Everyone wants to be AI-pilled. Most Companies Are Still Level 1
本文通过类比自动驾驶的等级划分，提出了企业AI成熟度的六层模型（L0-L4）。作者指出，仅仅使用ChatGPT总结会议（L1）并非真正的AI原生。真正的AI原生（L3/L4）要求AI能跨职能访问系统、执行操作，并引发组织架构的根本性变革，而非仅仅是给旧流程加上“自动补全”。
相关文档
SI元年：企业与个人转型指南（2026 V2）
文章从美国行政令要求联邦机构将AI改称为SI（超级智能）切入，剖析改名背后的四层逻辑：摆脱Artificial的模仿含义、支撑巨额资本叙事、争夺命名与定义权、以及向神学靠拢的至高化倾向。作者对比中国人工智能+行动，进而讨论AI正在变成一种信仰，主张以工程师心态信任但验证。文章基于三个事实（机器流量超过人类、agent开始替人购物、大企业与小企业应用差距）提出无前端判断：未来服务界面面向agent而非人，前端退化为回执。最后指出机会在把AI往下铺进具体行业与流程的生态位，并给出企业与个人转型建议。
The AI-pilled Software Factory
作者基于对30多家公司和50多位从业者的研究，提出AI成熟度模型L0-L5之外更深层的洞察：真正的AI原生公司不是给员工配AI工具提升效率，而是构建'软件工厂'。工程团队的角色从写产品软件转变为构建harness——提供上下文、权限、评估、模型路由和护栏，让全公司（市场、销售、财务、PM）都能自主开发软件。作者提出软件工厂测试五要素：看见（See）、构建（Build）、传播（Propagate）、记忆（Remember）、察觉（Notice）。通过Ramp Glass/Inspect、Vercel d0等案例说明，当软件开发成本坍缩，瓶颈从构建能力转向识别值得解决的问题的能力。
构建你的 AI FDE 能力入门篇：关注企业的“隐性知识”的断层
文章探讨企业在 AI 落地中的真实场景：高容错、全自动闭环的高价值场景其实很少，AI 应服务于商业上下文而非替代决策。作者提出 AI 落地的三个微观切面：商业上下文组装器（压缩决策时间）、非结构化数据转换插头（结构化清洗入 CRM）、内部经验的平权分发（RAG 知识库）。针对传统企业“隐性知识”断层——经验锁在老员工脑中、缺乏数据沉淀——给出三种破局策略：过程拦截式沉淀、引入 FDE 人工提取上下文、让 AI 成为反向采访者。结论是 AI 应做 Copilot 而非 Autopilot。
Services: The New Software（6个月后）
作者分享其AI原生服务创业公司Panacea在生命科学监管咨询领域运营6个月的反思。针对红杉资本'Services: The New Software'的论点，作者指出其忽略了'问责制'这一关键因素：AI代理无法承担责任，就像自动驾驶仍需持有执照的飞行员一样。Panacea将内部专家与AI平台结合，用固定里程碑定价取代按小时计费，两个月内签约50万美元，七位数管道90%来自客户主动咨询。文章认为万亿美元机会不在于取代专家，而在于让专家劳动不再随收入线性扩张。
How to Build an AI-Native Company: Hiring, Standards, and Cadence
作者分享了将 Single Grain 打造成 AI 原生公司的一年经验。他认为仅靠黑客马拉松、培训和工具授权不足以改变组织，真正的转变来自提高人才标准并重新定义卓越绩效。文章从三方面展开：招聘上，重视能公开演示工作、深度使用 AI（如 Claude Code、Codex）的候选人，用真实生产作品替代面试表演；标准上，要求所有员工（包括高管）在 30 天内交付可复用的 AI 工作流，并在 60 天内展现可衡量的改进，同时公司也需承诺提供权限、上下文和反馈；节奏上，通过'否定式指挥'和绿黄红风险边界消除等待，并以周、月、季度、年度的例行审查确保标准真正改变决策。
一人公司蓝图：用 Grok Bot 独自运营整个企业
文章介绍了 xAI 于 2026 年 8 月发布的 Grok Bot，以及如何用它构建一人公司。作者以组织架构图而非工具清单的视角，将销售、营销、运营、工程维护等职能分别交给不同 Bot，每个 Bot 拥有独立的云端机器并可使用真实工具凭证持续工作。文中强调各角色的职责边界、审批机制与审慎扩展原则，并指出战略决策等高管职能永远属于创始人本人，同时提醒产品仍处于早期 beta 阶段需谨慎使用。
Cherry Studio 2.0 发布：一次“边开飞机边换发动机”的底层重构
Cherry Studio 2.0 正式发布，此次更新不仅是 UI 的调整，更是底层架构的重大重构。文章详细阐述了产品从聊天客户端向 AI 工作平台和 Agent 平台的演进，包括引入数据库存储、优化 Windows 兼容性、整合多模态能力以及构建 Code Mate 编码搭档，旨在让 Agent 更简单、可靠地进入日常工作流。
字节梦想中的飞书长什么样？
文章探讨了YC开源的多人Agent协作系统QM，分析其如何通过独立工作空间和权限管理解决企业级Agent协作难题。作者对比了QM与字节飞书的架构，认为飞书凭借组织关系、数据沉淀和Aily，有望实现Agent与组织架构的深度融合，真正进入企业业务流程。
A2A：当 Agent 开始自己找人干活
文章探讨了 A2A 协议如何让不同框架的 Agent 实现跨系统协作，以及 Agent 进入组织所需的六项情境信息。指出光有知识和工具不够，Agent 还需理解角色、目标、规则等动态上下文。未来组织需将人治转变为 Agent 可读的结构。
派往前线的工程师：FDE 为什么是 AI 落地时代最重要的职业
本文探讨了 Forward Deployed Engineer (FDE) 在 AI 时代的核心价值。文章指出 FDE 不仅是工程师，更是将企业 Know-How 转化为 AI 可执行 Context 的翻译者，是连接模型智能与现实世界的最后一公里。通过与 Cresta Head of FDE Jove 的对话，文章分析了 FDE 与外包的本质区别，讨论了“本体论”在构建企业知识模型中的作用，以及 Skills（技能）如何成为下一代软件形态。
AI在企业落地的真实进度：从L1到L4的转型鸿沟
文章基于Notion对10个国家6118人的调查，将企业AI落地分为四个级别：L1（参谋）、L2（助手）、L3（同事）、L4（系统）。88%的企业处于前两层，主要利用AI提升个人效率；L3和L4则侧重于自动化与组织变革。L2到L3是转型最难的鸿沟，涉及技能重构和组织调整。AI转型被比喻为“大装修”，企业在业务不停摆的情况下进行硬装改造。
如何成为每家公司都想雇用的 AI 原生人才
文章分析了 2026 年职场的新趋势，指出 ClickUp 等公司正裁员并重金招募能利用 AI 产生高杠杆的“Agent-native”人才。作者认为，仅会用 ChatGPT 不够，真正的 AI 原生能力是建立个人 AI 系统，通过编写技能文件（skill.md）来训练智能体处理重复性任务，从而将个人工作流程规模化。
