会用它来做什么。对，对，对。所以，我的意思是，我觉得有一大堆集成和工具，而且我觉得最终很难对它们中的任何一个看空，主要是因为对软件的需求、对用来完成工作的工具的需求实在太大了。其中一部分，是的，会由横向的通用工具来满足，比如 Claws 和 ChatGPT，而另一部分，你就是会想要更好的东西。而且，你知道，我总是会想到 Superhuman 作为邮件客户端也许取得的成功。每个人都有 Gmail，但这就是高级版 Gmail，带有更多东西，给那些整天都泡在邮件里的人。

28:09 而且，这就是一个市场。它也许不是世界上最大的初创公司，但我觉得理性的人可以对每件事有多大规模持不同意见。对，完全同意。我觉得无可争议的是，总市场将会增长，水涨船高，大家都是高船。然后到那时你谈的就只是市场份额的百分比压力。对，对，我同意这一点。完全同意。我觉得甚至还有一种区分，就是一些从零开始构建、并有 AI 参与的新应用。这就是我想到 Superhuman 时脑海中出现的。我爱 Superhuman。我甚至不会在邮件上花很多时间，但任何带有……

28:44 不，你每月付 30 美元，就是为了不用操心。任何有酷炫快捷键的东西，我都喜欢。对。但当我想到，我想，那些真正把某个 agent 作为产品来推、由它在某个特定垂直领域干活的产品时，除非存在某种非常战略性的合规数据，或者不管是什么护城河，我觉得它们今后会很艰难，因为我们开始相当实在地看到这种能力：要么你可以非常迅速地自己搭建起来，并随着模型变好而持续复利，要么这些任务就开始落入

29:21 模型的一般范畴。但任何围绕它构建了这种应用和工具的东西，有点像我之前说的，会改变流程，并在上面有一个 agent。我觉得这建立在同样的理念之上，而且我觉得这仍然可以超级有帮助，这些将会成功。对。哦，好，好。所以关于这一点有一个相关的看法，也许没有你的那么辛辣，基本上就是，并不是没人想用……人们大概不想用你构建的那个 agent。他们想用他们已经拥有的 agent，并且想把你的数据接入他们的 agent。所以每个人都坐拥你数据的某一部分，

29:58 他们就会说，请用我的 agent 吧。请每月付我那 $20。但你不可能把所有这些每月 $20 的订阅都叠起来。最终，可能只有一小部分公司会拥有这个界面，然后每个人都接入那个总体的 agent，这一点我同意。然后有趣的是，Salesforce 作为记录系统公司之一，大概是最大的，或者说最知名的，正在拥抱这条路径，就像是你们不会使用我们的 agent。我们只会提供 API 和 MCP，供你接入你自己的东西。对，这还挺酷的。好，所以我其实还想过一遍一个例子。

30:35 所以我刚刚发布了我的 Kill My SaaS 竞赛结果，我们在其中替换了一款中端 SaaS。我称之为中端，基本上是说它可能没那么简单，但也不是 Salesforce。它处于中间位置。而且我认为市面上有很多中端 SaaS，人们总在谈论，比如软件的死亡，对吧？我们被报价每年 40,000 美元。我们花了 1,000 美元来替换它。它将在下一场会议上投入生产。所以我们就是那种客户，会说，我想要一对一的工具，而且我期待所有这些功能。我们正在为我们的业务构建一个特定领域或特定垂直行业的东西。而且，到目前为止进展还不错。

31:10 告诉我它哪里出了问题。另外，我在想那有多少个故事点。是啊，嗯，CJ 可以估算一下它的故事点。我的意思是，我的总体看法是，我认为把……拆掉——我的总体看法是，你在商业上越往高端市场走，拆掉并从头构建的主张就越难。我同意你的看法。就像部分原因是，正如人们所说，只有很小一部分人说过，比如 Salesforce 真的面临风险。SAP 真的面临风险。我完全不同意这一点。在我看来，这些企业恰恰是在这一时刻

31:48 不断积累价值。而它们积累价值的部分原因是，其中涉及的资金太多了，如果一家公司在拆掉它们时搞砸了，你说的可能是数亿美元甚至数十亿美元。你会变得规避风险。是的，没错。我认为对于中端来说，实际上取决于机会的规模有多大，以及这是否会成为一家公司内部最值得重建的机会？我甚至在努力思考。在一家企业里，比方说有一些中端 SaaS，每年要花几百万美元。

32:23 我认为第一个问题是，从收入或成本占比的角度来看，这是否足以产生足够大的影响，从而基本上值得分配工程师或资源去做？我认为这要视具体情况而定。我认为对一些企业来说，答案可能是肯定的。对另一些企业来说，答案可能是否定的。我认为更多情况下，这会是让公司超出自身能力范围的事情。比如，你知道，我们谈到，我忘了是谁创建了那个仓库。那基本上就是逆向工程仓库。RIA。是的，没错。比如，现在每个人都在谈论那个。甚至在 Tenex，我们也从零开始构建了自己的 CRM。

33:05 我们构建了什么？我们的 OS 是从零开始构建的。而且，我觉得我们意识到的一件事，每家公司都会意识到这一点，就是软件的美妙之处之一不仅仅是你从中获得的效用。而是当它不属于你的核心业务时，你不必去想维护和改进它所带来的所有头疼事。所以我认为归根结底在于，奖赏的规模是否大到足以证明，从你公司的一定资源中分出认知负荷，去培育一件并非你业务核心的东西是值得的？

33:41 显然，我觉得对你们的业务来说，基本上每年相差$39,000，你们其实是在含蓄地表示这是值得的。这不只是成本问题。那是防守。我还会从进攻的角度想，不，实际上我们的体验可以对每一个相关方都好得多。完全同意，完全同意。所以，是的，我觉得这里的一部分想法其实就是，有一个很重要的点，基本上不只是那样。所以这里有两个方面。一个是，不只是我们为一个产品被多收了钱，而是这个产品在很长一段时间里一直都很平庸。是的。这个产品好上10倍的版本会是什么样？

34:17 是的，因为我们就是客户，我们可以用几分钟而不是几个月来迭代。完全同意。我觉得，我其实觉得有意思的是，初创公司，甚至高增长的中型公司，都能以这种方式灵活应对。我觉得对企业来说，他们在某种能力上已经根深蒂固，很少会是那样，他们很少会说，哦，我们可以把我们使用的这个SaaS做出好上10倍的版本，然后可能把它独立出来，作为它自己的东西之类的。我就是不觉得企业是那样运作的。确实。是的，这已经被讨论过了。

34:52 实际上，我想说你谈到了自动化。更劲爆的一点是，他们是在把人自动化掉，对吧？一旦一切都自动化、一帆风顺了，我们会取代那些工作吗？我不知道你能在多大程度上谈这个。是的，我的意思是，我觉得这里有两个方面。我真的深信，AI会为人类带来好处。它会增强人们的工作。它绝对会改变并取代。但我认为这更像是一种转移，而不只是砍掉工作。我觉得A16Z发过一些关于

35:28 呼叫中心如今确实正在衰退，AI开始处理越来越多这类工作。最终，如果这是你整个职业生涯积累起来的一项技能，有东西进来接管这项职能，那是毁灭性的。话虽如此，当我们和客户谈到，嘿，现在会有一个智能体来做这项工作时，我们做的一部分其实是围绕重新调配。我不认为任何企业会声称，一旦我们把这个问题解决了，这群人就没有什么可做、可尝试解决的了。所以我们的方法真正在于，我们能替代什么，然后接下来要看的最大问题是什么？

36:05 而且我会主张，在大多数大公司里，这个循环基本上会永远持续下去。如果我回想我们是如何成长的，总有下一个问题。无限的需求。总是还有另一个问题，而实际上是把那些可能拥有极其深厚领域专长的人拉出水面，让他们开始也许更多地跨团队工作，或者去思考业务的各个部分，少一些停留在电子表格里某个单元格的层面，多一些关注这些团队如何协同工作。最终，从长远来看，我认为这会让大多数人留在那里

36:41 并让这些企业变得更加敏捷，真正去解决那些重大而实质的问题，而不是大多数人日复一日的苦差事。当你想到财务部门里的某个人时，他们大部分时间都泡在电子表格里，但我们如何提升他们，让他们从战略上思考业务、资金分配到哪里之类的事情。是的，而且我也觉得，当我们围绕岗位替代或岗位重新配置进行这些讨论时，我们把它说成是发生在人们身上的一件事。我不喜欢这种说法的原因之一是，我觉得这没有充分认可人们

37:17 对自己的人生拥有自主权，我的意思是我觉得……你可以调整。是的，人们真的应该去思考。当我想到赋能或人员再培训时，我认为这是雇主的职责，因为他们想推动业务增长，但这也是员工的职责。而且我觉得，当人们说 AI 将取代所有人们不喜欢做的工作时，我觉得这有点像是在自我安慰，以回避人们将会失业这一现实，因为很多人并没有喜欢或不喜欢一份工作的奢侈，他们做一份工作是为了赚钱。而且我也认为，在可能的范围内，人们

37:53 应该有自主权对自己说：好，未来几年我这份工作的稳定性或可替代性如何；如果我试图提升技能以便得到更好的保护，那会是什么样子。人们有自主权对自己这样说，并真正采取行动。是的是的是的，嗯，我觉得这是一条值得人们反思的好信息。嗯，在放你们离开之前，我想谈的最后一点就是纽约，嗯，你知道，呃，有些人认为它是世界上最伟大的城市，有些人则不这么认为。他们交谈的人总体上情绪如何，无论是在工作中还是私下，感觉是什么，对吧？

38:28 我整天都生活在旧金山。大家整天都泡在智能体里。讨论的是 instincts、grok 还是 muse。并不是你喜不喜欢 AI 这种问题，对吧？而且我觉得我想暂时走出那个泡沫，但这里仍然是纽约。它仍然是进步的，仍然是前瞻的。是的。我的意思是，我想说的是，我觉得，基本上，我只会说纽约有一个泡沫，它比旧金山的泡沫更小。如果旧金山像一个大泡沫，我觉得我们 Tenex 的人感觉，你知道，我们处在一个，我会说像是旧金山的一个缩影

39:03 因为那些主动选择来这家公司工作的人。还有我们合作的那些公司，以及我们在纽约接触的人。但我肯定也会说，它确实是一个比旧金山更小的圈子；当你去旧金山时，感觉是无所不包的，好像每个人、你目光所及之处都是如此。有人，类似于 AIE，就像我之前上台时说的那样，如果人们上 Twitter 或 X 是因为觉得自己身处 Edge City、生活在未来，那么 AIE 就是那种感觉的加强版。我觉得旧金山和 AIE 很相似。

39:40 我的意思是，AIE 整体与那些曾在人生某个阶段住过旧金山的人之间，重叠可能非常大。我们现在大概占这座城市的 1%。真的吗？就世界博览会来说，是的。太疯狂了。是啊。但说到这一点，我就是觉得，这已经融入了旧金山的文化和基因，那里有很大一群人生活在未来。我觉得你在纽约也能找到这个群体。而且我认为我们 Tenex 已经找到了这些人。我们的部分目标就是推动 AI 成为一个枢纽，或者说让纽约成为

40:16 美国的 AI 枢纽，因为这里有如此多的商业活动，所以这里会成为一个地方，技术的扩散实际上会对这个国家的 GDP 产生非常有意义的影响。我觉得现在这个圈子比较小，我们几乎把扩大我们的圈子当作自己的一项使命。也许我不知道能不能达到旧金山那样的规模，但我确实认为，我们能在让更多人在这里生活于未来这件事上产生有意义的影响。还有一种实体层面的东西，比如你在广告牌上就能看到。它正在慢慢渗透进来。哦，完全是。人们以前，还记得那个 friend 宣传活动吗，大家会在上面喷各种各样的涂鸦？我觉得那有点像故意的激怒诱饵。但现在你看到的是毫不讽刺的 AI 广告牌，人们会说，我想

40:52 这现在就是生活的一部分了。百分之百。是啊，所以我觉得，有机会把那种前沿感，以及那种生活在未来的特质带过来，而这种特质是旧金山创造出来的，正是因为那里存在的经济气候，因为风险投资，因为科技公司，再因为被吸引到那里的人。但我也觉得我们就像是处在，说起来有点奇怪，在 AI 方面我们处在一个更小的池塘里，但我认为在

41:29 商业价值方面，我们所在的池塘至少一样大，甚至更大。所以我实际上是这样说的：我在纽约做 AI 的原因，是我把旧金山的人都带来这里，让他们见见自己的客户，同时也接受一次现实检验。完全同意。而且我确实认为这里有一种非常有趣的套利。是的。是的。是的，完全是。好，太棒了。招聘号召。我知道你们一直在招人。对。你们在招什么？有什么变化？对。我们 Tenex 正在招聘前线部署工程师。直接去 tenex.co。我们也一直在招聘 AI 策略师，他们基本上是主导客户合作的技术顾问。团队在纽约市有 75 人之多。我们会继续把纽

42:07 约市当作我们的家。另外，如果你是一家企业，真正想变得 AI 原生，而且你已经试过了，但并不奏效，就来找我们。我保证我们会做得比——我不打算点名——很多其他传统咨询公司更好。哦，够辣。CJ？是的，我的意思是，我完全赞同这些。我特别在找工程师。什么是特殊项目？那是什么？特殊项目涉及我们客户工作之外的任何事情。所以我现在想到的是我的脑子。它正在内部构建那个 meta harness 和系统，基本上它

42:45 比如找到模型能力的最前沿，并给他们工具来增强他们能做到的程度。然后内部也在做 Alex 提到的那个平台。那里的大目标是，把这些后台智能体推广出去，并真正把它们交付给企业，以一种真正、真正对他们有帮助的方式。是的。并且解决很多我们之前谈到的那些混乱的 IT 问题。老兄，等你有了解决方案，我们 Latent Space 博客接受客座文章。我很乐意欢迎一些知识分享。除此之外，非常感谢你抽出时间。

43:20 也很高兴在纽约再次见到你。是啊，我也是。感谢。一年一次，一年一次。太棒了。谢谢。